Multivarijatna analiza podataka

Prikazani su podaci za akademsku godinu: 2024./2025.

Nositelji

Prof. dr. sc.
Zvonko Kostanjčar
Prof. dr. sc.
Damir Pintar
Doc. dr. sc.
Stjepan Begušić

Predavanja

Izv. prof. dr. sc.
Azra Tafro
Dr. sc.
Bojana Dalbelo Bašić

Auditorne vježbe

Sven Goluža
univ. mag. ing. comp.
Lovre Mrčela
mag. ing.
Tessa Bauman
mag. math.

Laboratorijske vježbe

Lovre Mrčela
mag. ing.
Tessa Bauman
mag. math.
Sven Goluža
univ. mag. ing. comp.

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.

Preduvjeti

Za uspješno praćenje i polaganje kolegija potrebna su predznanja gradiva s predmeta Statistička analiza podatka. Također je korisno ponoviti gradivo iz predmeta Linearna algebra i Vjerojatnost i statistika.

Studijski programi

Sveučilišni diplomski
[FER3-HR] Audiotehnologije i elektroakustika - profil
Izborni predmeti (2. semestar)
[FER3-HR] Automatika i robotika - profil
Izborni predmeti (2. semestar)
[FER3-HR] Biomedicinsko inženjerstvo - studij
Izborni predmeti (2. semestar)
[FER3-HR] Elektroenergetika - profil
Izborni predmeti (2. semestar)
[FER3-HR] Elektroničko i računalno inženjerstvo - profil
Izborni predmeti (2. semestar)
[FER3-HR] Elektronika - profil
Izborni predmeti (2. semestar)
[FER3-HR] Elektrostrojarstvo i automatizacija - profil
Izborni predmeti (2. semestar)
[FER3-HR] Informacijsko i komunikacijsko inženjerstvo - profil
Izborni predmeti (2. semestar)
[FER3-HR] Komunikacijske i svemirske tehnologije - profil
Izborni predmeti (2. semestar)
[FER3-HR] Programsko inženjerstvo i informacijski sustavi - profil
Izborni predmeti (2. semestar)
[FER3-HR] Računalno inženjerstvo - profil
Izborni predmeti (2. semestar)
[FER3-HR] Računalno modeliranje u inženjerstvu - profil
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)

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

Predavanja se odvijaju kroz 13 tjedana u dva termina od dva školska sata tjedno.

Auditorne vježbe

Auditorne vježbe se sastoje od rješavanja praktičnih primjera i zadataka, a integrirane su u termine predavanja.

Laboratorij

Programski zadatci koje studenti rješavaju samostalno te demonstriraju nastavniku odnosno asistentu.

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, geometrija uzorka i slučajno uzorkovanje
  2. Slučajni vektori i matrice, rastav matrica, svojstvene vrijednosti
  3. Multivarijatna normalna distribucija
  4. Statističko zaključivanje o vektorima sredina
  5. Analiza glavnih komponenti
  6. Eksploratorna faktorska analiza
  7. Multivarijatna linearna regresija i kanoničku korelacijsku analizu
  8. Međuispit
  9. Diskriminantna analiza
  10. Metode grupiranja i udaljenosti
  11. Analiza korespondencije
  12. Analiza doživljenja
  13. Analiza vremenskih nizova
  14. Lasso metoda za visokodimenzionalne podatke
  15. Završni ispit

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

Izvedba

ID 269079
  Ljetni semestar
5 ECTS
R1 Engleski jezik
R1 E-učenje
45 Predavanja
0 Seminar
15 Auditorne vježbe
15 Laboratorijske vježbe
0 Konstrukcijske vježbe
0 Vježbe tjelesnog odgoja

Ocjenjivanje

89 izvrstan
76 vrlo dobar
63 dobar
50 dovoljan

Sličan predmet