BI493广义线性模型-上海交通大学生命科学技术学院.docVIP

广义线性模型 课程教学大纲 课程基本信息（Course Information） 课程代码 （Course Code） BI493 *学时 （Credit Hours） 32 *学分 （Credits） 2 *课程名称 （Course Title） 广义线性模型 Generalized Linear Model *课程性质 （Course Type） 专业选修课 Elective 授课对象 （Target Audience） 生物信息学、生物统计学或其他相关专业的本科学生 Undergraduates majored in bioinformatics/biostatistics *授课语言 (Language of Instruction) 中英双语 Chinese + English *开课院系 （School） 生命科学技术学院 School of Life Sciences and Biotechnology 先修课程 （Prerequisite） 高等数学、线性代数、概率论、数理统计 Calculus, Linear Algebra, Probability, Statistics 授课教师 （Instructor） Zuoheng Wang, Shuangge Ma, Haiqun Lin (Yale), Hui Lu, Maoying Wu (SJTU) 课程网址 (Course Webpage) /course/bi493 *课程简介（Description） 本课程将介绍自然科学和社会科学领域中针对定量和定性数据的广义线性回归分析方法和技术，例如针对定量数据的多元性性回归、ANOVA和ANCOVA，针对二元分类数据的Logistic和Probit回归模型，针对计数数据的泊松回归模型和负二项回归模型，针对生存数据的分段指数模型等等。课程将在似然估计理论的框架下展开。作为一门专业课，本课程要求学生在掌握统计学理论的同时，能结合R语言等统计学语言，将学到的知识应用于本学科的数据分析中。 *课程简介（Description） This course will cover the classic statistical models for the analysis of quantitative and qualitative data encountered in natural and social science investigation, in the context of likelihood theory. The statistical methods studied are the general linear models for quantitative responses (including multiple regression, ANOVA and ANCOVA), binomial regression models for binary data (including logistic regression and probit models), models for count data (including Poisson regression and negative binomial models) and models for survival data (Piecewise exponential models fitted via Poisson regression). All of these techniques are covered as special cases of the Generalized Linear Model, which provides a central unifying statistical framework for the entire course. 课程教学大纲（course syllabus） *学习目标(Learning Outcomes) 1. 似然估计理论与线性模型（Likelihood theory and linear models）（A5.2，A5.5.1） 2. 广义线性基础理论模型（Theory of generalized linear models）（A5.2，A5.5.1） 3. 二元与分类数据分析（Analysis of binary and categorical data）（A5.2，A5.5.1） 4. 对数线性模型（Log-linear models）（A5.2，A5.5.1） 5. 拟似然估计理论（Quasi-likelihood）（A5.2，A5.5.1） 6. 生存数据的广义线性