nav[aria-label="Primary Navigation"] { padding: 0; & ul { list-style: none; width: 100%; display: flex; flex-direction: row; justify-content: start; align-items: start; gap: 30px; padding: 0; & li { margin: 0; } & ul li { list-style: none; } } }

595610_it-IT

liliconcom

Homepage del corso "JMP®: analisi delle risposte discrete".

Riepilogo: Questo corso ti insegna come analizzare dati o risultati discreti (o categorici) utilizzando associazioni, tabelle di contingenza, stratificazione, analisi delle corrispondenze, regressione logistica, modelli lineari generalizzati, partizionamento e modelli di reti neurali artificiali.

Durata: 7 ore di contenuto.

Modalità:

in diretta online con l'istruttore -- Questo corso è disponibile periodicamente (ma raramente) nel ns programma dei corsi pubblici . I corsi pubblici sono un'opportunità per apprendere questi contenuti con un istruttore dal vivo, ma attualmente sono offerti solo in inglese e negli orari più convenienti per un pubblico statunitense (perché la maggior parte dei nostri istruttori si trova nei fusi orari degli Stati Uniti). Non vedi quello che stai cercando?Facci sapere .
tramite un fornitore di formazione di terze parti: qualsiasi corso del nostro curriculum JMP potrebbe essere tenuto da un fornitore di formazione autorizzato, anche attraverso il reparto formazione della tua azienda. Contatta il tuo rappresentante JMP per saperne di più.

Prerequisiti: Prima di frequentare questo corso, si consiglia di completare il Software JMP®: un approccio case study all'esplorazione dei dati E JMP®: decisioni statistiche mediante ANOVA e regressione corsi o avere un'esperienza equivalente.

Obiettivi formativi:

Esaminare le associazioni tra variabili
Eseguire i test chi-quadro e Fisher esatti
Eseguire analisi stratificate
Eseguire l'analisi della corrispondenza
Eseguire la regressione logistica
Interpretare l'output della regressione logistica
Adatta una risposta binaria e un conteggio di eventi con modelli lineari generalizzati (GLM)
Fit un modello di albero decisionale
Adatta un modello di rete neurale artificiale.

Struttura del corso:

Associazioni

Introduzione ai dati categorici
Esaminare le associazioni tra variabili
Analisi della corrispondenza

Regressione logistica

Approccio probabilistico
Regressione logistica binaria
Modelli di regressione logistica nominale e ordinale

Modelli lineari generalizzati

La generalizzazione
Regressione logistica rivisitata
Regressione di Poisson

Partizionamento ricorsivo

Piattaforma di partizione

Modelli di reti neurali artificiali

Piattaforma neurale

Modellazione statistica avanzata

Modellazione predittiva e Machine Learning

Comments

There are no comments yet