{"id":3263,"date":"2026-07-02T08:38:17","date_gmt":"2026-07-02T08:38:17","guid":{"rendered":"https:\/\/ptgeof.pl\/?p=3263"},"modified":"2026-07-02T08:39:41","modified_gmt":"2026-07-02T08:39:41","slug":"siodme-warsztaty-geofizyczne-komunikat-nr-2","status":"publish","type":"post","link":"https:\/\/ptgeof.pl\/?p=3263","title":{"rendered":"Si\u00f3dme Warsztaty Geofizyczne: Komunikat nr 2"},"content":{"rendered":"<p style=\"text-align: justify\"><span style=\"color: #000000;font-size: 12pt\"><img loading=\"lazy\" decoding=\"async\" class=\" wp-image-452 aligncenter\" src=\"http:\/\/ptgeof.pl\/wp-content\/uploads\/2022\/09\/r-300x98.jpg\" alt=\"ff\" width=\"527\" height=\"172\" srcset=\"https:\/\/ptgeof.pl\/wp-content\/uploads\/2022\/09\/r-300x98.jpg 300w, https:\/\/ptgeof.pl\/wp-content\/uploads\/2022\/09\/r.jpg 590w\" sizes=\"auto, (max-width: 527px) 100vw, 527px\" \/><br \/>\n<\/span><\/p>\n<p style=\"text-align: center\"><span style=\"color: #000000;font-size: 12pt\"><strong>KOMUNIKAT nr 2<\/strong><\/span><\/p>\n<p style=\"text-align: center\"><span style=\"font-size: 12pt;color: #000000\"><strong>Polskie Towarzystwo Geofizyczne<br \/>\n<\/strong><strong>oraz Zak\u0142ad Klimatologii i Ochrony Atmosfery Uniwersytetu Wroc\u0142awskiego <\/strong><\/span><\/p>\n<p style=\"text-align: center\"><span style=\"font-size: 12pt;color: #000000\"><strong>zapraszaj\u0105 na:<\/strong><\/span><\/p>\n<p style=\"text-align: center\"><span style=\"font-size: 14pt;color: #000000\"><strong>Si\u00f3dme Warsztaty Geofizyczne<br \/>\n<\/strong><strong>&#8222;<em>Zastosowanie GLM (generalized linear models) i GAM (generalized additive models) w R&#8221;<\/em><\/strong><\/span><\/p>\n<p style=\"text-align: justify\"><span style=\"color: #000000;font-size: 12pt\">kt\u00f3re odb\u0119d\u0105 si\u0119 w Karpaczu, w stacji ekologicznej Uniwersytetu Wroc\u0142awskiego w dniach 14-18 wrze\u015bnia 2026. <\/span><\/p>\n<p style=\"text-align: justify\"><span style=\"color: #000000;font-size: 12pt\">Zaj\u0119cia b\u0119d\u0105 odbywa\u0142y si\u0119 od godzin popo\u0142udniowych w poniedzia\u0142ek do popo\u0142udnia w czwartek. W pi\u0105tek proponujemy wycieczk\u0119 na \u015anie\u017ck\u0119 po\u0142\u0105czon\u0105 ze zwiedzaniem obserwatorium meteorologicznego IMGW-PIB. Przyjazd uczestnik\u00f3w przewidziany jest na poniedzia\u0142ek 14 wrze\u015bnia w godzinach przedpo\u0142udniowych. Noclegi zaplanowane s\u0105 w stacji ekologicznej Uniwersytetu Wroc\u0142awskiego \u201eStorczyk\u201d, kt\u00f3ry dysponuje pokojami kilkuosobowymi. W budynku jest dost\u0119pna dla uczestnik\u00f3w kursu kuchnia. Przerwy obiadowe pozwalaj\u0105 na skorzystanie z bar\u00f3w i restauracji w Karpaczu.<\/span><\/p>\n<p style=\"text-align: justify\"><span style=\"color: #000000;font-size: 12pt\"><strong>Prowadz\u0105cy: dr Bartosz Czernecki i dr Micha\u0142 Marosz<\/strong><\/span><\/p>\n<p style=\"text-align: justify\"><span style=\"color: #000000;font-size: 12pt\">Koszt warsztat\u00f3w wynosi 750 z\u0142 dla cz\u0142onk\u00f3w PTGeof. i 850 z\u0142 dla pozosta\u0142ych. Cena obejmuje noclegi i zaj\u0119cia, natomiast wy\u017cywienie uczestnicy organizuj\u0105 we w\u0142asnym zakresie. Op\u0142at\u0119 