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. 18 часа на выполнение

Предполагаемая нагрузка: 10 hours/week...

Русский

Субтитры: Русский

Приобретаемые навыки

Logistic RegressionR ProgrammingPoisson RegressionGeneralized Linear Mixed Model (GLMM)Random Effects Model

100% онлайн

Начните сейчас и учитесь по собственному графику.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Промежуточный уровень

Прибл. 18 часа на выполнение

Предполагаемая нагрузка: 10 hours/week...

Русский

Субтитры: Русский

Программа курса: что вы изучите

Неделя
1

Неделя 1

4 ч. на завершение

Знакомство со смешанными линейными моделями

4 ч. на завершение
14 видео ((всего 90 мин.)), 2 материалов для самостоятельного изучения, 1 тест
14 видео
Пример - недосып и время реакции6мин
Недосып. Почему обычные методы не работают?4мин
Фиксированные и случайные факторы4мин
GLMM со случайным отрезком5мин
Визуализация предсказаний GLMM со случайным отрезком7мин
Индуцированная корреляция9мин
Диагностика модели со случайным отрезком6мин
GLMM со случайным отрезком и углом наклона5мин
Визуализация предсказаний GLMM со случайным отрезком и углом наклона4мин
Диагностика модели со случайным отрезком и углом наклона4мин
Смешанные линейные модели9мин
Тестирование гипотез в смешанных моделях12мин
Что мы знаем и что будет дальше5мин
2 материала для самостоятельного изучения
Обзор курса10мин
Знакомство со смешанными линейными моделями10мин
Неделя
2

Неделя 2

3 ч. на завершение

Моделирование структуры дисперсии в смешанных моделях

3 ч. на завершение
9 видео ((всего 65 мин.)), 1 материал для самостоятельного изучения, 1 тест
9 видео
Пример – сексуальная активность мух10мин
Моделирование дисперсии4мин
Дисперсия может зависеть от непрерывной ковариаты11мин
Дисперсия может зависить от дискретного фактора4мин
Моделирование гетерогенности дисперсии – финальная модель8мин
Моделирование структуры дисперсии при наличии случайных факторов4мин
Модель со случайным фактором5мин
Моделируем структуру дисперсии8мин
1 материал для самостоятельного изучения
Моделирование структуры дисперсии в смешанных моделях10мин
Неделя
3

Неделя 3

3 ч. на завершение

Смешанные линейные модели для счетных данных

3 ч. на завершение
9 видео ((всего 61 мин.)), 1 материал для самостоятельного изучения, 1 тест
9 видео
Пример – саламандры и добыча угля10мин
Смешанная модель с Пуассоновским распределением отклика.7мин
Диагностика моделей с Пуассоновским распределением. Избыточность дисперсии6мин
Смешанная модель с отрицательным биномиальным распределением отклика7мин
Диагностика модели с отрицательным биномиальным распределением отклика5мин
Тестирование гипотез8мин
Визуализация модели4мин
Что мы знаем и что будет дальше2мин
1 материал для самостоятельного изучения
Материалы: Смешанные линейные модели для счетных данных10мин
Неделя
4

Неделя 4

5 ч. на завершение

Смешанные линейные модели для бинарных данных

5 ч. на завершение
9 видео ((всего 74 мин.)), 1 материал для самостоятельного изучения, 2 тестов
9 видео
Пример -- морские звезды и мидии9мин
Знакомимся с данными4мин
Подбираем модель14мин
Дорабатываем модель5мин
Анализ итогов7мин
Визуализация модели6мин
Дополнительные штрихи к модели9мин
Что мы знаем и что важное осталось за рамками4мин
1 материал для самостоятельного изучения
Материалы: Смешанные линейные модели для бинарных данных10мин

Преподаватели

Изображение преподавателя Варфоломеева Марина Александровна

Варфоломеева Марина Александровна 

Старший преподаватель
Кафедра зоологии беспозвоночных
3,138 учащегося
5 курса
Изображение преподавателя Хайтов Вадим Михайлович

Хайтов Вадим Михайлович 

Доцент
Кафедра Зоологии беспозвоночных
3,138 учащегося
5 курса

от партнера

Логотип Санкт-Петербургский государственный университет

Санкт-Петербургский государственный университет

Специализация Просто о статистике (с использованием R): общие сведения

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.