PristupačnostMultivarijatna analiza podataka
Opis predmeta
Multivarijatna analiza podataka čini jedan od osnovnih stupova znanosti o podacima i poopćenje je univarijatnih i bivarijatnih statističkih metoda. Multivarijatne analiza namijenjena je simultanoj analizi i vizualizaciji složenih skupova podataka sa velikim brojem nezavisnih i/ili zavisnih varijabli koje su u različitim stupnjevima međusobne koreliranosti, a njihovi se raznovrsni učinci ne mogu interpretirati zasebno. Sadržaj premeta grupiran je u tri cjeline. Prva cjelina sadrži osnovne pojmove i temeljne tehnike koje prethode samoj multivarijatnoj analizi, druga cjelina je vezana za različite naprednije regresijske tehnike i njihovo razumijevanje (s osvrtom na visokodimenzionalne podatke), a treća za tehnike temeljene na matričnim dekompozicijama (rastav na svojstvene vrijednosti i rastav na singularne vrijednosti). Cilj ovog predmeta je dati studentima pregled multivarijatnih metoda, omogućiti razumijevanje teorijskih osnova, razumijevanje mogućnosti primjene tih metoda, njihovih pretpostavki i ograničenja.
Ishodi učenja
- Definirati glavne pojmove u multivarijantnoj analizi podataka
- Objasniti matematičke pozadine glavnih procedura u multivarijantnoj statistici
- Primijeniti linearnu višestruku regresijsku analizu
- Razlikovati analizu glavnih komponenti i faktorsku analizu
- Objasniti prikladnost različitih metoda multivarijantne statistike za različite probleme
- Objasniti rezultate multivarijantne analize podataka i objasniti njihovo praktično značenje
Oblici nastave
Predavanja
Auditorne vježbe
Samostalni zadaci
Laboratorij
Auditorne vježbe
Samostalni zadaci
Laboratorij
Način ocjenjivanja
| Kontinuirana nastava | Ispitni rok | |||||
|---|---|---|---|---|---|---|
| Vrsta provjere | Prag | Udio u ocjeni | Prag | Udio u ocjeni | ||
| Laboratorijske vježbe | 50 % | 30 % | 50 % | 30 % | ||
| Međuispit: Pismeni | 0 % | 35 % | 0 % | |||
| Završni ispit: Pismeni | 0 % | 35 % | ||||
| Ispit: Pismeni | 50 % | 70 % | ||||
Napomena / komentar
Prag na kontinuiranoj nastavi je 50% od ukupnog zbroja bodova međuispita i završnog ispita.
Tjedni plan nastave
- Uvodni koncepti, pojam statističke udaljenosti, priprema podataka za analizu
- Slučajni vektori i matrice, rastav matrica, svojstvene vrijednosti
- Geometrija uzorka, slučajno uzorkovanje
- Primijenjena korelacijska i regresijska analiza
- Analiza glavnih komponenti
- Eksploratorna faktorska analiza
- Diskriminantna analiza
- Međuispit
- Višedimenzionalno skaliranje
- Analiza korespondencije
- Analiza doživljenja
- Analiza vremenskih nizova
- Lasso metoda za visokodimenzionalne podatke
- Gostujuće predavanje
- Završni ispit
Studijski programi
Sveučilišni diplomski
Izborni predmeti (2. semestar)[FER3-HR] Automatika i robotika - profil
Izborni predmeti
(2. semestar)
[FER3-HR] Elektroenergetika - profil
Izborni predmeti
(2. semestar)
Izborni predmeti
(2. semestar)
[FER3-HR] Elektronika - profil
Izborni predmeti
(2. semestar)
Izborni predmeti
(2. semestar)
Izborni predmeti
(2. semestar)
Izborni predmeti
(2. semestar)
Izborni predmeti
(2. semestar)
[FER3-HR] Računalno inženjerstvo - profil
Izborni predmeti
(2. semestar)
Izborni predmeti
(2. semestar)
[FER3-HR] Računarska znanost - profil
Izborni predmeti
(2. semestar)
[FER3-HR] Znanost o mrežama - profil
Izborni predmeti
(2. semestar)
[FER3-HR] Znanost o podacima - profil
(2. semestar)
Literatura
Richard A. Johnson, Dean W. Wichern (2008.), Applied Multivariate Statistical Analysis, Pearson
Barbara G. Tabachnick, Linda S. Fidell (2013.), Using Multivariate Statistics, Pearson
Joseph F. Hair, William C. Black, Barry J. Babin, Rolph E. Anderson (2010.), Multivariate Data Analysis, Pearson
Predavanja
Auditorne vježbe
Laboratorijske vježbe
Za studente
Izvedba
ID 222481
Ljetni semestar
5 ECTS
R1 Engleski jezik
R1 E-učenje
45 Predavanja
0 Seminar
15 Auditorne vježbe
6 Laboratorijske vježbe
0 Konstrukcijske vježbe
Ocjenjivanje
89 izvrstan
76 vrlo dobar
63 dobar
50 dovoljan