Predmetnik študijskega programa in urniki
Obvezni predmeti

Predstavljene bodo teme iz naslednjih poglavij:

• Matematična statistika.
• Bayesove metode v statistiki.
• Simulacijske metode za statistično raziskovanje.
• Slučajni procesi.
• Časovne vrste.
• Multivariatna analiza.
• Analiza nominalnih spremenljivk.
• Statistično modeliranje.
• Neparametrična statistika.
• Raziskovalni načrti in zbiranje podatkov.
• Merjenje in zbiranje podatkov v uradni statistiki.
• Anketna metodologija.
• Manjkajoči podatki.
• Analiza omrežij.
• Analiza zgodovine dogodkov.
• Metode za analizo visoko dimenzionalnih podatkov.
• Načrtovanje in analiza poskusov.
• Psihometrija.
• Metode podatkovnega rudarjenja.
• Metode za nadzor in opazovanje proizvodnih procesov.
• Specifični statistični pristopi in metode za biologijo, družbene vede, ekonomske in poslovne vede, medicino, psihologijo, tehnične vede in druge vede.

• Pregled sredstev iz verjetnostnega računa.

• Vzorčenje, vzorčna porazdelitev, standardna napaka, intervali zaupanja.

• Statistični modeli, formulacija modelov, parametri, primeri, pomen statističnih modelov za analizo podatkov, napovedovanje na podlagi modelov, omejitve modelov.

• Ocenjevanje parametrov, metode ocenjevanja, določanje standardnih napak, asimptotske lastnosti cenilk, optimalnost cenilk.

• Preizkušanje domnev, testne statistike in njihove porazdelitve, test s kvocientom verjetij, asimptotske lastnosti testnih statistik, Neyman-Pearsonova lema, optimalni testi, analiza variance.

• Linearna regresija, predpostavke regresijskih modelov, metoda najmanjših kvadratov, izrek Gauss-Markova, napovedovanje, splošna linearna domneva, diagnostnične metode, posplošitve regresijskih modelov.

• Neparametrične metode, neparametrični preizkusi domnev, primerjava s klasičnimi preizkusi domnev.

• Modeli časovnih vrst, ARIMA modeli, ocenjevanje parametrov, preizkusi domnev.

• Simulacije, generatorji slučajnih števil, generiranje določene porazdelitve, bootstrap metoda, jack’knife metoda, omejitve simulacij.

Študent izbere enega od naslednjih treh sklopov:

1. Analiza preživetja:

• Temeljna znanja:
  • Krnjenje, krivulja preživetja, trenutno tveganje
  • Regresijski modeli v analizi preživetja
  • Točkasti procesi
• Specifične metode in poglavja:
  • Metode prileganja
  • Pojasnjena variabilnost
  • Relativno preživetje
  • Linearni model za okrnjene podatke
  • Pseudo-opazovanja
  • Sotveganja in večstanjski modeli

2. Metode za analizo visokodimenzionalnih podatkov z aplikacijami v bioinformatiki:

• Temeljna znanja:
  • Statistične značilnosti visokodimenzionalnih podatkov
  • Visokodimenzionalni podatki v biomedicinskih raziskavah
  • Metode za večkratno testiranje in razvrščanje
• Specifične metode in poglavja:
  • Vrste napak pri večkratnem testiranju.
  • Prilagojene in neprilagojene p-vrednosti in nadzor napake prve vrste
  • Multivariatne permutacijske metode
  • Multivariatne razvrščevalne funkcije
  • Ocena napovedne natančnosti

3. Načrtovanje in analiza poskusov 

• Temeljna znanja:
  • Vsebinsko pomembni pojmi
  • Osnovne poskusne zasnove: značilnosti, uporabnost, prednosti in slabosti
  • Bolj kompleksne poskusne zasnove: značilnosti, uporabnost, prednosti in slabosti
  • Statistična analiza: parametrični in neparametrični pristopi
  • Posplošeni linearni modeli in njihova uporaba za analizo poskusov
• Specifične metode in poglavja:
  • Modeliranje: različni pristopi in njihova uporaba
  • Odzivne ploskve

Zbiranje podatkov:

• Anketno zbiranje podatkov v družboslovju.

