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
2019/2020
5 ECTSa
Baze podataka i baze znanja 1.2 (BPBZ)
Organizacija poslovnih sustava 1.2 (OPS)
Informatika u obrazovanju 1.2 (IUO)
Informacijsko i programsko inženjerstvo 1.2 (IPI)
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
Baze podataka i baze znanja 1.2 (BPBZ) 2 obavezan
Organizacija poslovnih sustava 1.2 (OPS) 4 izborni
Organizacija poslovnih sustava 1.2 (OPS) 2 izborni
Informatika u obrazovanju 1.2 (IUO) 2 izborni
Informatika u obrazovanju 1.2 (IUO) 4 izborni
Informacijsko i programsko inženjerstvo 1.2 (IPI) 4 izborni
Informacijsko i programsko inženjerstvo 1.2 (IPI) 2 izborni
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
 30 sati
Nastavnik Uloga na kolegiju Oblik nastave Tjedana Sati Grupa
Dobša Jasminka Nositelj Vježbe u praktikumu
Seminar
Predavanja 		7
8
15 		2
2
1 		1
1
1
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
  • Primijeniti etička načela, zakonsku regulativu i norme koje se koriste u struci
  • Analizirati i procijeniti uvjete za primjenu suvremenih informacijskih i komunikacijskih tehnologija (ICT), savjetovati druge u primjeni iste te u zadanom kontekstu odrediti utjecaj primjene na pojedinca, organizaciju i društvo.
  • Modeliranje problema iz područja informacijskih i poslovnih sustava korištenjem matematičkih metoda, metoda razvoja informacijskih sustava i koncepata planiranja, upravljanja i poslovanja
  • Primijeniti, utvrditi uvjete za primjenu, savjetovati i u zadanom kontekstu donositi odluke vezane uz rješavanje problema iz područja informacijskih i poslovnih sustava
  • Analizirati i ocijeniti učinkovitost uvođenja i korištenja ICT (programskog rješenja i pripadajuće opreme) za konkretne problemske domene informacijskih i poslovnih sustava
  • Procijeniti i preporučiti programska rješenja za konkretne problemske domene informacijskih i poslovnih sustava
  • Voditi interdisciplinarni tim i raditi u takvom timu
  • Predstaviti i popularizirati suvremena trendove u informatici u stručnim i laičkim krugovima
  • Unaprijediti metode komuniciranja i komunikaciju s klijentima, korisnicima i kolegama na verbalan i pisani način uz primjenu odgovarajuće terminologije uključujući i sposobnost komunikacije o struci na stranom jeziku
  • Unaprijediti i primijeniti metode stručnog rada pronalaženjem i vrednovanjem suvremenih izvora znanja
  • Valorizirati stručnu literaturu na hrvatskom i stranom jeziku
  • Razviti vlastite planove i planove drugih članova tima u upravljenju karijerom u struci i vlastitih poduzetničkih poduhvata s obzirom na potrebe poslovnog okruženja
  • Planirati proces cjeloživotnog osobnog i profesionalnog razvoja i definirati optimalne individualne strategije učenja
  • Projektirati, planirati, izraditi i uvesti svaki poslovni složeni informacijski sustav i/ili voditi projektni tim u slučaju kada na tim poslovima mora biti uključen veći broj stručnjaka
  • Razumjeti poslovni sustav organizacije i u suradnji s poslovnim stručnjacima optimalizirati njezine poslovne procese te izraditi strateški plan primjene ICT-a
  • Oblikovati softversku arhitekturu složenog informacijskog sustava, odabrati i postaviti odgovarajuću tehnološku platformu i programirati najsloženije dijelove složenog sustava
  • Primijeniti metode planiranja i upravljanja poslovanjem uz pomoć ICT u osnovnim vertikalnim područjima primjene ICT
  • Utvrditi uvjete za primjenu, savjetovati i u zadanom kontekstu donositi odluke vezane uz ključne aspekte primjene i razvoja informacijske tehnologije (programiranje, algoritmi, strukture podataka, baze podataka i znanja)
