Podstránky

Domácí | Domácí (EN) | Výuka | Software (EN) | Publikace (EN) | Curriculum Vitae (EN) | Profesní zájmy (EN) |

Během zkouškového období konzultace pouze na základě předběžné domluvy (e-mailem, ...).

Dosažitelnost během letních měsíců: Během léta 2009 jsem v následující dny buď na pracovní cestě nebo na dovolené a pracovní e-maily budu číst (a odpovídat na ně) pouze v omezeném rozsahu:

• 3.7. - 12.7.
• 17.7. - 16.8.
• 22.8. - 27.8.
• 31.8. - 6.9.

Na této stránce k počtení:

• Výuka v letním semestru 2008-09:

  NSTP179 (přednáška a cvičení):	Navrhování experimenů a sekvenční analýza
  NSTP022 (cvičení):	Pravděpodobnost a matematická statistika
  NSTP070 (MS710P09 cvičení):	Základy biostatistiky

• Výuka v zimním semestru 2008-09:

  NSTP129 (přednáška):	Pravděpodobnost a statistika
  NSTP191 (cvičení k NSTP201, resp. NSTP001):	Matematická statistika
  NSTP195 (cvičení k NSTP194, resp. NSTP094):	Regrese

• Materiály k Rku

• Vypsaná diplomová práce

• Vypsané bakalářské práce

• Historie: 2007-08

NSTP179 (přednáška a cvičení): Navrhování experimentů a sekvenční analýza

ROZVRH

DOKUMENTY, INFORMACE atd.

NSTP022 (cvičení): Pravděpodobnost a matematická statistika

ROZVRH

DOKUMENTY, INFORMACE atd.

DOMÁCÍ ÚKOLY

NSTP070 (MS710P09 cvičení): Základy biostatistiky

ROZVRH

NSTP129 (přednáška): Pravděpodobnost a statistika

ROZVRH

DOKUMENTY, INFORMACE atd.

ZKOUŠKY

• Zkouškové termíny jsou vypsány v SISu.
• Pro přihlášení na první tři termíny není vyžadováno získání zápočtu. Známka však bude zapsána až po získání zápočtu, o jehož (ne)udělení rozhoduje cvičící nezávisle na výsledku zkoušky.
• Kapacita termínu v posledním týdnu zkouškového období bude upravena, případně přibude v tomto týdnu termín v závislosti na počtu studentů potřebujících opravný termín. Možnost opravy v posledním týdnu zkouškového období zaručuji všem zájemcům.
• Právě jeden opravný termín bude vypsán též v průběhu letního semestru, respektive v letním zkouškovém období. Účast na něm bude umožněna pouze studentům, kteří se fyzicky zúčastní alespoň jednoho termínu během zimního zkouškového období, nebo budou schopni doložit alespoň dvoutýdenní pracovní neschopnost během zimního zkouškového období.
• Jak jste si jistě povšimli, ti z vás, kteří se na mě přijdou podívat alespoň jednou během první čtyř týdnů zkouškového období, mají zaručenu možnost dvou oprav - proto neváhejte a rezervujte si místo na první pokus již v průběhu prvních čtyř týdnů zkouškového.

PŘEDNÁŠKOVÉ FÓLIE

• Fólie promítané na přednášce jsou k dispozici ve dvou variantách: (a) tak jak jsou promítány (přednáška), (b) méně barevné s dvěma fóliemi na straně A4 (tisk).
• Fólie zdaleka neobsahují vše, co bude řečeno na přednášce (důkazy, řešení ilustračních příkladů a další ,,omáčku`` zde z větší části nenajdete).
• Fólie doporučuji vytisknout a během přednášky vlastní rukou doplňovat.
• Obsah fólií se může ještě měnit. Netiskněte tedy příliš mnoho stránek dopředu.

UKÁZKA PROGRAMU R

NSTP191 (cvičení k NSTP201, resp. NSTP001): Matematická statistika

ROZVRH

DOKUMENTY, INFORMACE atd.

UKÁZKA PROGRAMU R

DOMÁCÍ ÚKOLY

NSTP195 (cvičení k NSTP194, resp. NSTP094): Regrese

ROZVRH

DOKUMENTY, INFORMACE atd.

