A kurzus nyelve angol!
A kurzus 8 óra hosszú, 2024 augusztus 28-án, de. 8-tól du. 5-ig, az Állatorvostudományi Egyetem Biostatisztika Tanszékének számítógépes laborjában (1078 Budapest, István utca 2., N épület, 3. emelet, N3 terem).
A jelentkezés lezárult.
- Subhash Lele, Professor Emeritus (Dept. of Mathematical and Statistical Sciences, University of Alberta, Edmonton)
- Peter Sólymos, szenior adattudós (E Source), címzetes egyetemi tanár (Dept. of Biological Sciences, University of Alberta, Edmonton)
A kevert, vagy hierarchikus modellek nagyon hasznosak sokféle alkalmazott területen. A kurzus célja, hogy különféle gyakorlati problémák bemutatása révén bevezetést nyújtson ezen modellek felépítésébe, elméletébe, és implementációjába.
A kurzus során előadások és számítógépes gyakorlatok révén fogjuk elmagyarázni a legyakoribb modellek felépítését és működését. Ezt aztán a résztvevők saját igényeiknek megfelelően tovább fejleszthetik.
A résztvevőktől azt várjuk, hogy ismerik az R programozási nyelv alapjait és jártasak a regressziószámítás területén. A hierarchikus modellek vagy a Bayes-i statisztika ismerete nem követelmény, de hasznos lehet.
A kurzus végén a résztvevők megfelelő alapokkal fognak rendelkezni ahhoz, hogy kritikusan tudjanak gondolkozni a frekventista és Bayes-i modellekről, képesek legyenek (majdnem) minden hierarchikus modell használatára.
Követsd az instrukciókat és hozd magaddal a laptopodat.
Próbáld ki a Shiny applikációt.
Töltsd le a bezippelt verzióját ennek a repónak, vagy használd a git clone https://github.com/datacloning/workshop-2024-budapest.git utasítást ha jártas vagy a Git-ben.
A jegyzetek markdown formátumban a GitHub-on érhetőek el, ajánljuk a világos mód használatát, hogy a matematikai képletek jól látszódjanak.
| Témakör | Linkek |
|---|---|
| Előkészületek | Előkészületek |
| Part 1. Bevezetés | Jegyzetek, Diák, App |
| Part 2. Kevert modellek | Jegyzetek, Diák |
| Part 3. Idősorok | Jegyzetek, Diák |
| Part 4. Gyakorlati magfontolások | Jegyzetek |
| Irodalom | PDF fájlok |
A jegyzetek egyben PDF formátumban is elérhetők.
A kurzus licensze az Attribution-ShareAlike 4.0 International (CC BY-SA 4.0). Publikációkban kérjük az alábbi cikkeket hivatkozni az elméletre és a szofveres implementációra vonatkozóan:
- Lele, S.R., B. Dennis and F. Lutscher, 2007. Data cloning: easy maximum likelihood estimation for complex ecological models using Bayesian Markov chain Monte Carlo methods. Ecology Letters 10, 551-563. DOI 10.1111/j.1461-0248.2007.01047.x
- Lele, S. R., Nadeem, K., and Schmuland, B., 2010. Estimability and likelihood inference for generalized linear mixed models using data cloning. Journal of the American Statistical Association 105, 1617-1625. DOI 10.1198/jasa.2010.tm09757
- Sólymos, P., 2010. dclone: Data Cloning in R. The R Journal 2(2), 29-37. URL https://journal.r-project.org/archive/2010/RJ-2010-011/RJ-2010-011.pdf
A felhasznált szofverek (JAGS, rjags, R2WinBUGS, dclone) licensze GPL-2.