Pular para o conteúdo principal

Curso

Inferência para Regressão Linear em R

AvançadoNível de habilidade

Atualizado 12/2021

Neste curso, você vai aprender a fazer inferências usando modelos lineares.

Iniciar Curso Gratuitamente

RProbability & Statistics4 h15 vídeos59 Exercícios4,650 XP15,730Certificado de conclusão

Crie sua conta gratuita

ou

Ao continuar, você aceita nossos Termos de Uso, nossa Política de Privacidade e que seus dados serão armazenados nos EUA.

Preferido por alunos de milhares de empresas

Treinar 2 ou mais pessoas?

Experimentar DataCamp for Business

Descrição do curso

Antes, você aprendeu os fundamentos tanto de inferência estatística quanto de modelos lineares; agora, o próximo passo é juntá-los. Este curso oferece a chance de pensar em como amostras diferentes podem produzir modelos lineares diferentes, tendo como objetivo entender o modelo da população subjacente. A partir do modelo linear estimado, você vai aprender a criar estimativas intervalares para o tamanho do efeito e a determinar se o efeito é significativo. Intervalos de predição para a variável resposta serão contrastados com estimativas da resposta média. Ao longo do curso, você vai praticar mais com os pacotes dplyr e ggplot2, e conhecer o pacote broom para organizar modelos; os três são indispensáveis em ciência de dados.

Pré-requisitos

Foundations of Inference in R Intermediate Regression in R

1

Inferential ideas

In the first chapter, you will understand how and why to perform inferential (instead of descriptive only) analysis on a regression model.

Variability in regression lines

Regression output: example I

First random sample, second random sample

Superimpose lines

Research question

Regression hypothesis

Variability of coefficients

Original population - change sample size

Hypothetical population - less variability around the line

Hypothetical population - less variability in x direction

What changes the variability of the coefficients?

Iniciar Capítulo

2

Simulation-based inference for the slope parameter

In this chapter you will learn about the ideas of the sampling distribution using simulation methods for regression models.

Simulation-based Inference

Null sampling distribution of the slope

SE of the slope

Inference on slope

Simulation-based CI for slope

Bootstrapping the data

SE method - bootstrap CI for slope

Percentile method - bootstrap CI for slope

Inference from randomization and bootstrapped distributions

Iniciar Capítulo

3

t-Based Inference For the Slope Parameter

In this chapter you will learn about how to use the t-distribution to perform inference in linear regression models. You will also learn about how to create prediction intervals for the response variable.

Mathematical approximation

How do the theoretical results play a role?

t-statistic

Working with R-output (1)

Working with R-output (2)

Comparing randomization inference and t-inference

Intervals in regression

CI using t-theory

Comparing randomization CIs and t-based CIs

Different types of intervals

Confidence intervals for the average response at specific values

Confidence intervals for the average response for all observations

Prediction intervals for the individual response

Iniciar Capítulo

4

Technical Conditions in linear regression

Additionally, you will consider the technical conditions that are important when using linear models to make claims about a larger population.

Technical conditions for linear regression

Violation of LINE conditions (1)

Violation of LINE conditions (2)

Using residuals (1)

Using residuals (2)

Why do we need the LINE assumptions?

Effect of an outlier

Estimation with and without outlier

Inference with and without outlier (t-test)

Inference with and without outlier (randomization)

Moving forward when model assumptions are violated

Adjusting for non-linear relationship

Adjusting for non-constant errors

Adjusting for non-normal errors

Iniciar Capítulo

5

Building on Inference in Simple Linear Regression

This chapter covers topics that build on the basic ideas of inference in linear models, including multicollinearity and inference for multiple regression models.

Inference on transformed variables

Transformed model

Interpreting transformed coefficients

Multicollinearity

LA Homes, multicollinearity (1)

LA Homes, multicollinearity (2)

LA Homes, multicollinearity (3)

Multiple linear regression

Inference on coefficients

Interpreting coefficients

Iniciar Capítulo

Inferência para Regressão Linear em R

Curso
concluído

Obtenha um certificado de conclusão

Adicione esta credencial ao seu perfil do LinkedIn, currículo ou CV
Compartilhe nas redes sociais e em sua avaliação de desempenhoInscreva-se Agora

Faça como mais de 19 milhões de alunos e comece Inferência para Regressão Linear em R hoje mesmo!

Crie sua conta gratuita

ou

Ao continuar, você aceita nossos Termos de Uso, nossa Política de Privacidade e que seus dados serão armazenados nos EUA.

Desenvolva suas habilidades em dados com o app do DataCamp

Continue progredindo em qualquer lugar com nossos cursos para celular e desafios diários de programação de 5 minutos.