za udzia\u0142 w Warsztatach prosz\u0119 przesy\u0142a\u0107 na konto Polskiego Towarzystwa Geofizycznego: 67 2530 0008 2090 1078 3262 0001 z dopiskiem \u201eWarsztaty, imi\u0119 i nazwisko uczestnika\u201d. Osoby, kt\u00f3re chc\u0105 otrzyma\u0107 faktur\u0119 prosz\u0119 o przes\u0142anie danych do faktury do pani prof. Agnieszki Wypych, skarbnika PTGeof. (<a href=\"mailto:agnieszka.wypych@uj.edu.pl\"><span style=\"color: #0000ff\"><strong>agnieszka.wypych@uj.edu.pl<\/strong><\/span><\/a>). <\/span><\/p>\n<p><span style=\"font-size: 12pt;color: #000000\"><strong>Miejsce:<\/strong> STACJA EKOLOGICZNA \u201eSTORCZYK\u201d, ul. Le\u015bna 10, 58-540 Karpacz (<a href=\"http:\/\/www.storczyk.uni.wroc.pl\/\"><span style=\"color: #0000ff\"><strong>http:\/\/www.storczyk.uni.wroc.pl\/<\/strong><\/span><\/a>)<\/span><\/p>\n<p><span style=\"font-size: 12pt;color: #000000\">Plan zaj\u0119\u0107:<\/span><br \/>\n<strong><span style=\"font-size: 12pt;color: #000000\">Dzie\u0144 1: Wprowadzenie (prowadz\u0105cy: dr Bartosz Czernecki, UAM)<\/span><\/strong><\/p>\n<p><span style=\"font-size: 12pt;color: #000000\">Sesja 1. (14:00-16:30) Wprowadzenie do R \u2013 przypomnienie kluczowych element\u00f3w<\/span><br \/>\n<span style=\"font-size: 12pt;color: #000000\">\u2022 RoundTable<\/span><br \/>\n<span style=\"font-size: 12pt;color: #000000\">\u2022 Rozgrzewka:<\/span><br \/>\n<span style=\"font-size: 12pt;color: #000000\">struktury danych<\/span><br \/>\n<span style=\"font-size: 12pt;color: #000000\">dplyr\/tidyverse<\/span><br \/>\n<span style=\"font-size: 12pt;color: #000000\">grafika z ggplot<\/span><\/p>\n<p><span style=\"font-size: 12pt;color: #000000\"><strong>Dzie\u0144 2:<\/strong> Kontynuacja wprowadzenia do R oraz Podstawy GLM i modele dla binarnej predyktanty (prowadz\u0105cy: dr Bartosz Czernecki UAM, dr Micha\u0142 Marosz, DataCraft LAB)<\/span><\/p>\n<p><span style=\"font-size: 12pt;color: #000000\">Sesja 1. (9:30\u201312:00) Sesja poranna<\/span><br \/>\n<span style=\"font-size: 12pt;color: #000000\">\u2022 Instrukcje programistyczne:<\/span><br \/>\n<span style=\"font-size: 12pt;color: #000000\">p\u0119tle<\/span><br \/>\n<span style=\"font-size: 12pt;color: #000000\">funkcje<\/span><br \/>\n<span style=\"font-size: 12pt;color: #000000\">instrukcje warunkowe<\/span><br \/>\n<span style=\"font-size: 12pt;color: #000000\">wektoryzacja<\/span><br \/>\n<span style=\"font-size: 12pt;color: #000000\">\u2022 Tworzenie kodu z u\u017cyciem AI<\/span><br \/>\n<span style=\"font-size: 12pt;color: #000000\">\u2022 Usprawnienia w pakiecie \u201cclimate\u201d<\/span><\/p>\n<p><span style=\"font-size: 12pt;color: #000000\">Sesja 2. (13:15\u201314:45) Wprowadzenie do GLM: motywacja i podstawy teoretyczne<\/span><br \/>\n<span style=\"font-size: 12pt;color: #000000\">\u2022 Od regresji liniowej do modeli GLM: ograniczenia klasycznego OLS.<\/span><br \/>\n<span style=\"font-size: 12pt;color: #000000\">\u2022 Rodzina wyk\u0142adnicza i jej w\u0142a\u015bciwo\u015bci.