Mål
Efter kursen skall studenten kunna:
- analysera data i R med följande modeller: generaliserade linjära modeller, blandade modeller, generaliserade linjära modeller med slumpmässiga effekter, överlevnadsanalys samt modeller för missing data.
- granska resultaten från dessa analyser kritiskt
Studenten skall ha kunskap om
- statistisk inferens för ovanstående modeller
- modell-antaganden
- skillnaden mellan olika statistiska skolor: frekventister, bayesianer och likelihoodister
- analysera data i R med följande modeller: generaliserade linjära modeller, blandade modeller, generaliserade linjära modeller med slumpmässiga effekter, överlevnadsanalys samt modeller för missing data.
- granska resultaten från dessa analyser kritiskt
Studenten skall ha kunskap om
- statistisk inferens för ovanstående modeller
- modell-antaganden
- skillnaden mellan olika statistiska skolor: frekventister, bayesianer och likelihoodister
Innehåll
Introduktion till likelihood-teori, egenskaper hos frekventistiska mått, generaliserade linjära modeller, likelihood-principen, att ta hänsyn till parametrar som inte är av primärt intresse, överlevnadsanalys, EM-algoritmen, blandade modeller, modell-val, likelihood profil, utvidgad likelihood, generaliserade linjära modeller med slumpmässiga effekter.
Examinationsformer
Skriftlig tentamen och hemuppgifter. En förutsättning för examination är att studenten är närvarande vid minst två tredjedelar av de schemalagda föreläsnings- och övningstillfällena.
Arbetsformer
Föreläsningar och datorövningar
Betyg
Som betygsskala används U–VG.
Förkunskapskrav
- Examensarbete för kandidatexamen i Statistik
- Registrerad på kursen Linjära och Generaliserade Linjära Modeller
Litteratur
- Pawitan, Y.. (2001) In all likelihood : statistical modelling and inference using likelihood. Oxford : Clarendon. (528 s). ISBN 0-19-850765-8