Pemodelan Statistik dengan GLM dan Regresi Nonparametrik

Regresi linear tradisional seringkali gagal ketika data mengikuti distribusi non-normal atau menunjukkan pola non-linear yang kompleks. Memahami cara menangani kompleksitas dunia nyata ini sangat penting bagi analis data atau peneliti modern mana pun. Kursus ini memandu Anda melalui transisi dari model linear dasar ke kerangka kerja statistik fleksibel yang dapat menangani berbagai jenis data. Anda akan belajar memodelkan hasil biner, data hitungan, dan tren non-linear menggunakan berbagai alat matematika yang kuat. Pada akhir kursus ini, Anda akan dapat memilih dan menerapkan pendekatan pemodelan yang tepat untuk berbagai kumpulan data, memastikan analisis Anda akurat dan dapat diinterpretasikan. Apa yang akan Anda pelajari: - Pahami dasar-dasar Generalized Linear Models (GLMs) untuk distribusi data non-normal. - Terapkan regresi logistik untuk menyelesaikan masalah klasifikasi dan interpretasikan rasio odds yang dihasilkan. - Implementasikan teknik nonparametrik seperti kernel estimator dan smoothing splines untuk pencocokan data yang fleksibel. - Jelajahi Generalized Additive Models (GAMs) untuk menyeimbangkan fleksibilitas model dengan interpretasi statistik. - Latih evaluasi dan validasi model menggunakan teknik cross-validation modern. - Analisis kumpulan data yang kompleks menggunakan pustaka dataframe modern untuk manipulasi data yang efisien. Kursus dimulai dengan terminologi penting dan dasar konseptual fungsi tautan sebelum beralih ke aplikasi praktis GLM dan metode nonparametrik. Anda akan melanjutkan melalui penjelasan tertulis dan contoh berbasis kode yang dirancang untuk membangun dasar teoritis dan praktis yang kuat. Kursus ini dirancang untuk pemula yang memiliki pemahaman dasar tentang regresi linear sederhana dan ingin memperluas perangkat statistik mereka. Mulailah membangun model statistik yang lebih fleksibel dan akurat hari ini.