| Název předmětu | Advanced regression methods |
|---|---|
| Kód předmětu | KBE/051E |
| Organizační forma výuky | Přednáška + Cvičení |
| Úroveň předmětu | Doktorský |
| Rok studia | nespecifikován |
| Četnost výuky | V akademických rocích začínajících sudým letopočtem (např. 2020/2021), jen v zimním semestru |
| Semestr | Zimní |
| Počet ECTS kreditů | 5 |
| Vyučovací jazyk | angličtina |
| Statut předmětu | Povinně-volitelný |
| Způsob výuky | Kontaktní |
| Studijní praxe | Nejedná se o pracovní stáž |
| Doporučené volitelné součásti programu | Není |
| Vyučující |
|---|
|
| Obsah předmětu |
|
Obsah přednášky: Lineární, zobecněné lineární a zobecněné aditivní modely; modely se smíšenými efekty - vnořené a (částečně) zkřížené náhodné efekty, modelování korelační struktury, GLMM, GAMM; analýza přežívání s náhodnými efekty, modely s nadměrnými a omezenými nulami, pokročilé regresní stromy a náhodné lesy, analýza fylogenetických dat, analýza bodových uspořádání; výběr modelu podle AIC, průměrování modelů; bootstrap metoda Obsah cvičení: Praktika jsou vzájemně proložena s přednáškami a doplňují vyučovanou teorii
|
| Studijní aktivity a metody výuky |
Monologická (výklad, přednáška, instruktáž), E-learning
|
| Výstupy z učení |
|
Studenti si osvojí pokročilé postupy při modelování dat v přírodních vědách, s důrazem na modelu kombinující náhodné a pevné efekty a také na výběr složitosti modelu. Studenti získají schopnost práce s takovýmito statistickými modely nezávisle v rámci svého výzkumu. Důležitou součástí kurikula jsou domácí úkoly hodnocené přednášejícím.
Absolventi budou schopni se pro data pocházející z oborů přírodních věd správně rozhodnout o typu regresního modelu: podoba vysvětlujících proměnných a volba pevných vs. náhodných efektů, transformace škály vysvětlované a vysvětlujících proměnných, testování významností jednotlivých efektů a výběr vysvětlujících proměnných. Budou také schopni efektivně aplikovat pokročilé typy stromečkových modelů (např. boosted regression trees and regression forests). Naučí se aplikovat metody modelování fylogenetických korelací mezi jednotlivými taxony v oblasti srovnávací ekologie a správně použít neparametrické zobecněné aditivní modely (GAM a GAMM). |
| Předpoklady |
|
Je předpokládána (a úvodním testem ověřována) základní znalost R, zejména práce s lineární regresí, ANOVA a GLM modely. Minimum B+C studentů - 5
KBE/050 ----- nebo ----- KBE/785E |
| Hodnoticí metody a kritéria |
|
Písemná zkouška, 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. Zápočet je založen na kombinaci bodů z úvodního testu (0-10) a bodů za domácí úkoly (1 bod za každé správné řešení úkolu). Součet bodů musí být alespoň 12. Zkouška je písemná, založená na dvou příkladech, s celkovým počet až 10 bodů. Pro úspěšné absolvování je třeba získat 4 a více bodů. |
| Doporučená literatura |
|
| Studijní plány, ve kterých se předmět nachází |
| Fakulta | Studijní plán (Verze) | Kategorie studijního oboru/specializace | Doporučený semestr |
|---|