Analyse des données: Modèles de régression

L'analyse des modèles de régression est une technique de modélisation prédictive utilisée pour déterminer la relation entre les variables dépendantes et indépendantes. Ce cours en ligne gratuit sur Alison décrit l'estimation du point et de l'intervalle ainsi que les différences entre ces estimations, y compris la façon dont les estimations ponctuelles utilisent une valeur unique alors que l'estimation des intervalles utilise une plage de nombres pour obtenir des informations de la population. Vous serez introduit dans les différents types d'analyse résiduelle.

Ce cours décrit comment le code Python est utilisé pour le diagramme de nuage de points et pour l'équation de régression. Vous en apprendrez davantage sur l'importance des hypothèses sur les termes de l'erreur. Vous apprendrez également le concept du modèle de régression présumé et les différences entre la régression simple et la régression multiple. Vous serez également introduit dans le modèle de régression supposé et comment il ne s'agit pas d'une représentation adéquate.

Enfin, ce cours explique l'intuition qui sous-tend la théorie d'estimation du maximum de vraisemblance. Vous en apprendrez davantage sur l'estimation des paramètres de Poisson et de distribution exponentielle. Vous étudierez la démo python pour l'estimation des paramètres de population pour l'équation de régression. Ce cours vous amène aussi à la relation entre le rapport de cotes et les coefficients des variables indépendantes. Si vous êtes intéressé à apprendre comment les modèles d'analyse de régression sont utilisés pour la prévision, ce cours excitant est pour vous.