M7222 Zobecněné lineární modely

Přírodovědecká fakulta
podzim 2024
Rozsah
2/2/0. 4 kr. (příf plus uk k 1 zk 2 plus 1 > 4). Ukončení: zk.
Vyučováno kontaktně
Vyučující
doc. Mgr. David Kraus, Ph.D. (přednášející)
Mgr. Tomáš Pompa (cvičící)
Garance
doc. Mgr. David Kraus, Ph.D.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Dodavatelské pracoviště: Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Rozvrh
Po 8:00–9:50 M5,01013
  • Rozvrh seminárních/paralelních skupin:
M7222/01: Čt 18:00–19:50 MP1,01014, T. Pompa
M7222/02: Po 12:00–13:50 MP1,01014, T. Pompa
Předpoklady
Teorie pravděpodobnosti a matematické statistiky, zejména teorie odhadu a testování statistických hypotéz: na úrovni předmětu M4122. Uživatelská znalost statistického software R: na úrovni předmětu M4130. Lineární modely: na úrovni předmětu M5120.
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
Cíle předmětu
Předmět studentům předkládá zobecněné lineární modely jako rozšíření lineárního modelu pro situace, kdy je zásadnějším způsobem narušen předpoklad normality odezvy, lineární závislosti střední hodnoty na parametru nebo homoskedasticity. Kurz pokrývá teorii, softwarovou implementaci, aplikaci a interpretaci, a připravuje půdu pro studium pokročilejších regresních modelů.
Výstupy z učení
Po absolvování kurzu studenti
- rozeznají situace, které lze řešit s pomocí zobecněných lineárních modelů;
- jsou schopni vybrat vhodný model z této třídy, formulovat jej, implementovat a interpretovat jeho výsledky;
- za tímto účelem si vyvinou mnohem hlubší teoretické pochopení konceptu modelu, odhadování a testování, než co dostačuje pro pochopení lineárního modelu;
- jsou si rovněž vědomi limitací diskutovaných technik a mají základní přehled o pokročilých metodách, které je možné použít ve složitějších situacích, na které zobecněné lineární modely nestačí.
Osnova
  • Popis problému.
  • Exponenciální rodiny rozdělení.
  • Maximální věrohodnost a quasi-věrohodnost.
  • Teorie a praxe odhadování parametrů zobecněných lineárních modelů.
  • Deviance a rezidua, a jejich využití při diagnostice a výběru modelu.
  • Logistická regrese, její zobecnění pro vícekategoriální odezvu a využití v klasifikaci.
  • Poissonovská regrese a multinomická regrese, kontingenční tabulky.
  • Zobecněné lineární modely pro spojitou odezvu.
Literatura
    doporučená literatura
  • WOOD, Simon N. Generalized additive models : an introduction with R. Second edition. Boca Raton, FL: CRC Press/Taylor & Francis Group, 2017, xx, 476. ISBN 9781498728331. info
  • FARAWAY, Julian James. Extending the linear model with R : generalized linear, mixed effects and nonparametric regression models. Second edition. Boca Raton, FL: CRC Press/Taylor & Francis Group, 2016, xiii, 399. ISBN 9781498720960. info
  • AGRESTI, Alan. Categorical data analysis. 2nd ed. Hoboken: John Wiley & Sons, 2002, xv, 710. ISBN 0471360937. info
  • An introduction to generalized linear models. Edited by Annette J. Dobson. 2nd ed. Boca Raton: CRC Press, 2002, vii, 225 s. ISBN 1-58488-165-8. info
    neurčeno
  • FAHRMEIR, Ludwig a Gerhard TUTZ. Multivariate statistical modelling based on generalized linear models. New York: Springer-Verlag, 1994, 425 s. ISBN 0387942335. info
  • FAHRMEIR, Ludwig, Thomas KNEIB, Stefan LANG a Brian D. MARX. Regression : models, methods and applications. Berlin: Springer, 2013, xiv, 698. ISBN 9783642343322. info
Výukové metody
Přednáška: teoretická výuka kombinovaná s praktickými příklady.
Cvičení: cvičení zaměřena na hlubší porozumění teorii a na praktickou analýzu dat.
Metody hodnocení
Uspokojivě zpracovaný a odprezentovaný semestrální datový projekt, písemná závěrečná zkouška, popřípadě s bonusem za nepovinnou písemnou zkoušku v polovině semestru.
Navazující předměty
Informace učitele
https://is.muni.cz/auth/el/sci/podzim2024/M7222/index_rsllz.qwarp
Další komentáře
Předmět je vyučován každoročně.
Nachází se v prerekvizitách jiných předmětů
Předmět je zařazen také v obdobích podzim 2007 - akreditace, podzim 2010 - akreditace, podzim 2002, podzim 2003, podzim 2004, podzim 2005, podzim 2006, podzim 2007, podzim 2008, podzim 2009, podzim 2010, podzim 2011, podzim 2011 - akreditace, podzim 2012, podzim 2013, podzim 2014, podzim 2015, podzim 2016, podzim 2017, podzim 2018, podzim 2019, podzim 2020, podzim 2021, podzim 2022, podzim 2023.

M7222 Zobecněné lineární modely

Přírodovědecká fakulta
podzim 2023
Rozsah
2/2/0. 4 kr. (příf plus uk k 1 zk 2 plus 1 > 4). Ukončení: zk.
Vyučující
doc. Mgr. David Kraus, Ph.D. (přednášející)
Mgr. Markéta Makarová (cvičící)
Garance
doc. Mgr. David Kraus, Ph.D.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Dodavatelské pracoviště: Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Rozvrh
Čt 14:00–15:50 M2,01021
  • Rozvrh seminárních/paralelních skupin:
M7222/01: Čt 8:00–9:50 MP1,01014, M. Makarová
M7222/02: Čt 16:00–17:50 MP1,01014, M. Makarová
Předpoklady
Teorie pravděpodobnosti a matematické statistiky, zejména teorie odhadu a testování statistických hypotéz: na úrovni předmětu M4122. Uživatelská znalost statistického software R: na úrovni předmětu M4130. Lineární modely: na úrovni předmětu M5120.
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
Cíle předmětu
Předmět studentům předkládá zobecněné lineární modely jako rozšíření lineárního modelu pro situace, kdy je zásadnějším způsobem narušen předpoklad normality odezvy, lineární závislosti střední hodnoty na parametru nebo homoskedasticity. Kurz pokrývá teorii, softwarovou implementaci, aplikaci a interpretaci, a připravuje půdu pro studium pokročilejších regresních modelů.
Výstupy z učení
Po absolvování kurzu studenti
- rozeznají situace, které lze řešit s pomocí zobecněných lineárních modelů;
- jsou schopni vybrat vhodný model z této třídy, formulovat jej, implementovat a interpretovat jeho výsledky;
- za tímto účelem si vyvinou mnohem hlubší teoretické pochopení konceptu modelu, odhadování a testování, než co dostačuje pro pochopení lineárního modelu;
- jsou si rovněž vědomi limitací diskutovaných technik a mají základní přehled o pokročilých metodách, které je možné použít ve složitějších situacích, na které zobecněné lineární modely nestačí.
Osnova
  • Popis problému.
  • Exponenciální rodiny rozdělení.
  • Maximální věrohodnost a quasi-věrohodnost.
  • Teorie a praxe odhadování parametrů zobecněných lineárních modelů.
  • Deviance a rezidua, a jejich využití při diagnostice a výběru modelu.
  • Logistická regrese, její zobecnění pro vícekategoriální odezvu a využití v klasifikaci.
  • Poissonovská regrese a multinomická regrese, kontingenční tabulky.
  • Zobecněné lineární modely pro spojitou odezvu.
Literatura
    doporučená literatura
  • WOOD, Simon N. Generalized additive models : an introduction with R. Second edition. Boca Raton, FL: CRC Press/Taylor & Francis Group, 2017, xx, 476. ISBN 9781498728331. info
  • FARAWAY, Julian James. Extending the linear model with R : generalized linear, mixed effects and nonparametric regression models. Second edition. Boca Raton, FL: CRC Press/Taylor & Francis Group, 2016, xiii, 399. ISBN 9781498720960. info
  • AGRESTI, Alan. Categorical data analysis. 2nd ed. Hoboken: John Wiley & Sons, 2002, xv, 710. ISBN 0471360937. info
  • An introduction to generalized linear models. Edited by Annette J. Dobson. 2nd ed. Boca Raton: CRC Press, 2002, vii, 225 s. ISBN 1-58488-165-8. info
    neurčeno
  • FAHRMEIR, Ludwig a Gerhard TUTZ. Multivariate statistical modelling based on generalized linear models. New York: Springer-Verlag, 1994, 425 s. ISBN 0387942335. info
  • FAHRMEIR, Ludwig, Thomas KNEIB, Stefan LANG a Brian D. MARX. Regression : models, methods and applications. Berlin: Springer, 2013, xiv, 698. ISBN 9783642343322. info
Výukové metody
Přednáška: teoretická výuka kombinovaná s praktickými příklady.
Cvičení: cvičení zaměřena na hlubší porozumění teorii a na praktickou analýzu dat.
Metody hodnocení
Uspokojivě zpracovaný a odprezentovaný semestrální datový projekt, písemná závěrečná zkouška, popřípadě s bonusem za nepovinnou písemnou zkoušku v polovině semestru.
Navazující předměty
Informace učitele
https://is.muni.cz/auth/el/sci/podzim2023/M7222/index.qwarp
Další komentáře
Studijní materiály
Předmět je vyučován každoročně.
Nachází se v prerekvizitách jiných předmětů
Předmět je zařazen také v obdobích podzim 2007 - akreditace, podzim 2010 - akreditace, podzim 2002, podzim 2003, podzim 2004, podzim 2005, podzim 2006, podzim 2007, podzim 2008, podzim 2009, podzim 2010, podzim 2011, podzim 2011 - akreditace, podzim 2012, podzim 2013, podzim 2014, podzim 2015, podzim 2016, podzim 2017, podzim 2018, podzim 2019, podzim 2020, podzim 2021, podzim 2022, podzim 2024.

