Eine Auffrischung zur frequentistischen Regression mit lm(), eine Einführung in die bayesianische Regression mit stan_glm() und ein Vergleich der jeweiligen Ausgaben.

Nicht-bayessche lineare Regression

Daten erkunden

Eine frequentistische lineare Regression anpassen

Bayessche lineare Regression

Eine Bayes'sche lineare Regression anpassen

Konvergenzkriterien

Modellkonvergenz beurteilen

Frequentistische und Bayesianische Methoden vergleichen

Unterschied zwischen Frequentisten und Bayes-Statistikern

Glaubwürdige Intervalle erstellen

Einführung in bayesianische lineare Modelle

Lerne, wie du dein bayesianisches Modell anpasst: die Anzahl und Länge der Chains änderst, Priorverteilungen anpasst und Prädiktoren hinzufügst.

Was steckt in einem Bayesschen Modell?

Chains anpassen

Habe ich genug Iterationen?

Prior-Verteilungen

Prior-Verteilungen bestimmen

Angepasste Skalen berechnen

Unangepasste Priors

Vom Nutzer festgelegte Priors

Priors ändern

Informationshaltige Priors festlegen

Auswirkungen informativer Priors

Den Schätzprozess anpassen

Schätzung anpassen

Ein bayesianisches Modell anpassen

In diesem Kapitel lernst du, wie wir feststellen, ob unser geschätztes Modell zu unseren Daten passt, und wie wir konkurrierende Modelle vergleichen.

Die R-quadrat-Statistik verwenden

Frequentistisches R-Quadrat berechnen

R-Quadrat für ein Bayesianisches Modell

Posterior-prädiktive Modellprüfungen

Verteilungen der vorhergesagten Scores

Verteilungen für eine einzelne Beobachtung

Modellgüte mit posterioren prädiktiven Modellchecks

Posterior von R-Quadrat

Posterior Predictive Testing

Bayessche Modellvergleiche

Die LOO-Schätzung berechnen

Modelle vergleichen

Modellgüte beurteilen

In diesem Kapitel lernst du, wie du das geschätzte Modell nutzt, um Visualisierungen deines Modells zu erstellen und Vorhersagen für neue Daten zu machen.

Ein Bayes’sches Modell visualisieren

Ein Bayes'sches Modell plotten

Unsicherheit des Modells visualisieren

Vorhersagen treffen

Beliebtheit für beobachtete Songs

Beliebtheit neuer Songs

Vorhersagen visualisieren

Vorhersage-Posterioren formatieren

Neue Vorhersagen visualisieren

Fazit

Eine bayesianische Regression präsentieren und nutzen

Spotify dataset

Die bayesianische Schätzung bietet eine flexible Alternative zu Modellierungstechniken, bei denen die Schlussfolgerungen von p-Werten abhängen. In diesem Kurs lernst du, wie du lineare Regressionsmodelle mit bayesianischen Methoden und dem Paket rstanarm schätzt. Du machst Bekanntschaft mit Priorverteilungen, posterior-prädiktiver Modellprüfung und Modellvergleichen im bayesianischen Rahmen. Außerdem erfährst du, wie du dein geschätztes Modell nutzt, um Vorhersagen für neue Daten zu treffen.

Bayesian Modeling with RJAGS

Introduction to Data Visualization with ggplot2

Intermediate Regression in R

Lernen Sie, mit Bayes'schen Methoden bessere Schlussfolgerungen zu linearen Regressionsmodellen zu ziehen.

Bayesianische Regressionsmodellierung mit rstanarm

Lerne, wie du Bayes-Schätzmethoden nutzt, um bessere Rückschlüsse auf lineare Regressionsmodelle zu ziehen.

Machine Learning Scientist mit R

Psychometrician, ATLAS, University of Kansas

Bayes'sche vs. frequentistische Ansätze vergleichen

Die gleichen Parameter!

Frequentist vs. Bayes

Bayes'sche Parameter bewerten

Glaubwürdigkeitsintervalle erstellen

Konfidenz- vs. Glaubwürdigkeitsintervalle

Lass uns üben!

Einführung in bayesianische lineare Modelle - Frequentistische und Bayesianische Methoden vergleichen

Frequentistische und Bayesianische Methoden vergleichen

Create Your Free Account