Aprenda como fazer Modelagem Estatística Bayesiana Preditiva no Estudo de Caso da Pandemia do Coronavírus no BRASIL (Covid-19 | Sars-Cov-2)
O que você aprenderá
- Estatística Bayesiana
- Modelo de Regressão Linear Simples com Abordagem Bayesiana
- Modelo de Regressão Linear Múltiplo com Abordagem Bayesiana
- ANOVA com Abordagem Bayesiana
- Simulação Computacional com Estatística Bayesiana no R
- Diferenças entre Modelos de Regressão com Estatística Frequentista vs Estatística Bayesiana
Requisitos
- Ter feito o curso Análise Bayesiana com R ou possuir conhecimento equivalente.
-
Ter feito o curso Introdução à Análise Bayesiana: Simulação Estocástica com R ou possuir conhecimento equivalente.
- Ter conhecimento básico de Programação Científica com R.
- Ter conhecimento básico de Excel.
- Ter conhecimento básico de Estatística Clássica: Medidas de Posição e Dispersão (média, mediana, desvio padrão); Gráficos estatísticos.
Descrição
Se você busca pelo primeiro curso sobre Modelos de Regressão com Estatística Bayesiana este curso é ideal para você.
Este curso tem como objetivo ser um curso de entrada para quem quer aprender modelagem estatística com abordagem bayesiana. Assim, tenho a pretensão de apresentar de forma introdutória as 3 técnicas essenciais para modelagem estatística bayesiana:
- Regressão Linear Simples com Abordagem Bayesiana
- Regressão Linear Múltipla com Abordagem Bayesiana
- Análise de Variância (ANOVA) com Abordagem Bayesiana
Com essas 3 técnicas mostro como trabalhar com dados qualitativos e quantitativos para fazer predições sobre os mais diversos tipos de fenômenos.
Ao final do curso, por meio de dados oficiais do Brasil, mostro como desenvolver um estudo de caso sobre a Pandemia causada pelo Novo Coronavírus. Neste projeto o objetivo é analisar a incidência de óbitos nas regiões do Brasil, por meio dos modelos estatísticos preditivos ensinados no curso.
Com uma linguagem simples, mas sempre com muito rigor científico esse curso é ideal tanto para quem precisa aprender de forma rápida técnicas de modelagem estatística, quanto para pesquisadores que precisam incorporar o rigor científico nos seus projetos. Seja você aluno(a) de iniciação científica, mestrando(a), doutorando(a), pesquisador(a) consagrado(a) ou profissional de inteligência competitiva.
Para quem é este curso:
- Pesquisadores (PhD, Doutores, Mestres), Cientistas de Dados, Profissionais/Estudantes de Humanas, Biológicas e Exatas.
Incluído no Curso
- 5 horas de vídeo aulas
- 14 Recursos para download
- Acesso total vitalício
- Acesso no dispositivo móvel e desktop
- Certificado de conclusão com link para autenticação
Condições de Pagamento*
Parcelamos em até 10x no cartão de crédito ou à vista no boleto bancário, pelo sistema PagSeguro.
Após realizado o pagamento o aluno terá até 7 dias para desistir do curso ou antes de concluir o primeiro módulo (o que vencer primeiro). Caso o aluno desista do curso será reembolsado em até 30 dias com o valor integral, menos 4% referente às taxas administrativas.
* Para alunos residentes fora do Brasil emitimos ordem de pagamento pelo sistema PayPal. Para mais informações enviar mensagem para financeiro@metodosexatos.com.br
Professor responsável
André L.M.F. Santos
Matemático/Estatístico com Mestrado em Eng. de Produção.
Profissional com mais de 20 anos de experiência no setor acadêmico e corporativo.
Atualmente, faz doutorado em Marketing, pesquisando métodos quantitativos para otimização de investimento em meios digitais.
