数据科学 w271

离散响应,时间序列,和面板数据的统计方法

3个单位

课程介绍

经典的线性回归和时间序列模型是现代统计学的工作母机,与数据科学的几乎所有领域的应用。这当然需要在两个经典的线性和线性回归模型,其中包括研究因果关系的技术更先进的外观,并引入时间序列建模的基本技术。统计模型的数学公式,假设这些车型背后,当一个或多个这些假设被违反的后果,当假设整个侵犯都强调了潜在的补救措施。主要议题包括传统的线性回归模型,休闲推断,识别策略,一类的时间序列模型是行业的专业人士的青睐。该课程强调制定,选择,应用和实施统计技术来捕获数据展示关键模式。所有在此过程中介绍的技术来与真实世界的例子和R代码,在每周的会议解释。谁的学生顺利完成本课程将能够决定哪些技术适合于给定的问题,并提出在现实世界的应用模型的复杂性,易解释结果,并定时执行之间的权衡。在概率论与数理统计概念被广泛使用;学生应该感到舒适的定义,操纵和这些概念在数学符号的应用。

技能

可视化技术对横截面和时间序列数据/概率与数理统计关键概念/经典线性回归模型/变量变换/模型规格/因果推断/工具变量估计/自回归(AR)模型/移动平均(MA)模型/自回归移动平均(ARMA)模型/ ARIMA模型(ARIMA)的模型/广义自回归条件异(GARCH)模型/向量自回归(VAR)模型/统计预测/消退时间序列数据

工具

R / R库

当然设计师

个人资料个人资料保罗

paul-laskowski.jpg
保罗郭先生
助理兼职教授 校友(博士2009)
302南馆

对于jyau轮廓曲线

avatar.jpeg
杰夫辛酉
讲师 校友(出席者2015)

先决条件

W203 completed in F2016 or later with a grade of B+ or above; hands-on experience in R; knowledge of classical linear regression modeling, linear algebra, differential calculus, integral calculus & matrix notations; or instruc至r approval.

视频

数据科学@伯克利|离散响应,时间序列,和面板数据的统计方法

数据科学@伯克利|离散响应,时间序列,和面板数据的统计方法

当然历史

弹簧 2020

教员(S): 杰拉德·凯利
教员(S): 杰拉德·凯利

秋季 2019

教员(S): 杰拉德·凯利
教员(S): 杰拉德·凯利

夏天 2019

教员(S): 杰夫辛酉, 杰拉德·凯利
教员(S): 杰夫辛酉

弹簧 2019

教员(S): 杰夫辛酉
教员(S): 杰夫辛酉
教员(S): 杰夫辛酉

秋季 2018

教员(S): 杰夫辛酉
教员(S): 杰夫辛酉
教员(S): 杰夫辛酉

夏天 2018

教员(S): 杰夫辛酉
教员(S): 杰夫辛酉
教员(S): 杰夫辛酉

最近更新时间:

2019年9月19日