M7222 Zobecněné lineární modely

Přírodovědecká fakulta
podzim 2022
Rozsah
2/2/0. 4 kr. (příf plus uk k 1 zk 2 plus 1 > 4). Ukončení: zk.
Vyučující
doc. Mgr. David Kraus, Ph.D. (přednášející)
doc. PaedDr. RNDr. Stanislav Katina, Ph.D. (přednášející)
Mgr. Karolína Hrabcová (cvičící)
Garance
doc. PaedDr. RNDr. Stanislav Katina, Ph.D.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Dodavatelské pracoviště: Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Rozvrh
St 16:00–17:50 M3,01023
  • Rozvrh seminárních/paralelních skupin:
M7222/01: St 18:00–19:50 MP1,01014, K. Hrabcová
Předpoklady
Teorie pravděpodobnosti a matematické statistiky, zejména teorie odhadu a testování statistických hypotéz: na úrovni předmětu M4122. Uživatelská znalost statistického software R: na úrovni předmětu M4130. Lineární modely: na úrovni předmětu M5120.
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
Cíle předmětu
Předmět studentům předkládá zobecněné lineární modely jako rozšíření lineárního modelu pro situace, kdy je zásadnějším způsobem narušen předpoklad normality odezvy, lineární závislosti střední hodnoty na parametru nebo homoskedasticity. Kurz pokrývá teorii, softwarovou implementaci, aplikaci a interpretaci, a připravuje půdu pro studium pokročilejších regresních modelů.
Výstupy z učení
Po absolvování kurzu studenti
- rozeznají situace, které lze řešit s pomocí zobecněných lineárních modelů;
- jsou schopni vybrat vhodný model z této třídy, formulovat jej, implementovat a interpretovat jeho výsledky;
- za tímto účelem si vyvinou mnohem hlubší teoretické pochopení konceptu modelu, odhadování a testování, než co dostačuje pro pochopení lineárního modelu;
- jsou si rovněž vědomi limitací diskutovaných technik a mají základní přehled o pokročilých metodách, které je možné použít ve složitějších situacích, na které zobecněné lineární modely nestačí.
Osnova
  • Popis problému.
  • Exponenciální rodiny rozdělení.
  • Maximální věrohodnost a quasi-věrohodnost.
  • Teorie a praxe odhadování parametrů zobecněných lineárních modelů.
  • Deviance a rezidua, a jejich využití při diagnostice a výběru modelu.
  • Logistická regrese, její zobecnění pro vícekategoriální odezvu a využití v klasifikaci.
  • Poissonovská regrese a multinomická regrese, kontingenční tabulky.
  • Zobecněné lineární modely pro spojitou odezvu.
Literatura
    doporučená literatura
  • WOOD, Simon N. Generalized additive models : an introduction with R. Second edition. Boca Raton, FL: CRC Press/Taylor & Francis Group, 2017, xx, 476. ISBN 9781498728331. info
  • FARAWAY, Julian James. Extending the linear model with R : generalized linear, mixed effects and nonparametric regression models. Second edition. Boca Raton, FL: CRC Press/Taylor & Francis Group, 2016, xiii, 399. ISBN 9781498720960. info
  • AGRESTI, Alan. Categorical data analysis. 2nd ed. Hoboken: John Wiley & Sons, 2002, xv, 710. ISBN 0471360937. info
  • An introduction to generalized linear models. Edited by Annette J. Dobson. 2nd ed. Boca Raton: CRC Press, 2002, vii, 225 s. ISBN 1-58488-165-8. info
    neurčeno
  • FAHRMEIR, Ludwig a Gerhard TUTZ. Multivariate statistical modelling based on generalized linear models. New York: Springer-Verlag, 1994, 425 s. ISBN 0387942335. info
Výukové metody
Přednáška: teoretická výuka kombinovaná s praktickými příklady.
Cvičení: cvičení zaměřena na hlubší porozumění teorii a na praktickou analýzu dat.
Metody hodnocení
Uspokojivě zpracovaný a odprezentovaný semestrální datový projekt, písemná závěrečná zkouška, popřípadě s bonusem za nepovinnou písemnou zkoušku v polovině semestru.
Navazující předměty
Informace učitele
https://is.muni.cz/auth/el/sci/podzim2022/M7222/index.qwarp
Další komentáře
Studijní materiály
Předmět je vyučován každoročně.
Nachází se v prerekvizitách jiných předmětů
Předmět je zařazen také v obdobích podzim 2007 - akreditace, podzim 2010 - akreditace, podzim 2002, podzim 2003, podzim 2004, podzim 2005, podzim 2006, podzim 2007, podzim 2008, podzim 2009, podzim 2010, podzim 2011, podzim 2011 - akreditace, podzim 2012, podzim 2013, podzim 2014, podzim 2015, podzim 2016, podzim 2017, podzim 2018, podzim 2019, podzim 2020, podzim 2021, podzim 2023, podzim 2024.

M7222 Zobecněné lineární modely

Přírodovědecká fakulta
podzim 2021
Rozsah
2/2/0. 4 kr. (příf plus uk k 1 zk 2 plus 1 > 4). Ukončení: zk.
Vyučující
Mgr. Andrea Kraus, M.Sc., Ph.D. (přednášející)
doc. PaedDr. RNDr. Stanislav Katina, Ph.D. (přednášející)
Garance
doc. PaedDr. RNDr. Stanislav Katina, Ph.D.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Dodavatelské pracoviště: Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Rozvrh
St 14:00–15:50 M6,01011
  • Rozvrh seminárních/paralelních skupin:
M7222/01: Po 12:00–13:50 MP1,01014, A. Kraus
Předpoklady
Teorie pravděpodobnosti a matematické statistiky, zejména teorie odhadu a testování statistických hypotéz: na úrovni předmětu M4122. Uživatelská znalost statistického software R: na úrovni předmětu M4130. Lineární modely: na úrovni předmětu M5120.
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
Cíle předmětu
Předmět studentům předkládá zobecněné lineární modely jako rozšíření lineárního modelu pro situace, kdy je zásadnějším způsobem narušen předpoklad normality odezvy, lineární závislosti střední hodnoty na parametru nebo homoskedasticity. Kurz pokrývá teorii, softwarovou implementaci, aplikaci a interpretaci, a připravuje půdu pro studium pokročilejších regresních modelů.
Výstupy z učení
Po absolvování kurzu studenti
- rozeznají situace, které lze řešit s pomocí zobecněných lineárních modelů;
- jsou schopni vybrat vhodný model z této třídy, formulovat jej, implementovat a interpretovat jeho výsledky;
- za tímto účelem si vyvinou mnohem hlubší teoretické pochopení konceptu modelu, odhadování a testování, než co dostačuje pro pochopení lineárního modelu;
- jsou si rovněž vědomi limitací diskutovaných technik a mají základní přehled o pokročilých metodách, které je možné použít ve složitějších situacích, na které zobecněné lineární modely nestačí.
Osnova
  • Popis problému.
  • Exponenciální rodiny rozdělení.
  • Maximální věrohodnost a quasi-věrohodnost.
  • Teorie a praxe odhadování parametrů zobecněných lineárních modelů.
  • Deviance a rezidua, a jejich využití při diagnostice a výběru modelu.
  • Logistická regrese, její zobecnění pro vícekategoriální odezvu a využití v klasifikaci.
  • Poissonovská regrese a multinomická regrese, kontingenční tabulky.
  • Zobecněné lineární modely pro spojitou odezvu.
Literatura
    doporučená literatura
  • WOOD, Simon N. Generalized additive models : an introduction with R. Second edition. Boca Raton, FL: CRC Press/Taylor & Francis Group, 2017, xx, 476. ISBN 9781498728331. info
  • FARAWAY, Julian James. Extending the linear model with R : generalized linear, mixed effects and nonparametric regression models. Second edition. Boca Raton, FL: CRC Press/Taylor & Francis Group, 2016, xiii, 399. ISBN 9781498720960. info
  • AGRESTI, Alan. Categorical data analysis. 2nd ed. Hoboken: John Wiley & Sons, 2002, xv, 710. ISBN 0471360937. info
  • An introduction to generalized linear models. Edited by Annette J. Dobson. 2nd ed. Boca Raton: CRC Press, 2002, vii, 225 s. ISBN 1-58488-165-8. info
    neurčeno
  • FAHRMEIR, Ludwig a Gerhard TUTZ. Multivariate statistical modelling based on generalized linear models. New York: Springer-Verlag, 1994, 425 s. ISBN 0387942335. info
Výukové metody
Přednáška: teoretická výuka kombinovaná s praktickými příklady.
Cvičení: cvičení zaměřena na hlubší porozumění teorii a na praktickou analýzu dat.
Metody hodnocení
Uspokojivě zpracovaný a odprezentovaný semestrální datový projekt, písemná závěrečná zkouška, popřípadě s bonusem za nepovinnou písemnou zkoušku v polovině semestru. Forma zkoušky bude přizpůsobena aktuální epidemiologické situaci.
Navazující předměty
Informace učitele
https://is.muni.cz/auth/el/sci/podzim2021/M7222/index.qwarp
https://is.muni.cz/auth/el/sci/podzim2021/M7222/index-KFhemy.qwarp
Další komentáře
Studijní materiály
Předmět je vyučován každoročně.
Nachází se v prerekvizitách jiných předmětů
Předmět je zařazen také v obdobích podzim 2007 - akreditace, podzim 2010 - akreditace, podzim 2002, podzim 2003, podzim 2004, podzim 2005, podzim 2006, podzim 2007, podzim 2008, podzim 2009, podzim 2010, podzim 2011, podzim 2011 - akreditace, podzim 2012, podzim 2013, podzim 2014, podzim 2015, podzim 2016, podzim 2017, podzim 2018, podzim 2019, podzim 2020, podzim 2022, podzim 2023, podzim 2024.

M7222 Zobecněné lineární modely

Přírodovědecká fakulta
podzim 2020
Rozsah
2/2/0. 4 kr. (příf plus uk k 1 zk 2 plus 1 > 4). Ukončení: zk.
Vyučující
Mgr. Andrea Kraus, M.Sc., Ph.D. (přednášející)
Garance
doc. PaedDr. RNDr. Stanislav Katina, Ph.D.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Dodavatelské pracoviště: Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Rozvrh
Čt 16:00–17:50 M5,01013
  • Rozvrh seminárních/paralelních skupin:
M7222/01: St 16:00–17:50 MP1,01014, A. Kraus
Předpoklady
Teorie pravděpodobnosti a matematické statistiky, zejména teorie odhadu a testování statistických hypotéz: na úrovni předmětu M4122. Uživatelská znalost statistického software R: na úrovni předmětu M4130. Lineární modely: na úrovni předmětu M5120.
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
Cíle předmětu
Předmět studentům předkládá zobecněné lineární modely jako rozšíření lineárního modelu pro situace, kdy je zásadnějším způsobem narušen předpoklad normality odezvy, lineární závislosti střední hodnoty na parametru nebo homoskedasticity. Kurz pokrývá teorii, softwarovou implementaci, aplikaci a interpretaci, a připravuje půdu pro studium pokročilejších regresních modelů.
Výstupy z učení
Po absolvování kurzu studenti
- rozeznají situace, které lze řešit s pomocí zobecněných lineárních modelů;
- jsou schopni vybrat vhodný model z této třídy, formulovat jej, implementovat a interpretovat jeho výsledky;
- za tímto účelem si vyvinou mnohem hlubší teoretické pochopení konceptu modelu, odhadování a testování, než co dostačuje pro pochopení lineárního modelu;
- jsou si rovněž vědomi limitací diskutovaných technik a mají základní přehled o pokročilých metodách, které je možné použít ve složitějších situacích, na které zobecněné lineární modely nestačí.
Osnova
  • Popis problému.
  • Exponenciální rodiny rozdělení.
  • Maximální věrohodnost a quasi-věrohodnost.
  • Teorie a praxe odhadování parametrů zobecněných lineárních modelů.
  • Deviance a rezidua, a jejich využití při diagnostice a výběru modelu.
  • Logistická regrese, její zobecnění pro vícekategoriální odezvu a využití v klasifikaci.
  • Poissonovská regrese a multinomická regrese, kontingenční tabulky.
  • Zobecněné lineární modely pro spojitou odezvu.
Literatura
    doporučená literatura
  • WOOD, Simon N. Generalized additive models : an introduction with R. Second edition. Boca Raton, FL: CRC Press/Taylor & Francis Group, 2017, xx, 476. ISBN 9781498728331. info
  • FARAWAY, Julian James. Extending the linear model with R : generalized linear, mixed effects and nonparametric regression models. Second edition. Boca Raton, FL: CRC Press/Taylor & Francis Group, 2016, xiii, 399. ISBN 9781498720960. info
  • AGRESTI, Alan. Categorical data analysis. 2nd ed. Hoboken: John Wiley & Sons, 2002, xv, 710. ISBN 0471360937. info
  • An introduction to generalized linear models. Edited by Annette J. Dobson. 2nd ed. Boca Raton: CRC Press, 2002, vii, 225 s. ISBN 1-58488-165-8. info
    neurčeno
  • FAHRMEIR, Ludwig a Gerhard TUTZ. Multivariate statistical modelling based on generalized linear models. New York: Springer-Verlag, 1994, 425 s. ISBN 0387942335. info
Výukové metody
Přednáška: teoretická výuka kombinovaná s praktickými příklady.
Cvičení: cvičení zaměřena na hlubší porozumění teorii a na praktickou analýzu dat.
Metody hodnocení
Uspokojivě zpracovaný a odprezentovaný semestrální datový projekt, písemná a ústní závěrečná zkouška, popřípadě s bonusem za nepovinnou písemnou a ústní zkoušku v polovině semestru. Forma zkoušky bude přizpůsobena aktuální epidemiologické situaci.
Navazující předměty
Informace učitele
https://is.muni.cz/auth/el/sci/podzim2020/M7222/index.qwarp
https://is.muni.cz/auth/el/sci/podzim2020/M7222/index-oqtGeR.qwarp
Další komentáře
Studijní materiály
Předmět je vyučován každoročně.
Nachází se v prerekvizitách jiných předmětů
Předmět je zařazen také v obdobích podzim 2007 - akreditace, podzim 2010 - akreditace, podzim 2002, podzim 2003, podzim 2004, podzim 2005, podzim 2006, podzim 2007, podzim 2008, podzim 2009, podzim 2010, podzim 2011, podzim 2011 - akreditace, podzim 2012, podzim 2013, podzim 2014, podzim 2015, podzim 2016, podzim 2017, podzim 2018, podzim 2019, podzim 2021, podzim 2022, podzim 2023, podzim 2024.