<\/span><br \/>\n<span style=\"font-size: 12pt;color: #000000\">\u2022 Sk\u0142adniki modelu GLM:<\/span><br \/>\n<span style=\"font-size: 12pt;color: #000000\">\u25e6 sk\u0142adnik systematyczny (predictors),<\/span><br \/>\n<span style=\"font-size: 12pt;color: #000000\">\u25e6 funkcja \u0142\u0105cz\u0105ca (link function),<\/span><br \/>\n<span style=\"font-size: 12pt;color: #000000\">\u25e6 sk\u0142adnik losowy (error distribution).<\/span><br \/>\n<span style=\"font-size: 12pt;color: #000000\">\u2022 Struktura modelu<\/span><br \/>\n<span style=\"font-size: 12pt;color: #000000\">\u2022 Typowe rozk\u0142ady: dwumianowy, Poisson, Gamma.<\/span><\/p>\n<p><span style=\"font-size: 12pt;color: #000000\">Sesja 3. (15:00\u201316:30) Regresja logistyczna: budowa i kalibracja modelu<\/span><br \/>\n<span style=\"font-size: 12pt;color: #000000\">\u2022 Dane binarne i kodowanie zmiennych (0\/1, czynniki).<\/span><br \/>\n<span style=\"font-size: 12pt;color: #000000\">\u2022 Sk\u0142adnia modelu: model &lt;- glm(Y ~ X1 + X2, family = binomial(link=&#8221;logit&#8221;), data=df)<\/span><br \/>\n<span style=\"font-size: 12pt;color: #000000\">\u2022 Interpretacja funkcji \u0142\u0105cz\u0105cej (logit, probit, cloglog).<\/span><br \/>\n<span style=\"font-size: 12pt;color: #000000\">\u2022 Kalibracja modelu:<\/span><br \/>\n<span style=\"font-size: 12pt;color: #000000\">\u25e6 dopasowanie (AIC, BIC, deviance),<\/span><br \/>\n<span style=\"font-size: 12pt;color: #000000\">\u25e6 test istotno\u015bci wsp\u00f3\u0142czynnik\u00f3w (summary(), anova()),<\/span><br \/>\n<span style=\"font-size: 12pt;color: #000000\">\u25e6 selekcja zmiennych (stepAIC, drop1, add1).<\/span><br \/>\n<span style=\"font-size: 12pt;color: #000000\">\u2022 Przyk\u0142ad: prawdopodobie\u0144stwo wyst\u0105pienia zjawiska (np. choroby, sukcesu eksperymentu, zdarzenia pogodowego).<\/span><br \/>\n<span style=\"font-size: 12pt;color: #000000\">\u2022 Interpretacja wsp\u00f3\u0142czynnik\u00f3w i predykcje<\/span><br \/>\n<span style=\"font-size: 12pt;color: #000000\">\u25e6 Log-odds i szanse (odds ratio)<\/span><br \/>\n<span style=\"font-size: 12pt;color: #000000\">\u25e6 Przekszta\u0142canie wynik\u00f3w do warto\u015bci prawdopodobie\u0144stwa (predict(type=&#8221;response&#8221;)).<\/span><br \/>\n<span style=\"font-size: 12pt;color: #000000\">\u25e6 Efekty brzegowe i wykresy efekt\u00f3w (effects, ggeffects, margins).<\/span><br \/>\n<span style=\"font-size: 12pt;color: #000000\">\u25e6 Wizualizacja dopasowania i diagnostyka:<\/span><br \/>\n<span style=\"font-size: 12pt;color: #000000\">\u25aa library(ggeffects)<\/span><br \/>\n<span style=\"font-size: 12pt;color: #000000\">\u25aa ggpredict<\/span><\/p>\n<p><span style=\"font-size: 12pt;color: #000000\"><strong>Dzie\u0144 3:<\/strong> GLM (kontynuacja) + GAM (prowadz\u0105cy: dr Micha\u0142 Marosz, DataCraft LAB)<\/span><\/p>\n<p><span style=\"font-size: 12pt;color: #000000\">Sesja 1. (9:00\u201310:30) Ewaluacja modelu: jako\u015b\u0107 predykcji<\/span><br \/>\n<span style=\"font-size: 12pt;color: #000000\">\u2022 Macierz pomy\u0142ek i metryki jako\u015bci modelu:<\/span><br \/>\n<span style=\"font-size: 12pt;color: #000000\">\u25e6 Accuracy, Sensitivity, Specificity, TPR, FPR<\/span><br \/>\n<span style=\"font-size: 12pt;color: #000000\">\u25e6 Precision, Recall, F1-score. HSS<\/span><br \/>\n<span style=\"font-size: 12pt;color: #000000\">\u2022 Krzywa ROC i AUC:<\/span><br \/>\n<span style=\"font-size: 12pt;color: #000000\">\u25e6 library(pROC)<\/span><br \/>\n<span style=\"font-size: 12pt;color: #000000\">\u25e6 roc(response, fitted(model))<\/span><br \/>\n<span style=\"font-size: 12pt;color: #000000\">\u2022 Dob\u00f3r punktu odci\u0119cia (cutoff) \u2013 kompromis mi\u0119dzy TPR a FPR.