Generalised Linear Models - NSTP196

• Title: Zobecněné lineární modely
• Guaranteed by: Department of Probability and Mathematical Statistics (32-KPMS)
• Faculty: Faculty of Mathematics and Physics
• Actual: from 2018
• Semester: summer
• E-Credits: 3
• Hours per week, examination: summer s.:2/0, Ex [HT]
• Capacity: unlimited
• Min. number of students: unlimited
• 4EU+: no
• Virtual mobility / capacity: no
• State of the course: cancelled
• Language: Czech
• Teaching methods: full-time
• Teaching methods: full-time
• Additional information: http://www.karlin.mff.cuni.cz/~kulich/vyuka/glm/index.html
• Guarantor: doc. Mgr. Michal Kulich, Ph.D.
• Classification: Mathematics > Probability and Statistics
• Co-requisite : NSTP202
• Pre-requisite : NSTP194, NSTP201
• Is co-requisite for: NSTP197
• Is incompatible with: NSTP126

Annotation

English

Generalized linear models. Maximum likelihood theory. Exponential families of distributions. Logistic regression. Poisson regression. Loglinear models. Overdispersion. Quasilikelihood.

Last update: T_KPMS (19.03.2008)

Czech

Zobecněný lineární model. Rozdělení exponenciálního typu. Testování modelů. Gamma regrese. Logistická regrese. Poissonovská regrese. Loglineární modely.

Last update: T_KPMS (22.05.2008)

Aim of the course

English

Understand principles of parameter estimation and hypotheses testing

in a generalized linear model, apply the methods to build models to

address practical objectives, learn to interpret the results properly.

Last update: T_KPMS (20.05.2008)

Czech

Studenti pochopí principy teorie odhadování parametrů a testování

hypotéz v zobecněném lineárním modelu, naučí se tyto výsledky

využívat pro konkrétní modely, pochopí vztahy mezi jednotlivými druhy

těchto modelů a budou schopni interpretovat jejich výsledky.

Last update: T_KPMS (20.05.2008)

Literature

Mc Cullagh, P. and Nelder, J.A.: Generalized Linear Models. 2nd Ed. Chapman and Hall, London, 1989.

Dobson, A.J.: An Introduction to Generalized Linear Models. CRC Press, Boca Raton, 1999.

Venables, W.N., Ripley, B.D.: Modern Applied Statistics with S. 4th Ed. Springer, New York, 2002.

Last update: T_KPMS (19.03.2008)

Teaching methods

English

Lecture.

Last update: G_M (27.05.2008)

Czech

Přednáška.

Last update: G_M (27.05.2008)

Syllabus

English

Generalized linear models. Maximum likelihood theory. Exponential families of distributions. Logistic regression. Poisson regression. Loglinear models. Overdispersion. Quasilikelihood.

Last update: T_KPMS (19.03.2008)

Czech

Přednáška je zaměřena na moderní metody regresní analýzy dat pomocí zobecněných lineárních modelů. Tyto metody umožňují modelovat data s normálním, Poissonovým, binomickým i gamma rozdělením, jakož i mnohorozměrné kontingenční tabulky. Cvičení bude věnováno aplikacím: práci s reálnýmim datovými soubory a zejména interpretaci a presentaci výsledků statistického modelování.

1. Úvod. Komponenty zobecněného lineárního modelu (link, lineární prediktor, rozdělení odezvy).

2. Rozdělení exponenciálního typu a jejich vlastnosti. Maximálně věrohodné odhady. Test poměrem věrohodností. Metoda iterativních vážených nejmenších čtverců.

3. Inference v zobecněných lineárních modelech. Deviance. Strategie budování modelu. Residua. Ověřování předpokladů. Regresní diagnostika pro zobecněný lineární model.

4. Binární a binomická data. Logistická regrese.

5. Modelování četností. Poissonovská regrese. Loglineární modely pro kontingenční tabulky.

6. Nadměrná disperse. Kvazivěrohodnost. Dodatky.

Last update: T_KPMS (19.03.2008)