Last chance: 50% off unlimited learning
Sale ends in
Kurs Açıklaması
Birden çok değişken içeren verilerle çalışırken, çoğu zaman bu değişkenler arasındaki ilişkiyi çok değişkenli istatistiklerle incelemek isteriz. Bu derste, bu veri kümelerini analiz etmenin yollarını öğreneceksin. Ayrıca çok değişkenli normal, çok değişkenli t ve bazı çok değişkenli çarpık dağılımlar dahil olmak üzere yaygın çok değişkenli olasılık dağılımlarını öğreneceksin. Ardından temel bileşen analizi (PCA) ve çok boyutlu ölçekleme (MDS) dahil olmak üzere, yüksek boyutlu verileri daha az boyutta temsil etme tekniklerine giriş yapacaksın.
Ön Koşullar
Müfredat
Kurs planı
1
Çok değişkenli verileri okuma ve görselleştirme
Bu çok değişkenli verilere giriş bölümünde, verileri nasıl okuyup özetleyeceğini öğreneceksin. Aritmetik ortalama vektörü, varyans-kovaryans ve korelasyon matrisleri gibi betimsel istatistiklerle çok değişkenli veriyi nasıl özetleyeceğini göreceksin. Ardından, çok değişkenli veriye içgörü sağlayan görselleştirme tekniklerini keşfedeceksin.
- Çok değişkenli veriyi okuma50 XP
- read.table kullanarak çok değişkenli veri okuma100 XP
- Sütunlar için veri tiplerini belirtme100 XP
- Ortalama vektörü ve varyans-kovaryans matrisi50 XP
- Ortalama vektörünü hesaplama100 XP
- Varyans-kovaryans matrisini hesaplama100 XP
- Korelasyon matrisini hesaplama100 XP
- Çok değişkenli veriyi görselleştirme50 XP
- Base graphics ve lattice kullanarak ikililer grafiği100 XP
- 3B görselleştirme teknikleri100 XP
2
Çok Değişkenli Normal Dağılım
Bu bölüm seni en önemli ve en yaygın kullanılan çok değişkenli olasılık dağılımı olan çok değişkenli normale tanıtacak. Çok değişkenli normal dağılımdan rastgele örnekler nasıl üretileceğini ve bu dağılım altında yoğunlukları ve olasılıkları nasıl hesaplayıp görselleştireceğini öğreneceksin. Ayrıca bir veri kümesinin çok değişkenli normalliği sağlayıp sağlamadığını nasıl test edeceğini de göreceksin.
3
Diğer Çok Değişkenli Dağılımlar
Bu bölüm, normal olmayan verileri modellemek için bir dizi olasılık dağılımını tanıtır. Özellikle, daha ağır kuyrukları modelleyebilen ve tek değişkenli Student's t-dağılımının genellemesi olan çok değişkenli t-dağılımlarına giriş yapacaksın. Ayrıca, sağa veya sola çarpık verileri modellemek üzere özel olarak tasarlanmış çeşitli çarpık dağılımlarla tanışacaksın.
4
Temel Bileşen Analizi ve Çok Boyutlu Ölçekleme
Son bölümde, temel bileşen analizi (PCA) ve çok boyutlu ölçekleme (MDS) dahil olmak üzere, yüksek boyutlu verileri analiz etmeye yönelik tekniklerle tanışacaksın. Ayrıca, bu teknikleri veri analiz ederek nasıl uygulayacağını öğreneceksin.
R
R'de Çok Değişkenli Olasılık Dağılımları
Kurs
Tamamlandı