<\/span><br \/>\n<span style=\"font-size: 12pt;color: #000000\">\u2022 Walidacja modelu:<\/span><br \/>\n<span style=\"font-size: 12pt;color: #000000\">\u25e6 podzia\u0142 danych na zbi\u00f3r ucz\u0105cy\/testowy (caret, rsample),<\/span><br \/>\n<span style=\"font-size: 12pt;color: #000000\">\u25e6 cross-validation (cv.glm).<\/span><br \/>\n<span style=\"font-size: 12pt;color: #000000\">\u2022 Analiza reszt (residuals(), influencePlot()).<\/span><br \/>\n<span style=\"font-size: 12pt;color: #000000\">\u2022 Mini case study: ocena klasyfikacji zjawiska binarnego.<\/span><\/p>\n<p><span style=\"font-size: 12pt;color: #000000\">Sesja 2. (10:45\u201312:15) Regresja Poissona<\/span><br \/>\n<span style=\"font-size: 12pt;color: #000000\">\u2022 Charakterystyka rozk\u0142adu Poissona (mean = variance).<\/span><br \/>\n<span style=\"font-size: 12pt;color: #000000\">\u2022 Interpretacja wsp\u00f3\u0142czynnik\u00f3w (efekt multiplikatywny).<\/span><br \/>\n<span style=\"font-size: 12pt;color: #000000\">\u2022 Problem nadmiernej zmienno\u015bci (overdispersion).<\/span><br \/>\n<span style=\"font-size: 12pt;color: #000000\">\u2022 Diagnostyka (dispersiontest(), residual deviance).<\/span><br \/>\n<span style=\"font-size: 12pt;color: #000000\">\u2022 Wizualizacja wynik\u00f3w (ggplot2, visreg).<\/span><\/p>\n<p><span style=\"font-size: 12pt;color: #000000\">Sesja 3. (13:30\u201315:00)<\/span><br \/>\n<span style=\"font-size: 12pt;color: #000000\">Regresja quasi-Poissona i ujemna dwumianowa<\/span><br \/>\n<span style=\"font-size: 12pt;color: #000000\">\u2022 Koncepcja nadmiernej wariancji.<\/span><br \/>\n<span style=\"font-size: 12pt;color: #000000\">\u2022 Model quasi-Poissona<\/span><br \/>\n<span style=\"font-size: 12pt;color: #000000\">\u2022 Model Negative Binomial (MASS::glm.nb).<\/span><br \/>\n<span style=\"font-size: 12pt;color: #000000\">\u2022 Por\u00f3wnanie modeli (AIC, log-likelihood, test Vuonga).<\/span><\/p>\n<p><span style=\"font-size: 12pt;color: #000000\">Regresja Gamma<\/span><br \/>\n<span style=\"font-size: 12pt;color: #000000\">\u2022 W\u0142a\u015bciwo\u015bci rozk\u0142adu Gamma (dodatnie warto\u015bci, asymetria).<\/span><br \/>\n<span style=\"font-size: 12pt;color: #000000\">\u2022 Funkcje \u0142\u0105cz\u0105ce (inverse, log): glm(Y ~ X1 + X2, family = Gamma(link=&#8221;log&#8221;), data=df)<\/span><br \/>\n<span style=\"font-size: 12pt;color: #000000\">\u2022 Interpretacja parametr\u00f3w i dopasowanie modelu.<\/span><br \/>\n<span style=\"font-size: 12pt;color: #000000\">\u2022 Diagnostyka i ocena jako\u015bci (residual plots, pseudo-R\u00b2).