Generaliserte lineære modeller

Univariat eksponenensiell familie. Multippel lineær regresjon. Logistisk regresjon. Poission-regresjon. Generell formulering av generaliserte lineære modeller med kanonisk link. Likelihood-inferens med score-funksjon og forventet Fisher-informasjon. Deviance. AIC. Wald, score og likelihood-ratio test. Lineære mixed effekt modeller med generell tilfeldig struktur. Tilfeldig skjæringspunkt og tilfeldig stigningstall. Generalisert lineær mixed effekt model. Stor vekt på programmering i R. Mulige utvidelser: kvasi-likelihood, overdispersjon, modeller for multinomiske data, analyse av kontingenstabeller, kvantil-regresjon.

1. Kunnskap: Studenten kan vurdere om en generalisert lineær modell kan brukes i en gitt situasjon og kan utføre en statistisk analyse basert på denne modellen. Studenten har teoretisk kunnskap om generaliserte lineære modeller, både når det gjelder modellantagelser, likelihoodbasert inferens og evaluering. Dette inkluderer regresjonsmodeller for normaldata, logistisk regresjon for binære data og Poisson-regresjon. Videre har studenten teoretisk kunnskap om lineære mixed effekt modeller og generaliserte linære mixed effekt modeller, både for modellantagelser, likelihoodbasert inferens og evaluering. Hovedvekt er på normal, binomisk og Poisson-modeller med tilfeldig skjæringspunkt og stigningstall.

2. Ferdigheter: Studenten kan vurdere om en generalisert lineær modell eller en generalisert lineær mixed effekt modell kan brukes i en gitt situasjon, og kan videre utføre og evaluere en slik statistisk analyse.

Forelesninger, øvinger og arbeider (prosjekter).