M7222 Zobecněné lineární modely

Přírodovědecká fakulta
podzim 2019
Rozsah
2/2/0. 4 kr. (příf plus uk k 1 zk 2 plus 1 > 4). Ukončení: zk.
Vyučující
Mgr. Andrea Kraus, M.Sc., Ph.D. (přednášející)
Garance
doc. PaedDr. RNDr. Stanislav Katina, Ph.D.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Dodavatelské pracoviště: Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Rozvrh
Pá 8:00–9:50 M5,01013
  • Rozvrh seminárních/paralelních skupin:
M7222/01: Po 12:00–13:50 MP1,01014, A. Kraus
Předpoklady
Teorie pravděpodobnosti a matematické statistiky, zejména teorie odhadu a testování statistických hypotéz: na úrovni předmětu M4122. Uživatelská znalost statistického software R: na úrovni předmětu M4130. Lineární modely: na úrovni předmětu M5120.
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
Cíle předmětu
Předmět studentům předkládá zobecněné lineární modely jako rozšíření lineárního modelu pro situace, kdy je zásadnějším způsobem narušen předpoklad normality odezvy, lineární závislosti střední hodnoty na parametru nebo homoskedasticity. Kurz pokrývá teorii, softwarovou implementaci, aplikaci a interpretaci, a připravuje půdu pro studium pokročilejších regresních modelů.
Výstupy z učení
Po absolvování kurzu studenti
- rozeznají situace, které lze řešit s pomocí zobecněných lineárních modelů;
- jsou schopni vybrat vhodný model z této třídy, formulovat jej, implementovat a interpretovat jeho výsledky;
- za tímto účelem si vyvinou mnohem hlubší teoretické pochopení konceptu modelu, odhadování a testování, než co dostačuje pro pochopení lineárního modelu;
- jsou si rovněž vědomi limitací diskutovaných technik a mají základní přehled o pokročilých metodách, které je možné použít ve složitějších situacích, na které zobecněné lineární modely nestačí.
Osnova
  • Popis problému.
  • Exponenciální rodiny rozdělení.
  • Maximální věrohodnost a quasi-věrohodnost.
  • Teorie a praxe odhadování parametrů zobecněných lineárních modelů.
  • Deviance a rezidua, a jejich využití při diagnostice a výběru modelu.
  • Logistická regrese, její zobecnění pro vícekategoriální odezvu a využití v klasifikaci.
  • Poissonovská regrese a multinomická regrese, kontingenční tabulky.
  • Zobecněné lineární modely pro spojitou odezvu.
Literatura
    doporučená literatura
  • WOOD, Simon N. Generalized additive models : an introduction with R. Second edition. Boca Raton, FL: CRC Press/Taylor & Francis Group, 2017, xx, 476. ISBN 9781498728331. info
  • FARAWAY, Julian James. Extending the linear model with R : generalized linear, mixed effects and nonparametric regression models. Second edition. Boca Raton, FL: CRC Press/Taylor & Francis Group, 2016, xiii, 399. ISBN 9781498720960. info
  • AGRESTI, Alan. Categorical data analysis. 2nd ed. Hoboken: John Wiley & Sons, 2002, xv, 710. ISBN 0471360937. info
  • An introduction to generalized linear models. Edited by Annette J. Dobson. 2nd ed. Boca Raton: CRC Press, 2002, vii, 225 s. ISBN 1-58488-165-8. info
    neurčeno
  • FAHRMEIR, Ludwig a Gerhard TUTZ. Multivariate statistical modelling based on generalized linear models. New York: Springer-Verlag, 1994, 425 s. ISBN 0387942335. info
Výukové metody
Přednáška: 2 hod. týdně. Teoretická výuka kombinovaná s praktickými příklady.
Cvičení: 2 hod. týdně. Praktická cvičení zaměřena především na analýzu dat.
Metody hodnocení
Uspokojivě zpracovaný semestrální datový projekt, písemná závěrečná zkouška, popřípadě s bonusem za nepovinnou písemnou zkoušku v polovině semestru.
Navazující předměty
Informace učitele
https://is.muni.cz/auth/el/sci/podzim2019/M7222/index.qwarp
https://is.muni.cz/auth/el/sci/podzim2019/M7222/index-sogILX.qwarp
Další komentáře
Studijní materiály
Předmět je vyučován každoročně.
Nachází se v prerekvizitách jiných předmětů
Předmět je zařazen také v obdobích podzim 2007 - akreditace, podzim 2010 - akreditace, podzim 2002, podzim 2003, podzim 2004, podzim 2005, podzim 2006, podzim 2007, podzim 2008, podzim 2009, podzim 2010, podzim 2011, podzim 2011 - akreditace, podzim 2012, podzim 2013, podzim 2014, podzim 2015, podzim 2016, podzim 2017, podzim 2018, podzim 2020, podzim 2021, podzim 2022, podzim 2023, podzim 2024.

M7222 Zobecněné lineární modely

Přírodovědecká fakulta
podzim 2018
Rozsah
2/2/0. 4 kr. (příf plus uk k 1 zk 2 plus 1 > 4). Ukončení: zk.
Vyučující
Mgr. Andrea Kraus, M.Sc., Ph.D. (přednášející)
Garance
doc. PaedDr. RNDr. Stanislav Katina, Ph.D.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Dodavatelské pracoviště: Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Rozvrh
Po 17. 9. až Pá 14. 12. Čt 16:00–17:50 M6,01011
  • Rozvrh seminárních/paralelních skupin:
M7222/01: Po 17. 9. až Pá 14. 12. Pá 10:00–11:50 MP1,01014, A. Kraus
Předpoklady
Teorie pravděpodobnosti a matematické statistiky, zejména teorie odhadu a testování statistických hypotéz: na úrovni předmětu M4122. Uživatelská znalost statistického software R: na úrovni předmětu M4130. Lineární modely: na úrovni předmětu M5120.
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
Cíle předmětu
Předmět studentům předkládá zobecněné lineární modely jako rozšíření lineárního modelu pro situace, kdy je zásadnějším způsobem narušen předpoklad normality odezvy, lineární závislosti střední hodnoty na parametru nebo homoskedasticity. Kurz pokrývá teorii, softwarovou implementaci, aplikaci a interpretaci, a připravuje půdu pro studium pokročilejších regresních modelů.
Výstupy z učení
Po absolvování kurzu studenti
- rozeznají situace, které lze řešit s pomocí zobecněných lineárních modelů;
- jsou schopni vybrat vhodný model z této třídy, formulovat jej, implementovat a interpretovat jeho výsledky;
- za tímto účelem si vyvinou mnohem hlubší teoretické pochopení konceptu modelu, odhadování a testování, než co dostačuje pro pochopení lineárního modelu;
- jsou si rovněž vědomi limitací diskutovaných technik a mají základní přehled o pokročilých metodách, které je možné použít ve složitějších situacích, na které zobecněné lineární modely nestačí.
Osnova
  • Popis problému.
  • Exponenciální rodiny rozdělení.
  • Maximální věrohodnost a quasi-věrohodnost.
  • Teorie a praxe odhadování parametrů zobecněných lineárních modelů.
  • Deviance a rezidua, a jejich využití při diagnostice a výběru modelu.
  • Logistická regrese, její zobecnění pro vícekategoriální odezvu a využití v klasifikaci.
  • Poissonovská regrese a multinomická regrese, a kontingenční tabulky.
  • Zobecněné lineární modely pro spojitou odezvu.
Literatura
    doporučená literatura
  • WOOD, Simon N. Generalized additive models : an introduction with R. Second edition. Boca Raton, FL: CRC Press/Taylor & Francis Group, 2017, xx, 476. ISBN 9781498728331. info
  • FARAWAY, Julian James. Extending the linear model with R : generalized linear, mixed effects and nonparametric regression models. Second edition. Boca Raton, FL: CRC Press/Taylor & Francis Group, 2016, xiii, 399. ISBN 9781498720960. info
  • AGRESTI, Alan. Categorical data analysis. 2nd ed. Hoboken: John Wiley & Sons, 2002, xv, 710. ISBN 0471360937. info
  • An introduction to generalized linear models. Edited by Annette J. Dobson. 2nd ed. Boca Raton: CRC Press, 2002, vii, 225 s. ISBN 1-58488-165-8. info
    neurčeno
  • FAHRMEIR, Ludwig a Gerhard TUTZ. Multivariate statistical modelling based on generalized linear models. New York: Springer-Verlag, 1994, 425 s. ISBN 0387942335. info
Výukové metody
Přednáška: 2 hod. týdně. Teoretická výuka kombinovaná s praktickými příklady.
Cvičení: 2 hod. týdně. Praktická cvičení zaměřena především na analýzu dat.
Metody hodnocení
Uspokojivě zpracovaný semestrální datový projekt, písemná závěrečná zkouška, popřípadě s bonusem za nepovinnou písemnou zkoušku v polovině semestru.
Navazující předměty
Informace učitele
https://is.muni.cz/el/1431/podzim2018/M7222/index.qwarp
https://is.muni.cz/el/1431/podzim2018/M7222/seminar_01.qwarp
Další komentáře
Studijní materiály
Předmět je vyučován každoročně.
Nachází se v prerekvizitách jiných předmětů
Předmět je zařazen také v obdobích podzim 2007 - akreditace, podzim 2010 - akreditace, podzim 2002, podzim 2003, podzim 2004, podzim 2005, podzim 2006, podzim 2007, podzim 2008, podzim 2009, podzim 2010, podzim 2011, podzim 2011 - akreditace, podzim 2012, podzim 2013, podzim 2014, podzim 2015, podzim 2016, podzim 2017, podzim 2019, podzim 2020, podzim 2021, podzim 2022, podzim 2023, podzim 2024.

