Informace o předmětu

M8752 Pokročilé regresní modely II

Rozsah

2/2/0. 4 kr. (příf plus uk plus > 4). Ukončení: zk.
Vyučováno kontaktně

Vyučující

doc. Mgr. David Kraus, Ph.D. (přednášející)
RNDr. Bc. Iveta Selingerová, Ph.D. (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 10:00–11:50 M2,01021

• Rozvrh seminárních/paralelních skupin:

M8752/01: Út 16:00–17:50 MP1,01014, I. Selingerová

Předpoklady

M7222 Zobec. lineární modely
Diferenciální a integrální počet, lineární algebra, základy teorie pravděpodobnosti a matematické statistiky, teorie odhadu a testování statistických hypotéz, lineární a zobecněný lineární model, znalost programu R

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

• Statistika a analýza dat (program PřF, N-MA)

Cíle předmětu

Předmět se věnuje výkladu pokročilých regresních metod a modelů nad rámec lineární a zobecněné lineární regrese. Kurs pokrývá teoretické základy, statistické modely a inferenci, softwarovou implementaci, aplikaci a interpretaci.

Výstupy z učení

V kursu studenti získají hlubší pochopení vlastností metod a souvislostí mezi nimi, naučí se rozeznat situace, které lze řešit s pomocí diskutovaných modelů, jsou schopni vybrat vhodný model z této třídy, implementovat jej a interpretovat jeho výsledky.

Osnova

• Regresní modely v analýze historie událostí
• Lineární modely se smíšenými efekty
• Zobecněné lineární modely se smíšenými efekty
• Neparametrická a semiparametrická regrese, penalizované spliny, zobecněné aditivní modely
• Kvantilová regrese
• Navrhování experimentů, plánování studií

Literatura

• Survival and event history analysisa process point of view. Edited by Odd O. Aalen - Ørnulf Borgan - S. Gjessing. New York, NY: Springer, 2008, xviii, 539. ISBN 9780387202877. info
• VERBEKE, Geert a Geert MOLENBERGHS. Linear mixed models for longitudinal data. New York: Springer-Verlag, 2009, xxii, 568. ISBN 9781441902993. info
• MOLENBERGHS, Geert a Geert VERBEKE. Models for discrete longitudinal data. New York: Springer-Verlag, 2005. ISBN 978-0-387-28980-9. info
• WOOD, Simon N. Generalized additive models : an introduction with R. Boca Raton, Fla.: Chapman & Hall/CRC, 2006, xvii, 392. ISBN 1584884746. info
• HASTIE, Trevor, Robert TIBSHIRANI a J. H. FRIEDMAN. The elements of statistical learning : data mining, inference, and prediction. 2nd ed. New York, N.Y.: Springer, 2009, xxii, 745. ISBN 9780387848570. info

Výukové metody

Přednášky, cvičení

Metody hodnocení

Ústní zkouška, zadané domácí úlohy

Další komentáře

Předmět je vyučován každoročně.

M8752 Pokročilé regresní modely II

Rozsah

2/2/0. 4 kr. (příf plus uk plus > 4). Ukončení: zk.

Vyučující

doc. Mgr. David Kraus, Ph.D. (přednášející)
RNDr. Bc. Iveta Selingerová, Ph.D. (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 12:00–13:50 M6,01011

• Rozvrh seminárních/paralelních skupin:

M8752/01: Čt 8:00–9:50 MP2,01014a, I. Selingerová

Předpoklady

M7222 Zobec. lineární modely
Diferenciální a integrální počet, lineární algebra, základy teorie pravděpodobnosti a matematické statistiky, teorie odhadu a testování statistických hypotéz, lineární a zobecněný lineární model, znalost programu R

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

• Statistika a analýza dat (program PřF, N-MA)

Cíle předmětu

Předmět se věnuje výkladu pokročilých regresních metod a modelů nad rámec lineární a zobecněné lineární regrese. Kurs pokrývá teoretické základy, statistické modely a inferenci, softwarovou implementaci, aplikaci a interpretaci.

