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
von
Johns Hopkins University
Lehrplan - Was Sie in diesem Kurs lernen werden
Woche
12 Stunden zum Abschließen
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.
7 Videos (Gesamt 38 min), 3 Lektüren, 1 Quiz
7 Videos
Multivariate expected values, the basics4m
Expected values, matrix operations2m
Multivariate variances and covariances5m
Multivariate covariance and variance matrix operations5m
Expected values of quadratic forms3m
Expected value properties of least squares estimates13m
3 Lektüren
Welcome to the class10m
Course textbook10m
Introduction to expected values10m
1 praktische Übung
Expected Values30m
Woche
21 Stunde zum Abschließen
The multivariate normal distribution
In this module, we build up the multivariate and singular normal distribution by starting with iid normals.
4 Videos (Gesamt 31 min), 2 Lektüren, 1 Quiz
4 Videos
The singular normal distribution7m
Normal likelihoods5m
Normal conditional distributions8m
2 Lektüren
Introduction to the multivariate normal10m
A note on the last quiz question.10m
1 praktische Übung
the multivariate normal20m
Woche
31 Stunde zum Abschließen
Distributional results
In this module, we build the basic distributional results that we see in multivariable regression.
8 Videos (Gesamt 60 min), 1 Lektüre, 1 Quiz
8 Videos
Confidence intervals for regression coefficients6m
F distribution4m
Coding example7m
Prediction intervals11m
Coding example5m
Confidence ellipsoids7m
Coding example6m
1 Lektüre
Distributional results10m
1 praktische Übung
Distributional results20m
Woche
41 Stunde zum Abschließen
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.
4 Videos (Gesamt 32 min), 2 Lektüren, 1 Quiz
4 Videos
Code demonstration3m
Leave one out residuals8m
Press residuals14m
2 Lektüren
Residuals10m
Thanks for taking the course10m
1 praktische Übung
Residuals14m
Top reviews from Advanced Linear Models for Data Science 2: Statistical Linear Models
Good course on applied linear statistical modeling.
Dozent
Brian Caffo, PhD
Professor, BiostatisticsBloomberg School of Public Health
Über Johns Hopkins University
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.
Häufig gestellte Fragen
Wann erhalte ich Zugang zu den Vorträgen und Aufgaben?
Sobald Sie sich für ein Zertifikat angemeldet haben, haben Sie Zugriff auf alle Videos, Quizspiele und Programmieraufgaben (falls zutreffend). Aufgaben, die von anderen Kursteilnehmern bewertet werden, können erst dann eingereicht und überprüft werden, wenn Ihr Unterricht begonnen hat. Wenn Sie sich den Kurs anschauen möchten, ohne ihn zu kaufen, können Sie womöglich auf bestimmte Aufgaben nicht zugreifen.
Was bekomme ich, wenn ich das Zertifikat erwerbe?
Wenn Sie ein Zertifikat erwerben, erhalten Sie Zugriff auf alle Kursmaterialien, einschließlich bewerteter Aufgaben. Nach Abschluss des Kurses wird Ihr elektronisches Zertifikat zu Ihrer Seite „Errungenschaften“ hinzugefügt – von dort können Sie Ihr Zertifikat ausdrucken oder es zu Ihrem LinkedIn Profil hinzufügen. Wenn Sie nur lesen und den Inhalt des Kurses anzeigen möchten, können Sie kostenlos als Gast an dem Kurs teilnehmen.
Wie erfolgen Rückerstattungen?
Ist finanzielle Unterstützung möglich?
Haben Sie weitere Fragen? Besuchen Sie das Hilfe-Center für Teiln..
Coursera arbeitet mit erstklassigen Universitäten und Organisationen zusammen, um Online-Kurse anzubieten und dadurch universellen Zugriff auf die weltweit beste Ausbildung zu ermöglichen.
© 2019 Coursera Inc. Alle Rechte vorbehalten.