M7222 Zobecněné lineární modely

Přírodovědecká fakulta
podzim 2017
Rozsah
2/2/0. 4 kr. (příf plus uk k 1 zk 2 plus 1 > 4). Ukončení: zk.
Vyučující
Mgr. Andrea Kraus, M.Sc., Ph.D. (přednášející)
Mgr. Veronika Horská, Ph.D. (pomocník)
Garance
doc. PaedDr. RNDr. Stanislav Katina, Ph.D.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Dodavatelské pracoviště: Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Rozvrh
Po 18. 9. až Pá 15. 12. Čt 8:00–9:50 M1,01017
  • Rozvrh seminárních/paralelních skupin:
M7222/01: Po 18. 9. až Pá 15. 12. Pá 8:00–9:50 MP1,01014, A. Kraus
Předpoklady
Teorie pravděpodobnosti a matematické statistiky, zejména teorie odhadu a testování statistických hypotéz: na úrovni předmětu M4122. Uživatelská znalost statistického software R: na úrovni předmětu M4130. Lineární modely: na úrovni předmětu M5120.
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
Cíle předmětu
Předmět studentům předkládá zobecněné lineární modely jako rozšíření lineárního modelu pro situace, kdy je zásadnějším způsobem narušen předpoklad normality odezvy, lineární závislosti střední hodnoty na parametru nebo homoskedasticity. Kurz pokrývá teorii, softwarovou implementaci, aplikaci a interpretaci, a připravuje půdu pro studium pokročilejších regresních modelů.
Výstupy z učení
Po absolvování kurzu studenti
- rozeznají situace, které lze řešit s pomocí zobecněných lineárních modelů;
- jsou schopni vybrat vhodný model z této třídy, formulovat jej, implementovat a interpretovat jeho výsledky;
- za tímto účelem si vyvinou mnohem hlubší teoretické pochopení konceptu modelu, odhadování a testování, než co dostačuje pro pochopení lineárního modelu;
- jsou si rovněž vědomi limitací diskutovaných technik a mají základní přehled o pokročilých metodách, které je možné použít ve složitějších situacích, na které zobecněné lineární modely nestačí.
Osnova
  • Popis problému.
  • Exponenciální rodiny rozdělení.
  • Maximální věrohodnost a quasi-věrohodnost.
  • Teorie a praxe odhadování parametrů zobecněných lineárních modelů.
  • Deviance a rezidua, a jejich využití při diagnostice a výběru modelu.
  • Logistická regrese, její zobecnění pro vícekategoriální odezvu a využití v klasifikaci.
  • Poissonovská regrese a multinomická regrese, a kontingenční tabulky.
  • Zobecněné lineární modely pro spojitou odezvu.
Literatura
    doporučená literatura
  • WOOD, Simon N. Generalized additive models : an introduction with R. Second edition. Boca Raton, FL: CRC Press/Taylor & Francis Group, 2017, xx, 476. ISBN 9781498728331. info
  • FARAWAY, Julian James. Extending the linear model with R : generalized linear, mixed effects and nonparametric regression models. Second edition. Boca Raton, FL: CRC Press/Taylor & Francis Group, 2016, xiii, 399. ISBN 9781498720960. info
  • AGRESTI, Alan. Categorical data analysis. 2nd ed. Hoboken: John Wiley & Sons, 2002, xv, 710. ISBN 0471360937. info
  • An introduction to generalized linear models. Edited by Annette J. Dobson. 2nd ed. Boca Raton: CRC Press, 2002, vii, 225 s. ISBN 1-58488-165-8. info
    neurčeno
  • FAHRMEIR, Ludwig a Gerhard TUTZ. Multivariate statistical modelling based on generalized linear models. New York: Springer-Verlag, 1994, 425 s. ISBN 0387942335. info
Výukové metody
Přednáška: 2 hod. týdně. Teoretická výuka kombinovaná s praktickými příklady.
Cvičení: 2 hod. týdně. Praktická cvičení zaměřena především na analýzu dat.
Metody hodnocení
Uspokojivě zpracovaný semestrální datový projekt, písemná závěrečná zkouška, popřípadě s bonusem za nepovinnou písemnou zkoušku v polovině semestru.
Navazující předměty
Informace učitele
https://is.muni.cz/el/1431/podzim2017/M7222/index.qwarp
https://is.muni.cz/el/1431/podzim2017/M7222/cviceni.qwarp
Další komentáře
Studijní materiály
Předmět je vyučován každoročně.
Nachází se v prerekvizitách jiných předmětů
Předmět je zařazen také v obdobích podzim 2007 - akreditace, podzim 2010 - akreditace, podzim 2002, podzim 2003, podzim 2004, podzim 2005, podzim 2006, podzim 2007, podzim 2008, podzim 2009, podzim 2010, podzim 2011, podzim 2011 - akreditace, podzim 2012, podzim 2013, podzim 2014, podzim 2015, podzim 2016, podzim 2018, podzim 2019, podzim 2020, podzim 2021, podzim 2022, podzim 2023, podzim 2024.

M7222 Zobecněné lineární modely

Přírodovědecká fakulta
podzim 2016
Rozsah
2/2. 4 kr. (příf plus uk k 1 zk 2 plus 1 > 4). Ukončení: zk.
Vyučující
RNDr. Marie Forbelská, Ph.D. (přednášející)
Mgr. Andrea Kraus, M.Sc., Ph.D. (cvičící)
Garance
doc. PaedDr. RNDr. Stanislav Katina, Ph.D.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Dodavatelské pracoviště: Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Rozvrh
Po 19. 9. až Ne 18. 12. Út 8:00–9:50 M2,01021
  • Rozvrh seminárních/paralelních skupin:
M7222/01: Po 19. 9. až Ne 18. 12. Út 10:00–11:50 M2,01021, M. Forbelská
Předpoklady
Znalost základů teorie odhadu a linearních statistických modelů plné hodnosti (regresní analýzy) i neúplné hodnosti (modelù analýzy rozptylu).
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
Cíle předmětu
Kurz je zaměřen na širokou třídu modelů nazývaných zobecněné lineární modely (GLM modely), které jsou rozšířením klasických regresních modelů a umožňují modelovat data s normálním, Poissonovým, binomickým i gama rozdělením, stejně jako mnohorozměrné kontingenční tabulky. Cvičení na počítači je prováděno pomocí programovacího systému R a je věnováno aplikacím z různých oblastí přírodních i společenských věd. Na konci tohoto kurzu bude student schopen: (1) pochopit principy teorie odhadování parametrů a testování hypotéz v zobecněném lineárním modelu, (2) naučit se tyto výsledky využívat pro konkrétní modely, (3) pochopit vztahy mezi jednotlivými druhy těchto modelů, (4) interpretovat výsledky GLM.
Osnova
  • Vybrané partie z teorie odhadu: regulární systémy hustot a jejich vlastnosti, rozdělení exponenciálního typu, vlastnosti maximálně věrohodných odhadů výběrů z rozdělení s regulární hustotou. Zobecněné lineární modely: popis komponent modelu (linkovací funkce, lineární prediktor, rozdělení exponenciálního typu pro závisle proměnnou veličinu), odhady neznámých parametrů metodou maximální věrohodnosti, Newton-Raphsonova metoda a metoda skórování, inference v zobecněných lineárních modelech, deviance, strategie budování modelu, minimální, maximální modely a submodely, ověřování předpokladů a regresní diagnostika pro zobecněný lineární model. Gamma regrese, regresní modely pro alternativní (binární) a binomická data, modely dávka odpověď, modely pro nominální a ordinální data, poissonovská regrese, log-lineární modely a kontingenční tabulky.
Literatura
  • An introduction to generalized linear models. Edited by Annette J. Dobson. 2nd ed. Boca Raton: CRC Press, 2002, vii, 225 s. ISBN 1-58488-165-8. info
  • FAHRMEIR, Ludwig a Gerhard TUTZ. Multivariate statistical modelling based on generalized linear models. New York: Springer-Verlag, 1994, 425 s. ISBN 0387942335. info
Výukové metody
Přednáška: 2 hod. týdně. Teoretická výuka kombinovaná s praktickými příklady.
Cvičení: 1 hod. týdně. Praktická cvičení zaměřené na procvičení základních pojmů a tvrzení, samostatné řešení úloh.
Metody hodnocení
Aktivní účast na cvičeních (10%), samostatně vypracované domácí úkoly (30%), ústní zkouška s písemnou přípravou (60%).
Informace učitele
K úspěšnému ukončení předmětu je potřeba porozumět základním pojmům vyložené teorie, znalost definic, vět a základních důkazů, umět řešit typické úlohy vyložené teorie.
Další komentáře
Studijní materiály
Předmět je vyučován každoročně.
Nachází se v prerekvizitách jiných předmětů
Předmět je zařazen také v obdobích podzim 2007 - akreditace, podzim 2010 - akreditace, podzim 2002, podzim 2003, podzim 2004, podzim 2005, podzim 2006, podzim 2007, podzim 2008, podzim 2009, podzim 2010, podzim 2011, podzim 2011 - akreditace, podzim 2012, podzim 2013, podzim 2014, podzim 2015, podzim 2017, podzim 2018, podzim 2019, podzim 2020, podzim 2021, podzim 2022, podzim 2023, podzim 2024.

M7222 Zobecněné lineární modely

Přírodovědecká fakulta
podzim 2015
Rozsah
2/1. 3 kr. (příf plus uk k 1 zk 2 plus 1 > 4). Ukončení: zk.
Vyučující
RNDr. Marie Forbelská, Ph.D. (přednášející)
Garance
prof. RNDr. Ivanka Horová, CSc.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Dodavatelské pracoviště: Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Rozvrh
St 8:00–9:50 M6,01011
  • Rozvrh seminárních/paralelních skupin:
M7222/01: St 10:00–10:50 M6,01011, M. Forbelská
Předpoklady
M6120 Lineární statistické modely II
Znalost základů teorie odhadu a linearních statistických modelů plné hodnosti (regresní analýzy) i neúplné hodnosti (modelù analýzy rozptylu).
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
Cíle předmětu
Kurz je zaměřen na širokou třídu modelů nazývaných zobecněné lineární modely (GLM modely), které jsou rozšířením klasických regresních modelů a umožňují modelovat data s normálním, Poissonovým, binomickým i gama rozdělením, stejně jako mnohorozměrné kontingenční tabulky. Cvičení na počítači je prováděno pomocí programovacího systému R a je věnováno aplikacím z různých oblastí přírodních i společenských věd. Na konci tohoto kurzu bude student schopen: (1) pochopit principy teorie odhadování parametrů a testování hypotéz v zobecněném lineárním modelu, (2) naučit se tyto výsledky využívat pro konkrétní modely, (3) pochopit vztahy mezi jednotlivými druhy těchto modelů, (4) interpretovat výsledky GLM.
Osnova
  • Vybrané partie z teorie odhadu: regulární systémy hustot a jejich vlastnosti, rozdělení exponenciálního typu, vlastnosti maximálně věrohodných odhadů výběrů z rozdělení s regulární hustotou. Zobecněné lineární modely: popis komponent modelu (linkovací funkce, lineární prediktor, rozdělení exponenciálního typu pro závisle proměnnou veličinu), odhady neznámých parametrů metodou maximální věrohodnosti, Newton-Raphsonova metoda a metoda skórování, inference v zobecněných lineárních modelech, deviance, strategie budování modelu, minimální, maximální modely a submodely, ověřování předpokladů a regresní diagnostika pro zobecněný lineární model. Gamma regrese, regresní modely pro alternativní (binární) a binomická data, modely dávka odpověď, modely pro nominální a ordinální data, poissonovská regrese, log-lineární modely a kontingenční tabulky.
Literatura
  • An introduction to generalized linear models. Edited by Annette J. Dobson. 2nd ed. Boca Raton: CRC Press, 2002, vii, 225 s. ISBN 1-58488-165-8. info
  • FAHRMEIR, Ludwig a Gerhard TUTZ. Multivariate statistical modelling based on generalized linear models. New York: Springer-Verlag, 1994, 425 s. ISBN 0387942335. info
Výukové metody
Přednáška: 2 hod. týdně. Teoretická výuka kombinovaná s praktickými příklady.
Cvičení: 1 hod. týdně. Praktická cvičení zaměřené na procvičení základních pojmů a tvrzení, samostatné řešení úloh.
Metody hodnocení
Aktivní účast na cvičeních (10%), samostatně vypracované domácí úkoly (30%), ústní zkouška s písemnou přípravou (60%).
Informace učitele
K úspěšnému ukončení předmětu je potřeba porozumět základním pojmům vyložené teorie, znalost definic, vět a základních důkazů, umět řešit typické úlohy vyložené teorie.
Další komentáře
Studijní materiály
Předmět je vyučován každoročně.
Nachází se v prerekvizitách jiných předmětů
Předmět je zařazen také v obdobích podzim 2007 - akreditace, podzim 2010 - akreditace, podzim 2002, podzim 2003, podzim 2004, podzim 2005, podzim 2006, podzim 2007, podzim 2008, podzim 2009, podzim 2010, podzim 2011, podzim 2011 - akreditace, podzim 2012, podzim 2013, podzim 2014, podzim 2016, podzim 2017, podzim 2018, podzim 2019, podzim 2020, podzim 2021, podzim 2022, podzim 2023, podzim 2024.

