Filozofski fakultet / SOCIOLOGIJA / STATISTIČKE METODE
Naziv predmeta: | STATISTIČKE METODE |
Šifra predmeta | Status predmeta | Semestar | Broj ECTS kredita | Fond časova (P+V+L) |
12566 | Obavezan | 1 | 6 | 2+2+0 |
Studijski programi za koje se organizuje | SOCIOLOGIJA |
Uslovljenost drugim predmetima | Nema. |
Ciljevi izučavanja predmeta | Cilj ovog predmeta je usvajanje složenijih statističkih postupaka koji se primjenjuju prilikom obrade podataka u sociološkim istraživanjima, kao i upoznavanje sa statističkim softverom (R, SPSS,..). |
Ishodi učenja | Nakon što položi ovaj predmet student će znati da koristi odgovarajući softver (R, SPSS, ...) za statističku analizu podataka, da koristi ugrađene i importovane softverske pakete i podatke zbog njihove pripreme, vizualizacije i obrade, kao i da, koristeći odgovarajuće statističke metode zna izvesti zaključak o posmatranoj pojavi na koju se podaci odnose. |
Ime i prezime nastavnika i saradnika | prof. dr Biljana Stamatović |
Metod nastave i savladanja gradiva | Predavanja. Vježbe. Konsultacije. Nastava će se izvoditi u računarskoj učionici, vodiće se diskusije na času, studenti će imati domaći zadatak kroz koji će se susresti i sa studijom slučaja. |
Plan i program rada |
Pripremne nedjelje - priprema i upis semestra I nedjelja, pred. - Osnovno o Statistici. Životni ciklus analize podataka. Uvod u R. I nedjelja, vježbe - Koraci ka korišćenju softvera (download, instalacija, grafičko okruženje, čuvanje fajlova, ....) II nedjelja, pred.-Tipovi podataka u R. Dodjela vrijednosti. Vector. II nedjelja, vježbe Tipovi podataka u R. Dodjela vrijednosti. Vector. III nedjelja, pred.- Vector. Matrix. List. III nedjelja, vježbe - Vector. Matrix. List. IV nedjelja, pred.- Data frames. Na. NaN. Učitavanje podataka. Korišćenje postolećih podataka sa interneta. IV nedjelja, vježbe - Deskriptivna statistika i odgovarajuće funkcije kroz R. V nedjelja, pred.- Deskriptivna statistika i odgovarajuće funkcije kroz R. V nedjelja, vježbe - Deskriptivna statistika i odgovarajuće funkcije kroz R. Funkcije. sapply(), lapply(), mapply(). VI nedjelja, pred.- Kolokvijum. VI nedjelja, vježbe - Kolokvijum. VII nedjelja, pred.- Vizualizacija podataka. VII nedjelja, vježbe - Vizualizacija podataka. Plot. Histogram. Barplot. Boxplot. VIII nedjelja, pred.- Diskretna slučajna promjenljiva. Četiri ugrađene funkcije za raspodjele VIII nedjelja, vježbe - Diskretna slučajna promjenljiva. Ilustracije kroz R. Četiri funkcije za raspodjele (npr. za binomnu pbinom, qbinom, dbinom, rbinom). IX nedjelja, pred.- Neprekidna slučajna promjenljiva. Četiri ugrađene funkcije za raspodjele IX nedjelja, vježbe - Neprekidna slučajna promjenljiva. Ilustracije kroz R. Četiri funkcije za raspodjele (npr. za normalnu raspodjelu pnorm, qnorm, dnorm, rnorm) X nedjelja, pred.- Ocjena parametara za očekivanu vrijednost, standardnu devijaciju, učestalost,... X nedjelja, vježbe - Ocjena parametara koristeći quantile funkciju. XI nedjelja, pred.- Intervali povjerenja XI nedjelja, vježbe - Intervali povjerenja (lm, confint). XII nedjelja, pred.- Testiranje hipoteza (p-value i nivo pouzdanosti). XII nedjelja, vježbe - Testiranje hipoteza (pt, t-test). XIII nedjelja, pred.- Korelaciona i regresiona analiza (model linearne regresije). XIII nedjelja, vježbe - Korelaciona i regresiona analiza (lm, residuali). XIV nedjelja, pred.- ANOVA XIV nedjelja, vježbe - ANOVA (aov, TukeyHSD). XV nedjelja, pred.- Popravni kolokvijuma. XV nedjelja, vježbe - Popravni kolokvijuma. |
Opterećenje studenta | 6 |
Nedjeljno | U toku semestra |
6 kredita x 40/30=8 sati i 0 minuta
2 sat(a) teorijskog predavanja 0 sat(a) praktičnog predavanja 2 vježbi 4 sat(a) i 0 minuta samostalnog rada, uključujući i konsultacije |
Nastava i završni ispit:
8 sati i 0 minuta x 16 =128 sati i 0 minuta Neophodna priprema prije početka semestra (administracija, upis, ovjera): 8 sati i 0 minuta x 2 =16 sati i 0 minuta Ukupno opterećenje za predmet: 6 x 30=180 sati Dopunski rad za pripremu ispita u popravnom ispitnom roku, uključujući i polaganje popravnog ispita od 0 do 30 sati (preostalo vrijeme od prve dvije stavke do ukupnog opterećenja za predmet) 36 sati i 0 minuta Struktura opterećenja: 128 sati i 0 minuta (nastava), 16 sati i 0 minuta (priprema), 36 sati i 0 minuta (dopunski rad) |
Obaveze studenta u toku nastave | Obavezno prisustvo nastavi. |
Konsultacije | U dogovoru sa studentima. |
Literatura | EMC2, Data Science & Big Data Analytics: Discovering, Analyzing, Visualizing and Presenting Data, John Wiley & Sons, 2015 Barry H. Cohen, R. Brooke Lea, Essentials of Statistics for the Social and Behavioral Sciences, John Wiley & Sons, 2004 Jay Alan Weinstein, Applying Social Statistics. ROWMAN & LITTLEFIELD PUBLISHERS, 2010 Mohammed A. Shayib, Applied Statistics, 2013. |
Oblici provjere znanja i ocjenjivanje | Domaći - najviše 20 bodova Kolokvijum - najviše 30 bodova Završni ispit - najviše 45 bodova Prisustvo - najviše 5 bodova |
Posebne naznake za predmet | Student je položio ispit ukoliko kumulativno ima 50 i više bodova. |
Napomena | Nema. |
Ocjena: | F | E | D | C | B | A |
Broj poena | manje od 50 poena | više ili jednako 50 poena i manje od 60 poena | više ili jednako 60 poena i manje od 70 poena | više ili jednako 70 poena i manje od 80 poena | više ili jednako 80 poena i manje od 90 poena | više ili jednako 90 poena |