Opis predmeta
-
Linearni regresijski model
-
Različne vrste napovednih spremenljivk v linearnem regresijskem modelu
-
Diagnostika modela, posebne točke, nekonstantna varianca, transformacije
-
Polinomska regresija in zlepki
-
Izbira modela
-
Linearni mešani modeli
Predmet učimo na programih
Cilji in kompetence
Linearni modeli so temeljni statistični modeli, ki so uporabni na vseh področjih statistike. Cilji so: razumevanje teorije, njena uporaba pri analizi konkretnih podatkov, analiza podatkov in vsebinska analiza rezultatov.
Metode poučevanja in učenja
Predavanja in laboratorijske vaje, seminarska naloga. Predavanja ter vaje so v računalniški učilnici, kjer študenti pridobljeno teoretično znanje uporabljajo na konkretnih podatkih.
Del pedagoškega procesa bo izveden s pomočjo IKT tehnologij in možnosti, ki jih ponujajo.
Predvideni študijski rezultati
Študenti pridobijo znanja za samostojno delo s programom R na področju statističnega modeliranja, ki omogočajo nadgradnjo na različnih področjih znanstveno-raziskovalnega in strokovnega dela.
Temeljni viri in literatura
- Kastelec D. ,Košmelj K., Šinkovec H.: Študijsko gradivo (pdf datoteke) dostopno v e-učilnici in na usb ključku v knjižnici
- James, G., Witten, D., Hastie, T., and Tibshirani, R. (2013) An Introduction to Statistical Learning with applications in R, https://www.statlearning.com, Springer-Verlag, New York
- Andrew Gelman Jennifer Hill Aki Vehtari (2020).Regression and Other Stories, https://avehtari.github.io/ROS-Examples/index.html, Cambridge University Press
- Harrell F. E. Jr.(2015): Regression Modeling Strategies. Springer