Una revisión de la regresión frecuentista mediante lm(), una introducción a la regresión bayesiana mediante stan_glm(), y una comparación de los resultados respectivos.

Regresión lineal no bayesiana

Explorar los datos

Ajuste de una regresión lineal frecuentista

Regresión lineal bayesiana

Ajuste de una regresión lineal bayesiana

Criterios de convergencia

Evaluar la convergencia del modelo

Comparación de los métodos frecuentista y bayesiano

Diferencia entre frecuentistas y bayesianos

Crear intervalos creíbles

Introducción a los modelos lineales bayesianos

Aprende a modificar tu modelo bayesiano, cambiando el número y la longitud de las cadenas, modificando las distribuciones a priori y añadiendo predictores.

¿Qué hay en un modelo bayesiano?

Alterar cadenas

¿Tengo suficientes iteraciones?

Distribuciones anteriores

Determinar las distribuciones previas

Calcular baremos ajustados

Prioridades no ajustadas

Prioridades especificadas por el usuario

Cambio de Prioridades

Especificación de priores informativos

Consecuencias de los priores informativos

Alterar el proceso de estimación

Alterar la estimación

Modificar un modelo bayesiano

En este capítulo, aprenderemos a determinar si nuestro modelo estimado se ajusta a nuestros datos y a comparar modelos competidores.

Utilizando el estadístico R al cuadrado

Cálculo del R-cuadrado frecuentista

R-cuadrado de un modelo bayesiano

Comprobaciones posteriores del modelo predictivo

Distribuciones de puntuación previstas

Distribuciones para una sola observación

Ajuste del modelo con comprobaciones posteriores del modelo predictivo

R-cuadrado Posterior

Pruebas predictivas posteriores

Comparaciones de modelos bayesianos

Cálculo de la estimación LOO

Comparación de modelos

Evaluar el ajuste del modelo

En este capítulo, aprenderemos a utilizar el modelo estimado para crear visualizaciones de tu modelo y hacer predicciones para nuevos datos.

Visualizar un modelo bayesiano

Trazar un modelo bayesiano

Trazado de la incertidumbre del modelo

Hacer predicciones

Popularidad de las canciones observadas

Popularidad de las nuevas canciones

Visualizar predicciones

Formato de las predicciones posteriores

Visualizar nuevas predicciones

Conclusión

Presentar y utilizar una regresión bayesiana

Spotify dataset

La estimación bayesiana ofrece una alternativa flexible a las técnicas de modelización en las que las inferencias dependen de los valores p. En este curso aprenderás a estimar modelos de regresión lineal utilizando métodos bayesianos y el paquete rstanarm. Se te presentarán las distribuciones a priori, la comprobación de modelos predictivos a posteriori y las comparaciones de modelos dentro del marco bayesiano. También aprenderás a utilizar tu modelo estimado para hacer predicciones sobre nuevos datos.

Bayesian Modeling with RJAGS

Introduction to Data Visualization with ggplot2

Intermediate Regression in R

Aprende a aprovechar los métodos de estimación bayesiana para mejorar las inferencias en modelos de regresión lineal.

Modelización de regresión bayesiana con rstanarm

Aprende a aprovechar los métodos de estimación bayesiana para hacer mejores inferencias sobre los modelos de regresión lineal.

Científico de machine learning in R

Psychometrician, ATLAS, University of Kansas

What's in a Bayesian Model?

Posterior distributions

Sampling the posterior distribution

Sampling the Posterior Distribution

Changing the number and length of chains

Too short chains

How many iterations?

Let's practice!

https://s3.amazonaws.com/assets.datacamp.com/production/course_36794/subtitles/course_36794_67f9f6f613a73609ac1ed8f73089a2ee.vtt

Modificar un modelo bayesiano - ¿Qué hay en un modelo bayesiano?

¿Qué hay en un modelo bayesiano?

Create Your Free Account