595610_ja-JP
「JMP®: 離散応答の分析」コースのホームページ
まとめ：このコースでは、関連、分割表、階層化、コレスポンデンス分析、ロジスティック回帰、一般化線形モデル、パーティショニング、および人工ニューラル ネットワーク モデルを使用して、離散 (またはカテゴリ) データまたは結果を分析する方法について説明します。
間隔： 7時間のコンテンツ。
モダリティ:
- インストラクターと一緒にオンラインでライブ -- このコースは定期的に (まれに) 受講できます。公開講座スケジュール. パブリック コースは、ライブ インストラクターと一緒にこのコンテンツを学習する機会ですが、現在は英語のみで提供されており、米国の聴衆にとって最も便利な場合があります (ほとんどのインストラクターは米国のタイム ゾーンにいるため)。 お探しのものが見つかりませんか?我々に教えてください.
- サードパーティのトレーニング ベンダーを通じて -- 当社の JMP カリキュラムのすべてのコースは、自社のトレーニング部門を含め、認可を受けたトレーニング ベンダーによって教えることができます。 詳細については、JMP の担当者にお問い合わせください。
前提条件: このコースに参加する前に、以下を完了することをお勧めします。 JMP® ソフトウェア: データ探索へのケース スタディ アプローチとJMP®: ANOVA と回帰を使用した統計的決定コースまたは同等の経験をお持ちの方。
学習目標：
- 変数間の関連を調べる
- カイ二乗検定とフィッシャーの正確検定を実行する
- 層別分析の実行
- コレスポンデンス分析を実行する
- ロジスティック回帰を実行する
- ロジスティック回帰の出力を解釈する
- 一般化線形モデル (GLM) を使用してバイナリ応答とイベント数を近似する
- 決定木モデルの適合
- 人工ニューラル ネットワーク モデルをあてはめます。
コース概要：
協会
- カテゴリ データの概要
- 変数間の関連性の調査
- コレスポンデンス分析
ロジスティック回帰
- 尤度アプローチ
- 二項ロジスティック回帰
- 名義および順序ロジスティック回帰モデル
一般化線形モデル
再帰的パーティショニング
人工ニューラル ネットワーク モデル
高度な統計モデリング予測モデリングと機械学習
Comments
There are no comments yet
