About this Course

100% online

Start instantly and learn at your own schedule.

Flexible deadlines

Reset deadlines in accordance to your schedule.

Intermediate Level

Approx. 17 hours to complete

Suggested: 9 hours/week...

Russian

Subtitles: Russian

Skills you will gain

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

100% online

Start instantly and learn at your own schedule.

Flexible deadlines

Reset deadlines in accordance to your schedule.

Intermediate Level

Approx. 17 hours to complete

Suggested: 9 hours/week...

Russian

Subtitles: Russian

Syllabus - What you will learn from this course

Week
1
4 hours to complete

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 videos (Total 90 min), 2 readings, 1 quiz
14 videos
Пример - недосып и время реакции6m
Недосып. Почему обычные методы не работают?4m
Фиксированные и случайные факторы4m
GLMM со случайным отрезком5m
Визуализация предсказаний GLMM со случайным отрезком7m
Индуцированная корреляция9m
Диагностика модели со случайным отрезком6m
GLMM со случайным отрезком и углом наклона5m
Визуализация предсказаний GLMM со случайным отрезком и углом наклона4m
Диагностика модели со случайным отрезком и углом наклона4m
Смешанные линейные модели9m
Тестирование гипотез в смешанных моделях12m
Что мы знаем и что будет дальше5m
2 readings
Обзор курса10m
Знакомство со смешанными линейными моделями10m
Week
2
3 hours to complete

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 videos (Total 65 min), 1 reading, 1 quiz
9 videos
Пример – сексуальная активность мух10m
Моделирование дисперсии4m
Дисперсия может зависеть от непрерывной ковариаты11m
Дисперсия может зависить от дискретного фактора4m
Моделирование гетерогенности дисперсии – финальная модель8m
Моделирование структуры дисперсии при наличии случайных факторов4m
Модель со случайным фактором5m
Моделируем структуру дисперсии8m
1 reading
Моделирование структуры дисперсии в смешанных моделях10m
Week
3
3 hours to complete

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 videos (Total 61 min), 1 reading, 1 quiz
9 videos
Пример – саламандры и добыча угля10m
Смешанная модель с Пуассоновским распределением отклика.7m
Диагностика моделей с Пуассоновским распределением. Избыточность дисперсии6m
Смешанная модель с отрицательным биномиальным распределением отклика7m
Диагностика модели с отрицательным биномиальным распределением отклика5m
Тестирование гипотез8m
Визуализация модели4m
Что мы знаем и что будет дальше2m
1 reading
Материалы: Смешанные линейные модели для счетных данных10m
Week
4
5 hours to complete

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 videos (Total 74 min), 1 reading, 2 quizzes
9 videos
Пример -- морские звезды и мидии9m
Знакомимся с данными4m
Подбираем модель14m
Дорабатываем модель5m
Анализ итогов7m
Визуализация модели6m
Дополнительные штрихи к модели9m
Что мы знаем и что важное осталось за рамками4m
1 reading
Материалы: Смешанные линейные модели для бинарных данных10m

Instructors

Avatar

Варфоломеева Марина Александровна

Старший преподаватель
Кафедра зоологии беспозвоночных
Avatar

Хайтов Вадим Михайлович

Доцент
Кафедра Зоологии беспозвоночных

About Saint Petersburg State University

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....

About the Просто о статистике (с использованием R) Specialization

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)

Frequently Asked Questions

  • Once you enroll for a Certificate, you’ll have access to all videos, quizzes, and programming assignments (if applicable). Peer review assignments can only be submitted and reviewed once your session has begun. If you choose to explore the course without purchasing, you may not be able to access certain assignments.

  • When you enroll in the course, you get access to all of the courses in the Specialization, and you earn a certificate when you complete the work. Your electronic Certificate will be added to your Accomplishments page - from there, you can print your Certificate or add it to your LinkedIn profile. If you only want to read and view the course content, you can audit the course for free.

More questions? Visit the Learner Help Center.