02426 Ikke-lineære random effekt modeller: tidsuafhængige og dynamiske modeller

2024/2025

Kursusinformation
Non-linear random effect models: time-independent and dynamic models
Engelsk
5
Kandidat
Kurset udbydes som enkeltfag
F2A (man 13-17)
Campus Lyngby
Forelæsninger og grupperegning
13-uger
F2A
Mundtlig eksamen og bedømmelse af rapport(er)
Mundtlig eksamen baseret på projektarbejde
Alle hjælpemidler - uden adgang til internettet
7-trins skala , intern bedømmelse
02424
02424
0241802417/(02427/02417/02429)
Jan Kloppenborg Møller , Lyngby Campus, Bygning 303B, Tlf. (+45) 4525 3418 , jkmo@dtu.dk
01 Institut for Matematik og Computer Science
I studieplanlæggeren
Kontakt underviseren for information om hvorvidt dette kursus giver den studerende mulighed for at lave eller forberede et projekt som kan deltage i DTUs studenterkonference om bæredygtighed, klimateknologi og miljø (GRØN DYST). Se mere på http://www.groendyst.dtu.dk
Overordnede kursusmål
Kurset sigter mod at give de studerende en solid forståelse af avancerede metoder for random effekt/latente variable modeller. Fokus vil være på modeller med klar fortolkning af parametrene og en solid forståelse af de moderne estimations teknikker. Modellerne inkluderer både ikke-lineære random effek tmodeller for tidsuafhængige observationer og formulering af den marginale sandsynlighed for ikke-lineære/ikke Gaussiske stokastiske dynamiske systemer.
Læringsmål
En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:
  • Forstå den marginale likelihood for random effekt modeller
  • Anvends og forstå Laplace-approksimationen
  • Formulere modeller inden for rammerne af Generalized Linear Mixed Effect-modeller (GLMM)
  • Formulere og anvende random effektmodel ved hjælp af konjugerede priors
  • Formulere og implementere generelle mixed effekt modeller, dvs. ikke-lineære/​ikke-Gaussiske første og anden stage modeller
  • Formulere og estimere parametre i generaliserede tilstands modeller
  • Formulere og estimere parametre i ikke-homogene Hidden Markov-modeller og fortolke lokal og global decoding
  • Estimation i ikke-lineære SDE-modeller ved hjælp af Laplace-approksimationen
  • Transformation af tilstandsrummet i tilstandsafhængige diffusionsmodeller (f.eks. Lamperti-transformationen)
Kursusindhold
Formulering og beregning/​approksimation, ved brug af f.eks. Laplace-approksimationen, af den marginale likelihood for ikke-lineære random effekt modeller er kernen i kurset. Det inkludere modeller med eksplicitte løsninger for den marginale likelihood og mere generelle modeller, hvor Laplace-approksimationen er nødvendig, for eksempel Generalized Linear Mixed Effect-model, ikke-lineær og ikke-Gaussisk modeller. Derudover præsenteres ikke-lineære/​ikke-Gaussiske stokastiske tilstands modeller (f.eks. generaliserede tilstands modeller). Kurset inkluderer både matematiske udledninger og praktisk implementering ved hjælp af TMB (Template Model Builder) og andre model specifikke R-pakker.
Litteraturhenvisninger
Møller, J.K., Schweiker, M., Andersen, R.K., Gunay, B., Yilmaz, S., Barthelmes, V.M., & Madsen, H. (2024). Statistical Modelling of Occupant Behaviour (1st ed.). Chapman and Hall/CRC. Plus et antal articler, bog kapitler, og lecture notes.
Sidst opdateret
02. maj, 2024