Opis predmeta

Opis predmeta je na voljo samo v hrvaščini.

Mjerne skale i neke distribucije slučajnih varijabli s parametrima koji ih određuju
Osnove transformacije varijabli, Z ? skor
Statističko zaključivanje o dva uzorka
Usporedbe sredina i varijabiliteta
Testiranje razlike sredina dva uzorka ? zavisni i nezavisni uzorci
Mjere asocijacije između dvije varijable ? korelacija
Uvod u bivarijantne podatke i asocijacija (korelacija)
Jednostavna linearna regresija – Uvod i pretpostavke za provođenje analize
Testiranje homogenosti varijance, nezavisnosti opservacija
Utjecajnih opservacija
Analiza ordinalnih i nominalnih varijabli
Analiza kontingencijske tablice – jačina asocijacije ? Hi kvadrat test kao zamjena za
Fisherov točan test
Relativan rizik i izgledi – Frekvencije i proporcije
Višestruka regresija
Procjena parametara metodom najmanjih kvadrata
Testiranje značajnosti koeficijenta regresije
Interval pouzdanosti regresijske analize
Evaluacija regresijskog modela
Analiza reziduala i utjecajne opservacije
Selekcija varijabli u konačnom modelu
Usporedba dva modela
R2, postotak objašnjenog varijabiliteta, značenje standardiziranih i nestandardiziranih koeficijenata regresije
Venn dijagram
Standardna, sekvencionalna i stepwise regresija
Analiza varijance ? ANOVA
Testiranje pretpostavki
Welch ANOVA / regularna ANOVA
Jednofaktorska i višefektorska analiza varijance
Omjer varijanci F test
Kolokvij
Nema predavanja

Učni izidi

Učni izidi so prikazani v angleščini.

Comparing the differences and limitations of the data, depending on the measuring scale and distribution as well as an understanding of the distribution parameters.
Analyze the differences between dependent and independent samples; the ability to identify a linear connection between two continuous variables
define bivariate data; define a scatterplot; define the difference between linear and nonlinear dependence; recognize the negative connection from the scatterplot; define the meaning of the Pearson correlation coefficient; identify the perfect linear dependence; recognize non-linear association of two variables
examine the conditions for the implementation of linear regression and interpretation of regression coefficients; least square method
analyze and understand the proportions and frequencies, and creating contingency tables
formulate a multiple regression; interpretation of the coefficients in the multiple regression and the comparison of the two models in a multiple regression
select the significant variables in the regression model; understanding coefficient R2 of the final model
testing assumptions for analysis of variance

Obavezna / Mandatory
Petzoldt, T. (2018). Data Analysis with R: Selected Topics and Examples. Technical University of Dresden. Dresden, Njemačka. Dostupno na / Available at: https://wwwpub.zih.tu-dresden.de/~petzoldt/elements_en.pdf
Furrer, R i suradnici. (2020). (A Gentle) Introduction to Statistics. University of Zurich. Zurich, Švicarska. Dostupno na / Available at: http://user.math.uzh.ch/furrer/download/intro2stat/script_sta120.pdf
Lilja, D J. (2016). Linear Regression Using R. An Introduction to Data Modeling. University of Minesota. Dostupno na:
https://open.umn.edu/opentextbooks/textbooks/linear-regression-using-r-an-introduction-to-data-modeling

Dopunska / Alternative
Efron, B, Hastie, T. (2016). Computer Age Statistical Inference: Algorithms, Evidence, and Data Science. Cambridge University Press. Cambridge, UK. Dostupno na / Available at: https://web.stanford.edu/~hastie/CASI/
Faraway, J J. (2002). Practical Regression and ANOVA Using R. R-project. Dostupno na / Available at: https://cran.r-project.org/doc/contrib/Faraway-PRA.pdf

do 10 dni do 30 dni pozneje izvedeni
Vir: ISVU. Klik na rok odpre Studomat za prijavo na izpit; tam preveri tudi morebitne spremembe.