• Sekundarni viri, administrativni podatki, tehnično zbiranje podatkov in metoda opazovanja.

• Vloga novih tehnologij.

• Kvaliteta podatkov in optimizacija stroškov.

• Procesiranje, arhiviranje in primerjalno raziskovanje.

• Etični in strokovni standardi.

Statistična analiza:

• Osnovni pregled pristopov in modelov.

• Multivariatna analiza spremenljivk na osnovi nominalnih, ordinalnih, intervalnih in razmernostnih lestvic.

• Pregledovalna statistična analiza in podatkovno rudarjenje.

• Obravnava manjkajočih podatkov:
  • klasični pristopi (ignoriranje, uteževanje, vstavljanje) in moderni pristopi (FIML, EM algoritem, večkratne imputacije).

Predstavljene bodo izbrane teme iz naslednjih poglavij glede na vsebino doktorske disertacije:

• Statistični sistemi v ekonomiji in poslovnih vedah

  Statistični sistemi v ekonomiji in poslovnih vedah

  Pomen in posebnosti podatkov v ekonomiji in poslovnih vedah.

  Merjenje v ekonomiji in poslovnih vedah.

  • Koncepti in njihova operacionalizacija.

  • Statistični standardi.

  • Kakovost podatkov.

  Viri podatkov v ekonomiji in poslovnih vedah.

  X
  .
• Statistično svetovanje

  Statistično svetovanje

  Predmet predstavi relevantne metodološke in statistične teme z vidika statističnega svetovanja, z vidika implementacije svetovalnih projektov s pomočjo podpornih programskih paketov, ter z vidika poročanja rezultatov svetovalnega projekta kvantitativno pismenemu in kvantitativno nepismenemu občinstvu.

  X
  .
• Nacionalni računi in transferji med generacijami

  Nacionalni računi in transferji med generacijami

  • Usklajenost med sistemi makroekonomskih statistik ter mednarodna primerljivost ekonomskih agregatov.

  • Satelitski računi posameznih področij ekonomske politike.

  • Matrike družbenih računov (SAM) kot statistična osnova modelov.

  • Uvajanje dimenzije starosti v sistem nacionalnih računov.

  • Transferji med generacijami.

  • Neplačano gospodinjsko delo v posamezni starosti: proizvodnja, potrošnja in transferji.

  • Staranje prebivalstva in generacijska ekonomija.

  X
  .
• Indeksna števila in sestavljeni kazalci.
• Demografska analiza in modeli

  Demografska analiza in modeli

  I. Demografska analiza

  1. Longitudinalna in transverzalna analiza

  2. Demografski procesi: poročnost, rodnost, smrtnost in migracije

  3. Rast in obnavljanje prebivalstva

  4. Projekcije prebivalstva

  5. Splošni razvoj prebivalstva

  6. Ekonomija in politika prebivalstva

  7. Prebivalstveno-političen pomen načel nove ekonomije

   

  II. Demografski modeli

  8. Modeli dinamike prebivalstva

  9. Ekonomsko demografski modeli

  10. Drugi demografski modeli

  11. Demografski pritisk na vzdržnost pokojninskega in zdravstvenega sistema v prihodnje.

  12. Uporaba demografske programske opreme na računalniku

  X
  .
• Obdelava podatkov v uradni statistiki

  Obdelava podatkov v uradni statistiki

  Obdelava, zaščita in diseminacija podatkov v uradni statistiki:

  • Metode in tehnike urejanja, uteževanja, imputacije in ocenjevanja variance.

  • Urejanje podatkov v časovnih serijah, predhodne ocene in revizije.

  • Ocenjevanje majhnih območij.

  • Tehnike zakrivanja in zaupnost podatkov.

  • Opisovanje in vizualizacija podatkov, rudarjenje statističnih podatkov in kreiranje znanja.

  X
  .
• Zbiranje podatkov v uradni statistiki

  Zbiranje podatkov v uradni statistiki

  • Sodobni pristopi v anketni metodologiji.

  • Administrativni viri in registri.

  • Masovni podatki.

  • Povezovanje podatkov iz različnih virov.

