Informações sobre o curso

8.928 visualizações recentes
Prazos flexíveis
Redefinir os prazos de acordo com sua programação.
Certificados compartilháveis
Tenha o certificado após a conclusão
100% on-line
Comece imediatamente e aprenda em seu próprio cronograma.
Nível intermediário

Familiarity with calculus-based probability, the principles of maximum likelihood estimation, and Bayesian inference.

Aprox. 22 horas para completar
Inglês

Habilidades que você terá

  • Bayesian Statistics
  • Forecasting
  • Dynamic Linear Modeling
  • Time Series
  • R Programming
Prazos flexíveis
Redefinir os prazos de acordo com sua programação.
Certificados compartilháveis
Tenha o certificado após a conclusão
100% on-line
Comece imediatamente e aprenda em seu próprio cronograma.
Nível intermediário

Familiarity with calculus-based probability, the principles of maximum likelihood estimation, and Bayesian inference.

Aprox. 22 horas para completar
Inglês

oferecido por

Placeholder

Universidade da Califórnia, Santa Cruz

Programa - O que você aprenderá com este curso

Semana
1

Semana 1

6 horas para concluir

Week 1: Introduction to time series and the AR(1) process

6 horas para concluir
9 vídeos (Total 94 mín.), 12 leituras, 5 testes
Semana
2

Semana 2

5 horas para concluir

Week 2: The AR(p) process

5 horas para concluir
9 vídeos (Total 96 mín.), 8 leituras, 3 testes
Semana
3

Semana 3

5 horas para concluir

Week 3: Normal dynamic linear models, Part I

5 horas para concluir
10 vídeos (Total 114 mín.), 7 leituras, 3 testes
Semana
4

Semana 4

4 horas para concluir

Week 4: Normal dynamic linear models, Part II

4 horas para concluir
7 vídeos (Total 103 mín.), 4 leituras, 3 testes

Sobre Programa de cursos integrados Estatística Bayesiana

Estatística Bayesiana

Perguntas Frequentes – FAQ

Mais dúvidas? Visite o Central de Ajuda ao estudante.