M7222 Zobecněné lineární modely

Přírodovědecká fakulta
podzim 2014
Rozsah
2/1. 3 kr. (příf plus uk k 1 zk 2 plus 1 > 4). Ukončení: zk.
Vyučující
RNDr. Marie Forbelská, Ph.D. (přednášející)
Garance
prof. RNDr. Ivanka Horová, CSc.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Dodavatelské pracoviště: Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Rozvrh
Po 10:00–11:50 M2,01021
  • Rozvrh seminárních/paralelních skupin:
M7222/01: Po 12:00–12:50 M2,01021
Předpoklady
M6120 Lineární statistické modely II
Znalost základů teorie odhadu a linearních statistických modelů plné hodnosti (regresní analýzy) i neúplné hodnosti (modelù analýzy rozptylu).
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
Cíle předmětu
Kurz je zaměřen na širokou třídu modelů nazývaných zobecněné lineární modely (GLM modely), které jsou rozšířením klasických regresních modelů a umožňují modelovat data s normálním, Poissonovým, binomickým i gamma rozdělením, stejně jako mnohorozměrné kontingenční tabulky.
Cvičení na počítači je prováděno pomocí programovacího systému R a je věnováno aplikacím z různých oblastí přírodních i společenských věd.
Na konci tohoto kurzu bude student schopen pochopit principy teorie odhadování parametrů a testování hypotéz v zobecněném lineárním modelu; naučit se tyto výsledky využívat pro konkrétní modely; pochopit vztahy mezi jednotlivými druhy těchto modelů; interpretovat jejich výsledky.
Osnova
  • Vybrané partie z teorie odhadu: regulární systémy hustot a jejich vlastnosti, rozdělení exponenciálního typu, vlastnosti maximálně věrohodných odhadů výběrů z rozdělení s regulární hustotou. Zobecněné lineární modely: popis komponent modelu (linkovací funkce, lineární prediktor, rozdělení exponenciálního typu pro závisle proměnnou veličinu), odhady neznámých parametrů metodou maximální věrohodnosti, Newton-Raphsonova metoda a metoda skórování, inference v zobecněných lineárních modelech, deviance, strategie budování modelu, minimální, maximální modely a submodely, ověřování předpokladů a regresní diagnostika pro zobecněný lineární model. Gamma regrese, regresní modely pro alternativní (binární) a binomická data, modely dávka odpověď, modely pro nominální a ordinální data, poissonovská regrese, log-lineární modely a kontingenční tabulky.
Literatura
  • An introduction to generalized linear models. Edited by Annette J. Dobson. 2nd ed. Boca Raton: CRC Press, 2002, vii, 225 s. ISBN 1-58488-165-8. info
  • FAHRMEIR, Ludwig a Gerhard TUTZ. Multivariate statistical modelling based on generalized linear models. New York: Springer-Verlag, 1994, 425 s. ISBN 0387942335. info
Výukové metody
Přednáška: teoretická výuka kombinovaná s praktickými příklady ;
Cvičení: praktická cvičení zaměřené na procvičení základních pojmů a tvrzení, samostatné řešení úloh.
Metody hodnocení
Aktivní účast na cvičeních (10%), samostatně vypracované domácí úkoly (30%), ústní zkouška s písemnou přípravou (60%).
Informace učitele
K úspěšnému ukončení předmětu je potřeba porozumět základním pojmům vyložené teorie, znalost definic, vět a základních důkazů, umět řešit typické úlohy vyložené teorie.
Další komentáře
Předmět je vyučován každoročně.
Nachází se v prerekvizitách jiných předmětů
Předmět je zařazen také v obdobích podzim 2007 - akreditace, podzim 2010 - akreditace, podzim 2002, podzim 2003, podzim 2004, podzim 2005, podzim 2006, podzim 2007, podzim 2008, podzim 2009, podzim 2010, podzim 2011, podzim 2011 - akreditace, podzim 2012, podzim 2013, podzim 2015, podzim 2016, podzim 2017, podzim 2018, podzim 2019, podzim 2020, podzim 2021, podzim 2022, podzim 2023, podzim 2024.

M7222 Zobecněné lineární modely

Přírodovědecká fakulta
podzim 2013
Rozsah
2/1. 3 kr. (příf plus uk k 1 zk 2 plus 1 > 4). Ukončení: zk.
Vyučující
RNDr. Marie Forbelská, Ph.D. (přednášející)
Garance
prof. RNDr. Ivanka Horová, CSc.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Dodavatelské pracoviště: Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Rozvrh
Čt 12:00–13:50 M2,01021
  • Rozvrh seminárních/paralelních skupin:
M7222/01: Čt 14:00–14:50 M2,01021
Předpoklady
M6120 Lineární statistické modely II
Znalost základů teorie odhadu a linearních statistických modelů plné hodnosti (regresní analýzy) i neúplné hodnosti (modelù analýzy rozptylu).
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
Cíle předmětu
Kurz je zaměřen na širokou třídu modelů nazývaných zobecněné lineární modely (GLM modely), které jsou rozšířením klasických regresních modelů a umožňují modelovat data s normálním, Poissonovým, binomickým i gamma rozdělením, stejně jako mnohorozměrné kontingenční tabulky.
Cvičení na počítači je prováděno pomocí programovacího systému R a je věnováno aplikacím z různých oblastí přírodních i společenských věd.
Na konci tohoto kurzu bude student schopen pochopit principy teorie odhadování parametrů a testování hypotéz v zobecněném lineárním modelu; naučit se tyto výsledky využívat pro konkrétní modely; pochopit vztahy mezi jednotlivými druhy těchto modelů; interpretovat jejich výsledky.
Osnova
  • Vybrané partie z teorie odhadu: regulární systémy hustot a jejich vlastnosti, rozdělení exponenciálního typu, vlastnosti maximálně věrohodných odhadů výběrů z rozdělení s regulární hustotou. Zobecněné lineární modely: popis komponent modelu (linkovací funkce, lineární prediktor, rozdělení exponenciálního typu pro závisle proměnnou veličinu), odhady neznámých parametrů metodou maximální věrohodnosti, Newton-Raphsonova metoda a metoda skórování, inference v zobecněných lineárních modelech, deviance, strategie budování modelu, minimální, maximální modely a submodely, ověřování předpokladů a regresní diagnostika pro zobecněný lineární model. Gamma regrese, regresní modely pro alternativní (binární) a binomická data, modely dávka odpověď, modely pro nominální a ordinální data, poissonovská regrese, log-lineární modely a kontingenční tabulky.
Literatura
  • An introduction to generalized linear models. Edited by Annette J. Dobson. 2nd ed. Boca Raton: CRC Press, 2002, vii, 225 s. ISBN 1-58488-165-8. info
  • FAHRMEIR, Ludwig a Gerhard TUTZ. Multivariate statistical modelling based on generalized linear models. New York: Springer-Verlag, 1994, 425 s. ISBN 0387942335. info
Výukové metody
Přednáška: teoretická výuka kombinovaná s praktickými příklady ;
Cvičení: praktická cvičení zaměřené na procvičení základních pojmů a tvrzení, samostatné řešení úloh.
Metody hodnocení
Aktivní účast na cvičeních (10%), samostatně vypracované domácí úkoly (30%), ústní zkouška s písemnou přípravou (60%).
Informace učitele
K úspěšnému ukončení předmětu je potřeba porozumět základním pojmům vyložené teorie, znalost definic, vět a základních důkazů, umět řešit typické úlohy vyložené teorie.
Další komentáře
Studijní materiály
Předmět je vyučován každoročně.
Nachází se v prerekvizitách jiných předmětů
Předmět je zařazen také v obdobích podzim 2007 - akreditace, podzim 2010 - akreditace, podzim 2002, podzim 2003, podzim 2004, podzim 2005, podzim 2006, podzim 2007, podzim 2008, podzim 2009, podzim 2010, podzim 2011, podzim 2011 - akreditace, podzim 2012, podzim 2014, podzim 2015, podzim 2016, podzim 2017, podzim 2018, podzim 2019, podzim 2020, podzim 2021, podzim 2022, podzim 2023, podzim 2024.

M7222 Zobecněné lineární modely

Přírodovědecká fakulta
podzim 2012
Rozsah
2/1. 3 kr. (příf plus uk k 1 zk 2 plus 1 > 4). Ukončení: zk.
Vyučující
RNDr. Marie Forbelská, Ph.D. (přednášející)
Garance
prof. RNDr. Ivanka Horová, CSc.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Dodavatelské pracoviště: Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Rozvrh
Čt 8:00–9:50 M3,01023
  • Rozvrh seminárních/paralelních skupin:
M7222/01: Čt 10:00–10:50 M3,01023
Předpoklady
M6120 Lineární statistické modely II
Znalost základů teorie odhadu a linearních statistických modelů plné hodnosti (regresní analýzy) i neúplné hodnosti (modelù analýzy rozptylu).
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
Cíle předmětu
Kurz je zaměřen na širokou třídu modelů nazývaných zobecněné lineární modely (GLM modely), které jsou rozšířením klasických regresních modelů a umožňují modelovat data s normálním, Poissonovým, binomickým i gamma rozdělením, stejně jako mnohorozměrné kontingenční tabulky.
Cvičení na počítači je prováděno pomocí programovacího systému R a je věnováno aplikacím z různých oblastí přírodních i společenských věd.
Na konci tohoto kurzu bude student schopen pochopit principy teorie odhadování parametrů a testování hypotéz v zobecněném lineárním modelu; naučit se tyto výsledky využívat pro konkrétní modely; pochopit vztahy mezi jednotlivými druhy těchto modelů; interpretovat jejich výsledky.
Osnova
  • Vybrané partie z teorie odhadu: regulární systémy hustot a jejich vlastnosti, rozdělení exponenciálního typu, vlastnosti maximálně věrohodných odhadů výběrů z rozdělení s regulární hustotou. Zobecněné lineární modely: popis komponent modelu (linkovací funkce, lineární prediktor, rozdělení exponenciálního typu pro závisle proměnnou veličinu), odhady neznámých parametrů metodou maximální věrohodnosti, Newton-Raphsonova metoda a metoda skórování, inference v zobecněných lineárních modelech, deviance, strategie budování modelu, minimální, maximální modely a submodely, ověřování předpokladů a regresní diagnostika pro zobecněný lineární model. Gamma regrese, regresní modely pro alternativní (binární) a binomická data, modely dávka odpověď, modely pro nominální a ordinální data, poissonovská regrese, log-lineární modely a kontingenční tabulky.
Literatura
  • An introduction to generalized linear models. Edited by Annette J. Dobson. 2nd ed. Boca Raton: CRC Press, 2002, vii, 225 s. ISBN 1-58488-165-8. info
  • FAHRMEIR, Ludwig a Gerhard TUTZ. Multivariate statistical modelling based on generalized linear models. New York: Springer-Verlag, 1994, 425 s. ISBN 0387942335. info
Výukové metody
Přednáška: teoretická výuka kombinovaná s praktickými příklady ;
Cvičení: praktická cvičení zaměřené na procvičení základních pojmů a tvrzení, samostatné řešení úloh.
Metody hodnocení
Přednáška se cvičením v počítašové učebně. Zkouška je ústní. Je nutná aktivní účast na cvičeních.
Informace učitele
K úspěšnému ukončení předmětu je potřeba porozumět základním pojmům vyložené teorie, znalost definic, vět a základních důkazů, umět řešit typické úlohy vyložené teorie.
Další komentáře
Studijní materiály
Předmět je vyučován každoročně.
Nachází se v prerekvizitách jiných předmětů
Předmět je zařazen také v obdobích podzim 2007 - akreditace, podzim 2010 - akreditace, podzim 2002, podzim 2003, podzim 2004, podzim 2005, podzim 2006, podzim 2007, podzim 2008, podzim 2009, podzim 2010, podzim 2011, podzim 2011 - akreditace, podzim 2013, podzim 2014, podzim 2015, podzim 2016, podzim 2017, podzim 2018, podzim 2019, podzim 2020, podzim 2021, podzim 2022, podzim 2023, podzim 2024.

