Subject
Статистичко моделирање
| 1. | Наслов на наставниот предмет |
Статистичко моделирање Statistical modelling |
||||||||||||
| 2. | Код | F18L3S163 | ||||||||||||
| 3. | Студиска програма | — | ||||||||||||
| 4. | Организатор на студиската програма (единица, односно институт, катедра, оддел) | Faculty of Computer Science and Engineering | ||||||||||||
| 5. | Степен (прв, втор, трет циклус) | First Cycle | ||||||||||||
| 6. | Академска година / семестар | 6 / Летен | ||||||||||||
| 7. | Број на ЕКТС кредити | 6 | ||||||||||||
| 8. | Наставник | — | ||||||||||||
| 9. | Предуслови за запишување на предметот | Веројатност и статистика или Бизнис статистика | ||||||||||||
| 10. | Цели на предметната програма (компетенции) | Студентите да научат да направат правилна и осмислена статистичка анализа на податоци со користење на класичен и Баесов пристап. Да постават соодветни статистички модели, да ги проверат и протолкуваат добиените резултати. Акцентот е ставен на користење софтвер со отворен код (R, Python,..) за градење на моделите над реални примери со користење на непходните теориски резултати. Курсот треба да е поготовка на студентите за останатите во кои се анализираат податоци од различни истражувања. | ||||||||||||
| 11. | Содржина на предметната програма | Сите теми ќе бидат илустрирани со соодветни реални примери. Вовед во моделирање на податоци. Општи методи за симулација на случајни промеливи.Корелација и линеарна регресија, оценување на функционалната зависност од податоците, параметарски модели за функцијата на регресија. Проста линеарна регресија. Модели на анализа на варијанса (АНОВА).Повеќекратна регресија.Класификација: Логистичка регресија, бинарна и повеќекласна логистичка регресија. Избор на модел за класификација.Релации меѓу променливи и избор на променливи: Анализа на главни компоненти, лог-линеарни модели. Непараметарско оценување на функциите на регресија и класификација: метод на најблиски соседи, наивен Баесов метод, Методи базирани на оценување на границите за класификација: Машини со поддржувачки вектори. Споредба на методите. Баесови методи на оценување на параметрите и изведување на заклучоци: Баесови модели со еден параметар, Баесови модели со повеќе параметри, Модели за собирање на податоци за Баесово моделирање. |
||||||||||||
| 12. | Методи на учење | Предавања со користење на презентации, интерактивни предавања, вежби (користење на опрема и софтверски пакети), тимска работа, пример случаи, поканети гости предавачи, самостојна изработка и одбрана на проектна задача и семинарска работа. | ||||||||||||
| 13. | Вкупен расположив фонд на време | 6 ЕКТС x 30 часа = 180 часа | ||||||||||||
| 14. | Распределба на расположивото време | 30 + 45 + 15 + 15 + 75 = 180 часа | ||||||||||||
| 15. | Форми на наставните активности |
|
||||||||||||
| 16. | Други форми на активности |
|
||||||||||||
| 17. | Начин на оценување |
|
||||||||||||
| 18. | Критериуми за оценување (бодови/ оценка) |
|
||||||||||||
| 19. | Услов за потпис и полагање на завршен испит | Реализирани актибвности 15.2 и 16.1 | ||||||||||||
| 20. | Јазик на кој се изведува наставата | Македонски и англиски | ||||||||||||
| 21. | Метод на следење на квалитетот на наставата | механизам на интерна евалуација и анкети | ||||||||||||
| 22. | Literature |
|
