Sadržaj se učitava...
mdi-home Početna mdi-account-multiple Djelatnici mdi-script Studiji mdi-layers Katedre mdi-calendar-clock Raspored sati FOI Nastava search apps mdi-login
Statističke metode za informatičare
Statistic Methods for Students of Informatics
2020/2021
5 ECTSa
Organizacija poslovnih sustava 1.3 (OPS)
Informatika u obrazovanju 1.3 (IUO)
Informacijsko i programsko inženjerstvo 1.3 (IPI)
Baze podataka i baze znanja 1.3 (BPBZ)
Katedra za kvantitativne metode
TO
2. semestar
 Osnovne informacijemdi-information-variant Izvođači nastavemdi-account-group Nastavni plan i programmdi-clipboard-text-outline Model praćenjamdi-human-male-board Ispitni rokovimdi-clipboard-check-outline Rasporedmdi-calendar-clock Konzultacijemdi-account-voice
Izvođenje kolegija
Studij Studijski program Semestar Obavezan
Organizacija poslovnih sustava 1.3 (OPS) 4 izborni
Organizacija poslovnih sustava 1.3 (OPS) 2 izborni
Informatika u obrazovanju 1.3 (IUO) 2 izborni
Informacijsko i programsko inženjerstvo 1.3 (IPI) 4 izborni
Informacijsko i programsko inženjerstvo 1.3 (IPI) 2 izborni
Baze podataka i baze znanja 1.3 (BPBZ) 2 obavezan
Cilj kolegija
Cilj kolegija Statističke metode za informatičare je produbiti znanje osnovnih statističkih metoda stečeno u okviru kolegija Statistika i osposobiti studente za korištenje programske podrške za provođenje statističkih ispitivanja. Početni dio programa daje čvrsti teorijsku bazu za obradu parametarskih i neparametarskih statističkih metoda. Iskustvo pokazuje da korištenje statističke programske podrške, bez čvrsto utemeljenog znanja statistike, rezultira nekvalitetnim statističkim obradama. Stoga je kolegij usmjeren na premošćivanje jaza između teorijskog znanja i konkretne primjene. Od programske podrške koristit će se Excel koji je pogodan jer je široko dostupan i specijalizirani programski paketi kao što su Statistica i SAS. Za statističke obrade koristit će se specijalizirane baze podataka iz gospodarstva.
Preduvjeti
Kolegij nema definirane preduvjete
Norma kolegija
Predavanja
 15 sati
Vježbe u praktikumu
 14 sati
Seminar
 16 sati
Nastavnik Uloga na kolegiju Oblik nastave Tjedana Sati Grupa
Dobša Jasminka Nositelj Predavanja
Seminar
Vježbe u praktikumu 		15
8
7 		1
2
2 		1
2
2
Buhin Pandur Maja Suradnik Vježbe u praktikumu 7 2 1
Sadržaj predavanja
  • Vjerojatnost - uvod
    Definicija vjerojatnosti: aksiomatska i klasična. Uvjetna vjerojatnost i nezavisnost događaja.
  • Vjerojatnost - nastavak
    Uvjetna vjerojatnost i nezavisnost događaja. Bernullijev pokus i niz Bernullijevih pokušaja. Formula potupune vjerojatnosti i Bayesova formula.
  • Slučajne varijable
    Definicija slučajne varijable i funkcija distribucije za diskretnu slučajnu varijablu. Funkcija razdiobe slučajne varijable i neprekidna slučajna varijabla. Definicija očekivanja i varijance slučajne varijable i njihova svojstva. Čebiševljeva nejednakost i zakon velikh brojeva.
  • Neke važnije razdiobe vjerojatnosti
    Binomna razdioba. Izvod očekivanja i varijance za binomnu razdiobu. Normalna razdioba. Standardizirana slučajna varijabla. Svojstva normalne razdiobe. Poissonova razdioba i njena svojstva. Veza između obrađenih slučajnih distribucija.
  • Hi-kvadrat test.
    Testiranje hipoteze da empirijska razdioba ima određeni oblik, da postoji razlika proporcija triju ili više osnovnih skupova i da su dva obilježja nekog skupa međusobno nezavisna. Kontigencijska tablica.
