Statistička obrada podataka u mašinstvu
ID: 0503nosilac predmeta: Veljković A. Zorica
nivo studija: master akademske studije
ESPB: 6
oblik završnog ispita: pismeni
katedra: mašinstvo i informacione tehnologije
cilj
Ciljevi predmeta se da se studenti upoznaju sa osnovama statističkih metoda koje se koriste u idustrijskoj praksi. Težište je stavljeno na identifikaciju problema, metode rešavanja problema, procedure za pojedine metode i postavljanje sistema za odlučivanje na osnovu dobijenih rezultata, odnosno interpretacije rezultata. Obrađene metode predstavljaju savremeni pristup analizi i obradi velikog broja podataka.ishod
Nakon položenog ispita od studenata se može očekivati da znaju da upotrebe statističkih metode za ciljno rešavanje problema u praksi, odnosno da umeju da postave problem tako da na njega mogu da dobiju odgovarajući odgovor. Tokom predmeta studenti ovladavaju procedurama za korišćenje odgovarajućih statističkih metoda.Takođe se očekuje da steknu sposobnost interpretacije dobijenih rezultata. Podrazumeva se da studenti ovladaju i veštinama rada u raspoloživim programskim paktimasadržaj teorijske nastave
Teorijska nastava obuhvata sledeće oblasti: Osnovne parametre statistike sa njihovim osnovnim grafičkim prezentacijama, Diskretne i kontinualne slučajne promenljive, njihove karakteristike, osnovne oblike kao što su binomna, poasonova, normalna, log-normalna, vejbulova, gama, beta, eksponencijalna raspodela. Za većinu ovih raspodela obrađene su odgovarajuće funkcije izvodnica. Oblasti testiranja hipoteza obuhvataju procedure i karakteristike parametarskih i neparametarskih testova. Ispitivanja preko parametarskih testova hipoteza se odnose na sredinu, razliku sredina, proporciju, razliku proporcija, varijansu i odnos varijansi. Neparametarski testovi obuhvataju testove hpoteza za prilagođavanje podataka kao što su Test Kolmogorova, potom testove poređenja podataka kao što su test Kolmogorov-Smirnova, Test Man Vitnija, test znakova, test medijane, test razlika medijana i Darling andersonov test.Oblasti jednostavne i višestruke linearne regresije baziraju se na identifikaciji regresione zavisnosti na osnovu matričnog računa koji se primenjuje kod velikog seta podataka. Pored postavljanja modela, predviđanja novih opservacija i provere adekvatnosti modela, dat je proračun koeficijenta korelacije. Posebna pažnja je obraćena na nelinearne modele i njihovo pronalaženje preko višestruke linearne regresije i preko ortogonalnih polinoma. Poslednja oblast obuhvata osnove analize varijanse - jednofaktorske i dvofaktorske, i njen dalji razvoj u vidu planiranja eksperimenata preko potpunih i delimičnih faktorijelnih planova primenom tradicionalnih i Tagučijevih metoda.sadržaj praktične nastave
Praktična nastava se sastoji od auditornih vežbi i projektnih zadataka na računaru koji prate poglavlja obrađena teorijskom nastavom.resursi
http://mit.mas.bg.ac.rsPre svakog časa predavanja i vežbi studenti dobijaju hendoute u elektronskom obliku. Pored toga, za auditorne vežbe studenti takođe unapred dobijaju materijale koji će biti potrebni za aktivno učestvovanje na vežbama. Za projektne zadatke studenti dobijaju materijale u elektronsoj formi.
Radojević, S, Veljković Z, Kvantitativne metode, CD, MF
fond časova
ukupan fond časova: 75aktivna nastava (teorijska)
novo gradivo: 20razrada i primeri (rekapitulacija): 0
aktivna nastava (praktična)
auditorne vežbe: 15laboratorijske vežbe: 15
računski zadaci: 10
seminarski rad: 0
projekat: 0
konsultacije: 0
diskusija/radionica: 0
studijski istraživački rad: 0
provera znanja
pregled i ocena računskih zadataka: 3pregled i ocena laboratorijskih izveštaja: 4
pregled i ocena seminarskih radova: 0
pregled i ocena projekta: 0
kolokvijum sa ocenjivanjem: 6
test sa ocenjivanjem: 0
završni ispit: 2
provera znanja (ukupno 100 poena)
aktivnost u toku predavanja: 5test/kolokvijum: 50
laboratorijska vežbanja: 0
računski zadaci: 15
seminarski rad: 0
projekat: 0
završni ispit: 30
uslov za izlazak na ispit (potreban broj poena): 31
Preuzeto sa www.mas.bg.ac.rs
