Računarska statistika

Prikazani su podaci za akademsku godinu: 2022./2023.

Nositelji

Prof. dr. sc.
Zvonko Kostanjčar
Prof. dr. sc.
Igor Velčić

Predavanja

Dr. sc.
Vesna Lužar-Stiffler

Laboratorijske vježbe

Tomislav Kovačević
mag. ing.
Andro Merćep
mag. ing.

Opis predmeta

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, (c) vizualizaciju višedimenzionalnih podataka.

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] 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
Izborni predmeti (2. semestar)
Izborni predmeti 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
Seminar/Projekt 50 % 40 % 50 % 40 %
Međuispit: Pismeni 0 % 30 % 0 %
Završni ispit: Pismeni 0 % 30 %
Ispit: Pismeni 50 % 60 %
Napomena / komentar

Prag na kontinuiranoj nastavi je 50% od ukupnog zbroja bodova međuispita i završnog ispita.

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

Za studente

Izvedba

ID 222761
  Ljetni semestar
5 ECTS
R1 Engleski jezik
R1 E-učenje
45 Predavanja
0 Seminar
0 Auditorne vježbe
15 Laboratorijske vježbe
0 Konstrukcijske vježbe

Ocjenjivanje

89 izvrstan
76 vrlo dobar
63 dobar
50 dovoljan

Sličan predmet