Viacrozmerná analýza dát
- Kredity: 10
- Ukončenie: Skúška
- Rozsah: 16sP
- Semester: zimný
- Fakulta hospodárskej informatiky
Vyučujúci
Zaradený v študijných programoch
Výsledky vzdelávania
Tento predmet je navrhnutý tak, aby poskytoval prehľad zaujímavej, novej a rýchlo rastúcej oblasti viacrozmernej analýzy dát. Jednotlivé viacrozmerné štatistické metódy netvoria uzatvorené okruhy, ale sú neustále obohacované o nové prístupy viacrozmerného riešenia a možnosti ich aplikácií v praxi.
Po absolvovaní predmetu študenti získajú:
Vedomosti:
- získajú vedomosti o najnovších poznatkoch z oblasti viacrozmerných štatistických metód,
- pri vypracovaní projektu študenti tieto vedomosti využijú pri riešení praktických úloh pomocou ľubovoľného štatistického programového balíka;
- Zručnosti:
- rozvinú chápanie hlavných princípov analýzy viacrozmerných dát,
- rozvinú svoju schopnosť identifikovať vhodnú viacrozmernú štatistickú metódu a vyhodnotiť jej využitie pri riešení reálnych ekonomických a sociálnych úloh v praxi;
Kompetentnosti:
- budú schopní formulovať, riešiť a prezentovať výsledky aplikovaného výskumu;
- zdokonalia svoje písomné a prezentačné schopnosti.
Stručná osnova predmetu
Tento predmet je určený na doplnenie ďalších predmetov štatistickej analýzy dát, ktoré sú založené na analýze množiny rôznorodých znakov, ktorých počet dosahuje niekedy aj niekoľko desiatok. V týchto prípadoch tradičný jednorozmerný prístup riešenia je veľmi ťažký, často neuskutočniteľný. Riešeniu tohto problému sa v štatistike venuje súhrn postupov a metód, ktorý nazývame viacrozmerná analýza.
Odporúčaná literatúra
1. Collica, R. S. (2021). Segmentation Analytics with SAS® Viya®: An Approach to Clustering and Visualization. Cary, North Carolina: SAS Institute Inc. ISBN 978-1-951684-06-8
2. Hair, J. F. - Black, W. C. - Babin, B. J. - Anderson, R. E. (2010). Multivariate data analysis. 7th ed. New York: Macmillan Publishing Company. ISBN 13: 978-0138132637
3. Kattamuri, Sarma, S. (2017). Predictive Modeling with SAS® Enterprise miner™. North Carolina : SAS Institute Inc. ISBN 978-1-62960-264-6
4. Khattree, R. – Naik, N. D. (200). Multivariate data reduction and discrimination with SAS® Software. Cary, North Carolina: SAS Institute Inc. ISBN 1-58025-696-1
5. Sharma, S. (1996). Applied multivariate techniques. New York: John Wiley & Sons. ISBN 0-471-31064-6
6. Rencher. A. C.. (1995) Methods of Multivariate Analysis. New York: John Willey & Sons. ISBN 0-471-57152-0
7. Tabachnick, B.G. – Fidell, L. S. (2014). Using Multivariate statistics. 6th ed., Edinburg : Pearson Education Limited. ISBN 13: 978-1-292-02131-7
8. Vojtková, M. - Sodomová, E. (2015). Classification of EU countries according to selected indicators from the field of business demography using self-organising maps. In Zeszyty naukowe. - Kraków : Uniwersytet Ekonomiczny w Krakowie. ISSN 1898-6447, no. 11, pp. 37-52.
9. Šoltés, E. - Vojtková, M. - Šoltésová, T. (2020). Changes in the Geographical Distribution of Youth Poverty and Social Exclusion in EU Member Countries Between 2008 and 2017. In Moravian Geographical Reports. Brno : The Czech Academy of Sciences. ISSN 1210-8812, vol. 28, no. 1, pp. 2-15 online.
10. Vojtková, M. - Kotlebová, E. - Sivašová, D. (2019). Determinants Affecting Health of Slovak Population and their Quantification. In Statistika : Statistics and Economy Journal. - Praha : Český statistický úřad, 2019. ISSN 1804-8765, vol. 99, no. 4, pp. 434-450 online.
11. Krasňanská, D. - Komara, S. - Vojtková, M. (2021). Keyword Categorization Using Statistical Methods. In Tem Journal: Technology, Education, Management, Informatics : Journal of the Association for Information Communication Technologies, Education and Science. - Novi Pazar : UIKTEN. ISSN 2217-8333, vol. 10, no. 3, pp. 1377‐1384 online.
Literatúra bude priebežne aktualizovaná, o najnovšie vedecké a odborné tituly.
Sylabus predmetu
Predmet prebieha v cykloch s obsahom zameraným na rozšírenie vedomostí o: 1. Úvod do viacrozmerných štatistických metód. Popis viacrozmerných dát. Predpríprava dát. Postup analýzy viacrozmerných dát. Klasifikácia viacrozmerných štatistických metód. 2. Metódy analýzy skrytých vzťahov: Metóda hlavných komponentov a faktorová analýza. Matematické vyjadrenie hlavných komponentov, ich vlastnosti, určenie ich počtu a interpretácia. Matematický model faktorovej analýzy, všeobecný postup (metódy odhadu, metódy rotácie faktorov). Porovnanie faktorovej analýzy a metódy hlavných komponentov. 3. Metódy analýzy vzájomnej závislosti: Zhluková analýza. Miery podobnosti objektov. Hierarchické a nehierarchické zhlukovacie postupy. Zhlukovacie metódy. Určenie počtu významných zhlukov a ich interpretácia. Nové trendy v zhlukovaní. /Viacrozmerné škálovanie. /Korešpondenčná analýza. 4. Metódy analýzy závislosti: Diskriminačná analýza. Predpoklady použitia diskriminačnej analýzy. Opisná úloha diskriminačnej analýzy. Interpretácia diskriminačných funkcií. Klasifikačná úloha diskriminačnej analýzy. Overenie presnosti klasifikácie./Logistická regresia./Viacfaktorová analýza rozptylu./Conjoint analýza.
Podmienky na absolvovanie predmetu
30 % vypracovanie semestrálneho projektu v štatistickom softvéri alebo open-source systéme (napr. v SAS, SPSS, R, Python),
30 % prezentácia semestrálneho projektu
40 % záverečná skúška
Pracovné zaťaženie študenta
Pracovné zaťaženie študenta (v hodinách): 260
účasť na konzultáciách 16 h,
príprava na konzultácie 64 h,
vypracovanie semestrálneho projektu 100 h,
príprava na záverečnú skúšku 80 h
Jazyk, ktorého znalosť je potrebná na absolvovanie predmetu
Slovenský jazyk
Dátum schválenia: 11.03.2024
Dátum poslednej zmeny: 03.02.2022
Dátum schválenia: 11.03.2024
Dátum poslednej zmeny: 03.02.2022