This course will provide a set of foundational statistical modeling tools for data science. In particular, students will be introduced to methods, theory, and applications of linear statistical models, covering the topics of parameter estimation, residual diagnostics, goodness of fit, and various strategies for variable selection and model comparison. Attention will also be given to the misuse of statistical models and ethical implications of such misuse.
Modern Regression Analysis in R
Offrez à votre carrière le cadeau de Coursera Plus avec $160 de réduction, facturé annuellement. Économisez aujourd’hui.
Modern Regression Analysis in R
Ce cours fait partie de Spécialisation Statistical Modeling for Data Science Applications
Instructeur : Brian Zaharatos
6 967 déjà inscrits
Inclus avec 
Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.
4.4
(29 avis)
niveau Intermédiaire
Expérience recommandée
Planning flexible
Env. 45 heures
Apprenez à votre propre rythme
Préparer un diplôme
Ce que vous apprendrez
Articulate some recommended practices for ethical behavior and communication in statistics and data science.
Interpret important components of the MLR model, including the “systematic” and “random” components of the model.
Describe and implement testing-based procedures for model selections and select a “best” model based on a given procedure.
Compétences que vous acquerrez
- Catégorie : Linear Model
- Catégorie : regression
- Catégorie : R Programming
- Catégorie : Statistical Model
Détails à connaître
Certificat partageable
Ajouter à votre profil LinkedIn
Évaluations
11 quizzes
Enseigné en Anglais
Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées
Élaborez votre expertise du sujet
Ce cours fait partie de la Spécialisation Statistical Modeling for Data Science Applications
Lorsque vous vous inscrivez à ce cours, vous êtes également inscrit(e) à cette Spécialisation.
- Apprenez de nouveaux concepts auprès d'experts du secteur
- Acquérez une compréhension de base d'un sujet ou d'un outil
- Développez des compétences professionnelles avec des projets pratiques
- Obtenez un certificat professionnel partageable
Obtenez un certificat professionnel
Ajoutez cette qualification à votre profil LinkedIn ou à votre CV
Partagez-le sur les réseaux sociaux et dans votre évaluation de performance
Il y a 6 modules dans ce cours
In this module, we will introduce the basic conceptual framework for statistical modeling in general, and for linear regression models in particular.
Inclus
8 vidéos3 lectures2 quizzes2 devoirs de programmation1 évaluation par les pairs1 sujet de discussion1 laboratoire non noté
In this module, we will learn how to fit linear regression models with least squares. We will also study the properties of least squares, and describe some goodness of fit metrics for linear regression models.
Inclus
9 vidéos2 quizzes1 devoir de programmation1 évaluation par les pairs1 laboratoire non noté
In this module, we will study the uses of linear regression modeling for justifying inferences from samples to populations.
Inclus
8 vidéos1 lecture2 quizzes1 devoir de programmation2 évaluations par les pairs1 laboratoire non noté
In this module, we will identify how models can predict future values, as well as construct interval estimates for those values. We will also explore the relationship between statistical modelling and causal explanations.
Inclus
6 vidéos1 quiz1 devoir de programmation1 évaluation par les pairs1 laboratoire non noté
In this module, we will learn how to diagnose issues with the fit of a linear regression model. In particular, we will use formal tests and visualizations to decide whether a linear model is appropriate for the data at hand.
Inclus
6 vidéos2 quizzes1 devoir de programmation1 évaluation par les pairs1 laboratoire non noté
In this module, we will study methods for model selection and model improvement.. In particular, we will learn when and how to apply model selection techniques such as forward selection and backward selection, criterion-based methods, and will learn about the problem of multicollinearity (also called collinearity).
Inclus
10 vidéos2 quizzes1 devoir de programmation1 évaluation par les pairs1 laboratoire non noté
Instructeur
Évaluations de l’enseignant
4.7 (11 évaluations)Offert par
Recommandé si vous êtes intéressé(e) par Probability and Statistics
Johns Hopkins University
University of Colorado Boulder
University of Colorado Boulder
Duke University
Préparer un diplôme
Ce site cours fait partie du (des) programme(s) diplômant(s) suivant(s) proposé(s) par University of Colorado Boulder. Si vous êtes admis et que vous vous inscrivez, les cours que vous avez suivis peuvent compter pour l'apprentissage de votre diplôme et vos progrès peuvent être transférés avec vous.¹
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?
Felipe M.
Étudiant(e) depuis 2018
’Pouvoir suivre des cours à mon rythme à été une expérience extraordinaire. Je peux apprendre chaque fois que mon emploi du temps me le permet et en fonction de mon humeur.’
Jennifer J.
Étudiant(e) depuis 2020
’J'ai directement appliqué les concepts et les compétences que j'ai appris de mes cours à un nouveau projet passionnant au travail.’
Larry W.
Étudiant(e) depuis 2021
’Lorsque j'ai besoin de cours sur des sujets que mon université ne propose pas, Coursera est l'un des meilleurs endroits où se rendre.’
Chaitanya A.
’Apprendre, ce n'est pas seulement s'améliorer dans son travail : c'est bien plus que cela. Coursera me permet d'apprendre sans limites.’
Avis des étudiants
Affichage de 3 sur 29
4.4
29 avis
- 5 stars
75,86 %
- 4 stars
10,34 %
- 3 stars
0 %
- 2 stars
6,89 %
- 1 star
6,89 %
DK
5
Révisé le 29 avr. 2024
Ouvrez de nouvelles portes avec Coursera Plus
Accès illimité à plus de 7 000 cours de renommée internationale, à des projets pratiques et à des programmes de certificats reconnus sur le marché du travail, tous inclus dans votre abonnement
Faites progresser votre carrière avec un diplôme en ligne
Obtenez un diplôme auprès d’universités de renommée mondiale - 100 % en ligne
Rejoignez plus de 3 400 entreprises mondiales qui ont choisi Coursera pour les affaires
Améliorez les compétences de vos employés pour exceller dans l’économie numérique
Foire Aux Questions
Access to lectures and assignments depends on your type of enrollment. If you take a course in audit mode, you will be able to see most course materials for free. To access graded assignments and to earn a Certificate, you will need to purchase the Certificate experience, during or after your audit. If you don't see the audit option:
The course may not offer an audit option. You can try a Free Trial instead, or apply for Financial Aid.
The course may offer 'Full Course, No Certificate' instead. This option lets you see all course materials, submit required assessments, and get a final grade. This also means that you will not be able to purchase a Certificate experience.
When you enroll in the course, you get access to all of the courses in the Specialization, and you earn a certificate when you complete the work. Your electronic Certificate will be added to your Accomplishments page - from there, you can print your Certificate or add it to your LinkedIn profile. If you only want to read and view the course content, you can audit the course for free.
If you subscribed, you get a 7-day free trial during which you can cancel at no penalty. After that, we don’t give refunds, but you can cancel your subscription at any time. See our full refund policy.