Data Science Curso Completo Regressão Linear (SPSS, R,Excel)

Aqui eu mostro um erro muito comum que as pessoas comentem quando estão querendo gerar um modelo de regressão.

Aprenda como gerar um modelo de regressão inicial de forma correta e saiba como interpretar cada número na saída.

Aqui você irá aprender como aplicar a ANOVA na Regressão para verificar se o modelo gerado é significativo.

Nesta aula você vai aprender como testar individualmente cada variável explicativa com o objetivo de saber quais são significativas e quais não são, iniciando com o parâmetro constante.

Saiba agora como executar um teste para os parâmetros de cada variável explicativa.

Qual a interpretação para o valor da constante do modelo? O que ela quer dizer em uma situação real?

Qual a interpretação para o valor dos coeficientes de cada variável? O que eles querem dizer em uma situação real?

Como aplicar e interpretar os intervalos de confiança para cada estimativa dos parâmetros?

Qual a importância de cada variável? Eles tem a mesma importância ou uma é mais importante do que outra? Como identificar isto? Qual a interpretação para o sinal positivo ou negativo dos coeficientes?

Aprenda a primeira medida mais usada para medir o grau de ajuste do modelo gerado a seus dados.

Aprenda como fazer uma análise de pontos diferenciados, identificando os indivíduos atípicos do seu banco de dados que podem prejudicar a precisão das previsões do modelo.

Aprenda com identificar pontos que provavelmente são os mais importantes para as estimativas dos parâmetros do modelo.

Nesta aula eu mostro outra forma interessante de encontrar os pontos que mais influenciam nos valores dos coeficientes do modelo, aqueles pontos que se forem retirados provocam grandes mudanças no modelo.

Nesta aula eu mostro outro recurso muito importante para perceber pontos influentes através de variações nas estimativas dos parâmetros do modelo.

Como identificar pontos influentes pela razão de covariâncias?

Aqui falo a forma mais tradicional para achar os pontos influentes.

Será que qualquer variável pode ser incluída na Regressão Linear? Quais as variáveis podem e quais não podem entrar?

Nesta aula eu abordo sobre uma problema muito comum de se encontrar e que pode prejudicar seu modelo de regressão. Ensino também como verificar esta suposição no SPSS.

Outra suposição de grande importância é a homocedasticidade e deve ser testada antes de considerar seu modelo como adequado. Como identificar no SPSS se o modelo é homocedástico?

A suposição de Normalidade presente em muitas técnicas estatísticas, também deve ser testada no seu modelo de regressão. Desta forma, ensino como você poderá verificar esta suposição através no histograma e do Gráfico de Probabilidade Normal (QQ plot ou PP plot)

Verificar se os resíduos são aleatórios também é de extrema importância para validar um modelo de regressão, mas como fazer isto no SPSS?

De acordo com a teoria, as observações precisam ser independentes, mas como testar isto no SPSS?

Estamos no modelo linear, então a Linearidade deve ser verificada, mas como?

Agora iremos executar o que vimos sobre regressão linear usando o Excel.

Nesta aula continuaremos com a aplicação da Regressão Linear usando o Excel.

Nesta aula continuaremos com a aplicação da Regressão Linear usando o Excel.

Nesta aula finalizaremos com a aplicação da Regressão Linear usando o Excel.

Agora veremos uma aplicação rápida de Regressão Linear usando o R.

Agora continuaremos com a aplicação rápida de Regressão Linear usando o R.

Agora finalizaremos com uma aplicação rápida de Regressão Linear usando o R.

"E qual seria o próximo passo?"

Provavelmente você está se perguntando quais os passos para que eu saiba analisar corretamente os dados e ser um(a) Cientista de Dados? O que eu preciso aprender? E qual a ordem lógica das coisas? Será que estou seguindo os passos corretamente sem pular nada importante?

No processo de criação das habilidades necessárias para a Ciência de Dados é normal ficarmos perdidos e confusos a respeito das etapas a serem seguidas. E o que adianta sair por ai aprendendo de tudo e não aprender o que realmente é necessário?

E tenho percebido que muitos alunos assim como eu no início, ficam em dúvida sobre quais cursos devem fazer para ter a habilidade de analisar dados e também em qual ordem estes cursos devem ser feitos, a fim de evitar três problemas:

- A perda de tempo aprendendo o que não é necessário (Overdose de informação)

- Pular etapas importantes e assim se perder no processo.

- Não conseguir acompanhar os cursos, por não saber o que vem antes ou vem depois.

Então por isso quero deixar em ANEXO a esta aula uma sequência ideal de cursos para que você ganhe tempo e atinja o alvo de forma objetiva.

E como você já faz parte de nosso time de profissionais de sucesso, achei justo de presentear com vários cupons promocionais (no mesmo anexo) para que não tenhas desculpas de não dominar esta nova carreira profissional.

O que você precisa aprender para se tornar um Data Scince? Qual a sequência exata das habilidades necessárias? Em como este curso se encaixa nesta sequência?