Modelagem de regressão generalizada com R
- Descrição
- Currículo
- FAQ
- Revisões
As aplicações de estatística são essenciais para modelar e prever processos, eventos e fenômenos nos mais diversos contextos. Com essas previsões é possível antecipar padrões futuros através do entendimento das relações entre diferentes variáveis, permitindo assim a elaboração de estratégias e planos para tomadas de decisão.
Esse curso é focado numa abordagem objetiva e direta para execução prática de modelos de regressão (lineares e não lineares) no ambiente de programação do R e interpretações dos seus parâmetros. Através dessa abordagem você irá adquirir autonomia para escolher, ajustar e interpretar modelos de regressão e aplicá-los às suas necessidades analíticas. Dessa forma, você traçará o caminho da independência analítica no emprego desses modelos para ajudar a prever, explicar e solucionar problemas na sua área profissional, seja no setor empresarial ou acadêmico.
O curso é embasado em sólida literatura de modelagem estatística, incluindo livros publicados pelo ministrante. Tal conhecimento é transposto e explicado com execução dos modelos no R, agregando assim fundamentação teórica demonstrada na prática. Além disso, são utilizados bancos de dados de amostragens reais, visando tornar o curso ainda mais prático e didático.
Portanto, esse curso aumentará o seu diferencial competitivo, ampliando suas chances de ocupar bons cargos na sua jornada profissional.
-
1
Apresentação do curso e instruções geraisOlá, tudo bem?
Agradecemos seu interesse por nosso curso e estamos felizes em ter você aqui.
Para saber mais sobre o ministrante, acesse: http://lattes.cnpq.br/4486399846318757
Abaixo deixamos aqui algumas instruções de uso sobre o curso para sua facilidade e também uma experiência positiva conosco.
-Materiais do curso: se encontram disponíveis para download na seção 'Materiais do curso'
-Suporte ao usuário: aqui esclarecemos onde buscam suportes técnicos e quais nós oferecemos:
Como acessar o curso adquirido? Toda a parte de acesso é operada pela Udemy e eles oferecem diversas informações em seus sites sobre isso;
Como gerar seu certificado após concluir o curso? Isso também é automaticamente operado pela Udemy;
Suporte a dúvidas: visando atender igualmente todos os nossos usuários e dentro da capacidade de atendimento de nossos ministrantes, nos reservamos a responder dúvidas de cada curso relativos ao seu conteúdo em específico e os dados fornecidos para suas partes práticas. Assim, dúvidas sobre operacionalidades básicas nós atendemos prioritariamente para cursos introdutórios (ex: introdução ao R), mas cursos com conteúdos mais específicos e não introdutórios é de maior responsabilidade do usuário possuir ou adquirir requisitos esses conhecimentos básicos;
Velocidade de resposta: visto que temos muitos usuários para atender diariamente nos comentários da área de membros dos cursos na Udemy, eventualmente alguns podem passar despercebidos. Se sua dúvida ou necessidade de suporte tem relativa urgência, envie e-mail diretamente: eciodiniz@gmail.com
-Conclusão do (s) curso (s): concluir um curso até o final é importante tanto para seu aprendizado e aquisição de conhecimento, quanto para seu melhor julgamento e contribuição para nosso trabalho através de seu feedback. Assim, ao concluir o curso, não esqueça de seu 'feedback' e avaliação.
A Beta Analítica deseja a você ótimos estudos e avanço em sua carreira profissional =)
-
2
Instruções de uso dos materiais
-
3
Material do curso
-
4
Conceitos e pressupostos
-
5
Pressupostos: testes exploratórios e diagnósticos
-
6
Estimativa e interpretação de parâmetros do modelo linear (LM)
-
7
Ajuste do modelo LM e interpretação dos resíduos
-
8
Distribuições de erros e modelos lineares generalizados(GLM)
-
9
GLM Poisson e Quasipoisson: estimativa e interpretação de parâmetros
-
10
GLM Binomial Negativo: estimativa e interpretação de parâmetros
-
11
GLM Binomial e Quasibinomial: estimativa e interpretação de parâmetros
-
12
GLM logístico: estimativa e interpretação de parâmetros
-
13
GLMs Gaussian e Gama: estimativa e interpretação de parâmetros
-
14
Estimativa de (Pseudo) R² para GLMs
-
15
Modelos mistos: efeitos fixos e aleatórios
-
16
Modelos mistos: autocorrelação espacial e temporal
-
17
Diagnóstico de autocorrelação espacial
-
18
Modelos lineares mistos (LME) gaussianos
-
19
Modelos mistos generalizados (GLMM): estimativa e interpretação de parâmetros
-
20
GLMMs Penalizados: estimativas e interpretações
-
21
GLMMs Penalizados com estruturas correlação espacial e temporal
-
22
Testes a posteriori (PostHoct): comparação múltipla de médias