Výstupy z učení

V kursu studenti získají hlubší pochopení vlastností metod a souvislostí mezi nimi, naučí se rozeznat situace, které lze řešit s pomocí diskutovaných modelů, jsou schopni vybrat vhodný model z této třídy, implementovat jej a interpretovat jeho výsledky.

Osnova

• Regresní modely v analýze historie událostí
• Lineární modely se smíšenými efekty
• Zobecněné lineární modely se smíšenými efekty
• Neparametrická a semiparametrická regrese, penalizované spliny, zobecněné aditivní modely
• Kvantilová regrese
• Navrhování experimentů, plánování studií

Literatura

• Survival and event history analysisa process point of view. Edited by Odd O. Aalen - Ørnulf Borgan - S. Gjessing. New York, NY: Springer, 2008, xviii, 539. ISBN 9780387202877. info
• VERBEKE, Geert a Geert MOLENBERGHS. Linear mixed models for longitudinal data. New York: Springer-Verlag, 2009, xxii, 568. ISBN 9781441902993. info
• MOLENBERGHS, Geert a Geert VERBEKE. Models for discrete longitudinal data. New York: Springer-Verlag, 2005. ISBN 978-0-387-28980-9. info
• WOOD, Simon N. Generalized additive models : an introduction with R. Boca Raton, Fla.: Chapman & Hall/CRC, 2006, xvii, 392. ISBN 1584884746. info
• HASTIE, Trevor, Robert TIBSHIRANI a J. H. FRIEDMAN. The elements of statistical learning : data mining, inference, and prediction. 2nd ed. New York, N.Y.: Springer, 2009, xxii, 745. ISBN 9780387848570. info

Výukové metody

Přednášky, cvičení

Metody hodnocení

Ústní zkouška, zadané domácí úlohy

Další komentáře

Studijní materiály
Předmět je vyučován každoročně.

M8752 Pokročilé regresní modely II

Rozsah

2/2/0. 4 kr. (příf plus uk plus > 4). Ukončení: zk.

Vyučující

doc. Mgr. David Kraus, 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

Po 16:00–17:50 M3,01023

• Rozvrh seminárních/paralelních skupin:

M8752/01: St 16:00–17:50 MP2,01014a, K. Hrabcová

Předpoklady

M7222 Zobec. lineární modely
Diferenciální a integrální počet, lineární algebra, základy teorie pravděpodobnosti a matematické statistiky, teorie odhadu a testování statistických hypotéz, lineární a zobecněný lineární model, znalost programu R

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

• Statistika a analýza dat (program PřF, N-MA)

Cíle předmětu

Předmět se věnuje výkladu pokročilých regresních metod a modelů nad rámec lineární a zobecněné lineární regrese. Kurs pokrývá teoretické základy, statistické modely a inferenci, softwarovou implementaci, aplikaci a interpretaci.

Výstupy z učení

V kursu studenti získají hlubší pochopení vlastností metod a souvislostí mezi nimi, naučí se rozeznat situace, které lze řešit s pomocí diskutovaných modelů, jsou schopni vybrat vhodný model z této třídy, implementovat jej a interpretovat jeho výsledky.

Osnova

• Regresní modely v analýze historie událostí
• Lineární modely se smíšenými efekty
• Zobecněné lineární modely se smíšenými efekty
• Neparametrická a semiparametrická regrese, penalizované spliny, zobecněné aditivní modely
• Kvantilová regrese
• Navrhování experimentů, plánování studií

Literatura

• Survival and event history analysisa process point of view. Edited by Odd O. Aalen - Ørnulf Borgan - S. Gjessing. New York, NY: Springer, 2008, xviii, 539. ISBN 9780387202877. info
• VERBEKE, Geert a Geert MOLENBERGHS. Linear mixed models for longitudinal data. New York: Springer-Verlag, 2009, xxii, 568. ISBN 9781441902993. info
• MOLENBERGHS, Geert a Geert VERBEKE. Models for discrete longitudinal data. New York: Springer-Verlag, 2005. ISBN 978-0-387-28980-9. info
• WOOD, Simon N. Generalized additive models : an introduction with R. Boca Raton, Fla.: Chapman & Hall/CRC, 2006, xvii, 392. ISBN 1584884746. info
• HASTIE, Trevor, Robert TIBSHIRANI a J. H. FRIEDMAN. The elements of statistical learning : data mining, inference, and prediction. 2nd ed. New York, N.Y.: Springer, 2009, xxii, 745. ISBN 9780387848570. info

Výukové metody

Přednášky, cvičení

Metody hodnocení

Ústní zkouška, zadané domácí úlohy

Další komentáře

Studijní materiály
Předmět je vyučován každoročně.

