Opis predmeta
- Ponovitev linearne regresije
- Družina transformacij Box-Cox
- Družina eksponentnih porazdelitev: lastnosti in predstavniki, ocenjevanje z metodo največjega verjetja
- Posplošeni linearni modeli: ocenjevanje z metodo največjega verjetja, odstopanja in Pearsonova χ2 statistika
- Logistična regresija, binomski logit modeli, logaritem razmerja obetov, log-linearni modeli, Poissonovi log-linearni modeli
- Modeli razpršenosti: metoda kvazi-verjetnja in kvazi-razpršenosti. Modeliranje in ocenjevanje prevelike (premajhne) razpršenosti
- Večnivojski modeli: modeli slučajnih učinkov, hierarhični linearni modeli, posplošeni mešani linearni modeli, povezava z analizo socialnih omrežji.
Predmet učimo na programih
Cilji in kompetence
V statistični praksi statistik pogosto naletel na probleme, ki presegajo okvire linearnih modelov. Predmet seznani študenta z naravo takih podatkov ter s koncepti modelov, ki te posebnosti upoštevajo. Študent spozna metode za analizo tovrstnih podatkov in jih preizkusi na praktičnih primerih.
Metode poučevanja in učenja
Predavanja, vaje, domače naloge.
Del pedagoškega procesa bo izveden s pomočjo IKT tehnologij in možnosti, ki jih ponujajo.
Predvideni študijski rezultati
Znanje in razumevanje:
Študent razume koncepte posplošitev linearnih modelov, zna izbrati ustrezno metodo in jo uporabiti . Razvije uporabno znanje o tehnikah modeliranja in ga zna uporabiti na konkretnih podatkih. Razume kako so predstavljene metode povezane z drugimi področji in je sposoben posplošiti pridobljeno znanje.
Temeljni viri in literatura
- Aitkin, M., Francis, B., Hinde, J., and Darnell R. (2009): Statistical Modelling in R. Oxford University Press:Oxford.
- Agresti, A. (2002): Categorical Data Analysis, 2nd ed., Wiley:New York.
- McCullagh, Peter and Nelder, John (1989). Generalized Linear Models,
Second Edition. Boca Raton: Chapman and Hall/CRC. ISBN 0-412-31760-5
Bodi na tekočem
Univerza v Ljubljani, Fakulteta za elektrotehniko, Tržaška cesta 25, 1000 Ljubljana