Об этом курсе

100% онлайн

Начните сейчас и учитесь по собственному графику.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Промежуточный уровень

Прибл. 17 часа на выполнение

Предполагаемая нагрузка: 9 hours/week...

Русский

Субтитры: Русский

Приобретаемые навыки

General Linear ModelPost Hoc TestsR ProgrammingRegression AnalysisAnalysis Of Variance (ANOVA)

100% онлайн

Начните сейчас и учитесь по собственному графику.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Промежуточный уровень

Прибл. 17 часа на выполнение

Предполагаемая нагрузка: 9 hours/week...

Русский

Субтитры: Русский

Программа курса: что вы изучите

Неделя
1
3 ч. на завершение

Модели с дискретными и непрерывными предикторами

Дискретные предикторы кодируют принадлежность объекта к каким-то дискретным группам. В этом модуле вы узнаете, что эти неведомые предикторы не так уж чужды обычным линейным моделям и регрессионные методы вполне можно применять для их анализа. Для начала мы поговорим о том, как можно их закодировать. Вы начнете знакомство со взаимодействием дискретных и непрерывных предикторов, и оно продолжится в следующем модуле. А в этом мы разберем поведение дискретных предикторов в моделях без взаимодействия....
14 видео ((всего 90 мин.)), 2 материалов для самостоятельного изучения, 1 тест
14 видео
Не все на свете непрерывно. Дискретные предикторы в линейных моделях14мин
Взаимодействие предикторов6мин
Пример - козы, глисты и линейные модели4мин
Подбор модели5мин
Диагностика модели4мин
Трактовка регрессионной модели, включающей один дискретный и один непрерывный предиктор14мин
Изменение базового уровня фактора3мин
Общие линейные модели5мин
Analysis of covariance (ANCOVA) - частный случай общих линейных моделей6мин
Устройство и диагностика модели с одним дискретным предиктором8мин
Устройство и диагностика модели с учетом ковариаты8мин
Результаты ANCOVA и визуализация модели5мин
Что мы знаем и что будет дальше2мин
2 материала для самостоятельного изучения
Обзор курса10мин
Модели с дискретными и непрерывными предикторами10мин
Неделя
2
2 ч. на завершение

Модели с разными значениями угла наклона для групп

В случае, когда зависимость количественных величин выглядит по-разному для разных групп дискретного фактора, мы говорим, что между непрерывным и дискретным предиктором есть взаимодействие. В этом модуле вы научитесь строить и описывать линейные модели для анализа такого рода данных. Мы будем использовать технику сравнения вложенных моделей при помощи частного F-критерия для того, чтобы из сложной модели со множеством взаимодействий получить более простую. Наконец, вы увидите, что интерпретация моделей, в которых есть значимое взаимодействие, значительно упрощается, если можно построить график их предсказаний....
11 видео ((всего 77 мин.)), 1 материал для самостоятельного изучения, 1 тест
11 видео
Запись уравнения моделей со взаимодействием дискретного и непрерывного предикторов8мин
Подбор модели со взаимодействием дискретного и непрерывного предикторов5мин
Диагностика модели4мин
Анатомируем модель11мин
График предсказаний модели со взаимодействием дискретного и непрерывного предикторов7мин
Модели с несколькими уровнями дискретного предиктора и взаимодействием12мин
Подбор модели, описывающей обилие птиц6мин
Диагностика финальной модели7мин
Представляем результаты подбора модели5мин
Что мы знаем и что будет дальше2мин
1 материал для самостоятельного изучения
Модели со взаимодействием дискретных и непрерывных предикторов10мин
Неделя
3
3 ч. на завершение

Однофакторный дисперсионный анализ

В одном из предыдущих курсов специализации мы с вами научились решать задачу сравнения значений в дискретных группах при помощи t-критерия. На самом деле, эту же задачу можно эффективно решить, оставаясь в рамках линейных моделей - при помощи дисперсионного анализа. Этот метод позволяет одновременно искать различия между множеством групп, заданных множеством дискретных факторов. В этом модуле вы познакомитесь с устройством однофакторного дисперсионного анализа и научитесь не только тестировать с его помощью значимость влияния дискретных факторов, но и выяснять при помощи пост хок тестов, с различиями каких именно групп связано это влияние....
12 видео ((всего 87 мин.)), 1 материал для самостоятельного изучения, 1 тест
12 видео
Пример - нектар с кофеином11мин
Линейная модель с единственным дискретным предиктором. Параметризация индикаторных переменных6мин
Линейная модель с единственным дискретным предиктором. Параметризация эффектов8мин
Диагностика линейной модели7мин
Тестирование значимости коэффициентов модели с дискретным предиктором3мин
Структура общей изменчивости. Дисперсионный анализ9мин
Дисперсионный анализ в R5мин
Зоопарк пост хок тестов11мин
Пост хок тесты в R4мин
Визуализация результатов дисперсионного анализа8мин
Что мы знаем и что будет дальше3мин
1 материал для самостоятельного изучения
Однофакторный дисперсионный анализ10мин
Неделя
4
4 ч. на завершение

