Навигација

13М081МАСТ - Математичка статистика

Спецификација предмета
НазивМатематичка статистика
Акроним13М081МАСТ
Студијски програмЕлектротехника и рачунарство
Модул
Тип студијамастер академске студије
Наставник (предавач)
Наставник/сарадник (вежбе)
Наставник/сарадник (ДОН)
    Број ЕСПБ6.0Статус предметаизборни
    Условљност другим предметимаВероватноћа и статистика (3 или 6 ЕСПБ), Математика 1 и Математика 2
    Циљеви изучавања предметаУпознавање са методима математичке статистике као примењене науке, који се затим практично примењују у проблемима естимације, детекције, класификације и тестирања хипотеза, у оквирима класичне и Бајесовске теорије.
    Исходи учења (стечена знања)Студент ће бити оспособљен да користи методе математичке статистике у областима оцењивања параметара и тестирања параметарских и непараметарских хипотеза применом класичне (фреквенционистичке) и Бајесовске парадигме, на основу узорака из расподеле или из случајног процеса.
    Садржај предмета
    Линк ка предавањимаhttps://teams.microsoft.com/l/team/19%3abvbU0jcgg-40uopBAEZJAxH1y06oXNAWiEKRpahjRB41%40thread.tacv2/conversations?groupId=45c35a29-ba56-4a2f-a28f-ba4f10639c04&tenantId=1774ef2e-9c62-478a-8d3a-fd2a495547ba
    Садржај теоријске наставеКратак преглед теорије вероватноће. Функција веродостојности. Оцењивање параметара. Тестирање хипотеза. Монте Карло методи. Условне расподеле и условно математичко очекивање. Бајесовска теорија и примене. Линеарна регресија. Логистичка регресија и друге врсте регресије у проблемима класификације. Статистика са високо димензионалним подацима. Робусне методе помоћу статистичких функција дубине.
    Садржај практичне наставеIzrada semestralnog rada na zadatu temu
    Литература
    1. Милан Меркле: Вероватноћа и статистика за инжењере и студенте технике, Академска Мисао Београд 2016
    2. D.C. Montgomery, G.C. Runger, Applied statistics and probability for engineers, Wiley, 2010
    3. Trevor Hastie, Robert Tibshirani, Jerome Friedman, The elements of statistical learning- Data Mining, Inference and Prediction, Second edition, Springer 2017
    Број часова активне наставе недељно током семестра/триместра/године
    ПредавањаВежбеДОНСтудијски и истраживачки радОстали часови
    31
    Методе извођења наставеКласична настава допуњена софтверским демонстрацијама. Презентације, групно или појединачно.
    Оцена знања (максимални број поена 100)
    Предиспитне обавезеПоенаЗавршни испитПоена
    Активности у току предавањаПисмени испит40
    Практична настава20Усмени испит
    Пројекти
    Колоквијуми
    Семинари40