ZADÁNÍ ZÁPOČTOVÉ ÚLOHY

• Zadání a pokyny naleznete v pdf souboru (zveřejněn 29.10.2008). Připomínám, že vypracovanou úlohu je třeba odevzdat vytištěnou na papíře nejpozději na Tři krále roku 2009.
• Potřebná data chicago máte k dispozici jako ASCII soubor s názvy proměnných na prvním řádku, oddělovačem mezerou a desetinným oddělovačem tečkou.

ZADÁNÍ CVIČENÍ

• Na cvičeních se budeme postupně zabývat řešením problémů popsaných v níže uvedených pdf souborech.
• Ke každému pdf souboru je k dispozici ASCII soubor s příkazy pro R uvedenými v příslušném pdf.
• Před cvičením doporučuji vytisknout zadání z pdf na papír a stáhnout si na lokální disk R skript, který je poté možno doplňovat.
• Na lokální disk dále doporučuji před cvičením stáhnout příslušný datový soubor (budete ho případně moci modifikovat).
• Data naleznete zde (k přístupu použijte uživatelské jméno a heslo, které jsem vám sdělil na prvním cvičení).
• Všechny níže uvedené soubory (včetně dat) najdete co nevidět též na disku I v adresáři I:/kpms/komarek/nstp195 v počítačové učebně.

R lze zdarma stáhnout z http://www.R-project.org a poté používat při dodržení podmínek GNU GPL licence (nevylučuje komerční využití).

STRUČNÉ MANUÁLY A UČEBNICE

Téma: Metody výpočtu maximálně věrohodných odhadů v zobecněném lineárním smíšeném modelu

Zadáno 30.9.2008: Martin Otava

Anotace: Zobecněný lineární smíšený model (GLMM) je v současnosti patrně nejpoužívanějším prostředkem pro regresní analýzu korelovaných kategoriálních dat. Vzhledem k tomu, že věrohodnost GLMM není obvykle možné maximalizovat analyticky, bylo v literatuře v posledních 15 letech navrženo několik aproximativních způsobů pro výpočet maximálnč včrohodných odhadů (MLE). Cílem práce bude seznámit se s problematikou GLMM s důrazem na výpočetní aspekty při hledání MLE a kriticky srovnat (teoreticky, simulací, analýzou reálných dat) některé z metod navržených v literatuře.

Zásady pro vypracování: Jedná se částečně o kompilační práci, v jejímž rámci student nastuduje problematiku zobecněných lineárních smíšených modelů s důrazem na výpočetní aspekty hledání maximálně věrohodných odhadů (MLE). Posluchač při jednotném značení popíše některé aproximativní metody výpočtu MLE, uvede explicitně matematická odůvodnění použití jednotlivých aproximací a kriticky srovná jednotlivé metody (teoreticky, simulační studií, analýzou reálných dat).

Během 1. ročníku navazujícího magisterského studia nutno absolvovat předměty NSTP094, resp. NSTP194/195 (Regrese včetně cvičení) a NSTP126, resp. NSTP196/197 (Zobecněné lineární modely včetně cvičení).

Alespoň pasivní znalost angličtiny a znalost, či ochota se naučit pracovat se statistickými balíky R a SAS nutné.

Literatura:
Breslow, N. E. and Clayton, D. G. (1993). Approximate inference in generalized linear mixed models. Journal of the American Statistical Association, 88, 9-25.
Clarkson, D. B. and Zhan, Y. (2002). Using spherical-radial quadrature to fit generalized linear mixed effects-models. Journal of Computational and Graphical Statistics, 11, 639-659.
Goldstein, H. and Rasbash, J. (1996). Improved approximations for multilevel models with binary responses. Journal of the Royal Statistical Society, Series A, 159, 505-513.
Liu, L. and Yu, Z. (2008). A likelihood reformulation method in non-normal random effects models. Statistics in Medicine, 27, 3105-3124.
McCullagh, P. and Nelder, J. A. (1989). Generalized Linear Models, Second Edition. Boca Raton: Chapman & Hall/CRC. ISBN 0-412-31760-5.
Molenberghs, G. and Verbeke, G. (2005). Models for Discrete Longitudinal Data. New York: Springer. ISBN 978-0387-25144-8.
Nelson, K. P., Lipsitz, S. R., Fitzmaurice, G. M., Ibrahim, J., Parzen, M., and Strawderman, R. (2006). Use of the probability integral transformation to fit nonlinear mixed-effects models with nonnormal random effects. Journal of Computational and Graphical Statistics, 15, 39-57.
Pinheiro, J. C. and Bates, D. M. (1995). Approximations to the log-likelihood function in the nonlinear mixed effects model. Journal of Computational and Graphical Statistics, 4, 12-35.
Pinheiro, J. C. and Chao, E. C. (2006). Efficient Laplacian and adaptive Gaussian quadrature algorithms for multilevel generalized linear mixed models. Journal of Computational and Graphical Statistics, 15, 58-81.