  • Analiza varijance 1
    Analiza varijance (ANOVA) za test hipoteze o jednakosti aritmetičkih sredina k populacija pomoću nezavisnih slučajnih uzoraka. Jednofaktorska analiza varijance. Testiranje utjecaja jednog faktora (nezavisne varijable) na odabrano svojstvo (zavisnu varijablu). F-test.
  • Analiza varijance 2
    Dvofaktorska i vešefaktorska analiza varijance. Testiranje utjecaja dva ili više faktora na na odabrano svojstvo (zavisnu varijablu).
  • Model višestruke linearne regresije 1
    Specifikacija modela. Metoda najmanjih kvadrata. Procjena parametara i drugih statističko analitičkih veličina. Mjere reprezentativnosti: varijanca, standardna devijacija, koeficijent deterninacije, korigirani koeficijent determinacije.
  • Višestruka linearna regresija 2
    Procjena intervala parametara. Skupni test o signifikantnosti regesijae. Pojedinačni testovi (dvostrani i jednostrani). Parcijalni test. Predviđanje regresijskim modelom. Računanje rezidualnih vrijednosti i njihova interpretacija.
  • Nelinearni regresijski model
    Odabrani nelinearni regresijski modeli: model regresijskog polinoma, multiplikativni model s k varijabli (log linearni model).
  • Neparametarske metode 1
    Test predznaka. Wilcoxonov test za dva nezavisna uzorka. Test Kolmogorov-Smirnova (usporedba empirijske razdiobe s teorijskom razdiobom). Mann-Whitney U test za nezavisne uzorke ( MWW test) - testiranje hipoteze o jednakosti oblika dviju razdibi pomoću dva nezavisna uzorka.
  • Neparametarske metode 2
    Neparametaski testovi analogni F-testu za potrebe jednofaktorske i dvofaktorske analize varijance: Kruskal-Wallisov i Friedmanov test.
  • Odabrane metode multivarijatne analize: metoda glavnih komponenata
    Definicija i svojstva glavnih komponenata. Geometrijska i algebarska interpretacija. Izbor varijabli. Kriteriji za izbor broja komponenti.
  • Odabrane teme iz multivarijatne analize: grupiranje (clustering)
    Mjere sličnosti i mjere udaljenosti. Hijerarhijske metode: aglomerativne i divizivne metode. Hehijerarhijske metode grupiranja: metoda k-srednjih vrijednosti. Izbor broja grupa. Evaluacija grupiranja podataka.
  • Odabrane teme iz multivarijatne analize i rudarenja podataka: metode klasifikacije
    Definicija problema klasifikacije. Metode klasifikacije: k najbližih susjeda, stablo odlučivanja, metoda potpornih vektora. Tehnike klasifikacije, unaksno vrednovanje. Mjere za evaluaciju klasifikacije (preciznos, odaziv, F1 mjera).
 Sadržaj seminara/vježbi
  • vježbe
    U okviru prvih pet nastavnih cjelina izvodit će se auditorne vježbe na kojima će se uvježbavati zadaci iz područja vjerojatnosti. U okviru sljedećih deset nastavnih cjelina izvodit će se auditorne i laboratorijske vježbe. Na auditornim vježbama uvježbavat će se provođenje gore spomenutih neparametarskih testova, analize varijance, modeliranje višestruke regresije te korištenje obrađenih metoda multivarijatne analize. Demonstrirat će se provođenje navedenih statističkih metoda korištenjem programske podrške. Na laboratorijskim vježbama studenti će imati priliku sami koristiti spomenutu programsku podršku za izradbu obaveznog seminarskog rada. U okviru seminarske nastave studenti će biti upoznati s konkretnim primjenama naučenih metoda
 Ishodi učenja kolegija
  • definirati funkciju razdiobe i funkciju gustoće slučajne varijable, prepoznati slučajeve za primjenu nekih važnijih distribucija vjerojatnosti (binomne, normalne i Poissonove)
  • definirati model višestruke regresije i korelacije za analizu statističkih podataka, primijeniti te modele za analizu podataka korištenjem IT, analizirati dobivene rezultate i prognozirati korištenjem regresijskog modela