Currículo do Curso
INTRODUÇÃO | |||
ES13 – 001 Apresentação do Professor | 00:03:04 | ||
ES13 – 002 Cronograma | 00:04:57 | ||
ES13 – 003 Introdução | 00:08:51 | ||
MODELO DE REGRESSÃO LINEAR SIMPLES (MRLS) | |||
ES13 – 004 MRLS com Abordagem Frequentista – Parte 1 | 00:07:05 | ||
ES13 – 005 MRLS com Abordagem Frequentista – Parte 2 | 00:08:50 | ||
ES13 – 006 Solução 1 – MRLS com Abordagem Frequentista | 00:08:33 | ||
ES13 – 007 Solução 2 – MRLS com Abordagem Frequentista | 00:04:52 | ||
ES13 – 008 Abordagem Bayesiana – Priori Não-informativa de Jeffreys | 00:05:29 | ||
ES13 – 009 Distribuições Marginais Posteriores | 00:05:12 | ||
ES13 – 010 Predição de y Para Novos Valores de x | 00:06:10 | ||
ES13 – 011 Análises no R de Modelos Lineares com Abordagem Bayesiana | 00:06:24 | ||
ES13 – 012 Abordagem Bayesiana no R – Partes 1 e 2 | 00:07:34 | ||
ES13 – 013 Análise do Resumo Estatístico | 00:10:12 | ||
ES13 – 014 Parâmetros de Escala das Distribuições Posteriores Marginais | 00:04:02 | ||
ES13 – 015 Simulações das Distribuições Posteriores Conjuntas | 00:04:42 | ||
ES13 – 016 Simulações das Distribuições Posteriores Conjuntas no R | 00:13:38 | ||
ES13 – 017 Distribuição Preditiva para Valores Esperados de Y | 00:06:20 | ||
ES13 – 018 Intervalo de Credibilidade (ICr95%) | 00:05:44 | ||
MODELO DE REGRESSÃO LINEAR MÚLTIPLO (MRLM) | |||
ES13 – 019 Regressão Linear Múltipla – Expressão Matemática | 00:01:47 | ||
ES13 – 020 Priori Não-informativa de Jeffreys para Regressão Múltipla | 00:04:49 | ||
ES13 – 021 Padronização de Variáveis | 00:03:42 | ||
ES13 – 022 Exemplo – Modelo Linear Múltiplo com Abordagem Bayesiana | 00:05:45 | ||
ES13 – 023 Passos no R para MRLM com Abordagem Bayesiana | 00:09:19 | ||
ES13 – 024 Construção da Base de Dados no R | 00:07:40 | ||
ES13 – 025 Diagramas de Dispersão – Dados Originais e Transformados | 00:07:54 | ||
ES13 – 026 Padronização das Variáveis X1 e X2 & Modelo Frequentista | 00:05:38 | ||
ES13 – 027 Análise da Regressão Bayesiana com Variáveis Padronizadas | 00:09:12 | ||
ES13 – 028 Representação Gráfica da Amostra da Distribuição Posterior | 00:03:35 | ||
ES13 – 029 Predição para Novos Valores das Variáveis Explicativas | 00:08:18 | ||
ES13 – 030 Histograma e Sumário da Distribuição Posterior Preditiva | 00:07:02 | ||
ANÁLISE DE VARIÂNCIA (ANOVA) | |||
ES13 – 031 Análise de Variância (ANOVA) | 00:02:44 | ||
ES13 – 032 Análise de Variância Com Um Fator Classificatório | 00:10:29 | ||
ES13 – 033 Fatores Fixos & Aleatórios | 00:06:38 | ||
ES13 – 034 Exemplo – ANOVA | 00:11:32 | ||
ES13 – 035 Verificação da Base de Dados | 00:03:48 | ||
ES13 – 036 Análise da Variável Resposta | 00:08:36 | ||
ES13 – 037 Estatísticas para Distribuições Posteriores | 00:06:01 | ||
ES13 – 038 Amostra Simulada das Distribuições Posteriores Marginais | 00:07:01 | ||
ES13 – 039 Intervalo de Credibilidade (ICr95%) para Desvio Padrão | 00:02:34 | ||
ES13 – 040 Sumário Estatístico para Efeitos dos Níveis do Fator CPUE | 00:04:50 | ||
ES13 – 041 Gráfico das Distribuições Posteriores Marginais para os Níveis | 00:05:09 | ||
ES13 – 042 Tomada de Decisão com ANOVA | 00:02:19 | ||
ES13 – 043 Análise dos Óbitos por COVID-19 no Brasil | 00:15:01 | ||
ES13 – 044 Estudo de Caso COVID – Script Parte 1 | 00:06:35 | ||
ES13 – 045 Estudo de Caso COVID – Script Parte 2 | 00:08:50 | ||
ES13 – 046 Estudo de Caso COVID – Análise das Distribuições Posteriores | 00:06:56 | ||
ES13 – 047 Estudo de Caso COVID – Resultado sobre as Regiões do Brasil | 00:06:51 | ||
ES13 – 048 Considerações Finais | 00:03:43 |
Course Reviews
No Reviews found for this course.