|
|
|
||
Poslední úprava: RNDr. Veronika Sacherová, Ph.D. (15.04.2013)
škatulí běžné frekventistické statistiky a ukázat, že statistika může být "stavebnicí", kde znalost několika málo stavebních kamenů umožňuje analýzu libovolně složitého problému. Důraz bude kladen více na praktické výhody Bayesiánského přístupu a méně na teoretická či filozofická specifika. Během kurzu budou používané především ekologické příklady, nicméně probírané metody mají univerzální uplatnění v celé biologii. Během kurzu se studenti naučí pochopit, specifikovat, "fitovat" a hodnotit modely v prostředí BUGS (OpenBUGS, JAGS). Kurz předpokládá elementární znalost R (tzn. "umím R spustit, načíst data, udělat jednoduchou regresi atd."). Znalost základů programování je výhodou, ne však nutností. Kurz proběhne formou intenzivního a interaktivního 3-4 denního blokového semináře. Kurz může běžet jak v češtině, tak v angličtině (dle jazykových znalostí účastníků). |
|
||
Poslední úprava: RNDr. Veronika Sacherová, Ph.D. (15.04.2013)
Kéry M. (2010) Introduction to WinBUGS for Ecologists: Bayesian approach to regression, ANOVA, mixed models and related. Academic Press. McCarthy M.A. (2007) Bayesian Methods for Ecology. Cambridge Univ. Press. Clark J.S. (2007) Models for Ecological Data. Princeton Univ. Press. Gelman A., Carlin J.B., Stern H.S. & Rubin D.B. (2004) Bayesian Data Analysis. Chapman & Hall. Bolker B.M. (2008) Ecological Models and Data in R. Princeton Univ. Press. OpenBUGS user manual: www.openbugs.info |
|
||
Poslední úprava: RNDr. Veronika Sacherová, Ph.D. (15.04.2013)
Zápočet bude udělen za účast a za vypracování jednoduché Bayesiánské analýzy. |
|
||
Poslední úprava: RNDr. Veronika Sacherová, Ph.D. (15.04.2013)
1. Specifika Bayesovské statistiky, likelihood, dualita data-model. 2. Princip Markov Chain Monte Carlo (MCMC). Základy OpenBUGS a JAGS. 3. Jednoduché modely, bestiář pravděpodobnostních rozložení a jejich zápis v jazyce BUGS. 4. Zobecněné lineární modely - lineární regrese, logistická regrese, Poissonovská regrese, ANOVA a spol., vše v BUGS. 5. Hierarchické (mixed-effect, multilevel) modely, random effects vs. fixed effects, latentní proměnné, složitější modely, informative vs. neinformative priors. 6. Analýza časových řad, autokorelační funkce, hustotní závislost, náhodné procházky. 7. Analýza prostorových a geografických dat, prostorová autokorelace, modul GeoBUGS. 8. Výběr modelů, hodnocení modelů, informační kritéria, práce se spolehlivostí a nejistotou, intervaly spolehlivosti, predikční intervaly. |