Depois de fazer esses cursos, sinto-me confiante para criar visualizações e painéis profissionais
Shoebur RahmanEspecialista em compras, Giz Bangladesh
Descrição do curso
A regressão linear é um verdadeiro coringa da estatística, mas não dá conta de alguns tipos de dados mais complexos. Um modelo linear generalizado (GLM) amplia a regressão linear para incluir distribuições não normais, como dados binomiais e de contagem. Ao longo deste curso, você vai ampliar seu conjunto de ferramentas de data science para incluir GLMs em R. Ao aprender sobre GLMs, você verá como ajustar dados binomiais com regressão logística e dados de contagem com regressão de Poisson. Você também vai aprender a interpretar esses resultados e a visualizá-los com ggplot2.
Pré-requisitos
Programa de estudos
Conteúdo do curso
1
GLMs, uma extensão da sua caixa de ferramentas de regressão
Este capítulo mostra como os modelos lineares generalizados são uma extensão de outros modelos na sua caixa de ferramentas de data science. O capítulo também usa a regressão de Poisson para introduzir os modelos lineares generalizados.
- Limitações dos modelos lineares50 XP
- Suposições de modelos lineares50 XP
- Revisão sobre ajuste de modelos lineares100 XP
- Regressão de Poisson50 XP
- Ajustando uma regressão de Poisson no R100 XP
- Comparando regressão linear e de Poisson100 XP
- Interceptos — comparações versus médias100 XP
- Funções básicas de lm() com glm()50 XP
- Aplicando summary(), print() e tidy() a glm100 XP
- Extraindo coeficientes de glm()100 XP
- Prevendo com glm()100 XP
2
Regressão Logística
Este capítulo aborda como executar uma regressão logística e analisar as saídas do modelo.
3
Interpretando e visualizando GLMs
Este capítulo ensina a interpretar coeficientes de GLM e a criar gráficos de GLMs usando o ggplot2.
4
Regressão múltipla com GLMs
Neste capítulo, você vai aprender a fazer regressão múltipla com GLMs em R.
R
Modelos Lineares Generalizados em R
Curso
concluído
