BMETE47D136

Nyomtatóbarát változatNyomtatóbarát változat
Tantárgy azonosító adatok
A tárgy címe: 
Haladó R programozás: Adatelemzés
A tárgy angol címe: 
Advanced R Programming: Data Analysis
A tárgy rövid címe: 
HaladóRProgramozás
0
2
0
f
Kredit: 
3
Ajánlott/Kötelező előtanulmányi rend
1.Követelménytárgy kódja: 
BMETE47D118
1.Követelménytárgy (rövidített) címe: 
Bevezetés az R programoozásba
1.Köv.tárgyat kiváltó 1.tárgy kódja: 
BMETE47MC41
1.Köv.tárgyat kiváltó 1.tárgy (rövidített) címe: 
Bevezetés az R programozásba
A tantárgy felelős tanszéke: 
Kognitív Tudományi Tanszék
A tantárgy felelős oktatója: 
Dr. Rácz Péter
A tantárgy felelős oktatójának beosztása: 
adjunktus
Akkreditációs adatok
Akkreditációra benyújtás időpontja: 
2023.05.24.
Akkreditációs bizottság döntési időpontja: 
2023.06.08.
Tematika
A tantárgy az alábbi témakörök ismeretére épít: 
Kognitív tudomány, R programozás
A tantárgy szerepe a képzés céljának megvalósításában: 
TTK Pszichológia Doktori Iskola tárgya
A tantárgy részletes tematikája magyarul és angolul: 

Az óra témája a frekventista általánosított lineáris vegyes modell (generalised linear mixed model), amely a lineáris regresszió kiterjesztése olyan adatokra, amelyekben a függő változó eloszlása eltér a normálistól, illetve a modell a szokásos rögzített hatásokon túl véletlenszerű hatásokat is tartalmazhat. Az általánosított lineáris vegyes modellek széles körben elterjedtek a kísérletes pszichológiában, használatuk módszertani standardnak tekinthető. Segítségükkel megfelelően elemezhetünk olyan adatsorokat, mint a Likert skálás értékelések, a reakcióidők, a szemmozgások, vagy az EEG idővonalak. Az óra része a szakirodalom angol nyelvű feldolgozása.

Témák: Általánosított legkisebb négyzetek módszere. Logisztikus GLM. Multinomiális GLM. Ordinális GLM. Hierarchikus adatok. Ismételt mérések, idővonalak. Csoportos variancia. Előjeli és nagyságrendi hibák az adatelemzésben. Modellek összehasonlítása, az Akaike információs kritérium. Inferencia és predikció.

Követelmények szorgalmi időszakban: 
Aktív részvétel az órákon, beadandó feladatok elkészítése.
Pótlási lehetőségek: 
TVSZ szerint
Konzultációs lehetőségek: 
Az oktató fogadóóráján, ill. e-mailben
Jegyzet, tankönyv, felhasználható irodalom: 
Grolemund G & Wickham H: R for Data Science. http://r4ds.had.co.nz/
Jennifer Hill, Aki Vehtari, Andrew Gelman. Regression and Other Stories. CUP
Richard McElreath. Statistical Rethinking. CRC Press.
A tárgy elvégzéséhez átlagosan szükséges tanulmányi munka mennyisége órákban (a teljes szemeszterre számítva)
Kontakt óra: 
28
Félévközi felkészülés órákra: 
48
Felkészülés zárthelyire: 
0
Zárthelyik megírása: 
0
Házi feladat elkészítése: 
0
Kijelölt írásos tananyag elsajátítása (beszámoló): 
14
Egyéb elfoglaltság: 
0
Vizsgafelkészülés: 
0
Összesen: 
90
Ellenőrző adat: 
90
A tárgy tematikáját kidolgozta
Név: 
Dr. Rácz Péter
Beosztás: 
adjunktus
Munkahely (tanszék, kutatóintézet, stb.): 
Kognitív Tudományi Tanszék
A tanszékvezető neve: 
Dr. Babarczy Anna