|
Vyučující
|
-
Šmilauer Petr, doc. RNDr. Ph.D.
|
|
Obsah předmětu
|
Obsah přednášky: Úvod k programovacímu jazyku S a programu R (2 týdny), zopakování a doplnění lineárních regresních modelů a ANOVA (2 týdny), zobecněné lineární modely (2 týdny), zobecněné aditivní modely, klasifikační a regresní stromy, analýza přežívání, lineární modely se smíšenými efekty, volba a kombinování regresních modelů Obsah cvičení: Doplňuje obsah přednášky, není od ní časově odděleno, prolíná se Studenti během kurzu vypracovávají 5-6 domácích úkolů, kterými si procvičují probrané typy modelů
|
|
Studijní aktivity a metody výuky
|
Monologická (výklad, přednáška, instruktáž), Demonstrace, Projekce (statická, dynamická), E-learning
- Účast na výuce
- 56 hodin za semestr
- Domácí příprava na výuku
- 42 hodin za semestr
- Příprava na zápočet
- 16 hodin za semestr
- Příprava na zkoušku
- 60 hodin za semestr
|
|
Výstupy z učení
|
Kurz poskytuje alternativní pohled na základní typy statistických modelů a dále je rozšiřuje zavedením nových, pokročilejších modelů. Těžištěm kurzu jsou zobecněné lineární modely (GLM), ale jsou uvedeny i další typy, ať již na LM/GLM navazují (zobecněné aditivní modely, modely se smíšenými efekty) nebo ne (analýza přežívání či klasifikační a regresní stromy, CART). Důraz je kladen na komplementaritu testování hypotéz, posouzení velikosti efektů a grafické explorace dat.
Studenti se naučí: (1) pracovat s programem R v prostředí Microsoft Windows, včetně importu dat z tabulkového procesoru (2) vhodně zvolit a použít lineární či zobecněný lineární model pro analýzu dat a provádět pro fitované modely regresní diagnostiku (3) vybrat si vhodnou metodu pro analýzu událostí v čase, s typickou aplikací v analýze přežívání (4) správně aplikovat metodu regresních či klasifikačních stromů, v závislosti na typu vysvětlované proměnné a provést krosvalidaci pro určení optimální složitosti stromu (5) pracovat s jednoduššími typy lineárních a nelineárních modelů se smíšenými efekty
|
|
Předpoklady
|
Studenti již mají základní znalost testování statistických hypotéz a základních typů lineárních modelů (včetně modelů ANOVA) v rozsahu odpovídajícímu kurzu KBE/012
KBO/012
|
|
Hodnoticí metody a kritéria
|
Písemná zkouška, Test, Průběžné hodnocení
Studenti by měli průběžně dodávané studijní materiály prostudovat před jejich probíráním s přednášejícím. Studentům jsou v průběhu semestru zadávány domácí úkoly (5-7), které jsou bodovány přednášejícím. Cvičení se časově prolínají s přednáškou, nejsou oddělena. Účast na cvičeních je kontrolována.
|
|
Doporučená literatura
|
-
J. Fox (2008): Applied regression analysis and generalized linear models. Sage.
-
J.M. Chambers & T.J. Hastie (1992, eds): Statistical models in S. Wadsworth.
|