  • definirati slučajni događaj i vjerojatnost, te dokazati neka od važnijih svojstva vjerojatnosti korištenjem aksioma vjerojatnosti
  • izraditi potpunu statističku analizu danih statističkih podataka korištenjem obrađenih metoda
  • razumijeti definicije uvjetne vjerojatnosti i nezavisnosti događaja i primijeniti formule za potpunu vjerojatnost i Bayesovu formulu za izračun vjerojatnosti danih događaja
  • razumijeti tehnike izvođenje odabranih metoda neparametarske statistike za analizu podataka, prepoznavati slučajeve za primjenu pojedinih metoda i testove izvoditi korištenjem IT
  • razumjeti principe odabranih metoda multivarijatne analize podataka: metode glavnih komponenata i metoda grupiranja podataka te primijeniti te metode na skupove podataka korištenjem IT
  • razumjeti tehniku izvođenja testiranja hipoteze da neka empirijska distribucija ima određeni oblik korištenjem Hi-kvadrat testa i Kolmogorov – Smirnova testa i izvoditi testove za dani skup podataka korištenjem IT
  • razumjeti tehniku testiranja hipoteze o jednakosti aritmetičkih sredina k populacija pomoću nezavisnih slučajnih uzorka i primijeniti tehnike jednofaktorske i dvofaktorske analize varijance
 Ishodi učenja programa
  • Modeliranje problema iz područja informacijskih i poslovnih sustava korištenjem matematičkih metoda, metoda razvoja informacijskih sustava i koncepata planiranja, upravljanja i poslovanja
  • Analizirati tržište primjenom informacijsko-komunikacijskih tehnologija
  • Formulirati problem iz realnog svijeta u smislu problemskog zadatka u informatici te ga znati riješiti i rješenje evaluirati
 Osnovna literatura
  • Kero, K.; Dobša, J.; Bojanić-Glavica, B. Statistika (deskriptivna i inferencijalna) i vjerojatnost u primjerima. Tiskara Varteks-Fakultet organizacije i informatike, Varaždin, 2008.
  • Šošić, I. Primijenjena statistika. 2. izmjenjeno i dopunjeno izdanje, Školska knjiga, Zagreb, 2006.
 Dopunska literatura
  • Kero, K.; Bojanić-Glavica, B. Statistički modeli i metode (odabrana poglavlja). Fakultet organizacije i informatike, Varaždin, 2003.
  • Spiegel, M.R.; Schiller, J.; Srinivasan, R.A. Probability and Statistics, Schaum’s Outline |Series McGraw-Hill, 2000.
  • Johnson, R.A.; Wichern, D.W. Applied Multivariate Statistical Analysis, second edition, 1988.
  • Duda, R.O.; Hart, P.E.; Stork,D.G. Pattern Clasification, second edition, John Wiley & Sons, 2001.
 Slični kolegiji
  • Probability and Statistics for Business, Carnegie Mellon University (School of Business) http://web.tepper.cmu.edu/default.aspx?id=141721
  • Applied Business and Economic Statistics II, California State University, Los Angeles (Computer Information Systems) http://catalog.calstatela.edu/cgibin/ om_isapi.dll?clientID=546327&hitsperheading=on&infobase=calstate_01- 03.nfo&jump=Bachelor%20of%20Science%20Degree %20in%20Computer%20Information%20Systems%20&softpage=Document42
  • Business Statistics II , University Illinois in Chicago (College of Business Administration, Department of Information and Decision Sciences) http://www.uic.edu/cba/cba-depts/ids/courseprofiles/IDS371.htm
  • Regression Analysis, University Illinois in Chicago (College of Business Administration, Department of Information and Decision Sciences) http://www.uic.edu/cba/cba-depts/ids/courseprofiles/IDS478.htm
 Redoviti studenti Izvanredni studenti
izvanredni rok
Datum: 24.04.2026.
Vrijeme: 16:00
Opis: Na Fakultetu
U kalendaru ispod se nalaze konzultacije predmetnih nastavnika, no za detalje o konzultacijama možete provjeriti na profilu pojedinog predmetnog nastavnika.
 2025 © Fakultet organizacije i informatike, Centar za razvoj programskih proizvoda