Об этом курсе

Недавно просмотрено: 5,081
Сертификат, ссылками на который можно делиться с другими людьми
Получите сертификат по завершении
100% онлайн
Начните сейчас и учитесь по собственному графику.
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Средний уровень
Прибл. 14 часов на выполнение
Русский

Приобретаемые навыки

Data ModelingRegression ValidationR ProgrammingLinear RegressionStatistics
Сертификат, ссылками на который можно делиться с другими людьми
Получите сертификат по завершении
100% онлайн
Начните сейчас и учитесь по собственному графику.
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Средний уровень
Прибл. 14 часов на выполнение
Русский

от партнера

Placeholder

Санкт-Петербургский государственный университет

Программа курса: что вы изучите

Неделя
1

Неделя 1

3 ч. на завершение

Корреляционный анализ. Простая линейная регрессия

3 ч. на завершение
14 видео ((всего 97 мин.)), 2 материалов для самостоятельного изучения, 1 тест
14 видео
Пример - размер мозга и IQ8мин
Взаимосвязи между явлениями8мин
Ковариация и корреляция9мин
Тестирование статистической значимости коэффициента корреляции4мин
Корреляционный анализ в R4мин
Модели как отражение взаимосвязи6мин
Простая линейная регрессия9мин
Метод наименьших квадратов10мин
Подбор коэффициентов линейной регресии в R6мин
Стандартные ошибки коэффициентов регрессии7мин
Доверительные интервалы коэффициентов и доверительная зона регрессии6мин
Использование регрессии для предсказаний9мин
Что мы знаем и что будет дальше3мин
2 материала для самостоятельного изучения
Обзор курса10мин
Материалы: Корреляционный анализ. Простая линейная регрессия10мин
Неделя
2

Неделя 2

3 ч. на завершение

Проверка значимости и валидности линейных моделей

3 ч. на завершение
13 видео ((всего 89 мин.)), 1 материал для самостоятельного изучения, 1 тест
13 видео
Тестирование значимости коэффициентов регрессии при помощи t-теста7мин
Тестирование значимости модели при помощи F критерия8мин
Качество подгонки модели4мин
Не стоит обольщаться. Зачем нужна диагностика моделей4мин
Разновидности остатков6мин
Влиятельные наблюдения и как с ними бороться8мин
Линейность связи8мин
Независимость наблюдений10мин
Нормальное распределение остатков6мин
Постоянство дисперсии остатков5мин
Анализ остатков в R10мин
Что мы знаем и что будет дальше3мин
1 материал для самостоятельного изучения
Материалы: Проверка значимости и валидности линейных моделей10мин
Неделя
3

Неделя 3

3 ч. на завершение

Краткое введение в мир линейной алгебры

3 ч. на завершение
11 видео ((всего 81 мин.)), 1 материал для самостоятельного изучения, 1 тест
11 видео
Разновидности матриц3мин
Основные действия с матрицами7мин
Основы матричного умножения9мин
Умножение двух матриц10мин
Решение систем уравнений при помощи матриц12мин
Линейная регрессия в матричном виде7мин
Вычисление остатков в матричном виде5мин
Строим график модели вручную6мин
Доверительная зона регрессии в матричном виде10мин
Что мы знаем и что будет дальше2мин
1 материал для самостоятельного изучения
Материалы: Краткое введение в мир линейной алгебры10мин
Неделя
4

Неделя 4

3 ч. на завершение

Множественная линейная регрессия

3 ч. на завершение
12 видео ((всего 93 мин.)), 1 материал для самостоятельного изучения, 1 тест
12 видео
Пример - маркер рака простаты3мин
Протокол анализа данных7мин
Разведочный анализ в R17мин
Модель множественной линейной регрессии и ее интерпретация11мин
Мультиколлинеарность и другие условия применимости15мин
Взаимодействия предикторов3мин
Сравнение влияния отдельных предикторов7мин
Качество подгонки модели множественной линейной регрессии3мин
Визуализация модели: один предиктор10мин
Визуализация модели: два предиктора5мин
Что мы знаем и что будет дальше1мин
1 материал для самостоятельного изучения
Материалы: Множественная линейная регрессия10мин

Специализация Просто о статистике (с использованием R): общие сведения

Просто о статистике (с использованием R)

Часто задаваемые вопросы

Остались вопросы? Посетите Центр поддержки учащихся.