À propos de ce cours

100 % en ligne

Commencez dès maintenant et apprenez aux horaires qui vous conviennent.

Dates limites flexibles

Réinitialisez les dates limites selon votre disponibilité.

Niveau intermédiaire

Approx. 17 heures pour terminer

Recommandé : 9 hours/week...

Russe

Sous-titres : Russe

Compétences que vous acquerrez

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

100 % en ligne

Commencez dès maintenant et apprenez aux horaires qui vous conviennent.

Dates limites flexibles

Réinitialisez les dates limites selon votre disponibilité.

Niveau intermédiaire

Approx. 17 heures pour terminer

Recommandé : 9 hours/week...

Russe

Sous-titres : Russe

Programme du cours : ce que vous apprendrez dans ce cours

Semaine
1
4 heures pour terminer

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 vidéos (Total 90 min), 2 lectures, 1 quiz
14 vidéos
Фиксированные и случайные факторы4 min
GLMM со случайным отрезком5 min
Визуализация предсказаний GLMM со случайным отрезком7 min
Индуцированная корреляция9 min
Диагностика модели со случайным отрезком6 min
GLMM со случайным отрезком и углом наклона5 min
Визуализация предсказаний GLMM со случайным отрезком и углом наклона4 min
Диагностика модели со случайным отрезком и углом наклона4 min
Смешанные линейные модели9 min
Тестирование гипотез в смешанных моделях12 min
Что мы знаем и что будет дальше5 min
2 lectures
Обзор курса10 min
Знакомство со смешанными линейными моделями10 min
Semaine
2
3 heures pour terminer

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 vidéos (Total 65 min), 1 lecture, 1 quiz
9 vidéos
Дисперсия может зависеть от непрерывной ковариаты11 min
Дисперсия может зависить от дискретного фактора4 min
Моделирование гетерогенности дисперсии – финальная модель8 min
Моделирование структуры дисперсии при наличии случайных факторов4 min
Модель со случайным фактором5 min
Моделируем структуру дисперсии8 min
1 lecture
Моделирование структуры дисперсии в смешанных моделях10 min
Semaine
3
3 heures pour terminer

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 vidéos (Total 61 min), 1 lecture, 1 quiz
9 vidéos
Диагностика моделей с Пуассоновским распределением. Избыточность дисперсии6 min
Смешанная модель с отрицательным биномиальным распределением отклика7 min
Диагностика модели с отрицательным биномиальным распределением отклика5 min
Тестирование гипотез8 min
Визуализация модели4 min
Что мы знаем и что будет дальше2 min
1 lecture
Материалы: Смешанные линейные модели для счетных данных10 min
Semaine
4
5 heures pour terminer

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 vidéos (Total 74 min), 1 lecture, 2 quiz
9 vidéos
Подбираем модель14 min
Дорабатываем модель5 min
Анализ итогов7 min
Визуализация модели6 min
Дополнительные штрихи к модели9 min
Что мы знаем и что важное осталось за рамками4 min
1 lecture
Материалы: Смешанные линейные модели для бинарных данных10 min

Enseignants

Avatar

Варфоломеева Марина Александровна

Старший преподаватель
Кафедра зоологии беспозвоночных
Avatar

Хайтов Вадим Михайлович

Доцент
Кафедра Зоологии беспозвоночных

À propos de Université d'État de Saint-Pétersbourg

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....

À propos de la Spécialisation 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)

Foire Aux Questions

  • Une fois que vous êtes inscrit(e) pour un Certificat, vous pouvez accéder à toutes les vidéos de cours, et à tous les quiz et exercices de programmation (le cas échéant). Vous pouvez soumettre des devoirs à examiner par vos pairs et en examiner vous-même uniquement après le début de votre session. Si vous préférez explorer le cours sans l'acheter, vous ne serez peut-être pas en mesure d'accéder à certains devoirs.

  • Lorsque vous vous inscrivez au cours, vous bénéficiez d'un accès à tous les cours de la Spécialisation, et vous obtenez un Certificat lorsque vous avez réussi. Votre Certificat électronique est alors ajouté à votre page Accomplissements. À partir de cette page, vous pouvez imprimer votre Certificat ou l'ajouter à votre profil LinkedIn. Si vous souhaitez seulement lire et visualiser le contenu du cours, vous pouvez accéder gratuitement au cours en tant qu'auditeur libre.

D'autres questions ? Visitez le Centre d'Aide pour les Etudiants.