Eğitim Hakkında
Introduction to Bayesian Inference with R dersi, katılımcılara, uygulamalı araç olarak R dilini kullanarak çıkarıma yönelik Bayesian yaklaşımı öğretir.
R ve temel R komutlarının yanı sıra verileri içe aktarma ve yönetmenin hızlı bir incelemesinden sonra, öğrenciler, istatistiksel modellere Bayesian yaklaşımların uygulamalı örnekleriyle birlikte çıkarımın teorik temellerini (Bayesian istatistiklerine odaklanarak) öğrenirler.
Neler Öğreneceksiniz
• İstatistiksel modellemede kullanmak için verilerin R'ye nasıl aktarılacağını anlamayı,
• Veri örneklerini kullanarak popülasyonlar üzerinde çıkarım yapmaya yönelik sıklıkçı yaklaşımı gözden geçirmeyi,
• Olasılık teorisinin kapsamlı olmayanını incelemeyi,
• Maksimum olasılığı ve sınırlı maksimum olasılığı anlamayı,
• Çıkarım için Bayesci yaklaşımlar ile çıkarım için sıkça görüşen yaklaşımları,
• Önceki dağılımların arka dağılımları nasıl etkilediğini anlamayı,
• Uygun ve uygunsuz öncelikler arasındaki farkı incelemeyi,
• Deneysel önceki dağılımları elde etmek için bir MCMC algoritmasının nasıl uygulanacağını ve açıklanacağını anlamayı,
• Bayesci çıkarım (genelleştirilmiş doğrusal modeller) kullanarak zaman içinde kümelenmeyi ve tekrarlanan olayları hesaba katmayı,
• Parametrelerin işlevleri hakkında çıkarım yapmayı.
Eğitim İçeriği
Base R'nin gözden geçirilmesi
Veri içe aktarma
Yeni değişkenler oluşturma
Temel özetler
R ile çizim
Olasılık Teorisi ve Uygulamalı Örneklerle Gösterim
Bayes Modeller ile Geleneksel Modeller
Sıklık yaklaşımı ile Bayesci yaklaşım arasındaki fark
Küme ofsetlerinin tahmin edilmesi
Çekme
Tek Bir Parametrenin Tahmin Edilmesi
Önceki ve gözlemlenen verilerin taranması
Bilgilendirici olmayan bir öncel kavramı
Posterioru özetlemek
MCMC algoritmalarını uygulama
MCMC zincir çıktısının teşhisi
Arka çıkışın kontrol edilmesi
Uygulamalı Bayes Regresyon Modellemesi: Normal Doğrusal Regresyon
Doğrusal regresyona Bayesci yaklaşımı karşılaştırmak
Model ve veri matrislerinin oluşturulması
Doğrusal modelleme bağlamında boyut azaltma
Cezalandırılan modeller (küçülme)
Beta ve kovaryans parametreleri için uygun öncelikler
MCMC zincir çıktısının teşhisi
Arka çıkışın kontrol edilmesi
Doğrusal olmayan terimler
Mevsimsel terimler
Bu çerçeveyi kümelenmiş verilere genişletmek
Tekrarlanan ölçümlere uzatmalar
Uygulamalı Bayes Regresyon Modellemesi: Lojistik Regresyon
Bayes modellerini ikili sonuçlara genişletmek
İki terimli modelde aşırı ve az dağılımın hesaplanması
Kümelenmiş verilere yönelik uzantılar
Tekrarlanan ölçümlere uzatmalar
Uygulamalı Bayes Regresyon Modellemesi: Olay Modellerine Geçiş Süresi
Bayesci yaklaşımların orantılı tehlike modellemesine genişletilmesi
Bayesci Çıkarım Yapmaya Yönelik Diğer Yazılım Yaklaşımlarının İncelenmesi
LA'DA
WINBUGS / OPENBUGS
JAGS
STAN
Diğer Eğitimler
Digital Vizyon
444 Eğitim Seti