Téma 1: Statistické metody pro proporce

Zadáno 13.9.2008: Petr Kubík

Anotace: Součástí bakalářské práce budou zejména následující problémy: statistický úsudek o neznámé proporci (pravděpodobnosti úspěchu) v náhodném výběru z alternativního rozdělení, kvantifikace rozdílnosti proporcí dvou nezávislých náhodných výběrů z alternativního rozdělení (rozdíl proporcí, relativní riziko, poměr šancí) a související metody statistického úsudku, porovnání proporcí v několika nezávislých náhodných výběrech z alternativního rozdělení. Dle zájmu uchazeče lze práci případně rozšířit o základy a aplikaci logistické regrese, zejména s důrazem na interpretaci získaných výsledků.

Zásady pro vypracování: Jedná se o kompilační práci, v jejímž rámci student nastuduje statistické metody pro analýzu proporcí (podrobněji viz anotace). Vlastní příspěvek studenta bude spočívat zejména: v přehledném a uceleném popisu nastudovaných metod a jejich statistických vlastností, vše při jednotném značení, v explicitním vyjádření některých souvislostí mezi studovanými metodami, ve vypracování vybraných cvičení z Fleiss et al. (2003), resp. Agresti (2002), v aplikaci nastudovaných metod na reálná data spolu s interpretací získaných výsledků. Studijní literatura bude k dispozici vesměs v angličtině, práce bude psána v češtině nebo slovenštině.

Alespoň pasivní znalost angličtiny a znalost, či ochota se naučit pracovat se statistickým balíkem R nutné.

Literatura:
Agresti, A. (2002). Categorical Data Analysis, Second Edition. Hoboken: John Wiley and Sons. ISBN 0-471-36093-7.
Fleiss, J. L., Levin, B. and Paik, M. C. (2003). Statistical Methods for Rates and Proportions, Third Edition. Hoboken: John Wiley and Sons. ISBN 0-471-52629-0.

Téma 2: Úvod do bootstrapu s aplikacemi

Zadáno 30.9.2008: Josef Orel

Anotace: Bootstrap je počítačová metoda sloužcí k odhadu přesnosti (směrodatné chyby apod.) statistických odhadů v situacích, kdy teoretické odvození přesnosti odhadu je buď vůbec nebo obtížně proveditelné. Součástí bakalářské práce bude: popis principů bootstrapu a odvození základních statistických vlastností, porovnání boostrapových odhadů přesnosti s těmi teoretickými v situacích, kdy lze teoretickou přesnost snadno odvodit (výběrový průměr, lineární regrese s metodou nejmenších čtverců, ...), aplikace nastudovaných metod na reálná data.

Zásady pro vypracování: Jedná se o kompilační práci, v jejímž rámci student nastuduje základy bootstrapu. Vlastní příspěvek studenta bude spočívat zejména: v přehledném a uceleném popisu nastudovaných metod a jejich statistických vlastností, vše při jednotném značení, v explicitním vyjádření některých souvislostí mezi studovanými metodami, ve vypracování vybraných cvičení z Efron a Tibshirani (1993), resp. Davison a Hinkley (1997), v aplikaci nastudovaných metod na reálná data spolu s interpretací získaných výsledků. Studijní literatura bude k dispozici vesměs v angličtině, práce bude psána v češtině nebo slovenštině.

Alespoň pasivní znalost angličtiny a znalost, či ochota se naučit pracovat se statistickým balíkem R nutné.

Literatura:
Efron, B. and Tibshirani, R. J. (1993). An Introduction to the Bootstrap. Boca Raton: Chapman & Hall/CRC. ISBN 0-412-04231-2.
Davison, A. C. and Hinkley, D. V. (1997). Bootstrap Methods and their Application. New York: Cambridge University Press. ISBN 978-0-521-57471-4.