  • Utvrditi uvjete za primjenu, savjetovati i u zadanom kontekstu donositi odluke vezane uz suvremene tehničke koncepte i prakse u informacijskim tehnologijama (arhitektura računala, operacijski sustavi, mreže računala)
  • Utvrditi uvjete za primjenu, savjetovati i u zadanom kontekstu donositi odluke vezane uz metode i koncepte planiranja, upravljanja organizacijom i obračuna poslovanja
  • Analizirati uvjete za primjenu, savjetovati i u zadanom kontekstu donositi odluke vezane uz metodološke pristupe razvoju organizacijskih i informacijskih sustava
  • Analizirati uvjete za primjenu, savjetovati i u zadanom kontekstu donositi odluke za primjenu koncepata elektroničkog poslovanja podržanih odgovarajućim arhitekturama informacijskih sustava (klasične ili distribuirane)
  • Osmisliti projekt učinkovitog unapređenja poslovne tehnologije poslovnog sustava uz korištenje suvremenih ICT te realizirati takav projekt vlastitim razvojem ili izborom prikladnog standardnog softvera
  • Odabrati i primijeniti odgovarajuće sigurnosne mehanizme pri projektiranju i izgradnji informacijskog sustava
  • Odabrati i primijeniti metode i tehnike razvoja informacijskih i programskih sustava u suvremenim razvojnim okolinama
  • Utvrditi uvjete za primjenu, savjetovati, procijeniti učinak i donositi odluke vezane uz procese, metode i tehnologije upravljanja IT uslugama i resursima te podrške i pružanja različitih vrsta usluga vezanih uz ICT
  • Objasniti stručnoj i općoj publici informatička rješenja za unapređenje poslovne tehnologije
  • Analizirati i valorizirati atribucije (atribute) objekata poslovnog sustava te postaviti formalni model objektnog sustava kao temelj izgradnje informacijskog sustava
  • Izgraditi informacijski sustav temeljen distribuiranim komponentama kao i na autonomnim i međusobno kompetitivnim izvorima znanja i razriješiti konflikte koji se javljaju među izvorima znanja
  • Primijeniti metode i tehnike izgradnje digitalnih arhiva i dugotrajnog pohranjivanja podataka
  • Primijeniti metode i tehnike pretraživanja i klasifikacije informacija
  • Prepoznati kritične procese i klase podataka poslovnog sustava, izgraditi formalni model procesa i klasa te ga optimizirati i ponuditi prijedloge poboljšanja poslovnog sustava
  • Modelirati poslovna pravila, poslovne podatke kao i pravila za izvođenje transakcijskih podataka koji nisu eksplicitno zadani
  • Modelirati i izgraditi sustav izvođenja analitičkih podataka iz transakcijskih metodama rudarenja i drugim metodama, te izgradnje skladišta podataka u koja se ti podaci pohranjuju
  • Modelirati i izgraditi sustave poslovne inteligencije temeljene na skladištima podataka, kao i njihovo pretraživanje korištenjem metoda višedimenzionalnih kocaka podataka (OLAP)
  • Izgraditi računalni sustav za pohranu podataka i znanja korištenjem suvremenih alata za izradu baza podataka, baza znanja i semantici podataka
  • Izgraditi i optimizirati bazu podataka i bazu znanja primjenom odgovarajućih strategija organizacije podataka i sigurnosti informacijskog sustava
  • Modelirati raspodjelu podataka prema mjestu korištenja podataka, izgraditi sustav replikacije baze podataka i izgraditi distribuiranu bazu podataka
  • Modelirati i izgraditi sustave temeljene na znanju, kao što su višeagentni sustavi, deduktivni sustavi (uključujući i ekspertne sustave), semantički Web sustavi, neuralne mreže itd.