M7222 Zobecněné lineární modely

Přírodovědecká fakulta
podzim 2011
Rozsah
2/1. 3 kr. (příf plus uk k 1 zk 2 plus 1 > 4). Ukončení: zk.
Vyučující
RNDr. Marie Forbelská, Ph.D. (přednášející)
Garance
prof. RNDr. Ivanka Horová, CSc.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Rozvrh
Po 12:00–13:50 M3,01023
  • Rozvrh seminárních/paralelních skupin:
M7222/01: Po 14:00–14:50 M3,01023
Předpoklady
M6120 Lineární statistické modely II
Znalost základů teorie odhadu a linearních statistických modelů plné hodnosti (regresní analýzy) i neúplné hodnosti (modelù analýzy rozptylu).
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
Cíle předmětu
Kurz je zaměřen na širokou třídu modelů nazývaných zobecněné lineární modely (GLM modely), které jsou rozšířením klasických regresních modelů a umožňují modelovat data s normálním, Poissonovým, binomickým i gamma rozdělením, stejně jako mnohorozměrné kontingenční tabulky.
Cvičení na počítači je prováděno pomocí programovacího systému Matlab a je věnováno aplikacím z různých oblastí přírodních i společenských věd.
Na konci tohoto kurzu bude student schopen pochopit principy teorie odhadování parametrů a testování hypotéz v zobecněném lineárním modelu; naučit se tyto výsledky využívat pro konkrétní modely; pochopit vztahy mezi jednotlivými druhy těchto modelů; interpretovat jejich výsledky.
Osnova
  • Vybrané partie z teorie odhadu: regulární systémy hustot a jejich vlastnosti, rozdělení exponenciálního typu, vlastnosti maximálně věrohodných odhadů výběrů z rozdělení s regulární hustotou. Zobecněné lineární modely: popis komponent modelu (linkovací funkce, lineární prediktor, rozdělení exponenciálního typu pro závisle proměnnou veličinu), odhady neznámých parametrů metodou maximální věrohodnosti, Newton-Raphsonova metoda a metoda skórování, inference v zobecněných lineárních modelech, deviance, strategie budování modelu, minimální, maximální modely a submodely, ověřování předpokladů a regresní diagnostika pro zobecněný lineární model. Gamma regrese, regresní modely pro alternativní (binární) a binomická data, modely dávka odpověď, modely pro nominální a ordinální data, poissonovská regrese, log-lineární modely a kontingenční tabulky.
Literatura
  • An introduction to generalized linear models. Edited by Annette J. Dobson. 2nd ed. Boca Raton: CRC Press, 2002, vii, 225 s. ISBN 1-58488-165-8. info
  • FAHRMEIR, Ludwig a Gerhard TUTZ. Multivariate statistical modelling based on generalized linear models. New York: Springer-Verlag, 1994, 425 s. ISBN 0387942335. info
Výukové metody
Přednáška: teoretická výuka kombinovaná s praktickými příklady ;
Cvičení: praktická cvičení zaměřené na procvičení základních pojmů a tvrzení, samostatné řešení úloh.
Metody hodnocení
Přednáška se cvičením v počítašové učebně. Zkouška je ústní. Je nutná aktivní účast na cvičeních.
Informace učitele
K úspěšnému ukončení předmětu je potřeba porozumět základním pojmům vyložené teorie, znalost definic, vět a základních důkazů, umět řešit typické úlohy vyložené teorie.
Další komentáře
Studijní materiály
Předmět je vyučován každoročně.
Nachází se v prerekvizitách jiných předmětů
Předmět je zařazen také v obdobích podzim 2007 - akreditace, podzim 2010 - akreditace, podzim 2002, podzim 2003, podzim 2004, podzim 2005, podzim 2006, podzim 2007, podzim 2008, podzim 2009, podzim 2010, podzim 2011 - akreditace, podzim 2012, podzim 2013, podzim 2014, podzim 2015, podzim 2016, podzim 2017, podzim 2018, podzim 2019, podzim 2020, podzim 2021, podzim 2022, podzim 2023, podzim 2024.

M7222 Zobecněné lineární modely

Přírodovědecká fakulta
podzim 2010
Rozsah
2/1. 3 kr. (příf plus uk k 1 zk 2 plus 1 > 4). Ukončení: zk.
Vyučující
RNDr. Marie Forbelská, Ph.D. (přednášející)
Garance
prof. RNDr. Ivanka Horová, CSc.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Rozvrh
St 14:00–15:50 M5,01013
  • Rozvrh seminárních/paralelních skupin:
M7222/01: St 16:00–16:50 M5,01013
Předpoklady
M6120 Lineární statistické modely II
Znalost základů teorie odhadu a linearních statistických modelů plné hodnosti (regresní analýzy) i neúplné hodnosti (modelù analýzy rozptylu).
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
Cíle předmětu
Kurz je zaměřen na širokou třídu modelů nazývaných zobecněné lineární modely (GLM modely), které jsou rozšířením klasických regresních modelů a umožňují modelovat data s normálním, Poissonovým, binomickým i gamma rozdělením, stejně jako mnohorozměrné kontingenční tabulky.
Cvičení na počítači je prováděno pomocí programovacího systému Matlab a je věnováno aplikacím z různých oblastí přírodních i společenských věd.
Na konci tohoto kurzu bude student schopen pochopit principy teorie odhadování parametrů a testování hypotéz v zobecněném lineárním modelu; naučit se tyto výsledky využívat pro konkrétní modely; pochopit vztahy mezi jednotlivými druhy těchto modelů; interpretovat jejich výsledky.
Osnova
  • Vybrané partie z teorie odhadu: regulární systémy hustot a jejich vlastnosti, rozdělení exponenciálního typu, vlastnosti maximálně věrohodných odhadů výběrů z rozdělení s regulární hustotou. Zobecněné lineární modely: popis komponent modelu (linkovací funkce, lineární prediktor, rozdělení exponenciálního typu pro závisle proměnnou veličinu), odhady neznámých parametrů metodou maximální věrohodnosti, Newton-Raphsonova metoda a metoda skórování, inference v zobecněných lineárních modelech, deviance, strategie budování modelu, minimální, maximální modely a submodely, ověřování předpokladů a regresní diagnostika pro zobecněný lineární model. Gamma regrese, regresní modely pro alternativní (binární) a binomická data, modely dávka odpověď, modely pro nominální a ordinální data, poissonovská regrese, log-lineární modely a kontingenční tabulky.
Literatura
  • An introduction to generalized linear models. Edited by Annette J. Dobson. 2nd ed. Boca Raton: CRC Press, 2002, vii, 225 s. ISBN 1-58488-165-8. info
  • FAHRMEIR, Ludwig a Gerhard TUTZ. Multivariate statistical modelling based on generalized linear models. New York: Springer-Verlag, 1994, 425 s. ISBN 0387942335. info
Výukové metody
Přednáška: teoretická výuka kombinovaná s praktickými příklady ;
Cvičení: praktická cvičení zaměřené na procvičení základních pojmů a tvrzení, samostatné řešení úloh.
Metody hodnocení
Přednáška se cvičením v počítašové učebně. Zkouška je ústní. Je nutná aktivní účast na cvičeních.
Informace učitele
K úspěšnému ukončení předmětu je potřeba porozumět základním pojmům vyložené teorie, znalost definic, vět a základních důkazů, umět řešit typické úlohy vyložené teorie.
Další komentáře
Studijní materiály
Předmět je vyučován každoročně.
Nachází se v prerekvizitách jiných předmětů
Předmět je zařazen také v obdobích podzim 2007 - akreditace, podzim 2010 - akreditace, podzim 2002, podzim 2003, podzim 2004, podzim 2005, podzim 2006, podzim 2007, podzim 2008, podzim 2009, podzim 2011, podzim 2011 - akreditace, podzim 2012, podzim 2013, podzim 2014, podzim 2015, podzim 2016, podzim 2017, podzim 2018, podzim 2019, podzim 2020, podzim 2021, podzim 2022, podzim 2023, podzim 2024.

M7222 Zobecněné lineární modely

Přírodovědecká fakulta
podzim 2009
Rozsah
2/1. 2 kr. (příf plus uk plus > 4). Ukončení: zk.
Vyučující
RNDr. Marie Forbelská, Ph.D. (přednášející)
Garance
prof. RNDr. Ivanka Horová, CSc.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Rozvrh
Pá 8:00–9:50 M4,01024
  • Rozvrh seminárních/paralelních skupin:
M7222/01: Pá 10:00–10:50 M4,01024
Předpoklady
M6120 Lineární statistické modely II
Znalost základů teorie odhadu a linearních statistických modelů plné hodnosti (regresní analýzy) i neúplné hodnosti (modelù analýzy rozptylu).
Omezení zápisu do předmětu
Předmět je otevřen studentům libovolného oboru.
Cíle předmětu
Kurz je zaměřen na širokou třídu modelů nazývaných zobecněné lineární modely (GLM modely), které jsou rozšířením klasických regresních modelů a umožňují modelovat data s normálním, Poissonovým, binomickým i gamma rozdělením, stejně jako mnohorozměrné kontingenční tabulky.
Cvičení na počítači je prováděno pomocí programovacího systému Matlab a je věnováno aplikacím z různých oblastí přírodních i společenských věd.
Na konci tohoto kurzu bude student schopen pochopit principy teorie odhadování parametrů a testování hypotéz v zobecněném lineárním modelu; naučit se tyto výsledky využívat pro konkrétní modely; pochopit vztahy mezi jednotlivými druhy těchto modelů; interpretovat jejich výsledky.
Osnova
  • Vybrané partie z teorie odhadu: regulární systémy hustot a jejich vlastnosti, rozdělení exponenciálního typu, vlastnosti maximálně věrohodných odhadů výběrů z rozdělení s regulární hustotou. Zobecněné lineární modely: popis komponent modelu (linkovací funkce, lineární prediktor, rozdělení exponenciálního typu pro závisle proměnnou veličinu), odhady neznámých parametrů metodou maximální věrohodnosti, Newton-Raphsonova metoda a metoda skórování, inference v zobecněných lineárních modelech, deviance, strategie budování modelu, minimální, maximální modely a submodely, ověřování předpokladů a regresní diagnostika pro zobecněný lineární model. Gamma regrese, regresní modely pro alternativní (binární) a binomická data, modely dávka odpověď, modely pro nominální a ordinální data, poissonovská regrese, log-lineární modely a kontingenční tabulky.
Literatura
  • An introduction to generalized linear models. Edited by Annette J. Dobson. 2nd ed. Boca Raton: CRC Press, 2002, vii, 225 s. ISBN 1-58488-165-8. info
  • FAHRMEIR, Ludwig a Gerhard TUTZ. Multivariate statistical modelling based on generalized linear models. New York: Springer-Verlag, 1994, 425 s. ISBN 0387942335. info
Výukové metody
Přednáška: teoretická výuka kombinovaná s praktickými příklady ;
Cvičení: praktická cvičení zaměřené na procvičení základních pojmů a tvrzení, samostatné řešení úloh.
Metody hodnocení
Přednáška se cvičením v počítašové učebně. Zkouška je ústní. Je nutná aktivní účast na cvičeních.
Informace učitele
K úspěšnému ukončení předmětu je potřeba porozumět základním pojmům vyložené teorie, znalost definic, vět a základních důkazů, umět řešit typické úlohy vyložené teorie.
Další komentáře
Studijní materiály
Předmět je vyučován každoročně.
Nachází se v prerekvizitách jiných předmětů
Předmět je zařazen také v obdobích podzim 2007 - akreditace, podzim 2010 - akreditace, podzim 2002, podzim 2003, podzim 2004, podzim 2005, podzim 2006, podzim 2007, podzim 2008, podzim 2010, podzim 2011, podzim 2011 - akreditace, podzim 2012, podzim 2013, podzim 2014, podzim 2015, podzim 2016, podzim 2017, podzim 2018, podzim 2019, podzim 2020, podzim 2021, podzim 2022, podzim 2023, podzim 2024.

