Vitajte

Tento kurz je venovaný osvojeniu si základných praktických zručností lineárnej regresie plne mapujúci prednášky doktora Lafférsa. Ako je známe, samotná regresia sa pokladá za základ praktickej štatistiky využívanej po celom svete. Niektoré prednášky zahraničných profesorov dokonca označujú regresiu za nástroj na “všetko” a je to svojím spôsobom pravda. Jej princípy sa používajú v širokej škále štatistických nástrojov ako napríklad vypočítanie bankového klasifikátora na poskytovanie pôžičky žiadateľovi.

Slovo moderná v názve predmetu je opodstatnené vďaka prostrediu R (a RStudiu), ktoré sa dnes pokladá za jeden z najrýchlejšie rozvíjajúcich a najkompatibilnejších programovacích prostredí na Importovanie, úpravu, transformáciu, vizualiáciu a modelovanie dát. R slúži okrem klasického počítania (lepšej kalkulačky) a už spomenutých možnosti aj na exportovanie profesionálnych reportov. Okrem iného je tu možnosť zaobaliť vaše výsledky do interaktívnej online aplikácie.

Sylabus

Môžeme voľne rozdelovať na okruhy inšpirované (Faraway) a doplnené (Wickham, Grolemund).

  1. Exploratory data analysis - v skratke EDA po slovensky Obhliadka dát pred analýzou, ktorá zahŕňa hlavne vizualizáciu.
  2. Parameter estimation - odhadnutie parametrov modelu nie je vždy jednoznačné.
  3. Inference - testy a konfidenčné intervaly.
  4. Prediction - ako model dokáže predikovať.
  5. Diagnostics - či model spĺňa predpoklady.
  6. Predictors - vlastnosti odhadnutých predikotorov.
  7. Robust - robustný model pomáha pri nezvyčajných pozorovaniach.
  8. Transformation - niekedy model vyžaduje transformáciu regresorov.
  9. Model selection - voľba modelu s množstva možností.
  10. Shrinkage - ak má model “veľa” nepotrebných parametrov.
  11. Complete Example - celé si to zhrnieme.

BONUS na koniec kurzu si môžeme ukázať ako robiť R Markdown 1 report alebo Shiny 2 interaktívnu aplikáciu vašich analýz (mimo hodnotenia).

Čriepky modelovania

Na krátku ukážku si vezmeme Fuel economy data from 1999 and 2008 for 38 popular models of car z knižnice ggplot2. Nás bude zaujímať ako vplýva zdvihový objem motora (v litroch) na dojazd (v mílach) populárnych modelov áut na jeden natankovaný galón paliva. V štatistickej hantírke sa pýtame aký má vplyv Predictor (zdvihový objem motora) na Response (dojazd).

Obhliadka dát

Model Engine displacement Highway fuel economy Class
grand cherokee 4wd 4.7 19 suv
camry solara 2.2 29 compact
camry 2.4 31 midsize
grand cherokee 4wd 6.1 14 suv
4runner 4wd 4.0 20 suv
civic 1.8 36 subcompact
a4 2.0 31 compact
civic 1.8 36 subcompact
a4 quattro 1.8 26 compact
gti 2.0 29 compact
…

Vizualizácia (obrázok je interaktívny)

Jednoduchý linárny regresný model

Ako na to a čo s tým ďalej, už bližšie na kurze… :)

Podmienky a pravidlá kurzu

Kurz je zostavený z jedenástich cvičení obsahujúci vyššie spomínané okruhy, teda každý s dĺžkou 120 minút. Na cvičenia sa odporúča chodiť pravidelne, prípadné nejasnosti sa potom dajú riešiť okamžite. Cvičenia a aj úlohy vždy nájdete na https://www.lukaslaffers.com/mar.

Domáce úlohy

Po každom cvičení dostanete povinnú domácu úlohu obsahujúcu úlohy naväzujúce alebo priamo doplňujúce obsah cvičenia. Termíny odovzdania sú pevne stanovené na deň pred nasledujúcimi cvičeniami. Posunutie termínu odovzdania môže jednotlivec požiadať najneskôr 3 dni pred jeho vypršaním a to len vtedy, ak má dobrý dôvod (je na cvičiacom či vyhovie, všetko záleží na okolnostiach). Úlohu je možné konzultovať pred finálnym odovzdaním s cvičiacim, samozrejme je neprístupné odpisovať od spolužiaka. Neokomentovaný kód a používanie knižníc, ktorým nerozumiete sa nehodnotí.

Body a kredity

Z každej domácej úlohy môžete získať 100b, plus na prípadné prilepšenie ešte bonusových 10b za extra časť. Teda to znamená, že za celý kurz môžete získať 11x100 bodov, ak teda nepočítame bonusové úlohy. Tieto body budú predstavovať riadny termín skúšky. Čo sa môže stať na konci kurzu?

  • Máte dostatok bodov a obdržíte známku.
  • Máte dostatok bodov, ale nie ste spokojný so známkou a myslíte si, že máte na viac (čo ma bude veľmi tešiť) v tom prípade dostanete ešte jednu úlohu na doma za 100b.
  • Nemáte dostatok kreditov, teda bojujete o to, aby ste získali aspoň hodnotenie E. V tomto prípade dostanete vypracovať úlohy v R na 120min, ktoré budú obsahovo zastrešovať celý kurz (vedené ako opravný termín a konať sa bude v škole).

Stupnica hodnotenia študenta je stanovená v Študijný poriadok FPV UMB podľa Čl. 16 Hodnotenie študijných výsledkov §2

Použitá Literatúra

J.J. Faraway, Linear models with R, Second Edition 2015
H. Wickham, ggplot2, Elegant Graphics for Data Analysis Second Edition 2016
H. Wickham, G. Grolemund, R for data science 2016

Ďalšie užitočné odkazy na články a videa najdete na https://www.lukaslaffers.com/mar

  1. Táto stránka bola vytvorená v R Markdown↩

  2. Príklad na Shiny aplikáciu https://samuell.shinyapps.io/NRSR2016/↩