Statističko modeliranje i identifikacija
Prikazani su podaci za akademsku godinu: 2024./2025.
Nositelji
Opis predmeta
Uloga statističkog modeliranja i identifikacije u suvremenoj znanosti (primjer). Opisna (deskriptivna) statistika i vizualizacija podataka (histogram, grafovi raspršenosti, kutijasti grafovi). Test pripadnosti razdiobi. Opis i mjerila statističkih svojstava procjene neke veličine: pristranost, učinkovitost (efikasnost), dosljednost (konzistentnost), dovoljnost i potpunost procjene (Neyman-Fisher teorem faktorizacije, Rao-Blackwell-Lehmann-Scheffe teorem). Metode izračunavanja procjene: kriterij najmanje varijance i nepristranosti (MVU procjena), kriterij najveće izglednosti (ML) i CR donja granica, najbolja nepristrana linearna procjena (BLUE), metoda momenata, Bayesove procjene, LMMSE, Wienerov filtar. Odstupanja od pretpostavki modela (pogreške u varijablama, instrumentalne varijable). Usporedba i odabir metode. Vrednovanje i odabir modela (F-test i normal-plot, Akaike informacijski kriterij, Mallows' Cp). Regresija i korelacija. Faktorska analiza i analiza glavnih sastavnica (PCA; scree-graf).
Studijski programi
Poslijediplomski doktorski
Literatura
Izvedba
ID 154763
Ljetni semestar
6 ECTS
R1 Engleski jezik
R1 E-učenje