Ga naar hoofdinhoud

Cursus

Bayesiaanse regressiemodellering met rstanarm

GevorderdVaardigheidsniveau

Bijgewerkt 12-2021

Leer hoe je Bayesiaanse schattingsmethoden kunt gebruiken om betere conclusies te trekken over lineaire regressiemodellen.

Start Cursus Kosteloos

RProbability & Statistics

4 u

15 videos

45 Opdrachten

3,400 XP

7,081

Bewijs van Prestatie

Geliefd bij leerlingen van duizenden bedrijven

Een team trainen?

Probeer voor bedrijven

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

Bayesian Modeling with RJAGS Introduction to Data Visualization with ggplot2 Intermediate Regression in R

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 regressie

De data verkennen

Een frequentistisch lineair regressiemodel fitten

Bayesiaanse lineaire regressie

Een Bayesiaanse lineaire regressie fitten

Convergentiecriteria

Modelconvergentie beoordelen

Frequentistische en Bayesiaanse methoden vergelijken

Verschil tussen frequentisten en Bayesiaanse denkers

Geloofwaardigheidsintervallen maken

Hoofdstuk beginnen

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.

Wat zit er in een Bayesiaans model?

Ketens aanpassen

Heb ik genoeg iteraties?

Priorverdelingen

Priorverdelingen bepalen

Aangepaste schalen berekenen

Niet-aangepaste priors

Door de gebruiker opgegeven priors

Priors aanpassen

Informatieve priors specificeren

Gevolgen van informatieve priors

Het schattingsproces aanpassen

De schatting aanpassen

Hoofdstuk beginnen

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.

De R-kwadraatstatistiek gebruiken

Frequentistische R-kwadraat berekenen

R-kwadraat voor een Bayesiaans model

Posterior predictieve modelcontroles

Voorspelde scoreverdelingen

Verdelingen voor één observatie

Model fit met posterior predictieve modelchecks

Posterior van R-squared

Posterior predictive-toetsing

Bayesiaanse modelvergelijkingen

De LOO-schatting berekenen

Modellen vergelijken

Hoofdstuk beginnen

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.

Een Bayesiaans model visualiseren

Een Bayesiaans model plotten

Onzekerheid van het model plotten

Voorspellingen maken

Populariteit voor geobserveerde nummers

Populariteit voor nieuwe nummers

Voorspellingen visualiseren

Voorspellingsposteriors formatteren

Nieuwe voorspellingen visualiseren

Hoofdstuk beginnen

Bayesiaanse regressiemodellering met rstanarm

Cursus
voltooid

Verdien een prestatieverklaring

Voeg deze referentie toe aan je LinkedIn-profiel, cv of curriculum vitae
Deel het op sociale media en in je functioneringsgesprekSchrijf je nu in

Sluit je aan bij meer dan 19 miljoen leerlingen en start vandaag nog met Bayesiaanse regressiemodellering met rstanarm!

Ontwikkel je datavaardigheden met DataCamp voor Mobiel

Maak vooruitgang onderweg met onze mobiele cursussen en dagelijkse 5-minuten programmeeruitdagingen.