M8752 Pokročilé regresní modely II

Rozsah

2/2/0. 4 kr. (příf plus uk plus > 4). Ukončení: zk.

Vyučující

doc. Mgr. David Kraus, 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

Út 12:00–13:50 M2,01021

• Rozvrh seminárních/paralelních skupin:

M8752/01: Čt 14:00–15:50 MP2,01014a, D. Kraus

Předpoklady

M7222 Zobec. lineární modely
Diferenciální a integrální počet, lineární algebra, základy teorie pravděpodobnosti a matematické statistiky, teorie odhadu a testování statistických hypotéz, lineární a zobecněný lineární model, znalost programu R

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

• Statistika a analýza dat (program PřF, N-MA)

Cíle předmětu

Předmět se věnuje výkladu pokročilých regresních metod a modelů nad rámec lineární a zobecněné lineární regrese. Kurs pokrývá teoretické základy, statistické modely a inferenci, softwarovou implementaci, aplikaci a interpretaci.

Výstupy z učení

V kursu studenti získají hlubší pochopení vlastností metod a souvislostí mezi nimi, naučí se rozeznat situace, které lze řešit s pomocí diskutovaných modelů, jsou schopni vybrat vhodný model z této třídy, implementovat jej a interpretovat jeho výsledky.

Osnova

• Regresní modely v analýze historie událostí
• Lineární modely se smíšenými efekty
• Zobecněné lineární modely se smíšenými efekty
• Neparametrická a semiparametrická regrese, penalizované spliny, zobecněné aditivní modely
• Kvantilová regrese
• Navrhování experimentů, plánování studií

Literatura

• Survival and event history analysisa process point of view. Edited by Odd O. Aalen - Ørnulf Borgan - S. Gjessing. New York, NY: Springer, 2008, xviii, 539. ISBN 9780387202877. info
• VERBEKE, Geert a Geert MOLENBERGHS. Linear mixed models for longitudinal data. New York: Springer-Verlag, 2009, xxii, 568. ISBN 9781441902993. info
• MOLENBERGHS, Geert a Geert VERBEKE. Models for discrete longitudinal data. New York: Springer-Verlag, 2005. ISBN 978-0-387-28980-9. info
• WOOD, Simon N. Generalized additive models : an introduction with R. Boca Raton, Fla.: Chapman & Hall/CRC, 2006, xvii, 392. ISBN 1584884746. info
• HASTIE, Trevor, Robert TIBSHIRANI a J. H. FRIEDMAN. The elements of statistical learning : data mining, inference, and prediction. 2nd ed. New York, N.Y.: Springer, 2009, xxii, 745. ISBN 9780387848570. info

Výukové metody

Přednášky, cvičení

Metody hodnocení

Ústní zkouška, zadané domácí úlohy

Další komentáře

Předmět je vyučován každoročně.

M8752 Pokročilé regresní modely II

Rozsah

2/2/0. 4 kr. (příf plus uk plus > 4). Ukončení: zk.

Vyučující

doc. Mgr. David Kraus, 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 8:00–9:50 M6,01011

• Rozvrh seminárních/paralelních skupin:

M8752/01: Pá 10:00–11:50 MP2,01014a, D. Kraus

Předpoklady

M7222 Zobec. lineární modely
Diferenciální a integrální počet, lineární algebra, základy teorie pravděpodobnosti a matematické statistiky, teorie odhadu a testování statistických hypotéz, lineární a zobecněný lineární model, znalost programu R

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

• Statistika a analýza dat (program PřF, N-MA)

Cíle předmětu

Předmět se věnuje výkladu pokročilých regresních metod a modelů nad rámec lineární a zobecněné lineární regrese. Kurs pokrývá teoretické základy, statistické modely a inferenci, softwarovou implementaci, aplikaci a interpretaci.