M7222 Zobecněné lineární modely

Přírodovědecká fakulta
podzim 2008
Rozsah
2/1. 2 kr. (příf plus uk plus > 4). Ukončení: zk.
Vyučující
RNDr. Marie Forbelská, Ph.D. (přednášející)
Garance
RNDr. Marie Forbelská, Ph.D.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Rozvrh
Pá 8:00–9:50 MP1,01014, Pá 8:00–9:50 M3,01023
  • Rozvrh seminárních/paralelních skupin:
M7222/01: Pá 10:00–10:50 MP1,01014, Pá 10:00–10:50 M3,01023
Předpoklady
M6120 Lineární statistické modely II
Znalost základů teorie odhadu a linearních statistických modelů plné hodnosti (regresní analýzy) i neúplné hodnosti (modelù analýzy rozptylu).
Omezení zápisu do předmětu
Předmět je otevřen studentům libovolného oboru.
Cíle předmětu
Kurz je zaměřen na širokou třídu modelů nazývaných zobecněné lineární modely (GLM modely), které jsou rozšířením klasických regresních modelů a umožňují modelovat data s normálním, Poissonovým, binomickým i gamma rozdělením, stejně jako mnohorozměrné kontingenční tabulky.
Cvičení na počítači je prováděno pomocí programovacího systému Matlab a je věnováno aplikacím z různých oblastí přírodních i společenských věd.
Na konci tohoto kurzu bude student schopen pochopit principy teorie odhadování parametrů a testování hypotéz v zobecněném lineárním modelu; naučit se tyto výsledky využívat pro konkrétní modely; pochopit vztahy mezi jednotlivými druhy těchto modelů; interpretovat jejich výsledky.
Osnova
  • Vybrané partie z teorie odhadu: regulární systémy hustot a jejich vlastnosti, rozdělení exponenciálního typu, vlastnosti maximálně věrohodných odhadů výběrů z rozdělení s regulární hustotou. Zobecněné lineární modely: popis komponent modelu (linkovací funkce, lineární prediktor, rozdělení exponenciálního typu pro závisle proměnnou veličinu), odhady neznámých parametrů metodou maximální věrohodnosti, Newton-Raphsonova metoda a metoda skórování, inference v zobecněných lineárních modelech, deviance, strategie budování modelu, minimální, maximální modely a submodely, ověřování předpokladů a regresní diagnostika pro zobecněný lineární model. Gamma regrese, regresní modely pro alternativní (binární) a binomická data, modely dávka odpověď, modely pro nominální a ordinální data, poissonovská regrese, log-lineární modely a kontingenční tabulky.
Literatura
  • An introduction to generalized linear models. Edited by Annette J. Dobson. 2nd ed. Boca Raton: CRC Press, 2002, vii, 225 s. ISBN 1-58488-165-8. info
  • FAHRMEIR, Ludwig a Gerhard TUTZ. Multivariate statistical modelling based on generalized linear models. New York: Springer-Verlag, 1994, 425 s. ISBN 0387942335. info
Metody hodnocení
Přednáška se cvičením v počítašové učebně. Zkouška je ústní. Je nutná aktivní účast na cvičeních.
Informace učitele
K úspěšnému ukončení předmětu je potřeba porozumět základním pojmům vyložené teorie, znalost definic, vět a základních důkazů, umět řešit typické úlohy vyložené teorie.
Další komentáře
Předmět je vyučován každoročně.
Nachází se v prerekvizitách jiných předmětů
Předmět je zařazen také v obdobích podzim 2007 - akreditace, podzim 2010 - akreditace, podzim 2002, podzim 2003, podzim 2004, podzim 2005, podzim 2006, podzim 2007, podzim 2009, podzim 2010, podzim 2011, podzim 2011 - akreditace, podzim 2012, podzim 2013, podzim 2014, podzim 2015, podzim 2016, podzim 2017, podzim 2018, podzim 2019, podzim 2020, podzim 2021, podzim 2022, podzim 2023, podzim 2024.

M7222 Zobecněné lineární modely

Přírodovědecká fakulta
podzim 2007
Rozsah
2/1. 2 kr. (příf plus uk plus > 4). Ukončení: zk.
Vyučující
RNDr. Marie Forbelská, Ph.D. (přednášející)
Garance
RNDr. Marie Forbelská, Ph.D.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Rozvrh
Pá 8:00–9:50 U1
  • Rozvrh seminárních/paralelních skupin:
M7222/01: Pá 10:00–10:50 U1
Předpoklady
M6120 Lineární statistické modely II
Znalost základů teorie odhadu a linearních statistických modelů.
Omezení zápisu do předmětu
Předmět je otevřen studentům libovolného oboru.
Cíle předmětu
Kurz je zaměřen na zobecněné lineární modely, které se v poslední době stále častěji užívají k analýze realných dat, zejména v biologii, medicíně, sociologii a jiných přírodovědných i společenských oborech. První část kurzu je věnována teorii zobecněných lineárních modelů, následuje popis konkrétních GLM modelů jako jsou gamma regrese, poissonovská a logistická regrese a log-lineární modely. Výklad je spojen s ukázkami počítačového zpracování reálných dat v jazyce Matlab.
Osnova
  • Vybrané partie z teorie odhadu: regulární systémy hustot a jejich vlastnosti, vydatné odhady, dolní Raova-Cramerova hranice, rozdělení exponenciálního typu, vlastnosti maximálně věrohodných odhadů výběrů z rozdělení s regulární hustotou. Zobecněné lineární modely: popis komponent modelu (linkovací funkce, lineární prediktor, rozdělení exponenciálního typu pro závisle proměnnou veličinu), odhady neznámých parametrů metodou maximální věrohodnosti, Newton-Raphsonova metoda a metoda skórování, inference v zobecněných lineárních modelech, deviance, strategie budování modelu, minimální, maximální modely a submodely, ověřování předpokladů a regresní diagnostika pro zobecněný lineární model. Gamma regrese, regresní modely pro alternativní (binární) a binomická data, modely dávka odpověď, modely pro nominální a ordinální data, poissonovská regrese, log-lineární modely a kontingenční tabulky.
Informace učitele
K úspěšnému ukončení předmětu je potřeba porozumět základním pojmům vyložené teorie, znalost definic, vět a základních důkazů, umět řešit typické úlohy vyložené teorie.
Další komentáře
Předmět je vyučován každoročně.
Nachází se v prerekvizitách jiných předmětů
Předmět je zařazen také v obdobích podzim 2007 - akreditace, podzim 2010 - akreditace, podzim 2002, podzim 2003, podzim 2004, podzim 2005, podzim 2006, podzim 2008, podzim 2009, podzim 2010, podzim 2011, podzim 2011 - akreditace, podzim 2012, podzim 2013, podzim 2014, podzim 2015, podzim 2016, podzim 2017, podzim 2018, podzim 2019, podzim 2020, podzim 2021, podzim 2022, podzim 2023, podzim 2024.

M7222 Zobecněné lineární modely

Přírodovědecká fakulta
podzim 2006
Rozsah
2/1. 2 kr. (příf plus uk plus > 4). Ukončení: zk.
Vyučující
RNDr. Marie Forbelská, Ph.D. (přednášející)
Garance
doc. RNDr. Jaroslav Michálek, CSc.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Rozvrh
Čt 7:00–8:50 UP1
  • Rozvrh seminárních/paralelních skupin:
M7222/01: Čt 10:00–10:50 M3,04005 - dříve Janáčkovo nám. 2a, Čt 10:00–10:50 N41
Předpoklady
M6120 Lineární statistické modely II
Omezení zápisu do předmětu
Předmět je otevřen studentům libovolného oboru.
Další komentáře
Předmět je vyučován každoročně.
Nachází se v prerekvizitách jiných předmětů
Předmět je zařazen také v obdobích podzim 2007 - akreditace, podzim 2010 - akreditace, podzim 2002, podzim 2003, podzim 2004, podzim 2005, podzim 2007, podzim 2008, podzim 2009, podzim 2010, podzim 2011, podzim 2011 - akreditace, podzim 2012, podzim 2013, podzim 2014, podzim 2015, podzim 2016, podzim 2017, podzim 2018, podzim 2019, podzim 2020, podzim 2021, podzim 2022, podzim 2023, podzim 2024.

M7222 Zobecněné lineární modely

Přírodovědecká fakulta
podzim 2005
Rozsah
2/1. 2 kr. (příf plus uk plus > 4). Ukončení: zk.
Vyučující
RNDr. Marie Forbelská, Ph.D. (přednášející)
Garance
doc. RNDr. Jaroslav Michálek, CSc.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Rozvrh
Út 9:00–10:50 N41
  • Rozvrh seminárních/paralelních skupin:
M7222/01: Út 11:00–11:50 N41, Út 11:00–11:50 M3,04005 - dříve Janáčkovo nám. 2a, M. Forbelská
Předpoklady
M6120 Lineární statistické modely II
Omezení zápisu do předmětu
Předmět je otevřen studentům libovolného oboru.
Další komentáře
Předmět je vyučován každoročně.
Nachází se v prerekvizitách jiných předmětů
Předmět je zařazen také v obdobích podzim 2007 - akreditace, podzim 2010 - akreditace, podzim 2002, podzim 2003, podzim 2004, podzim 2006, podzim 2007, podzim 2008, podzim 2009, podzim 2010, podzim 2011, podzim 2011 - akreditace, podzim 2012, podzim 2013, podzim 2014, podzim 2015, podzim 2016, podzim 2017, podzim 2018, podzim 2019, podzim 2020, podzim 2021, podzim 2022, podzim 2023, podzim 2024.

M7222 Zobecněné lineární modely

Přírodovědecká fakulta
podzim 2004
Rozsah
2/1. 2 kr. (příf plus uk plus > 4). Ukončení: zk.
Vyučující
RNDr. Marie Forbelská, Ph.D. (přednášející)
Garance
doc. RNDr. Jaroslav Michálek, CSc.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Rozvrh
Pá 7:00–8:50 B411
  • Rozvrh seminárních/paralelních skupin:
M7222/01: Pá 9:00–9:50 B411, M. Forbelská
Předpoklady
M6120 Lineární statistické modely II
Omezení zápisu do předmětu
Předmět je otevřen studentům libovolného oboru.
Další komentáře
Předmět je vyučován každoročně.
Nachází se v prerekvizitách jiných předmětů
Předmět je zařazen také v obdobích podzim 2007 - akreditace, podzim 2010 - akreditace, podzim 2002, podzim 2003, podzim 2005, podzim 2006, podzim 2007, podzim 2008, podzim 2009, podzim 2010, podzim 2011, podzim 2011 - akreditace, podzim 2012, podzim 2013, podzim 2014, podzim 2015, podzim 2016, podzim 2017, podzim 2018, podzim 2019, podzim 2020, podzim 2021, podzim 2022, podzim 2023, podzim 2024.

