Depois de fazer esses cursos, sinto-me confiante para criar visualizações e painéis profissionais
Shoebur RahmanEspecialista em compras, Giz Bangladesh
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
Programa de estudos
Conteúdo do curso
1
Ideias inferenciais
No primeiro capítulo, você vai entender como e por que realizar uma análise inferencial (em vez de apenas descritiva) em um modelo de regressão.
- Variabilidade nas linhas de regressão50 XP
- Saída da regressão: exemplo I100 XP
- Primeira amostra aleatória, segunda amostra aleatória100 XP
- Sobrepor linhas100 XP
- Pergunta de pesquisa50 XP
- Hipótese em regressão50 XP
- Variabilidade dos coeficientes50 XP
- População original - alterar o tamanho da amostra100 XP
- População hipotética - menos variabilidade em torno da reta100 XP
- População hipotética - menos variabilidade na direção x100 XP
- O que muda a variabilidade dos coeficientes?50 XP
2
Inferência baseada em simulação para o parâmetro de inclinação
Neste capítulo, você vai aprender sobre as ideias de distribuição amostral usando métodos de simulação para modelos de regressão.
3
Inferência baseada em t para o parâmetro de inclinação
Neste capítulo, você vai aprender como usar a distribuição t para realizar inferência em modelos de regressão linear. Você também vai aprender a criar intervalos de predição para a variável resposta.
4
Condições técnicas em regressão linear
Além disso, você vai considerar as condições técnicas que são importantes ao usar modelos lineares para fazer afirmações sobre uma população maior.
5
Aprofundando a inferência em regressão linear simples
Este capítulo aborda tópicos que ampliam as ideias básicas de inferência em modelos lineares, incluindo multicolinearidade e inferência para modelos de regressão múltipla.
R
Inferência para Regressão Linear em R
Curso
concluído
