-
Phương pháp Bayes
- Phương pháp Bayes: nhập môn
- Prior, Likelihood, Posterior
- Suy luận Bayes với mô hình beta-binomial
- Mô hình Bayes cho sự khác biệt giữa 2 tỉ lệ
- Suy luận Bayes cho số trung bình
- Suy luận Bayes cho 2 số trung bình
- Mô hình hồi qui tuyến tính với phương pháp Bayes
- Giới thiệu phương pháp bootstrap
- Phương pháp Bootstrap cho 2 nhóm
-
Phương pháp phân tích survival
-
Hiển thị dữ liệu với ggplot2
- Biểu đồ khoa học với R
- Biểu đồ hộp (box plot)
- Giới thiệu ggplot2 (trong ngôn ngữ R)
- Đánh giá tầm quan trọng trong mô hình hồi qui tuyến tính
- Chọn mô hình (model selection) trong phân tích hồi qui tuyến tính đa biến
- Cách xây dựng biểu đồ thanh (bar chart) với ggplot2
- Biểu đồ tương quan với ggplot2
- Biểu đồ tương quan với nhãn
- Sử dụng qplot (trong ggplot2) để vẽ biểu đồ khoa học
- Phương pháp vẽ bản đồ Việt Nam bằng R
- Biểu đồ tương quan đa biến (matrix plot of correlations)
- Soạn biểu đồ thanh và phân bố (bar plot và histogram)
- Biểu đồ sai số chuẩn (error bar plot)
- Biểu đồ hộp (box plot)
-
Mô hình hồi qui tuyến tính
- Giới thiệu sách mới “Mô hình hồi qui và khám phá khoa học” (Regression models and discoveries)
- Hệ số tương quan (coefficient of correlation)
- Giới thiệu mô hình hồi qui tuyến tính (linear regression model), phần 1
- Phân tích hồi qui tuyến tính, phần 2 (phân tích phương sai)
- Phân tích hồi qui tuyến tính, phần 3 (phân tích residuals)
- Giới thiệu mô hình hồi qui tuyến tính đa biến
- Hồi qui tuyến tính đa biến 2 (ước tính)
- Ảnh hưởng tương tác trong mô hình hồi qui tuyến tính
- Đa cộng tuyến (multicollinearity) trong mô hình hồi qui tuyến tính đa biến
- Đánh giá tầm quan trọng trong mô hình hồi qui tuyến tính
- Chọn mô hình (model selection) trong phân tích hồi qui tuyến tính đa biến
- Chọn mô hình hồi qui tuyến tính bằng phương pháp Bayes
- Giới thiệu phân tích phương sai (ANOVA)
- Phương pháp phân tích phương sai phi tham số
- Mô hình tuyến tính cho phân tích phương sai
-
Mô hình hồi qui logistic
- Giới thiệu mô hình hồi qui logistic 1: Odds ratio
- Mô hình hồi qui logistic
- Diễn giải kết quả phân tích hồi qui logistic
- Đánh giá mô hình hồi qui logistic
- Các “thước đo” mô hình hồi qui logistic
- Mô hình hồi qui logistic đa biến
- Phương pháp tìm mô hình hồi qui logistic tối ưu
- Đánh giá độ phân định (discrimination) mô hình tiên lượng
- Mô hình hồi qui logistic đa thức
- Đánh giá độ chính xác (calibration) của mô hình tiên lượng
-
Phương pháp machine learning
- Giới thiệu workshop về machine learning
- Nội dung chương trình machine learning
- Giới thiệu Statistical Learning và Machine Learning
- Machine Learning với mô hình hồi qui tuyến tính
- Machine Learning và mô hình hồi qui logistic
- Phiên thực hành Machine Learning với mô hình hồi qui logistic
- Phân tích cluster: dẫn nhập
- Phân tích cluster: distance (khoảng cách)
- Phân tích cluster và biểu đồ dendrogram
- Phân tích cluster – K means
- Xác định giá trị k trong phân tích cluster
- Phân tích cluster: hướng dẫn từng bước
- Principal Component Analysis
-
Phương pháp phân tích mô tả
- Phân tích mô tả các biến liên tục
- Phân tích mô tả các biến phân nhóm
- t-test cho hai nhóm độc lập
- t-test (tiếp tục)
- Kiểm định phân bố chuẩn (test for normal distribution)
- Kiểm định Wilcoxon
- Kiểm định hoán vị (permutation test)
- Kiểm định 2 biến nhị phân (test for difference between 2 binary variables)
- Giới thiệu phương pháp kiểm định Ki bình phương (Chi-square test)
- Kiểm định Ki bình phương (Chi-square test)
- Kiểm định Ki bình phương cho 2 biến
-
Bài giảng về ngôn ngữ R
- Giới thiệu sách “Phân tích dữ liệu với R”
- Giới thiệu sách “Phân tích dữ liệu với R: HỎI và ĐÁP”
- Bài giảng 1 – giới thiệu R
- Giới thiệu RMarkdown
- Một phiên thực hành với RMarkdown
- Biên tập dữ liệu với tidyverse
- Giao diện và tương tác với R
- Cách đọc ASCII file vào R
- Cách đọc dữ liệu từ Excel vào R
- Biên tập dữ liệu – phần 1
- Biên tập dữ liệu – phần 2
- Biên tập dữ liệu – phần 3
