Modèle de régression linéaire multiple cours

Lorsque nous avons plus d`un prédicteur, cette même approche des moindres carrés est utilisée pour estimer les valeurs des coefficients du modèle. Par exemple, lorsque nous avons deux prédicteurs, la ligne de régression des moindres carrés devient un plan, avec deux coefficients de pente estimés. Vais-je recevoir une transcription de l`Université Duke pour avoir complété ce cours? La régression, peut-être la technique statistique la plus largement utilisée, évalue les relations entre les variables indépendantes (prédicteurs ou explicatives) et une variable dépendante (réponse ou résultat). Les modèles de régression peuvent être utilisés pour aider à comprendre et à expliquer les relations entre les variables; ils peuvent également être utilisés pour prédire les résultats réels. Dans ce cours en ligne, «analyse de régression», vous apprendrez comment plusieurs modèles de régression linéaire sont dérivés, utiliser un logiciel pour les implémenter, apprendre quelles hypothèses sous-tendent les modèles, apprendre à tester si vos données répondent à ces hypothèses et ce qui peut être fait Lorsque ces hypothèses ne sont pas remplies, et élaborer des stratégies pour la construction et la compréhension des modèles utiles. Après avoir terminé ce cours, vous devriez être en mesure de: une deuxième mesure importante de l`ajustement du modèle, l`erreur quadratique moyenne, ou RMSE, est une mesure de la variation inexpliquée dans le modèle. Il s`agit, en substance, d`une mesure de la distance moyenne entre les points de la ligne ajustée. Lorsque l`erreur quadratique moyenne est inférieure, les points sont généralement plus proches de la ligne ajustée. Pour un modèle prédictif, cela correspond à un modèle qui prédit plus précisément. Dans notre modèle individuel pour OD, RSquare est 0,84 et l`erreur quadratique moyenne est 1,12. Très bon cours enseigné par le Dr mine qui est comme toujours un très bon professeur.

Les vidéos sont très éloquentes et faciles à comprendre. Je le recommande vivement si vous êtes à la recherche d`un cours de perfectionnement de base. Ce cours de niveau gradué offre une introduction dans l`analyse de régression. Un chercheur est souvent intéressé à utiliser des exemples de données pour enquêter sur les relations, avec un objectif ultime de créer un modèle pour prédire une valeur future pour une variable dépendante. Le processus de recherche de ce modèle mathématique qui correspond le mieux aux données implique une analyse de régression. Ce cours fait partie des statistiques avec spécialisation R nous voyons cela plus clairement lorsque nous examinons les statistiques de l`ajustement du modèle. Rappelez-vous que RSquare (R2) est une mesure de la variabilité dans la réponse expliquée par le modèle. Une mesure similaire, RSquare ajusté, est utilisée lors du montage de plusieurs modèles de régression. Nous décrirons RSquare ajusté plus en détail plus loin dans cette leçon. Le Dr Laura Simon et le Dr Robert Heckard ont été les principaux auteurs des documents pour ce cours.

Le Dr Andrew Wiesner et le Dr Derek Young ont également rédigé des documents de cours pour STAT 501. Dernièrement, le Dr Iain Pardoe a joué un rôle déterminant dans la mise à jour du matériel didactique. Ce cours utilise le logiciel statistique Minitab. Les étudiants peuvent utiliser n`importe quel logiciel qu`ils souhaitent pour les affectations, mais la plupart trouveront qu`il est plus facile d`utiliser Minitab. De plus, des exemples pour les unités de cours seront démontrés à l`aide de Minitab.

Share This Post:

marcelo