After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Опис курсу
Раніше ви вивчили основи статистичного висновування та лінійних моделей; тепер час поєднати їх. У цьому курсі ви розглянете, як різні вибірки можуть давати різні лінійні моделі, адже мета — зрозуміти базову модель генеральної сукупності. На основі оціненої лінійної моделі ви навчитеся будувати інтервальні оцінки для розміру ефекту та визначати, чи є ефект статистично значущим. Інтервали передбачення для змінної відповіді буде порівняно з оцінками середньої відповіді. Протягом курсу ви отримаєте більше практики з пакетами dplyr і ggplot2, а також дізнаєтеся про пакет broom для впорядкування моделей; усі три пакети надзвичайно корисні в data science.
Попередні вимоги
Навчальний план
Зміст курсу
1
Ідеї статистичного висновування
У першому розділі ви зрозумієте, як і навіщо виконувати інференційний (а не лише описовий) аналіз регресійної моделі.
- Змінність у лініях регресії50 XP
- Вивід регресії: приклад I100 XP
- Перша випадкова вибірка, друга випадкова вибірка100 XP
- Накладіть лінії100 XP
- Дослідницьке запитання50 XP
- Гіпотеза для регресії50 XP
- Змінність коефіцієнтів50 XP
- Початкова сукупність — змініть розмір вибірки100 XP
- Гіпотетична сукупність — менша варіабельність навколо лінії100 XP
- Гіпотетична сукупність — менша мінливість у напрямку x100 XP
- Що змінює мінливість коефіцієнтів?50 XP
2
Імовірнісне висновування для коефіцієнта нахилу на основі симуляцій
У цьому розділі ви ознайомитеся з поняттям вибіркового розподілу, використовуючи методи симуляції для регресійних моделей.
3
Висновування на основі t-розподілу для коефіцієнта нахилу
У цьому розділі ви дізнаєтеся, як застосовувати t-розподіл для висновування в моделях лінійної регресії. Також ви навчитеся будувати інтервали передбачення для змінної відповіді.
4
Технічні умови в лінійній регресії
Крім того, ви розглянете технічні умови, що важливі під час використання лінійних моделей для узагальнень на ширшу сукупність.
5
Розширення висновування в простій лінійній регресії
У цьому розділі подано теми, що розвивають базові ідеї висновування в лінійних моделях, зокрема мультиколінеарність і висновування для моделей множинної регресії.
R
Статистичні висновки для лінійної регресії в R
Курс
завершено
