Accesibility Adjustments

Choose the right accessibility profile for you
OFF ON
Highlight Links Highlights all the links on the site!
OFF ON
Pause Animations Animations will be paused on the site!
OFF ON
Dyslexia Font Dyslexia Font will be applied on the site!
OFF ON
Hide Images All images will be hidden on the site!
Choose the right accessibility profile for you
Adjust Font Sizing
Default
High Saturation
High Contrast
Light Contrast
Dark Contrast
Adjust Letter Spacing
Default
Adjust Line Height
Default
Speak Mode
Align Center
Align Left
Align Right

Filozofski fakultet / SOCIOLOGIJA / STATISTIČKE METODE

Naziv predmeta:STATISTIČKE METODE
Šifra predmetaStatus predmetaSemestarBroj ECTS kreditaFond časova (P+V+L)
12566Obavezan162+2+0
Studijski programi za koje se organizujeSOCIOLOGIJA
Uslovljenost drugim predmetimaNema.
Ciljevi izučavanja predmetaCilj 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 učenjaNakon 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 saradnikaprof. dr Biljana Stamatović
Metod nastave i savladanja gradivaPredavanja. 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 studenta6
NedjeljnoU 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 nastaveObavezno prisustvo nastavi.
KonsultacijeU dogovoru sa studentima.
LiteraturaEMC2, 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 ocjenjivanjeDomaći - najviše 20 bodova Kolokvijum - najviše 30 bodova Završni ispit - najviše 45 bodova Prisustvo - najviše 5 bodova
Posebne naznake za predmetStudent je položio ispit ukoliko kumulativno ima 50 i više bodova.
NapomenaNema.
Ocjena:FEDCBA
Broj poenamanje od 50 poenaviše ili jednako 50 poena i manje od 60 poenaviše ili jednako 60 poena i manje od 70 poenaviše ili jednako 70 poena i manje od 80 poenaviše ili jednako 80 poena i manje od 90 poenaviše ili jednako 90 poena
//