M7222 Zobecněné lineární modely

Přírodovědecká fakulta
podzim 2003
Rozsah
2/1. 2 kr. (příf plus uk plus > 4). Ukončení: zk.
Vyučující
RNDr. Marie Forbelská, Ph.D. (přednášející)
Garance
doc. RNDr. Jaroslav Michálek, CSc.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Předpoklady
M6120 Lineární statistické modely II
Omezení zápisu do předmětu
Předmět je otevřen studentům libovolného oboru.
Další komentáře
Předmět je vyučován každoročně.
Výuka probíhá každý týden.
Nachází se v prerekvizitách jiných předmětů
Předmět je zařazen také v obdobích podzim 2007 - akreditace, podzim 2010 - akreditace, podzim 2002, podzim 2004, podzim 2005, podzim 2006, podzim 2007, podzim 2008, podzim 2009, podzim 2010, podzim 2011, podzim 2011 - akreditace, podzim 2012, podzim 2013, podzim 2014, podzim 2015, podzim 2016, podzim 2017, podzim 2018, podzim 2019, podzim 2020, podzim 2021, podzim 2022, podzim 2023, podzim 2024.

M7222 Zobecněné lineární modely

Přírodovědecká fakulta
podzim 2002
Rozsah
2/1. 2 kr. (příf plus uk plus > 4). Ukončení: zk.
Vyučující
doc. RNDr. Jaroslav Michálek, CSc. (přednášející)
RNDr. Marie Forbelská, Ph.D. (přednášející)
Garance
doc. RNDr. Jaroslav Michálek, CSc.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Předpoklady
M6120 Lineární statistické modely II
Omezení zápisu do předmětu
Předmět je otevřen studentům libovolného oboru.
Další komentáře
Předmět je vyučován každoročně.
Výuka probíhá každý týden.
Nachází se v prerekvizitách jiných předmětů
Předmět je zařazen také v obdobích podzim 2007 - akreditace, podzim 2010 - akreditace, podzim 2003, podzim 2004, podzim 2005, podzim 2006, podzim 2007, podzim 2008, podzim 2009, podzim 2010, podzim 2011, podzim 2011 - akreditace, podzim 2012, podzim 2013, podzim 2014, podzim 2015, podzim 2016, podzim 2017, podzim 2018, podzim 2019, podzim 2020, podzim 2021, podzim 2022, podzim 2023, podzim 2024.

M7222 Zobecněné lineární modely

Přírodovědecká fakulta
podzim 2011 - akreditace

Údaje z období podzim 2011 - akreditace se nezveřejňují

Rozsah
2/1. 3 kr. (příf plus uk k 1 zk 2 plus 1 > 4). Ukončení: zk.
Vyučující
RNDr. Marie Forbelská, Ph.D. (přednášející)
Garance
prof. RNDr. Ivanka Horová, CSc.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Předpoklady
M6120 Lineární statistické modely II
Znalost základů teorie odhadu a linearních statistických modelů plné hodnosti (regresní analýzy) i neúplné hodnosti (modelù analýzy rozptylu).
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
Cíle předmětu
Kurz je zaměřen na širokou třídu modelů nazývaných zobecněné lineární modely (GLM modely), které jsou rozšířením klasických regresních modelů a umožňují modelovat data s normálním, Poissonovým, binomickým i gamma rozdělením, stejně jako mnohorozměrné kontingenční tabulky.
Cvičení na počítači je prováděno pomocí programovacího systému Matlab a je věnováno aplikacím z různých oblastí přírodních i společenských věd.
Na konci tohoto kurzu bude student schopen pochopit principy teorie odhadování parametrů a testování hypotéz v zobecněném lineárním modelu; naučit se tyto výsledky využívat pro konkrétní modely; pochopit vztahy mezi jednotlivými druhy těchto modelů; interpretovat jejich výsledky.
Osnova
  • Vybrané partie z teorie odhadu: regulární systémy hustot a jejich vlastnosti, rozdělení exponenciálního typu, vlastnosti maximálně věrohodných odhadů výběrů z rozdělení s regulární hustotou. Zobecněné lineární modely: popis komponent modelu (linkovací funkce, lineární prediktor, rozdělení exponenciálního typu pro závisle proměnnou veličinu), odhady neznámých parametrů metodou maximální věrohodnosti, Newton-Raphsonova metoda a metoda skórování, inference v zobecněných lineárních modelech, deviance, strategie budování modelu, minimální, maximální modely a submodely, ověřování předpokladů a regresní diagnostika pro zobecněný lineární model. Gamma regrese, regresní modely pro alternativní (binární) a binomická data, modely dávka odpověď, modely pro nominální a ordinální data, poissonovská regrese, log-lineární modely a kontingenční tabulky.
Literatura
  • An introduction to generalized linear models. Edited by Annette J. Dobson. 2nd ed. Boca Raton: CRC Press, 2002, vii, 225 s. ISBN 1-58488-165-8. info
  • FAHRMEIR, Ludwig a Gerhard TUTZ. Multivariate statistical modelling based on generalized linear models. New York: Springer-Verlag, 1994, 425 s. ISBN 0387942335. info
Výukové metody
Přednáška: teoretická výuka kombinovaná s praktickými příklady ;
Cvičení: praktická cvičení zaměřené na procvičení základních pojmů a tvrzení, samostatné řešení úloh.
Metody hodnocení
Přednáška se cvičením v počítašové učebně. Zkouška je ústní. Je nutná aktivní účast na cvičeních.
Informace učitele
K úspěšnému ukončení předmětu je potřeba porozumět základním pojmům vyložené teorie, znalost definic, vět a základních důkazů, umět řešit typické úlohy vyložené teorie.
Další komentáře
Předmět je vyučován každoročně.
Výuka probíhá každý týden.
Nachází se v prerekvizitách jiných předmětů
Předmět je zařazen také v obdobích podzim 2007 - akreditace, podzim 2010 - akreditace, podzim 2002, podzim 2003, podzim 2004, podzim 2005, podzim 2006, podzim 2007, podzim 2008, podzim 2009, podzim 2010, podzim 2011, podzim 2012, podzim 2013, podzim 2014, podzim 2015, podzim 2016, podzim 2017, podzim 2018, podzim 2019, podzim 2020, podzim 2021, podzim 2022, podzim 2023, podzim 2024.

M7222 Zobecněné lineární modely

Přírodovědecká fakulta
podzim 2010 - akreditace
Rozsah
2/1. 3 kr. (příf plus uk k 1 zk 2 plus 1 > 4). Ukončení: zk.
Vyučující
RNDr. Marie Forbelská, Ph.D. (přednášející)
Garance
prof. RNDr. Ivanka Horová, CSc.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Předpoklady
M6120 Lineární statistické modely II
Znalost základů teorie odhadu a linearních statistických modelů plné hodnosti (regresní analýzy) i neúplné hodnosti (modelù analýzy rozptylu).
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
Cíle předmětu
Kurz je zaměřen na širokou třídu modelů nazývaných zobecněné lineární modely (GLM modely), které jsou rozšířením klasických regresních modelů a umožňují modelovat data s normálním, Poissonovým, binomickým i gamma rozdělením, stejně jako mnohorozměrné kontingenční tabulky.
Cvičení na počítači je prováděno pomocí programovacího systému Matlab a je věnováno aplikacím z různých oblastí přírodních i společenských věd.
Na konci tohoto kurzu bude student schopen pochopit principy teorie odhadování parametrů a testování hypotéz v zobecněném lineárním modelu; naučit se tyto výsledky využívat pro konkrétní modely; pochopit vztahy mezi jednotlivými druhy těchto modelů; interpretovat jejich výsledky.
Osnova
  • Vybrané partie z teorie odhadu: regulární systémy hustot a jejich vlastnosti, rozdělení exponenciálního typu, vlastnosti maximálně věrohodných odhadů výběrů z rozdělení s regulární hustotou. Zobecněné lineární modely: popis komponent modelu (linkovací funkce, lineární prediktor, rozdělení exponenciálního typu pro závisle proměnnou veličinu), odhady neznámých parametrů metodou maximální věrohodnosti, Newton-Raphsonova metoda a metoda skórování, inference v zobecněných lineárních modelech, deviance, strategie budování modelu, minimální, maximální modely a submodely, ověřování předpokladů a regresní diagnostika pro zobecněný lineární model. Gamma regrese, regresní modely pro alternativní (binární) a binomická data, modely dávka odpověď, modely pro nominální a ordinální data, poissonovská regrese, log-lineární modely a kontingenční tabulky.
Literatura
  • An introduction to generalized linear models. Edited by Annette J. Dobson. 2nd ed. Boca Raton: CRC Press, 2002, vii, 225 s. ISBN 1-58488-165-8. info
  • FAHRMEIR, Ludwig a Gerhard TUTZ. Multivariate statistical modelling based on generalized linear models. New York: Springer-Verlag, 1994, 425 s. ISBN 0387942335. info
Výukové metody
Přednáška: teoretická výuka kombinovaná s praktickými příklady ;
Cvičení: praktická cvičení zaměřené na procvičení základních pojmů a tvrzení, samostatné řešení úloh.
Metody hodnocení
Přednáška se cvičením v počítašové učebně. Zkouška je ústní. Je nutná aktivní účast na cvičeních.
Informace učitele
K úspěšnému ukončení předmětu je potřeba porozumět základním pojmům vyložené teorie, znalost definic, vět a základních důkazů, umět řešit typické úlohy vyložené teorie.
Další komentáře
Předmět je vyučován každoročně.
Výuka probíhá každý týden.
Nachází se v prerekvizitách jiných předmětů
Předmět je zařazen také v obdobích podzim 2007 - akreditace, podzim 2002, podzim 2003, podzim 2004, podzim 2005, podzim 2006, podzim 2007, podzim 2008, podzim 2009, podzim 2010, podzim 2011, podzim 2011 - akreditace, podzim 2012, podzim 2013, podzim 2014, podzim 2015, podzim 2016, podzim 2017, podzim 2018, podzim 2019, podzim 2020, podzim 2021, podzim 2022, podzim 2023, podzim 2024.

M7222 Zobecněné lineární modely

Přírodovědecká fakulta
podzim 2007 - akreditace
Rozsah
2/1. 2 kr. (příf plus uk plus > 4). Ukončení: zk.
Vyučující
RNDr. Marie Forbelská, Ph.D. (přednášející)
Garance
doc. RNDr. Jaroslav Michálek, CSc.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Předpoklady
M6120 Lineární statistické modely II
Omezení zápisu do předmětu
Předmět je otevřen studentům libovolného oboru.
Další komentáře
Předmět je vyučován každoročně.
Výuka probíhá každý týden.
Nachází se v prerekvizitách jiných předmětů
Předmět je zařazen také v obdobích podzim 2010 - akreditace, podzim 2002, podzim 2003, podzim 2004, podzim 2005, podzim 2006, podzim 2007, podzim 2008, podzim 2009, podzim 2010, podzim 2011, podzim 2011 - akreditace, podzim 2012, podzim 2013, podzim 2014, podzim 2015, podzim 2016, podzim 2017, podzim 2018, podzim 2019, podzim 2020, podzim 2021, podzim 2022, podzim 2023, podzim 2024.