Estatistica Analises de Regressoes com Linguagem R

Estatistica Analises de Regressoes com Linguagem R

What you’ll learn

Regressão Linear Simples
Correlação Linear de Pearson, Spearman e Kendall
Regressão Linear Múltipla
Regressão Polinomial
Regressão Logística
Regressão Quantílica
Regressão Lasso, Ridge e Elastic Net
Regressão de Componentes Principais
Regressão de Mínimos Quadrados Parciais
Regressão Vetorial de Suporte
Regressão de Poisson, Binomial Negativa e Quasi-Poisson
Fundamentos da Linguagem R
Fundamentos da Estatística (Descritiva, Probabilística e Inferencial)
Tratamento dos dados

Requirements

Não há nenhum pré-requisito

Description

Este curso apresenta 14 tipos diferentes de regressões com explicações teóricas e apresentações práticas utilizando a Linguagem R, indicando a aplicação ideal para cada uma das regressões e mostrando todos os testes estatísticos necessários para analisar os pressupostos exigidos por cada regressão. As explicações são passo a passo e focadas em aplicações práticas e reais. Vários tipos de datasets serão utilizados, desde datasets com pequena quantidade de registros à datasets com mais de 2 milhões de registros. As regressões que serão estudadas neste curso são, Regressão Linear Simples, Regressão Linear Múltipla, Regressão Polinomial, Regressão Logística, Regressão Quantílica, Regressão Ridge, Regressão Lasso, Regressão Elastic Net, Regressão de Componentes Principais, Regressão por Mínimos Quadrados Parciais, Regressão Vetorial de Suporte, Regressão de Poisson, Regressão Binomial Negativa e Regressão Quasi-Poisson.A análise de regressão, além de ser um estudo sensacional, está cada dia mais presente no mercado de trabalho e em pesquisas científicas. Diversas áreas que trabalham com análise de dados necessitam de análises de regressões, e escolher corretamente o tipo de regressão para cada aplicação é fundamental para se obter o sucesso.Para atender a todos os alunos, sem importar a área e o nível de conhecimento, as duas primeiras seções são referentes aos fundamentos da Linguagem R e fundamentos de Estatística.O curso é apresentado no sistema operacional Windows, mas usuários do Linux e Mac acompanham tranquilamente.Todos os scripts, slides e datasets estão disponíveis na área de recursos para serem baixados.Tenho certeza que a sua visão sobre regressões irá mudar após esse curso.

Overview

Section 1: Introdução

Lecture 1 Boas vindas e apresentação do instrutor

Lecture 2 Apresentação do curso e da plataforma de estudos

Section 2: Fundamentos da linguagem R

Lecture 3 Conhecendo a linguagem R

Lecture 4 Instalação do R e RStudio

Lecture 5 Conhecendo o RStudio

Lecture 6 Apresentação do RStudioCloud

Lecture 7 Primeiros passos no RStudio

Lecture 8 Operadores Matemáticos

Lecture 9 Variáveis

Lecture 10 Vetores

Lecture 11 Fatores

Lecture 12 Matrizes

Lecture 13 Cálculos com Matrizes

Lecture 14 Data Frame e Listas

Lecture 15 Instalação e carregamento de Pacotes

Lecture 16 Importação de arquivos

Lecture 17 Estrutura Condicional

Lecture 18 Estrutura de Repetição

Lecture 19 Criação de Funções

Section 3: Fundamentos da Estatística

Lecture 20 Visão geral da estatística

Lecture 21 Dados e amostragem

Lecture 22 Distribuição de Frequências

Lecture 23 Medidas de tendência central

Lecture 24 Medidas de dispersão e de posição

Lecture 25 Análise de Outliers

Lecture 26 Probabilidade

Lecture 27 Distribuição de probabilidades Discreta

Lecture 28 Distribuição de probabilidades Contínuas

Lecture 29 Estatística Inferencial: Intervalo de confiança

Lecture 30 Teste de Hipótese com uma amostra

Section 4: Regressão linear simples e múltipla

Lecture 31 Regressões

Lecture 32 Regressão e correlação linear simples: Teoria

Lecture 33 Tratamento inicial do dataset

Lecture 34 Correlação Linear no R

Lecture 35 Regressão linear no R

Lecture 36 Regressão Linear Múltipla: Teoria

Lecture 37 Análise inicial do dataset

Lecture 38 Regressão linear múltipla no R: Primeiro modelo

Lecture 39 Regressão linear múltipla no R: Segundo modelo

Lecture 40 Regressão linear múltipla no R: Comparação dos modelos

Section 5: Regressão Polinomial e Regressão Logística

Lecture 41 Regressão polinomial: teoria

Lecture 42 Regressão polinomial no R – parte 1

Lecture 43 Regressão polinomial no R – parte 2

Lecture 44 Regressão logística: Teoria

Lecture 45 Regressão logística no R: preparação dos dados

Lecture 46 Regressão logística: modelo 1

Lecture 47 Regressão logística no R: modelo 2

Lecture 48 Regressão logística no R: modelo 3

Section 6: Outras Regressões

Lecture 49 Regressão Quantílica: Teoria

Lecture 50 Regressão Quantílica no R

Lecture 51 Regressão Lasso, Ridge e Elastic Net: Teoria

Lecture 52 Regressão Lasso, Ridge e Elastic Net no R

Lecture 53 Regressão de Componentes Principais e Mínimos Quadrados Parciais: Teoria

Lecture 54 Regressão de Componentes Principais e Mínimos Quadrados Parciais no R

Lecture 55 Regressão Vetorial de Suporte: Teoria

Lecture 56 Regressão Vetorial de Suporte no R

Lecture 57 Regressão de Poisson, Binomial Negativa e Quasi-Poisson: Teoria

Lecture 58 Regressão de Poisson no R

Lecture 59 Regressão Binomial Negativa no R

Lecture 60 Regressão Quasi Poisson

Section 7: Finalização do curso

Lecture 61 Encerramento

Section 8: Referências Bibliográficas e links úteis (gratuitos)

Lecture 62 Referências e links úteis (gratuitos)

Estatístico,Cientista de dados,Matemático,Analista de Dados,Engenheiro,Administrador,Economista,Geógrafo,Biocientista,Biomédico,Engenheiro de dados,Pesquisadores em Ciências,Estudantes na área de estatística

Course Information:

Udemy | Português | 15h 22m | 7.20 GB
Created by: Luciano Galdino

You Can See More Courses in the IT & Software >> Greetings from CourseDown.com