Výstupy z učení

V kursu studenti získají hlubší pochopení vlastností metod a souvislostí mezi nimi, naučí se rozeznat situace, které lze řešit s pomocí diskutovaných modelů, jsou schopni vybrat vhodný model z této třídy, implementovat jej a interpretovat jeho výsledky.

Osnova

• Regresní modely v analýze historie událostí
• Lineární modely se smíšenými efekty
• Zobecněné lineární modely se smíšenými efekty
• Neparametrická a semiparametrická regrese, zobecněné aditivní modely
• Kvantilová regrese
• Navrhování experimentů, plánování studií

Literatura

• Survival and event history analysisa process point of view. Edited by Odd O. Aalen - Ørnulf Borgan - S. Gjessing. New York, NY: Springer, 2008, xviii, 539. ISBN 9780387202877. info
• VERBEKE, Geert a Geert MOLENBERGHS. Linear mixed models for longitudinal data. New York: Springer-Verlag, 2009, xxii, 568. ISBN 9781441902993. info
• MOLENBERGHS, Geert a Geert VERBEKE. Models for discrete longitudinal data. New York: Springer-Verlag, 2005. ISBN 978-0-387-28980-9. info
• WOOD, Simon N. Generalized additive models : an introduction with R. Boca Raton, Fla.: Chapman & Hall/CRC, 2006, xvii, 392. ISBN 1584884746. info
• HASTIE, Trevor, Robert TIBSHIRANI a J. H. FRIEDMAN. The elements of statistical learning : data mining, inference, and prediction. 2nd ed. New York, N.Y.: Springer, 2009, xxii, 745. ISBN 9780387848570. info

Výukové metody

Přednášky, cvičení

Metody hodnocení

Ústní zkouška, zadané domácí úlohy

Další komentáře

Předmět je vyučován každoročně.

M8752 Pokročilé regresní modely II

Rozsah

2/2/0. 4 kr. (příf plus uk plus > 4). Ukončení: zk.

Vyučující

doc. Mgr. David Kraus, 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 M3,01023

• Rozvrh seminárních/paralelních skupin:

M8752/01: Čt 18:00–19:50 MP2,01014a, D. Kraus

Předpoklady

M7222 Zobec. lineární modely
Diferenciální a integrální počet, lineární algebra, základy teorie pravděpodobnosti a matematické statistiky, teorie odhadu a testování statistických hypotéz, lineární a zobecněný lineární model, znalost programu R

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

• Statistika a analýza dat (program PřF, N-MA)

Cíle předmětu

Předmět se věnuje výkladu pokročilých regresních metod a modelů nad rámec lineární a zobecněné lineární regrese. Kurs pokrývá teoretické základy, statistické modely a inferenci, softwarovou implementaci, aplikaci a interpretaci.

Výstupy z učení

V kursu studenti získají hlubší pochopení vlastností metod a souvislostí mezi nimi, naučí se rozeznat situace, které lze řešit s pomocí diskutovaných modelů, jsou schopni vybrat vhodný model z této třídy, implementovat jej a interpretovat jeho výsledky.

Osnova

• Regresní modely v analýze historie událostí
• Lineární modely se smíšenými efekty
• Zobecněné lineární modely se smíšenými efekty
• Neparametrická a semiparametrická regrese, zobecněné aditivní modely
• Kvantilová regrese
• Navrhování experimentů, plánování studií