<\/span><br \/>\n<span style=\"font-size: 12pt;color: #000000\">Sesja 4. (15:15\u201316:45) GAMs &#8211; wprowadzenie<\/span><br \/>\n<span style=\"font-size: 12pt;color: #000000\">\u2022 Modele Addytywne (GAM)<\/span><br \/>\n<span style=\"font-size: 12pt;color: #000000\">\u2022 Przyk\u0142ad w R: library(mgcv)<\/span><\/p>\n<p><span style=\"font-size: 12pt;color: #000000\"><strong>Dzie\u0144 4:<\/strong> GAMs, Mini-projekt uczestnik\u00f3w warsztat\u00f3w<\/span><\/p>\n<p><span style=\"font-size: 12pt;color: #000000\">Sesja 1. (9:00\u201312:15, w tym 15 minut przerwy technicznej)<\/span><br \/>\n<span style=\"font-size: 12pt;color: #000000\">GAM &#8211; kontynuacja<\/span><br \/>\n<span style=\"font-size: 12pt;color: #000000\">\u2022 Wykresy efekt\u00f3w nieliniowych (plot.gam, vis.gam).<\/span><br \/>\n<span style=\"font-size: 12pt;color: #000000\">\u2022 Por\u00f3wnanie GLM vs GAM \u2013 kiedy warto stosowa\u0107.<\/span><\/p>\n<p><span style=\"font-size: 12pt;color: #000000\">Sesja 2. (13:30 \u2013 16:30) Miniprojekt<\/span><br \/>\n<span style=\"font-size: 12pt;color: #000000\">\u2022 Analiza w\u0142asnego zestawu danych (binomial \/ count \/ continuous).<\/span><br \/>\n<span style=\"font-size: 12pt;color: #000000\">\u2022 Dob\u00f3r rodziny i funkcji \u0142\u0105cz\u0105cej.<\/span><br \/>\n<span style=\"font-size: 12pt;color: #000000\">\u2022 Ocena modelu i wizualizacja wynik\u00f3w.<\/span><\/p>\n<p><span style=\"color: #000000;font-size: 12pt\">w imieniu Polskiego Towarzystwa Geofizycznego<\/span><\/p>\n<p><span style=\"color: #000000;font-size: 12pt\">Joanna Wibig<\/span><\/p>\n","protected":false},"excerpt":{"rendered":"<p>KOMUNIKAT nr 2 Polskie Towarzystwo Geofizyczne oraz Zak\u0142ad Klimatologii i Ochrony Atmosfery Uniwersytetu Wroc\u0142awskiego zapraszaj\u0105 na: Si\u00f3dme Warsztaty Geofizyczne &#8222;Zastosowanie GLM (generalized linear models) i GAM (generalized additive models) w R&#8221; kt\u00f3re odb\u0119d\u0105 si\u0119 w Karpaczu, w stacji ekologicznej Uniwersytetu&hellip;<\/p>\n","protected":false},"author":3,"featured_media":453,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-3263","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-uncategorized"],"_links":{"self":[{"href":"https:\/\/ptgeof.pl\/index.php?rest_route=\/wp\/v2\/posts\/3263","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/ptgeof.pl\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/ptgeof.pl\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/ptgeof.pl\/index.php?rest_route=\/wp\/v2\/users\/3"}],"replies":[{"embeddable":true,"href":"https:\/\/ptgeof.pl\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=3263"}],"version-history":[{"count":1,"href":"https:\/\/ptgeof.pl\/index.php?rest_route=\/wp\/v2\/posts\/3263\/revisions"}],"predecessor-version":[{"id":3264,"href":"https:\/\/ptgeof.pl\/index.php?rest_route=\/wp\/v2\/posts\/3263\/revisions\/3264"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/ptgeof.pl\/index.php?rest_route=\/wp\/v2\/media\/453"}],"wp:attachment":[{"href":"https:\/\/ptgeof.pl\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=3263"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/ptgeof.pl\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=3263"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/ptgeof.pl\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=3263"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}