Předmět: Pokročilé regresní metody

» Seznam fakult » FBI » KBE
Název předmětu Pokročilé regresní metody
Kód předmětu KBE/051
Organizační forma výuky Přednáška + Cvičení
Úroveň předmětu Doktorský
Rok studia nespecifikován
Semestr Zimní
Počet ECTS kreditů 5
Vyučovací jazyk čeština
Statut předmětu unspecified
Způsob výuky Kontaktní
Studijní praxe Nejedná se o pracovní stáž
Doporučené volitelné součásti programu Není
Vyučující
  • Šmilauer Petr, doc. RNDr. Ph.D.
Obsah předmětu
Obsah přednášky: Lineární, zobecněné lineární a zobecněné aditivní modely; lineární modely se smíšenými efekty - vnořené vs. (částečně) zkřížené náhodné efekty, modelování korelační struktury, GLMM, GAMM; analýza přežívání s náhodnými efekty, zero-inflated a zero-truncated modely, pokročilé regresní stromy a náhodné lesy, analýza fylogenetických dat, analýza bodových uspořádání, výběr modelu - klasické postupy a postupy založené na úspornosti, průměrování modelů; boostrap a jacknife Obsah cvičení: Doplňují přednášku, nejsou časově oddělena - prolínají se

Studijní aktivity a metody výuky
Monologická (výklad, přednáška, instruktáž), e-learning
  • Příprava na zápočet - 28 hodin za semestr
  • Účast na výuce - 42 hodin za semestr
  • Domácí příprava na výuku - 28 hodin za semestr
  • Příprava na zkoušku - 28 hodin za semestr
Výstupy z učení
Posluchači se seznámí s pokročilými způsoby modelování dat z přírodovědných oborů, s důrazem na kombinaci pevných a náhodných efektů a také na volbu komplexity modelů a kombinace více jejich typů. Cílem je, aby si posluchači tyto postupy osvojili a dokázali je nezávisle používat ve své odborné práci. Významnou součástí kurzu jsou i přednášejícím hodnocené domácí úkoly.
Absolventi budou schopni se pro data pocházející z oborů přírodních věd správně rozhodnout o typu regresního modelu: podoba vysvětlujících proměnných a volba pevných vs. náhodných efektů, transformace škály vysvětlované a vysvětlujících proměnných, testování významností jednotlivých efektů a výběr vysvětlujících proměnných. Budou také schopni efektivně aplikovat pokročilé typy stromečkových modelů (např. boosted regression trees and regression forests). Naučí se aplikovat metody modelování fylogenetických korelací mezi jednotlivými taxony v oblasti srovnávací ekologie a správně použít neparametrické zobecněné aditivní modely (GAM a GAMM).
Předpoklady
Student by měl být již seznámen nejen se základními lineárními modely (lineární regrese, ANOVA), ale take s pokročilejšími zobecněnými lineárními modely (GLM) a s použitím těchto modelů v programu R. Znalost základů práce s programem R je ověřována na počátku kurzu.

Hodnoticí metody a kritéria
Písemná zkouška, Průběžné hodnocení

Periodicita: předmět běží v akademických letech začínajících lichým letopočtem (např. 2017/2018). Studenti by měli průběžně dodávané studijní materiály prostudovat před jejich probíráním s přednášejícím. Studentům jsou v průběhu semestru zadávány domácí úkoly (5-7), které jsou bodovány přednášejícím.
Doporučená literatura
  • A. Zuur et al. (2009): Mixed effect models and extensions in ecology with R. Springer.
  • K.P. Burnham & D.R. Anderson (1998): Model selection and multimodel inference. 2nd edition, Springer.


Studijní plány, ve kterých se předmět nachází
Fakulta Studijní plán (Verze) Kategorie studijního oboru Doporučený ročník Doporučený semestr