Multivarijatna 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

  1. Definirati glavne pojmove u multivarijantnoj analizi podataka
  2. Objasniti matematičke pozadine glavnih procedura u multivarijantnoj statistici
  3. Primijeniti linearnu višestruku regresijsku analizu
  4. Razlikovati analizu glavnih komponenti i faktorsku analizu
  5. Objasniti prikladnost različitih metoda multivarijantne statistike za različite probleme
  6. Objasniti rezultate multivarijantne analize podataka i objasniti njihovo praktično značenje

Oblici nastave

Predavanja

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

  1. Uvodni koncepti, pojam statističke udaljenosti, priprema podataka za analizu
  2. Slučajni vektori i matrice, rastav matrica, svojstvene vrijednosti
  3. Geometrija uzorka, slučajno uzorkovanje
  4. Primijenjena korelacijska i regresijska analiza
  5. Analiza glavnih komponenti
  6. Eksploratorna faktorska analiza
  7. Diskriminantna analiza
  8. Međuispit
  9. Višedimenzionalno skaliranje
  10. Analiza korespondencije
  11. Analiza doživljenja
  12. Analiza vremenskih nizova
  13. Lasso metoda za visokodimenzionalne podatke
  14. Gostujuće predavanje
  15. Završni ispit

Studijski programi

Sveučilišni diplomski
Izborni predmeti (2. semestar)
Izborni predmeti (2. semestar)
Izborni predmeti (2. semestar)
Izborni predmeti (2. semestar)
Izborni predmeti (2. semestar)
Izborni predmeti (2. semestar)
Izborni predmeti (2. semestar)
Izborni predmeti (2. semestar)
Izborni predmeti (2. semestar)
Izborni predmeti (2. semestar)
Izborni predmeti (2. semestar)
Izborni predmeti (2. semestar)
Izborni predmeti (2. semestar)
(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