Welcome to the Advanced Linear Models for Data Science Class 2: Statistical Linear Models. This class is an introduction to least squares from a linear algebraic and mathematical perspective. Before beginning the class make sure that you have the following: - A basic understanding of linear algebra and multivariate calculus. - A basic understanding of statistics and regression models. - At least a little familiarity with proof based mathematics. - Basic knowledge of the R programming language. After taking this course, students will have a firm foundation in a linear algebraic treatment of regression modeling. This will greatly augment applied data scientists' general understanding of regression models.
Advanced Linear Models for Data Science 2: Statistical Linear Models
Offert par
Advanced Linear Models for Data Science 2: Statistical Linear Models
Université Johns-Hopkins
À propos de ce cours
3,399 consultations récentes
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Niveau avancé
Approx. 10 heures pour terminer
Recommandé : 6 weeks of study, 1-2 hours/week
Anglais
Sous-titres : Anglais
Programme du cours : ce que vous apprendrez dans ce cours
2 heures pour terminer
Introduction and expected values
In this module, we cover the basics of the course as well as the prerequisites. We then cover the basics of expected values for multivariate vectors. We conclude with the moment properties of the ordinary least squares estimates.
2 heures pour terminer
7 vidéos (Total 38 min), 3 lectures, 1 quiz
7 vidéos
Introductory video2 min
Multivariate expected values, the basics4 min
Expected values, matrix operations2 min
Multivariate variances and covariances5 min
Multivariate covariance and variance matrix operations5 min
Expected values of quadratic forms3 min
Expected value properties of least squares estimates13 min
3 lectures
Welcome to the class10 min
Course textbook10 min
Introduction to expected values10 min
1 exercice pour s'entraîner
Expected Values30 min
1 heure pour terminer
The multivariate normal distribution
In this module, we build up the multivariate and singular normal distribution by starting with iid normals.
1 heure pour terminer
4 vidéos (Total 31 min), 2 lectures, 1 quiz
4 vidéos
The singular normal distribution7 min
Normal likelihoods5 min
Normal conditional distributions8 min
2 lectures
Introduction to the multivariate normal10 min
A note on the last quiz question.10 min
1 exercice pour s'entraîner
the multivariate normal20 min
1 heure pour terminer
Distributional results
In this module, we build the basic distributional results that we see in multivariable regression.
1 heure pour terminer
8 vidéos (Total 60 min), 1 lecture, 1 quiz
8 vidéos
Confidence intervals for regression coefficients6 min
F distribution4 min
Coding example7 min
Prediction intervals11 min
Coding example5 min
Confidence ellipsoids7 min
Coding example6 min
1 lecture
Distributional results10 min
1 exercice pour s'entraîner
Distributional results20 min
1 heure pour terminer
Residuals
In this module we will revisit residuals and consider their distributional results. We also consider the so-called PRESS residuals and show how they can be calculated without re-fitting the model.
1 heure pour terminer
4 vidéos (Total 32 min), 2 lectures, 1 quiz
4 vidéos
Code demonstration3 min
Leave one out residuals8 min
Press residuals14 min
2 lectures
Residuals10 min
Thanks for taking the course10 min
1 exercice pour s'entraîner
Residuals14 min
4.7
4 avisMeilleurs avis pour Advanced Linear Models for Data Science 2: Statistical Linear Models
It is a very good course for any statistics to learn and have a sweet tastes of math and its behind functionality on data.
Good course on applied linear statistical modeling.
À propos de Université Johns-Hopkins
The mission of The Johns Hopkins University is to educate its students and cultivate their capacity for life-long learning, to foster independent and original research, and to bring the benefits of discovery to the world.
Foire Aux Questions
Quand aurai-je accès aux vidéos de cours et aux devoirs ?
Une fois que vous êtes inscrit(e) pour un Certificat, vous pouvez accéder à toutes les vidéos de cours, et à tous les quiz et exercices de programmation (le cas échéant). Vous pouvez soumettre des devoirs à examiner par vos pairs et en examiner vous-même uniquement après le début de votre session. Si vous préférez explorer le cours sans l'acheter, vous ne serez peut-être pas en mesure d'accéder à certains devoirs.
À quoi ai-je droit si j'achète le Certificat ?
Lorsque vous achetez un Certificat, vous bénéficiez d'un accès à tout le contenu du cours, y compris les devoirs notés. Lorsque vous avez terminé et réussi le cours, votre Certificat électronique est ajouté à votre page Accomplissements. À partir de cette page, vous pouvez imprimer votre Certificat ou l'ajouter à votre profil LinkedIn. Si vous souhaitez seulement lire et visualiser le contenu du cours, vous pouvez accéder gratuitement au cours en tant qu'auditeur libre.
Quelle est la politique de remboursement ?
Une aide financière est-elle possible ?
D'autres questions ? Visitez le Centre d'Aide pour les Etudiants.