Računarska statistika

Prikazani su podaci za akademsku godinu: 2025./2026.

Nositelji

Prof. dr. sc.
Zvonko Kostanjčar
Prof. dr. sc.
Igor Velčić
Izv. prof. dr. sc.
Tomislav Petković

Predavanja

Dr. sc. tech.
Tomislav Kovačević

Laboratorijske vježbe

Dr. sc. tech.
Tomislav Kovačević
Andro Merćep
univ. mag. ing. el. techn. inf.

Opis kolegija

Cilj predmeta je osposobiti studente za: (a) evaluaciju univarijatnih i multivarijatnih linearnih statističkih metoda i modela pomoću statističke simulacije; (b) korištenje metoda ponavljanog uzorkovanja i simulacije za testiranje hipoteza i procjenjivanje intervala pouzdanosti; i (c) vizualizaciju višedimenzionalnih podataka.

Studijski programi

Sveučilišni diplomski
[FER3-HR] Audiotehnologije i elektroakustika - profil
Izborni kolegiji (2. semestar)
[FER3-HR] Automatika i robotika - profil
Izborni kolegiji (2. semestar)
[FER3-HR] Elektroenergetika - profil
Izborni kolegiji (2. semestar)
[FER3-HR] Elektroničko i računalno inženjerstvo - profil
Izborni kolegiji (2. semestar)
[FER3-HR] Elektronika - profil
Izborni kolegiji (2. semestar)
[FER3-HR] Elektrostrojarstvo i automatizacija - profil
Izborni kolegiji (2. semestar)
[FER3-HR] Informacijsko i komunikacijsko inženjerstvo - profil
Izborni kolegiji (2. semestar)
[FER3-HR] Komunikacijske i svemirske tehnologije - profil
Izborni kolegiji (2. semestar)
[FER3-HR] Programsko inženjerstvo i informacijski sustavi - profil
Izborni kolegiji (2. semestar)
[FER3-HR] Računalno inženjerstvo - profil
Izborni kolegiji (2. semestar)
[FER3-HR] Računarska znanost - profil
Izborni kolegiji (2. semestar)
[FER3-HR] Znanost o mrežama - profil
Izborni kolegiji (2. semestar)
[FER3-HR] Znanost o podacima - profil
Izborni kolegiji (2. semestar)
Izborni kolegiji profila (2. semestar)

Ishodi učenja

  1. Razlikovati generatore slučajnih brojeva
  2. Definirati i dizajnirati Monte Carlo experimente
  3. Primijeniti Monte Carlo metode procjene
  4. Objasniti principe grafičkih metoda u računalnoj statistici
  5. Primijeniti metode ponovnog uzorkovanja
  6. Primijeniti metode statističkog učenja na stvarne probleme

Oblici nastave

Predavanja

Predavanja će se odvijati u trajanju od 3 sata tjedno.

Laboratorij

Laboratorijske vježbe organizirane su projektno.

Način ocjenjivanja

Kontinuirana nastava Ispitni rok
Vrsta provjere Prag Udio u ocjeni Prag Udio u ocjeni
Laboratorijske vježbe 50 % 25 % 50 % 25 %
Domaće zadaće 0 % 10 % 0 % 10 %
Prisutnost 69 % 0 % 69 % 0 %
Međuispit: Pismeni 0 % 30 % 0 %
Završni ispit: Pismeni 0 % 30 %
Ispit: Pismeni 50 % 60 %
Napomena / komentar

5% bodova nosi odslušan udaljeni tečaj o SAS-u.
Uvjet polaganja predmeta je prisutnost na barem 69% termina predavanjima, odnosno dozvoljeno je propustiti do četiri termina predavanja.
Uvjet polaganje predmeta kroz kontinuiranu nastavu jest ostvareno barem 50% na međuispitu i završnom ispitu zajedno.

Tjedni plan nastave

  1. Uvod u računarsku statistiku
  2. Generiranje slučajnih brojeva
  3. Generiranje slučajnih brojeva
  4. Monte Carlo procjenjivanje
  5. Monte Carlo procjenjivanje
  6. Uzorkovanje po važnosti
  7. Uzorkovanje po važnosti
  8. Međuispit
  9. Metode ponavljanog uzorkovanja
  10. Metode ponavljanog uzorkovanja
  11. Grafičke metode u računarskoj statistici
  12. Grafičke metode u računarskoj statistici
  13. Monte Carlo metode i statističko učenje
  14. Monte Carlo metode i statističko učenje
  15. Završni ispit

Literatura

James E. Gentle (2006.), Elements of Computational Statistics, Springer Science & Business Media
Efron B., T. Hastie (2016.), Computer Age Statistical Inference, Cambridge Academic Press
James E. Gentle (2009.), Computational Statistics, Springer Science & Business Media

Izvedba

ID 222761
  Ljetni semestar
5 ECTS
R1 E-učenje
45 Predavanja
0 Seminar
0 Auditorne vježbe
15 Laboratorijske vježbe
0 Konstrukcijske vježbe
0 Vježbe tjelesnog odgoja

Ocjenjivanje

89 izvrstan
76 vrlo dobar
64 dobar
51 dovoljan

Sličan kolegij