Literatura

• Survival and event history analysisa process point of view. Edited by Odd O. Aalen - Ørnulf Borgan - S. Gjessing. New York, NY: Springer, 2008, xviii, 539. ISBN 9780387202877. info
• VERBEKE, Geert a Geert MOLENBERGHS. Linear mixed models for longitudinal data. New York: Springer-Verlag, 2009, xxii, 568. ISBN 9781441902993. info
• MOLENBERGHS, Geert a Geert VERBEKE. Models for discrete longitudinal data. New York: Springer-Verlag, 2005. ISBN 978-0-387-28980-9. info
• WOOD, Simon N. Generalized additive models : an introduction with R. Boca Raton, Fla.: Chapman & Hall/CRC, 2006, xvii, 392. ISBN 1584884746. info
• HASTIE, Trevor, Robert TIBSHIRANI a J. H. FRIEDMAN. The elements of statistical learning : data mining, inference, and prediction. 2nd ed. New York, N.Y.: Springer, 2009, xxii, 745. ISBN 9780387848570. info

Výukové metody

Přednášky, cvičení

Metody hodnocení

Ústní zkouška, zadané domácí úlohy

Další komentáře

Předmět je vyučován každoročně.

M8752 Pokročilé regresní modely II

Rozsah

2/2. 4 kr. (příf plus uk plus > 4). Ukončení: zk.

Vyučující

doc. Mgr. David Kraus, 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. Po 18:00–19:50 M6,01011

• Rozvrh seminárních/paralelních skupin:

M8752/01: Po 17. 9. až Pá 14. 12. St 18:00–19:50 MP1,01014, D. Kraus

Předpoklady

M7222 Zobec. lineární modely
Diferenciální a integrální počet, lineární algebra, základy teorie pravděpodobnosti a matematické statistiky, teorie odhadu a testování statistických hypotéz, lineární a zobecněný lineární model, znalost programu R

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

• Statistika a analýza dat (program PřF, N-MA)

Cíle předmětu

Předmět se věnuje výkladu pokročilých regresních metod a modelů nad rámec lineární a zobecněné lineární regrese. Kurs pokrývá teoretické základy, statistické modely a inferenci, softwarovou implementaci, aplikaci a interpretaci.

Výstupy z učení

V kursu studenti získají hlubší pochopení vlastností metod a souvislostí mezi nimi, naučí se rozeznat situace, které lze řešit s pomocí diskutovaných modelů, jsou schopni vybrat vhodný model z této třídy, implementovat jej a interpretovat jeho výsledky.

Osnova

• Regresní modely v analýze historie událostí
• Lineární modely se smíšenými efekty
• Zobecněné lineární modely se smíšenými efekty
• Neparametrická a semiparametrická regrese, zobecněné aditivní modely
• Kvantilová regrese
• Navrhování experimentů, plánování studií

Literatura

• Survival and event history analysisa process point of view. Edited by Odd O. Aalen - Ørnulf Borgan - S. Gjessing. New York, NY: Springer, 2008, xviii, 539. ISBN 9780387202877. info
• VERBEKE, Geert a Geert MOLENBERGHS. Linear mixed models for longitudinal data. New York: Springer-Verlag, 2009, xxii, 568. ISBN 9781441902993. info
• MOLENBERGHS, Geert a Geert VERBEKE. Models for discrete longitudinal data. New York: Springer-Verlag, 2005. ISBN 978-0-387-28980-9. info
• WOOD, Simon N. Generalized additive models : an introduction with R. Boca Raton, Fla.: Chapman & Hall/CRC, 2006, xvii, 392. ISBN 1584884746. info
• HASTIE, Trevor, Robert TIBSHIRANI a J. H. FRIEDMAN. The elements of statistical learning : data mining, inference, and prediction. 2nd ed. New York, N.Y.: Springer, 2009, xxii, 745. ISBN 9780387848570. info

Výukové metody

Přednášky, cvičení

Metody hodnocení

Ústní zkouška, zadané domácí úlohy

Další komentáře

Předmět je vyučován každoročně.

M8752 Pokročilé regresní modely II

Rozsah

2/2. 4 kr. (příf plus uk plus > 4). Ukončení: zk.

