Séance de cours
Inférence causale : Comprendre les associations et les effets
Séances de cours associées (43)
Critères de sélection du modèle : AIC, BIC, Cp
Explore les critères de sélection des modèles comme l'AIC, le BIC et le Cp en statistique pour la science des données.
Modèles linéaires généralisés : un bref examen
Fournit un aperçu des modèles linéaires généralisés, en mettant l'accent sur les modèles de régression logistique et de Poisson, et leur mise en oeuvre dans R.
Impact de la covariable binaire: 2x2 Tableaux de contingence
Explore l'impact d'une covariable binaire sur les réponses binaires à l'aide de tableaux 2x2.
Régression logistique : prédiction de la végétation
Explore la régression logistique pour prédire les proportions de la végétation dans la région amazonienne grâce à l'analyse des données de télédétection.
Modèles linéaires généralisés
Couvertures Modèles linéaires généralisés, probabilité, déviance, fonctions de liaison, méthodes d'échantillonnage, régression de Poisson, surdispersion et modèles de régression alternatifs.
Analyse statistique des réseaux : prévision des liens et biclustering
Explore la prédiction des liens, la régression logistique, l'inférence causale et le bigroupement dans l'analyse statistique des réseaux.
Modèles marginaux : interprétation et application
Explore les modèles marginaux dans la régression moderne, en mettant laccent sur linterprétation et lapplication dans lanalyse statistique.
Répercussions du mois de naissance sur le succès des athlètes
Enquêter sur la façon dont le mois de naissance influence le succès des athlètes, analyser l'ensemble de données des athlètes japonais pour explorer les tendances dans les dates de naissance et les professions.
Paradoxe bus rouge/bus bleu
Explore le paradoxe du bus rouge/bus bleu, les modèles de logit imbriqués et les modèles multivariés d'extrême valeur dans le transport.
Régression linéaire généralisée : classification
Explorer la régression linéaire généralisée, la classification, les matrices de confusion, les courbes ROC et le bruit dans les données.