Об этом курсе
Недавно просмотрено: 932

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

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. 17 часа на выполнение

Предполагаемая нагрузка: 9 hours/week...

Русский

Субтитры: Русский

Программа курса: что вы изучите

Неделя
1
4 ч. на завершение

Знакомство со смешанными линейными моделями

В этом модуле вы сделаете первый шаг в мир смешанных линейных моделей. Вы познакомитесь с понятием случайного фактора. Вы увидите примеры дизайнов сбора данных, когда использование таких факторов становится необходимым и поймете, что происходит с моделями, если такие факторы не учитывать или учитывать нерационально. Вам предстоит построить смешанную модель, предполагающую, что переменная-отклик подчиняется нормальному распределению. На этом примере вы научитесь трактовать результаты построения смешанных моделей и визуализировать их. Вы увидите, что подходы к работе со смешанными моделями существенно отличаются от более привычных нам форм регрессионного и дисперсионного анализа. ...
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
3 ч. на завершение

Моделирование структуры дисперсии в смешанных моделях

Одним из ключевых ограничений при работе с моделями, основанными на нормальном распределении переменной отклика, является отсутствие гетероскедастичности. Тем не менее признаки неравенства дисперсии для разных значений ковариат выявляются очень часто. Если гетерогенность дисперсий не учитывать, это может привести к неадекватной трактовке результатов подбора модели. В этом модуле мы рассмотрим один из возможных подходов к решению этой проблемы - моделирование структуры дисперсии. Вы познакомитесь с нескольким способами моделирования связи между варьированием переменной отклика и непрерывными или дискретными предикторами, которые называются ковариаты дисперсии. Мы рассмотрим как можно ввести такой компонент, как в простую, так и смешанную линейную модель. ...
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
3 ч. на завершение

Смешанные линейные модели для счетных данных

В этом модуле вы научитесь моделировать поведение счетных величин при помощи обобщенных смешанных линейных моделей (GLMM). В основе этих моделей будет лежать распределение Пуассона или отрицательное биномиальное распределение. Мы вместе вспомним, что такое связывающей функция, и каким образом она обеспечивает связь между предиктором и счетной зависимой переменной. GLMM для счетных данных требуют, чтобы связь среднего и дисперсии в данных соответствовала ожидаемой для выбранного распределения. Вы научитесь оценивать степень избыточности дисперсии и бороться с ней, если она присутствует. Мы встретим и обсудим случаи, когда функции языка R не будут способны подобрать модель по техническим причинам, и рассмотрим некоторые методы устранения таких проблем. Наконец, мы обсудим особенности трактовки результатов GLMM: интерпретацию коэффициентов моделей, основанных на распределениях для счетных данных, методы тестирования гипотез, пост-хок тесты и способы визуализации результатов....
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
5 ч. на завершение

Смешанные линейные модели для бинарных данных

В последнем модуле этой специализации мы применим весь имеющийся нашем арсенале набор средств для построения модели, в которой зависимая переменная имеет бинарную природу. Мы повторим принципы работы с бинарными переменными: переход от вероятностей к шансам и логитам. Далее мы обсудим материал, в котором несколько случайных факторов находятся в иерархическом соподчинении. На примере модели для этих данных мы рассмотрим разнообразные подводные камни, которые имеются при работе со смешанными моделям с бинарной переменной-откликом....
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

Avatar

Варфоломеева Марина Александровна

Старший преподаватель
Кафедра зоологии беспозвоночных
Avatar

Хайтов Вадим Михайлович

Доцент
Кафедра Зоологии беспозвоночных

О Санкт-Петербургский государственный университет

Санкт-Петербургский государственный университет (СПбГУ) — старейший вуз России, основанный в 1724 году. Университет сегодня — научный, образовательный и культурный центр мирового значения, неизменно входящий во все международные рейтинги вузов. В номинации взаимодействие с работодателями QS Graduate Employability 2018 СПбГУ занимает 20 место среди 400 ведущих вузов мира и является лучшим в России. В настоящее время СПбГУ реализует 418 образовательных программ, включающих самые современные направления подготовки и специальности. Сертификат об успешном окончании представленных онлайн-курсов дает 5 дополнительных баллов при поступлении на программы магистратуры и аспирантуры СПбГУ. St Petersburg University is the oldest university in Russia, founded in 1724. The University today is a world-class research, educational and cultural centre which is always included in all international rankings of world universities. St Petersburg University was ranked 20th in QS Graduate Employability Ranking 2018 among 400 leading universities in the world and is the best in Russia. At present, St Petersburg University offers 418 academic programmes, including the most advanced areas and fields of study. The certificate of successful completion of offered online courses gives five additional points when applying for master’s and doctoral programmes at St Petersburg University....

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.