EGZAMIN - zadania przygotowawcze tutaj.
Wykład: czwartki godz. 10.15 sala 3045.
Lab: czwartki - prowadzi K. Gogolewski godz. 8.30 sala 3045.
- wykład 1:Podstawowe rozkłady jednej i wielu zmiennych (notatki).
- wykład 2: Testowanie hipotez statystycznych (notatki).
- wykład 3: Metody redukcji wymiaru (SLAJDY).
- wykład 4: Ukryte Modele Markowa, algorytm EM (SLAJDY).
- wykład 5: Zastosowania Ukrytych Modeli Markowa (SLAJDY).
- wykład 6: Mieszanki gaussowskie - klastrowanie - algorytm EM po raz kolejny. (SLAJDY).
- wykład 7: Modele liniowe (notatki).
- wykład 8: Jednoczynnikowa i wieloczynnikowa analiza wariancji (ANOVA) (notatki).
- wykład 9: Estymacja parametrów (bayesowska i MLE) (notatki).
- wykład 10: Estymacja najwiekszej wiarygodnosci w filogenetyce (wykłady nr 2, 5 i 6).
- wykład 11 i 12: modele Markowa i metody MCMC (notatki B. Walsh).
- wykład 13 i 14: MCMC: zastosowania do estymacji parametrow (EM vs MCMC for estimation of HMM).
- Literatura:
- T. Hastie, R. Tibshirani, J. Friedman, The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Springer-Verlag, 2001.
- K. Seefeld, E. Linder, Statistics using R with biological examples.
- W.P. Krijnen Applied statistics for bioinformatics using R.
- S.K. Mathur, Statistical Bioinformatics with R, Elsevier Academic Press, 2010