  • Druga aktualna vprašanja zbiranja podatkov v uradni statistiki, npr. breme poročanja, avtomatski zajem podatkov itd.

  X
  .
• Posplošeni regresijski model, cenilke, asimptotska analiza in statistično sklepanje.
• Diskretna izbira, časovne serije, panelni podatki in multivariatni modeli.
• Večnivojski regresijski modeli

  Večnivojski regresijski modeli

  1. Uvod v večnivojsko modeliranje

  • Viri večnivojskih podatkov.
  • Večnivojske teorije.

  2. Dvonivojski modeli

  • Modeli z naključnimi presečišči.
  • Modeli z naključnimi koeficienti.

  3. Trinivojski modeli

  4. Koeficienti med različnimi nivoji

  5. Logistični modeli z naključnimi koeficienti

  6. Tristopenjski logistični modeli

  X
  .
• Analiza omrežij v ekonomiji.
• Druge relevantne in aktualne teme.

Predstavljene bodo izbrane teme iz naslednjih poglavij glede na vsebino doktorske disertacije:

• Statistični sistemi v ekonomiji in poslovnih vedah.
• Statistično svetovanje

  Statistično svetovanje

  Predmet predstavi relevantne metodološke in statistične teme z vidika statističnega svetovanja, z vidika implementacije svetovalnih projektov s pomočjo podpornih programskih paketov, ter z vidika poročanja rezultatov svetovalnega projekta kvantitativno pismenemu in kvantitativno nepismenemu občinstvu.

  X
  .
• Indeksna števila in sestavljeni kazalci.
• Analiza podatkov kupcev

  Analiza podatkov kupcev

   1. Uvod v analizo podatkov kupcev.

  2. Življenjski cikel porabnika in tipologija podatkov kupcev.

  3. Viri za analizo podatkov kupcev.

  4. Baze podatkov kupcev in podatkovna skladišča.

  5. Merjenje neto sedanje vrednosti kupca.

  6. Profiliranje kupcev:

  • RFM tehnika.

  • Faktorska analiza.

  • Tehnike razvrščanja.

  7. Modeliranje odzivov kupcev:

  • Regresija.

  • Odločitvena drevesa.

  • Nevronske mreže.

  8. Analiza nakupne košarice.

  9. Posebne teme v analizi podatkov kupcev:

  • Podatkovno rudarjenje in analiza podatkov kupcev.

  • Spletno rudarjenje in analiza podatkov kupcev.

  • Obravnava nominalnih podatkov.

  • Obravnava velikih zbirov podatkov.

  • Obravnava neuravnoteženih zbirov podatkov.

   

  X
  .
• Statistična kontrola kakovosti

  Statistična kontrola kakovosti

  1. Uvod v statistično kontrolo kakovosti.

  2. Viri podatkov za statistično kontrolo kakovosti.

  3. Vzorčenje za statistično kontrolo kakovosti.

  4. Statistična kontrola procesov.

  5. Kontrolne karte v teoriji in praksi.

  6. Eksperimentalno raziskovanje in statistična kontrola kakovosti.

  7. Statistična kontrola kakovosti v storitvenem sektorju.

  8. Statistična kontrola kakovosti v realnem času.

  X
  .
• Analiza kategorialnih podatkov

  Analiza kategorialnih podatkov

  • Enostavna korespondenčna analiza.
  • Multipla korespondenčna analiza.
  • Logistična regresija (vključno z metodami za ponavljajoče meritve).
  • Loglinearni modeli.

  X
  .
• Večnivojski regresijski modeli

  Večnivojski regresijski modeli

  1. Uvod v večnivojsko modeliranje

  • Viri večnivojskih podatkov.
  • Večnivojske teorije.

  2. Dvonivojski modeli

  • Modeli z naključnimi presečišči.
  • Modeli z naključnimi koeficienti.

  3. Trinivojski modeli

  4. Koeficienti med različnimi nivoji

  5. Logistični modeli z naključnimi koeficienti

  6. Tristopenjski logistični modeli

  X
  .
• Analiza omrežij v poslovnih vedah.
• Posplošeni regresijski model, cenilke, asimptotska analiza in statistično sklepanje.
• Diskretna izbira, časovne serije, panelni podatki in multivariatni modeli.
• Modeliranje poslovnih procesov.
• Kvalitativno raziskovanje v poslovnih vedah.
• Druge relevantne in aktualne teme.

