Welcome to the Advanced Linear Models for Data Science Class 2: Statistical Linear Models. This class is an introduction to least squares from a linear algebraic and mathematical perspective. Before beginning the class make sure that you have the following: - A basic understanding of linear algebra and multivariate calculus. - A basic understanding of statistics and regression models. - At least a little familiarity with proof based mathematics. - Basic knowledge of the R programming language. After taking this course, students will have a firm foundation in a linear algebraic treatment of regression modeling. This will greatly augment applied data scientists' general understanding of regression models.
Advanced Linear Models for Data Science 2: Statistical Linear Models
oferecido por
Advanced Linear Models for Data Science 2: Statistical Linear Models
Universidade Johns Hopkins
Informações sobre o curso
2,722 visualizações recentes
Learner Career Outcomes
Learner Career Outcomes
100% on-line
Comece imediatamente e aprenda em seu próprio cronograma.
Prazos flexíveis
Redefinir os prazos de acordo com sua programação.
Nível avançado
Aprox. 10 horas para completar
Sugerido: 6 weeks of study, 1-2 hours/week
Inglês
Legendas: Inglês
Programa - O que você aprenderá com este curso
Semana
12 horas para concluir
Introduction and expected values
In this module, we cover the basics of the course as well as the prerequisites. We then cover the basics of expected values for multivariate vectors. We conclude with the moment properties of the ordinary least squares estimates.
7 vídeos (Total 38 mín.), 3 leituras, 1 teste
7 videos
Multivariate expected values, the basics4min
Expected values, matrix operations2min
Multivariate variances and covariances5min
Multivariate covariance and variance matrix operations5min
Expected values of quadratic forms3min
Expected value properties of least squares estimates13min
3 leituras
Welcome to the class10min
Course textbook10min
Introduction to expected values10min
1 exercício prático
Expected Values30min
Semana
21 hora para concluir
The multivariate normal distribution
In this module, we build up the multivariate and singular normal distribution by starting with iid normals.
4 vídeos (Total 31 mín.), 2 leituras, 1 teste
4 videos
The singular normal distribution7min
Normal likelihoods5min
Normal conditional distributions8min
2 leituras
Introduction to the multivariate normal10min
A note on the last quiz question.10min
1 exercício prático
the multivariate normal20min
Semana
31 hora para concluir
Distributional results
In this module, we build the basic distributional results that we see in multivariable regression.
8 vídeos (Total 60 mín.), 1 leitura, 1 teste
8 videos
Confidence intervals for regression coefficients6min
F distribution4min
Coding example7min
Prediction intervals11min
Coding example5min
Confidence ellipsoids7min
Coding example6min
1 leituras
Distributional results10min
1 exercício prático
Distributional results20min
Semana
41 hora para concluir
Residuals
In this module we will revisit residuals and consider their distributional results. We also consider the so-called PRESS residuals and show how they can be calculated without re-fitting the model.
4 vídeos (Total 32 mín.), 2 leituras, 1 teste
4 videos
Code demonstration3min
Leave one out residuals8min
Press residuals14min
2 leituras
Residuals10min
Thanks for taking the course10min
1 exercício prático
Residuals14min
4.7
4 avaliaçõesPrincipais avaliações do Advanced Linear Models for Data Science 2: Statistical Linear Models
It is a very good course for any statistics to learn and have a sweet tastes of math and its behind functionality on data.
Good course on applied linear statistical modeling.
Instrutores
Brian Caffo, PhD
Professor, BiostatisticsBloomberg School of Public Health
Sobre Universidade Johns Hopkins
The mission of The Johns Hopkins University is to educate its students and cultivate their capacity for life-long learning, to foster independent and original research, and to bring the benefits of discovery to the world.
Perguntas Frequentes – FAQ
Quando terei acesso às palestras e às tarefas?
Ao se inscrever para um Certificado, você terá acesso a todos os vídeos, testes e tarefas de programação (se aplicável). Tarefas avaliadas pelos colegas apenas podem ser enviadas e avaliadas após o início da sessão. Caso escolha explorar o curso sem adquiri-lo, talvez você não consiga acessar certas tarefas.
O que recebo ao adquirir o Certificado?
Quando você adquire o Certificado, ganha acesso a todo o material do curso, incluindo avaliações com nota atribuída. Após concluir o curso, seu Certificado eletrônico será adicionado à sua página de Participações e você poderá imprimi-lo ou adicioná-lo ao seu perfil no LinkedIn. Se quiser apenas ler e assistir o conteúdo do curso, você poderá frequentá-lo como ouvinte sem custo.
Qual é a política de reembolso?
Existe algum auxílio financeiro disponível?
Mais dúvidas? Visite o Central de Ajuda ao Aprendiz.
O Coursera proporciona acesso universal à melhor educação do mundo,
fazendo parcerias com as melhores universidades e organizações para oferecer cursos on-line.
© 2020 Coursera Inc. Todos os direitos reservados.