  • Procijeniti potrebe za strategijskim i upravljačkim promjenama u organizacijama
  • Primijeniti metode upravljanja životnim ciklusom informacijskog sustava organizacije
  • Primijeniti metode korporacijskog upravljanja i strategijskog menadžmenta uz potporu informacijske tehnologije
  • Razviti i validirati sustav mjerenja organizacijske učinkovitosti uz primjenu odgovarajućih programskih alata
  • Analizirati tržište primjenom informacijsko-komunikacijskih tehnologija
  • Analizirati poslovne procese i preporučiti primjenu odgovarajuće informacijske i komunikacijske tehnologije za unapređenje poslovnih procesa
  • Organizirati sustav vođenja u javnoj upravi uz primjenu informacijske tehnologije
  • Razviti elemente kontinuuma strategijskog upravljanja: misiju, organizacijske vrijednosti, viziju, strateške ciljeve
  • Analizirati potrebu za e-poslovanjem i primijeniti koncepte e-poslovanja
  • Procijeniti spremnost organizacije za uvođenje suvremenih ERP sustava i definirati projekt uvođenja istih
  • Razumjeti povijesni aspekt edukacijskih sustava, društvenu uvjetovanost odgojno-obrazovne prakse i diferenciranost suvremenih odgojno-obrazovnih koncepcija
  • Poznavati organizaciju sustava odgoja i obrazovanja te ustroj odgojno-obrazovnog procesa na svim razinama
  • Razumjeti odrednice djelovanja i ponašanja ljudske jedinke i grupnu dinamiku (razrednog odjeljenja, timova, kolektiva …)
  • Organizirati nastavni proces
  • Artikulirati nastavni sat primjenjujući primjerene nastavne metode i oblike rada, didaktičke principe i nastavna sredstva
  • Voditi pedagošku dokumentaciju, ispitivanje,ocjenjivanje i vrednovanje u skladu s zakonskom regulativom i kriterijima osobne i profesionalne etičnosti
  • Poučavati učenike primjeni različitih oblika učenja, samovrednovanju i samoreguliranom učenju
  • Upravljati razrednim odjeljenjem, i surađivati s roditeljima i drugim strukturama unutar i izvan odgojno-obrazovne institucije
  • Analizirati građu računala, suvremene računalne arhitekture te primijeniti ta znanja u dizajnu obrazovnog informacijskog sustava, kao i u nastavi
  • Primijeniti principe proceduralnog programiranja, izgradnje struktura podataka i algoritama
  • Interpretirati povijest informatike i računarstva
  • Analizirati i usporediti računalne Web i desktop alate za prezentaciju informacija i primijeniti ih u nastavi
  • Formulirati problem iz realnog svijeta u smislu problemskog zadatka u informatici te ga znati riješiti i rješenje evaluirati
  • Analizirati, preporučiti, implementirati i koristiti sustave za e-učenje u skladu s metodičkim i pedagoškim principima
  • Izvoditi proces poučavanja u multikulturalnim i multietničkim sredinama i drugim posebnim uvjetima (treća dob, centri izvrsnosti …)
  • Osmisliti postupke za upravljanje procesom učenja i poučavanja u rizičnim situacijama
  • Predstavljati informatička znanja i vještine kao učinkovite instrumente za podupiranje integracijskih procesa
  • Predstavljati nastavnicima mogućnosti korištenja informatike u odgojno-obrazovnom procesu
  • Preispitivati, strukturirati i restrukturirati svoja osobna i profesionalna iskustva (razvijati refleksivnu praksu)
  • Koristiti stečena znanja o vizualnom oblikovanju i sadržajima u ostvarivanju kreativnih vizualnih projekata pri radu s računalom.
  • Modelirati postojeće vizualne sadržaje za potrebe konkretnih osobnih (ili učeničkih) računalnih radova (web dizajn, grafički dizajn, dizajn multimedija,…).
  • Koristiti vještine učenja potrebne za cjeloživotno učenje i nastavak obrazovanja na diplomskom studiju.
  • Upoznati Nacionalni okvirni kurikulum. Upoznati metodologiju izradbe školskog i nastavnog kurikuluma. Upoznati primjenu nastavnog kurikuluma u praksi.
 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
U kalendaru ispod se nalaze konzultacije predmetnih nastavnika, no za detalje o konzultacijama možete provjeriti na profilu pojedinog predmetnog nastavnika.
 2024 © Fakultet organizacije i informatike, Centar za razvoj programskih proizvoda