Многофакторный дисперсионный анализ

Многофакторный дисперсионный анализ - это мощный метод, который позволяет выявлять влияние нескольких дискретных предикторов на непрерывную зависимую переменную. В этом модуле мы подробно обсудим проблему взаимодействия дискретных факторов, возникающую в такого рода анализах. Далее мы обсудим анализ данных с разным числом наблюдений в группах. Вы узнаете, что результаты дисперсионного анализа таких несбалансированных данных зависят от порядка тестирования гипотез, и в определенных случаях важно выбрать правильный способ параметризации линейной модели. Наконец, мы расскажем вам о трюке, который можно использовать для проведения пост хок теста для взаимодействия факторов в R. Закрепить свои знания об анализе линейных моделей, включающих дискретные предикторы, вы сможете, выполнив проект по анализу данных. Результаты этого анализа нужно будет представить в виде отчета в формате html, написанного при помощи rmarkdown/knitr...
10 видео ((всего 70 мин.)), 1 материал для самостоятельного изучения, 2 тестов
10 видео
Пример - игра "Диктатор"13мин
Двухфакторный дисперсионный анализ. Параметризация индикаторных переменных3мин
Двухфакторный дисперсионный анализ. Параметризация эффектов5мин
Диагностика линейной модели7мин
Проблемы при анализе несбалансированных данных. Типы сумм квадратов9мин
Дисперсионный анализ в R7мин
Пост хок тест для взаимодействия факторов5мин
Визуализация результатов многофакторного дисперсионного анализа6мин
Что мы знаем и что будет дальше3мин
1 материал для самостоятельного изучения
Многофакторный дисперсионный анализ10мин

Преподаватели

Avatar

Варфоломеева Марина Александровна

Старший преподаватель
Кафедра зоологии беспозвоночных
Avatar

Хайтов Вадим Михайлович

Доцент
Кафедра Зоологии беспозвоночных

О Санкт-Петербургский государственный университет

The Saint-Petersburg University (SPbU) is a state university, located in Saint-Petersburg, Russia. Founded in 1724, SPbU is the oldest institution of higher education in Russia. At present, there are more than 30 000 students in SPbU studying 398 programmes...

О специализации ''Просто о статистике (с использованием R)'

Специализация “Просто о статистике” познакомит вас с основами прикладного анализа данных. Здесь не будет сложной математики, зато мы разберем на практике множество примеров. Вы научитесь описывать данные графически и при помощи описательных статистик; тестировать гипотезы, делая поправки на множественность тестов. При помощи линейных моделей вы сможете анализировать данные разных типов и проверять, выполняются ли допущения, лежащие в основе статистических методов. В частности, мы разберем, как устроены простая и множественная линейная регрессия, дисперсионный анализ, логистическая и Пуассоновская регрессия и т.д. Наконец, вы научитесь строить смешанные линейные модели, позволяющие работать с данными, когда благодаря дизайну сбора материала отдельные наблюдения оказываются взаимозависимы. Для статистического анализа мы будем использовать язык R -- универсальный язык науки о данных. Даже если вы раньше не писали программ, вы сможете научиться не только адаптировать существующие, но и создавать свои собственные скрипты для анализа данных. Каждый из курсов заканчивается практическим проектом, так что к концу специализации вы сможете собрать портфолио из разных видов анализа данных. Отчеты по проекту, выдержанные в традиции воспроизводимых исследований, вы научитесь создавать, не покидая R, при помощи пакетов knitr / rmarkdown....
Просто о статистике (с использованием R)

Часто задаваемые вопросы

  • Зарегистрировавшись на сертификацию, вы получите доступ ко всем видео, тестам и заданиям по программированию (если они предусмотрены). Задания по взаимной оценке сокурсниками можно сдавать и проверять только после начала сессии. Если вы проходите курс без оплаты, некоторые задания могут быть недоступны.

  • Записавшись на курс, вы получите доступ ко всем курсам в специализации, а также возможность получить сертификат о его прохождении. После успешного прохождения курса на странице ваших достижений появится электронный сертификат. Оттуда его можно распечатать или прикрепить к профилю LinkedIn. Просто ознакомиться с содержанием курса можно бесплатно.

Остались вопросы? Посетите Центр поддержки учащихся.