Grstats Forum

AUEB STATS Short Course on Categorical Data Analysis by Alan Agresti

Επισκόπηση προηγούμενης Θ.Ενότητας Επισκόπηση επόμενης Θ.Ενότητας Πήγαινε κάτω

AUEB STATS Short Course on Categorical Data Analysis by Alan Agresti

Δημοσίευση από grstats Την / Το Τετ 26 Απρ 2017 - 0:48




Το μεταπτυχιακό πρόγραμμα Στατιστικής του Οικονομικού Πανεπιστημίου Αθηνών ανακοινώνει το μάθημα βραχείας διάρκειας στην Ανάλυση Κατηγορικών Δεδομένων (διάρκειας 15 ωρών) από τον Καθηγητή Alan Agresti. Το μάθημα θα γίνει σε πέντε τρίωρες διαλέξεις από την 22η Μαΐου έως την 26η Μαΐου 2017. Λεπτομέρειες μπορείτε να βρείτε στην συνημμένη ανακοίνωση.
Το μάθημα βραχείας διάρκειας στην Ανάλυση Κατηγορικών Δεδομένων είναι δωρεάν για όλους τους ενδιαφερόμενους αρκεί να προηγηθεί επιτυχημένη εγγραφή στο μάθημα. Προσοχή υπάρχει περιορισμένη διαθεσιμότητα θέσεων. Για να γραφτείτε στο μάθημα συμπληρώστε το ακόλουθο πίνακα με τα στοιχεία σας και στείλτε το με email στη διεύθυνση masterst@aueb.gr με θέμα CATEGORICAL DATA ANALYSIS. Οι εγγραφές θα είναι ανοικτές μέχρι και τη Δευτέρα 15 Μαΐου 2017 εκτός και αν οι θέσεις καλυφτούν νωρίτερα.
Θα ειδοποιηθείτε με e-mail για την επιτυχή εγγραφή στο μάθημα.

Ονοματεπώνυμο
Email
Φοιτητής ή εργαζόμενος;
Χώρος Εργασίας ή Πανεπιστήμιο
Τμήμα
Αντικείμενο εργασίας ή σπουδών
----------------------------------------------------------------------------------------------------------------------------

AUEB STATISTICS SEMINAR SERIES MAY 2017

SHORT COURSE

Alan Agresti  
Distinguished Professor Emeritus
Department of Statistics, University of Florida

A short Course on Categorical Data Analysis

ROOM 802 (8th floor)  
POSTGRADUATE STUDIES BUILDING
(EVELPIDON 47Α & LEFKADOS)

Lecture 1 Contingency table analysis & Logistic Regresion
Monday 22 May 2017 9.00-12.00
Αμφιθέατρο Αντωνιάδου, 1ος όροφος πτέρυγα Αντωνιάδου, Πατησίων 76.

Lecture 2 Logistic regression model building and loglinear models Tuesday 23 May 2017 9.00-12.00
Αμφιθέατρο Αντωνιάδου, 1ος όροφος πτέρυγα Αντωνιάδου, Πατησίων 76.

Lecture 3 Logit models for multicategory responses
Wednesday 24 May 2017 9.00-12.00
Η διάλεξη αυτή έχει προγραμματιστεί στο
Αμφιθέατρο Δεριγνύ, 1ος όροφος πτέρυγα Δερυγνί, Πατησίων 76 αλλά είναι πολύ πιθανόν να μεταφερθεί στην Αίθουσα 802, στον 8ο όροφο του κτιρίου μεταπτυχιακών σπουδών (Ευελπίδων 47α & Λευκάδος)

Lecture 4
Marginal models for correlated discrete responses
Thursday 25 May 2017 9.00-12.00
Αμφιθέατρο Αντωνιάδου, 1ος όροφος πτέρυγα Αντωνιάδου, Πατησίων 76.


Lecture 5: Random effects models for discrete responses
Friday 26 May 2017 9.00-12.00
Αμφιθέατρο Αντωνιάδου, 1ος όροφος πτέρυγα Αντωνιάδου, Πατησίων 76.


Detailed Structure of the Course
1. Contingency table analysis (odds ratios and other measures, chi-squared tests, Fisher's exact test and extensions, independence as a loglinear model)
2. Logistic regression (Latent variable motivation for binary regression, binary regression models as special cases of generalized linear models, parameter interpretation, maximum likelihood (ML) fitting using iterative methods, inference using Wald, likelihood-ratio, and score methods)
3. Logistic regression model building (Goodness of fit, comparing nested models, strategies for selecting explanatory variables, residuals, sample size determination, infinite ML estimates and possible alternatives)
4. Loglinear models for contingency tables (Poisson and multinomial models for counts in contingency tables, hierarchical models, connections with logit models, an extension for ordinal response variables)
5. Loglinear models for count responses (Poisson GLMs with offsets for rates, negative binomial GLMs, zero-inflated Poisson and negative binomial models)
6. Logit models for multicategory responses (baseline-category logit models for nominal variables, cumulative logit models for ordinal variables, proportional-odds and non-proportional odds structure, alternative link functions such as probit and complementary log-log).
7. Marginal models for correlated discrete responses (matched pairs for binary data, McNemar test, quasi-likelihood, GEE extension  of QL to multivariate responses, binary and ordinal examples)
8. Random effects models for discrete responses (generalized linear mixed models for binary and ordinal responses, subject-specific vs. population-averaged effects, binary and ordinal examples and comparison with GEE results, multilevel models)

Facebook event: https://www.facebook.com/events/514073478982303/
avatar
grstats

Posts : 667
Join date : 21/10/2009

http://stat-athens.aueb.gr/~grstats/

Επιστροφή στην κορυφή Πήγαινε κάτω

Επισκόπηση προηγούμενης Θ.Ενότητας Επισκόπηση επόμενης Θ.Ενότητας Επιστροφή στην κορυφή


 
Δικαιώματα σας στην κατηγορία αυτή
Δεν μπορείτε να απαντήσετε στα Θέματα αυτής της Δ.Συζήτησης