A review of frequentist regression using lm(), an introduction to Bayesian regression using stan_glm(), and a comparison of the respective outputs.

Non-Bayesian Linear Regression

Exploring the data

Fitting a frequentist linear regression

Bayesian Linear Regression

Fitting a Bayesian linear regression

Convergence criteria

Assessing model convergence

Comparing frequentist and Bayesian methods

Difference between frequentists and Bayesians

Creating credible intervals

Introduction to Bayesian Linear Models

Learn how to modify your Bayesian model including changing the number and length of chains, changing prior distributions, and adding predictors.

Wat zit er in een Bayesiaans model?

Ketens aanpassen

Heb ik genoeg iteraties?

Priorverdelingen

Priorverdelingen bepalen

Aangepaste schalen berekenen

Niet-aangepaste priors

Door de gebruiker opgegeven priors

Priors aanpassen

Informatieve priors specificeren

Gevolgen van informatieve priors

Het schattingsproces aanpassen

De schatting aanpassen

Modifying a Bayesian Model

In this chapter, we'll learn how to determine if our estimated model fits our data and how to compare competing models.

Using the R Squared statistic

Calculating Frequentist R-squared

R-squared for a Bayesian Model

Posterior predictive model checks

Predicted score distributions

Distributions for a single observation

Model fit with posterior predictive model checks

R-squared Posterior

Posterior Predictive Testing

Bayesian model comparisons

Calculating the LOO estimate

Comparing models

Assessing Model Fit

In this chapter, we'll learn how to use the estimated model to create visualizations of your model and make predictions for new data.

Visualizing a Bayesian model

Plotting a Bayesian model

Plotting Model Uncertainty

Making predictions

Popularity for Observed Songs

Popularity for New Songs

Visualizing predictions

Format prediction posteriors

Visualize New Predictions

Conclusion

Presenting and Using a Bayesian Regression

Spotify dataset

Bayesiaanse schatting biedt een flexibel alternatief voor modelleertechnieken waarbij inferenties afhangen van p-waarden. In deze cursus leer je lineaire regressiemodellen schatten met Bayesiaanse methoden en het rstanarm-pakket. Je maakt kennis met priorverdelingen, posterior predictieve modelchecks en modelvergelijkingen binnen het Bayesiaanse kader. Ook leer je hoe je je geschatte model gebruikt om voorspellingen te doen voor nieuwe data.

Bayesian Modeling with RJAGS

Introduction to Data Visualization with ggplot2

Intermediate Regression in R

Leer Bayesiaanse schattingsmethoden te gebruiken voor betere inferenties over lineaire regressiemodellen.

Bayesiaanse regressiemodellering met rstanarm

Leer hoe je Bayesiaanse schattingsmethoden kunt gebruiken om betere conclusies te trekken over lineaire regressiemodellen.

Wetenschapper op het gebied van machine learning in R

Gevolgen van informatieve priors

Bayesiaanse regressiemodellering met rstanarm

Praktische interactieve oefening