Na het volgen van deze cursussen voel ik me zeker genoeg om professionele visualisaties en dashboards te maken
Shoebur RahmanInkoopspecialist, Giz Bangladesh
Cursusbeschrijving
Bayesiaanse schatting biedt een flexibel alternatief voor modelleertechnieken waarbij inferenties afhangen van p-waarden. In deze cursus leer je lineaire regressiemodellen schatten met Bayesiaanse methoden en het rstanarm-pakket. Je maakt kennis met priorverdelingen, posterior predictieve modelchecks en modelvergelijkingen binnen het Bayesiaanse kader. Ook leer je hoe je je geschatte model gebruikt om voorspellingen te doen voor nieuwe data.
Vereisten
Lesprogramma
Cursusoverzicht
1
Introductie tot Bayesiaanse lineaire modellen
Een herhaling van frequentistische regressie met lm(), een introductie tot Bayesiaanse regressie met stan_glm(), en een vergelijking van de respectieve outputs.
- Niet-Bayesiaanse lineaire regressie50 XP
- De data verkennen100 XP
- Een frequentistisch lineair regressiemodel fitten100 XP
- Bayesiaanse lineaire regressie50 XP
- Een Bayesiaanse lineaire regressie fitten100 XP
- Convergentiecriteria50 XP
- Modelconvergentie beoordelen50 XP
- Frequentistische en Bayesiaanse methoden vergelijken50 XP
- Verschil tussen frequentisten en Bayesiaanse denkers50 XP
- Geloofwaardigheidsintervallen maken100 XP
2
Een Bayesiaans model aanpassen
Leer hoe je je Bayesiaanse model aanpast, waaronder het wijzigen van het aantal en de lengte van chains, het aanpassen van priorverdelingen en het toevoegen van voorspellers.
3
Modelpassing beoordelen
In dit hoofdstuk leren we hoe we kunnen bepalen of ons geschatte model bij onze data past en hoe we concurrerende modellen kunnen vergelijken.
4
Een Bayesiaanse regressie presenteren en gebruiken
In dit hoofdstuk leren we hoe je het geschatte model gebruikt om visualisaties van je model te maken en voorspellingen te doen voor nieuwe data.
R
Bayesiaanse regressiemodellering met rstanarm
Cursus
voltooid
