ディレクトリ
検索対象：
Vídeos
コース：Линейная регрессия戻るには、こちら をクリックしてください。
- Добро пожаловать на курс Линейная регрессия
- Пример - размер мозга и IQ
- Взаимосвязи между явлениями
- Ковариация и корреляция
- Тестирование статистической значимости коэффициента корреляции
- Корреляционный анализ в R
- Модели как отражение взаимосвязи
- Простая линейная регрессия
- Метод наименьших квадратов
- Подбор коэффициентов линейной регресии в R
- Стандартные ошибки коэффициентов регрессии
- Доверительные интервалы коэффициентов и доверительная зона регрессии
- Использование регрессии для предсказаний
- Что мы знаем и что будет дальше
- А есть ли связь? Проверка значимости линейной регрессии
- Тестирование значимости коэффициентов регрессии при помощи t-теста
- Тестирование значимости модели при помощи F критерия
- Качество подгонки модели
- Не стоит обольщаться. Зачем нужна диагностика моделей
- Разновидности остатков
- Влиятельные наблюдения и как с ними бороться
- Линейность связи
- Независимость наблюдений
- Нормальное распределение остатков
- Постоянство дисперсии остатков
- Анализ остатков в R
- Что мы знаем и что будет дальше
- Линейная алгебра для линейных моделей
- Разновидности матриц
- Основные действия с матрицами
- Основы матричного умножения
- Умножение двух матриц
- Решение систем уравнений при помощи матриц
- Линейная регрессия в матричном виде
- Вычисление остатков в матричном виде
- Строим график модели вручную
- Доверительная зона регрессии в матричном виде
- Что мы знаем и что будет дальше
- Мир сложнее, чем простая линейная регрессия
- Пример - маркер рака простаты
- Протокол анализа данных
- Разведочный анализ в R
- Модель множественной линейной регрессии и ее интерпретация
- Мультиколлинеарность и другие условия применимости
- Взаимодействия предикторов
- Сравнение влияния отдельных предикторов
- Качество подгонки модели множественной линейной регрессии
- Визуализация модели: один предиктор
- Визуализация модели: два предиктора
- Что мы знаем и что будет дальше
- Зачем нужно сравнивать модели
- Полные, уменьшенные и вложенные модели
- Частный F-критерий
- I и II типы сумм квадратов
- Зачем бывает нужно упрощать модели
- Упрощение моделей при помощи частных F-тестов
- Диагностика финальной модели
- Визуализация финальной модели
- Что мы знаем и что будет дальше