Vyučující

doc. Mgr. David Kraus, 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 18. 9. až Pá 15. 12. St 16:00–17:50 M3,01023

• Rozvrh seminárních/paralelních skupin:

M8752/01: Po 18. 9. až Pá 15. 12. Čt 16:00–17:50 MP1,01014, D. Kraus

Předpoklady

M7222 Zobec. lineární modely
Diferenciální a integrální počet, lineární algebra, základy teorie pravděpodobnosti a matematické statistiky, teorie odhadu a testování statistických hypotéz, lineární a zobecněný lineární model, znalost programu R

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

• Statistika a analýza dat (program PřF, N-MA)

Cíle předmětu

Předmět se věnuje výkladu pokročilých regresních metod a modelů nad rámec lineární a zobecněné lineární regrese. Kurs pokrývá teoretické základy, statistické modely a inferenci, softwarovou implementaci, aplikaci a interpretaci.

Výstupy z učení

V kursu studenti získají hlubší pochopení vlastností metod a souvislostí mezi nimi, naučí se rozeznat situace, které lze řešit s pomocí diskutovaných modelů, jsou schopni vybrat vhodný model z této třídy, implementovat jej a interpretovat jeho výsledky.

Osnova

• Regresní modely v analýze historie událostí
• Lineární modely se smíšenými efekty
• Zobecněné lineární modely se smíšenými efekty
• Neparametrická a semiparametrická regrese, zobecněné aditivní modely
• Kvantilová regrese
• Navrhování experimentů, plánování studií

Literatura

• Survival and event history analysisa process point of view. Edited by Odd O. Aalen - Ørnulf Borgan - S. Gjessing. New York, NY: Springer, 2008, xviii, 539. ISBN 9780387202877. info
• VERBEKE, Geert a Geert MOLENBERGHS. Linear mixed models for longitudinal data. New York: Springer-Verlag, 2009, xxii, 568. ISBN 9781441902993. info
• MOLENBERGHS, Geert a Geert VERBEKE. Models for discrete longitudinal data. New York: Springer-Verlag, 2005. ISBN 978-0-387-28980-9. info
• WOOD, Simon N. Generalized additive models : an introduction with R. Boca Raton, Fla.: Chapman & Hall/CRC, 2006, xvii, 392. ISBN 1584884746. info
• HASTIE, Trevor, Robert TIBSHIRANI a J. H. FRIEDMAN. The elements of statistical learning : data mining, inference, and prediction. 2nd ed. New York, N.Y.: Springer, 2009, xxii, 745. ISBN 9780387848570. info

Výukové metody

Přednášky, cvičení

Metody hodnocení

Ústní zkouška, zadané domácí úlohy

Další komentáře

Předmět je vyučován každoročně.

M8752 Pokročilé regresní modely II

Předmět se v období podzim 2016 nevypisuje.

Rozsah

2/2. 4 kr. (příf plus uk plus > 4). Ukončení: zk.

Vyučující

doc. Mgr. David Kraus, 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

Předpoklady

M7222_AKR
Diferenciální a integrální počet, lineární algebra, základy teorie pravděpodobnosti a matematické statistiky, teorie odhadu a testování statistických hypotéz, lineární a zobecněný lineární model, znalost programu R

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

• Statistika a analýza dat (program PřF, N-MA)

Cíle předmětu

Předmět se věnuje výkladu pokročilých regresních metod a modelů nad rámec lineární a zobecněné lineární regrese. Kurs pokrývá teoretické základy, statistické modely a inferenci, softwarovou implementaci, aplikaci a interpretaci. V kursu studenti získají hlubší pochopení vlastností metod a souvislostí mezi nimi, naučí se rozeznat situace, které lze řešit s pomocí diskutovaných modelů, jsou schopni vybrat vhodný model z této třídy, implementovat jej a interpretovat jeho výsledky.

Osnova

• Lineární modely se smíšenými efekty
• Zobecněné lineární modely se smíšenými efekty
• Neparametrická a semiparametrická regrese, zobecněné aditivní modely
• Analýza longitudinálních a prostorově korelovaných dat

Výukové metody

Přednášky, cvičení, praktický projekt

Další komentáře

Předmět je vyučován každoročně.
Výuka probíhá každý týden.

• Statistika zápisu (nejnovější)