Poslednje vesti
Nema sadržaja
Silabus
Broj ESPB: 6
Cilj predmeta
Kurs daje pregled statističkih metoda i modela koji se mogu koristiti kao podrška odlučivanju u različitim oblastima menadžmenta, posebno u marketingu i finansijama. Vrši se upoznavanje sa metodama korišćenja prediktivnih statističkih modela, kao i detaljnija znanja o metodama statističkog zaključivanja.
Ishod predmeta
Sadržaji ovog predmeta osposobljavaju studente za modeliranje i rešavanje praktičnih problema u menadžmentu primenom metoda statističke analize. Takođe, adekvatno korišćenje predikcije kako bi se postigla što veća tačnost prilikom zaključivanja, a time i veći stepen sigurnosti prilikom odlučivanja, će biti značajan ishod predmeta.
Sadržaj predmeta
Teorijska nastava
P01: Prikupljanje podataka, uzorak i planiranje uzorka.
P02: Automatska kontrola i korekcija grešaka.
P03: Izrada i logički dizajn upitnika. Obrada podataka uzorka.
P04: Testiranje hipoteza.
P05: Parametarsko i neparametarsko zaključivanje.
P06: Bajesovo zaključivanje.
P07: Multivarijaciona statistička analiza. Modeli.
P08: Računarska podrška statističkim istraživanjima.
P09: Predviđanje, klasifikacija i analiza poslovnog rizika.
P10: Koeficijenti preferencije. Relativni rizik i racio.
P11: Ekonometrijsko modeliranje.
P12: Analiza finansijskih vremenskih serija.
P13: ARIMA, ARCH i GARCH modeli.
P14: Primenljivost i vrednovanje modela.
P15: Rešavanje konkretnih problema iz prakse.
Praktična nastava:Vežbe, Drugi oblici nastave, Studijski istraživački rad
V01: Prikupljanje podataka, uzorak i planiranje uzorka.
V02: Automatska kontrola i korekcija grešaka.
V03: Izrada i logički dizajn upitnika. Obrada podataka uzorka.
V04: Testiranje hipoteza.
V05: Parametarsko i neparametarsko zaključivanje.
V06: Bajesovo zaključivanje.
V07: Multivarijaciona statistička analiza. Modeli.
V08: Računarska podrška statističkim istraživanjima.
V09: Predviđanje, klasifikacija i analiza poslovnog rizika.
V10: Koeficijenti preferencije. Relativni rizik i racio.
V11: Ekonometrijsko modeliranje.
V12: Analiza finansijskih vremenskih serija.
V13: ARIMA, ARCH i GARCH modeli.
V14: Primenljivost i vrednovanje modela.
V15: Rešavanje konkretnih problema iz prakse.
Broj časova aktivne nastave:
Predavanja: 2 Vežbe: 2
Metode izvođenja nastave: Klasičan način, uz korišćenje table i računara.
Literatura
- Giudici P., Figini S., Applied Data Mining for Business and Industry, Wiley, 2009.
- Metcalfe A. V., Statistics in Management Sciences, Oxford University Press, 2000.
- Keller G., Warrack B., Statistics for Management and Economics, Abbreviated Edition, Thompson, 2006.
- Agresti A., An Introduction to Categorical Data Analysis, Wiley, 2007.
Linkovi ka dokumentima korišćenim na prezentaciji predmeta na master studijama PA, održanoj 24.10.2017.
http://www-bcf.usc.edu/~gareth/ISL/ISLR%20Seventh%20Printing.pdf
https://www.coursera.org/learn/machine-learning
https://www.coursera.org/browse/data-science/data-analysis?languages=en
https://gogameguru.com/i/2016/03/deepmind-mastering-go.pdf
https://deepmind.com/documents/119/agz_unformatted_nature.pdf