Opis predmeta
1. SPLOŠNI KONCEPTI:
- formulacija modelov, ocenjevanje parametrov, interpretacija
- interakcije, sprostitev predpostavke o linearnosti
- prileganje modelov
- pojasnjena variabilnost
- problem prevelikega števila pojasnjevalnih spremenljivk
- ponovno vzorčenje, validacija modela
- uporaba R v statističnem modeliranju
2. LOGISTIČNA REGRESIJA:
- določanje modela: metoda največjega verjetja, točkovna in intervalna ocena obetov, testna statistika, ostanki, ocenjevanje primernosti modela, vplivne točke
- interpretacija modela
- ocenjevanje napovedne vrednosti modela
- ROC krivulje
Predmet učimo na programih
Cilji in kompetence
Cilj predmeta je seznaniti študenta s strategijami statističnega modeliranja in mu predstaviti načine evalvacije in validacije modela na primeru logistične regresije.
Metode poučevanja in učenja
Predavanja ter vaje v računalniški učilnici, kjer študenti na predavanjih pridobljeno teoretično znanje uporabljajo na konkretnih podatkih. Uporabljali bomo programski paket R.
Del pedagoškega procesa bo izveden s pomočjo IKT tehnologij in možnosti, ki jih ponujajo.
Predvideni študijski rezultati
Znanje in razumevanje:
Študent bo sposoben določiti, oceniti, validirati in interpretirati model, ki bo skladen s podatki.
Temeljni viri in literatura
Steyerberg E. W. (2009): Clinical Prediction Models: A Practical Approach to Development, Validation, and Updating. New York: Springer.
Harrell F. E. (2001): Regression Modeling Strategies. New York: Springer.
Everitt B., Rabe-Hesketh S. (2001): Analyzing Medical Data Using S-PLUS. New York: Springer.
Bodi na tekočem
Univerza v Ljubljani, Fakulteta za elektrotehniko, Tržaška cesta 25, 1000 Ljubljana