Depois de fazer esses cursos, sinto-me confiante para criar visualizações e painéis profissionais
Shoebur RahmanEspecialista em compras, Giz Bangladesh
Descrição do curso
A estimação bayesiana oferece uma alternativa flexível a técnicas de modelagem em que as inferências dependem de valores de p. Neste curso, você vai aprender a estimar modelos de regressão linear usando métodos bayesianos e o pacote rstanarm. Você será apresentado a distribuições a priori, verificação preditiva posterior do modelo e comparações de modelos dentro do framework bayesiano. Você também vai aprender a usar seu modelo estimado para fazer previsões para novos dados.
Pré-requisitos
Programa de estudos
Conteúdo do curso
1
Introdução a Modelos Lineares Bayesianos
Uma revisão da regressão frequentista usando lm(), uma introdução à regressão bayesiana usando stan_glm() e uma comparação dos respectivos resultados.
- Regressão Linear não Bayesiana50 XP
- Explorando os dados100 XP
- Ajustando uma regressão linear frequentista100 XP
- Regressão Linear Bayesiana50 XP
- Ajustando uma regressão linear Bayesiana100 XP
- Critérios de convergência50 XP
- Avaliando a convergência do modelo50 XP
- Comparando métodos frequentistas e bayesianos50 XP
- Diferença entre frequentistas e bayesianos50 XP
- Criando intervalos credíveis100 XP
2
Modificando um Modelo Bayesiano
Aprenda a modificar seu modelo bayesiano, incluindo alterar o número e o comprimento das cadeias, mudar distribuições a priori e adicionar preditores.
3
Avaliando o Ajuste do Modelo
Neste capítulo, vamos aprender a verificar se o modelo estimado se ajusta aos nossos dados e como comparar modelos concorrentes.
4
Apresentando e Usando uma Regressão Bayesiana
Neste capítulo, vamos aprender a usar o modelo estimado para criar visualizações do seu modelo e fazer previsões para novos dados.
R
Modelagem de Regressão Bayesiana com rstanarm
Curso
concluído
