M6120 Lineární statistické modely II

Přírodovědecká fakulta
jaro 2025
Rozsah
2/2/0. 4 kr. (příf plus uk k 1 zk 2 plus 1 > 4). Ukončení: zk.
Vyučováno kontaktně
Vyučující
doc. PaedDr. RNDr. Stanislav Katina, Ph.D. (přednášející)
Mgr. Vojtěch Šindlář (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
Předpoklady
M5120 Lineární statistické modely I
Lineární regresní model: na úrovni předmětu M5120. 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.
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
Cíle předmětu
Předmět nabízí nejprve detailnější pohled na některé speciální případy linárního modelu a poté přehled zobecnění lineárního modelu pro situace, kdy nejsou splněny jeho předpoklady. Ve druhé části je důraz kladen na získání nadhledu nad širokým spektrem technik, schopnost tyto techniky použít a porozumění souvislostem mezi nimi. Studenti jsou rovněž seznámeni s magisterskými kurzy a literaturou nabízejícími hlubší poznatky o probíraných technikách.
Výstupy z učení
Student bude po absolvování předmětu schopen:
- testovat hypotézy LRM;
- navrhnout a vysvětlit vhodný LRM;
- aplikovat LRM na reálná data;
- naprogramovat LRM v R.
Osnova
  • Asymptotické testy o středních hodnotách přes lineární regresní model (LRM)
  • Jedno-faktorový model analýzy rozptylu (ANOVA) s fixními efekty za homogenity a nehomogenity rozptylů.
  • Dvou-faktorový a hierarchický ANOVA model s fixními efekty.
  • Analýza kovariance (ANCOVA).
  • Kvadratická a polynomická regrese.
  • Sdružené a podmíněné mnohorozměrné normální rozdělení.
  • Korelační analýza.
  • LRM (homogenní a nehomogenní rozptyly), LRM s fixními efekty a korelovanými chybami, vážená metoda nejmenších čtverců.
  • Ortogonální regresní model.
  • Implementace v R.
Literatura
    doporučená literatura
  • KATINA, Stanislav, Miroslav KRÁLÍK a Adéla HUPKOVÁ. Aplikovaná štatistická inferencia I. Biologická antropológia očami matematickej štatistiky. 1. vyd. Brno: Masarykova univerzita, 2015, 320 s. ISBN 978-80-210-7752-2. info
  • HARRELL, Frank E. Regression modeling strategies : with applications to linear models, logistic and ordinal regression, and survival analysis. Second edition. Heidelberg: Springer, 2015, xxiii, 582. ISBN 9783319194240. info
  • FARAWAY, Julian James. Linear models with R. Second edition. Boca Raton, FL: CRC Press/Taylor & Francis Group, 2014, xii, 274. ISBN 9781439887332. info
  • RAO, C. Radhakrishna a Helge TOUTENBURG. Linear models : least squares and alternatives. New York: Springer-Verlag, 1995, 352 s. ISBN 0387945628. info
Výukové metody
Přednáška: teoretická výuka kombinovaná s praktickými příklady.
Cvičení: praktická cvičení zaměřena na analýzu dat. Online přes MS Teams nebo prezenčně podle vývoje epidemiologické situace a platných omezení.
Metody hodnocení
Podmínky: uspokojivě zpracovaný semestrální datový projekt, ústní závěrečná zkouška. Podmínky mohou být upřesněny podle vývoje epidemiologické situace a platných omezení.
Informace učitele
https://is.muni.cz/auth/el/1431/jaro2017/M6120/index.qwarp
Přednášky budou probíhat prezenčně dle rozvrhu. V IS bude vždy k dispozici záznam textu přednášky v PDF (přednášející text píše elektronickým perem na obrazovce tabletu a tento se zobrazuje na plátně) a slajdy v PDF s TeXovaným textem. Záznamy se budou sdílet až po dané přednášce a před další přednáškou.
K získání zápočtu je potřeba aktivní účast na cvičeních (povolené jsou 2 neomluvené absence). Za omluvenou absenci se považuje výhradně absence omluvená na studijním oddělení a zavedená do informačního systému v řádném termínu (do 5 pracovních dnů od termínu konání výuky). Je to v souladu se studijním řádem, kde se v čl.9 odstavci (7) píše, že (7) Student je povinen písemně omluvit na studijním oddělení fakulty svou neúčast do 5 pracovních dnů od termínu konání výuky, jež je omlouvána.
Další komentáře
Předmět je vyučován každoročně.
Výuka probíhá každý týden.
Předmět je zařazen také v obdobích jaro 2008 - akreditace, jaro 2011 - akreditace, jaro 2003, jaro 2004, jaro 2005, jaro 2006, jaro 2007, jaro 2008, jaro 2009, jaro 2010, jaro 2011, jaro 2012, jaro 2012 - akreditace, jaro 2013, jaro 2014, jaro 2015, jaro 2016, jaro 2017, jaro 2018, jaro 2019, jaro 2020, jaro 2021, jaro 2022, jaro 2023, jaro 2024.