Osnove matematične statistike:

• Temeljna znanja: Vrstilna statistika. Zadostnost, polnost in nepristranskost. Točkovno ocenjevanje. Testiranje hipotez. Sekvenčne metode. Intervali zaupanja. Cenilke po metodi najmanjšega verjetja. Variančna analiza.

Bayesove metode v statistiki:

• Temeljna znanja: Modeli z enim in več parametri ter povezava s standardnimi statističnimi metodami. Hierarhični modeli. Preverjanje modelov in analiza občutljivosti. Bayesovo načrtovanje poskusov. Uvod v regresijsko analizo.

• Specifične metode in poglavja: Vrste napak pri večkratnem testiranju. Aproksimacija s posteriornimimi modeli. Posteriorne simulacije. Simulacije z markovskimi verigami. Drugi specifični modeli Bayesove analize.

Matematične metode v ekonometriji:

• Temeljna znanja: Linearna in nelinearna regresija. Heteroskedastičnost in avtokorelacija.

Slučajni procesi:

• Temeljna znanja: Markovske verige. Procesi slučajnega pojavljanja. Procesi slučajnega razporejanja. Markovske verige z zveznim časom. Brownovo gibanje.

1. Raziskovalni načrti in zbiranje podatkov:

• raziskovalni načrti v psihologiji in psihometriji ter njihovi epistemološki vidiki;

• računalniška simulacija in sorodne metode;

• uporaba velikih podatkovnih baz;

• programiranje v izbranem jeziku (R, Matlab ipd);

• specifični vidiki poročanja o raziskovalnih izsledkih na področju psihološke statistike.

2. Izbrane teme iz psihometrije:

• posebna vprašanja klasične testne teorije (teorija spodnjih mej zanesljivosti, intervali zaupanja za pravi dosežek; teorija posplošljivosti);

• konceptualni problemi psihološkega merjenja (problem veljavnosti, merske lestvice, narava latentnih spremenljivk);

• facetna teorija;

• »unfolding« in analiza preferenčnih meritev;

• primerjalna evalvacija psihometričnih paradigem.

3. Analiza razlik med skupinami:

• ponovitveni pregled večfaktorskih načrtov;

• metode prevzorčenja in robustne metode;

• (multivariatna) analiza (ko)variance, analiza ponovljenih meritev;

• grafična analiza, contrasti, post-hoc testi;

• linearni  mešani modeli.

4. Modeliranje v psihologiji:

• splošni linearni model in njegove lastnosti;

• metode optimizacije v multivariatni analizi;

• hierarhični linearni modeli;

• latentne spremenljivke in zahtevnejša vprašanja faktorske analize;

• strukturno modeliranje: analiza poti, konfirmatorna faktorska analiza, splošni strukturni model; modeliranje interakcije, moderacije in mediacije ter sprememb in rasti;

• analiza preferenc in drugih nemetričnih podatkov; analiza kategoričnih podatkov.

Vloga statističnih metod v tehniki in industriji (različne vrste proizvodnih sistemov in uporaba statističnih metod za reševanje problemov v teh sistemih; različni načini uporabe statističnih metod v tehniki). Uporaba metode vzorčenja za nadzor proizvodnih procesov (določanje načrtov vzorčenja, različne vrste vzorčenja, mednarodni standardi). Metode za nadzor in opazovanje industrijskih procesov (osnovna načela kontrolnih kart, preizkusi slučajnosti, izboljšane metode za sledenje procesov).

Načrtovanje in analiza poskusov (zasnova in analiza slučajnih blokov, zasnova nepopolnih blokov, faktorski poskusi). Doseganje kakovosti s pravilnim oblikovanjem izdelkov in procesov (izbira parametrov, Taguchijeve metode, optimizacija izdelkov z uporabo funkcije izgube, načrtovanje tolerance). Analiza zanesljivosti (pojem zanesljivosti, ocene zanesljivosti).