UČNI NAČRTI interdisciplinarnega doktorskega študijskega programa STATISTIKA

Transcription

1 1 UČNI NAČRTI interdisciplinarnega doktorskega študijskega programa STATISTIKA

2 2 KAZALO OBVEZNI PREDMETI... 3 SODOBNI STATISTIČNI PRISTOPI... 3 METODOLOGIJA STATISTIČNEGA RAZISKOVANJA... 7 MATEMATIČNA STATISTIKA... 9 OBVEZNI MODULSKI PREDMETI IZBRANA POGLAVJA IZ BIOSTATISTIKE IZBRANA POGLAVJA IZ DRUŽBOSLOVNE STATISTIKE IZBRANA POGLAVJA IZ EKONOMSKE IN POSLOVNE STATISTIKE IZBRANA POGLAVJA IZ URADNE STATISTIKE IZBRANA POGLAVJA IZ MATEMATIČNE STATISTIKE IZBRANA POGLAVJA IZ PSIHOLOŠKE STATISTIKE IZBRANA POGLAVJA IZ TEHNIŠKE STATISTIKE IZBIRNI PREDMETI ANALIZA KATEGORIALNIH PODATKOV ANALIZA OMREŽIJ ANALIZA OMREŽIJ V EKONOMIJI IN POSLOVNIH VEDAH ANALIZA PANELNIH PODATKOV ANALIZA PODATKOV KUPCEV ANALIZA ZANESLJIVOSTI IN ŽIVLJENJSKE DOBE PROIZVODA ANKETNA METODOLOGIJA DEMOGRAFIJA, ANALIZA IN MODELI EKONOMETRIJA ČASOVNIH VRST INTERNETNO RAZISKOVANJE LINEARNA ALGEBRA ZA NEMATEMATIKE MODERNA PSIHOMETRIČNA TESTNA TEORIJA MULTIVARIATNA ANALIZA NAČRTOVANJE IN ANALIZA POSKUSOV ODKRIVANJE ZNANJ IZ PODATKOV PODATKOVNO RUDARJENJE IN ODKRIVANJE ZAKONITOSTI V PODATKIH RAČUNALNIŠKO PODPRTA STATISTIKA RAZISKOVALNI IZZIVI NACIONALNIH RAČUNOV SLUČAJNI PROCESI ZA NEMATEMATIKE STATISTIČNA KONTROLA KAKOVOSTI STATISTIČNA PODLAGA BIOINFORMATIKE STATISTIKA OKOLJA TEHNIŠKA STATISTIKA TEORIJA INDEKSNIH ŠTEVIL... 69

3 3 OBVEZNI PREDMETI 1. Ime predmeta: Sodobni statistični pristopi Koordinatorica predmeta: prof. dr. Anuška Ferligoj Izvajalci: prof. dr. Lea Bregar, prof. dr. Katarina Košmelj, prof. dr. Matjaž Omladič, prof. dr. Jože Rovan, prof. dr. Tomaž Slivnik, doc. dr. Gregor Sočan, prof. dr. Janez Stare, prof. dr. Vasja Vehovar, prof. dr. Anuška Ferligoj in vabljeni domači in tuji strokovnjaki za posamezna področja Št. ur: 300 Predavanj: 50 Seminarskih vaj: 20 Lab. Vaje: / Drugo: 230 (konzultacije,..) Število KT: Pogoji za vključitev: Elementarno znanje matematične statistike. 3. Izobraževalni cilji in predvideni študijski rezultati: (predmetnospecifične kompetence) Namen predmeta je pregled nekaterih najsodobnejših področij statistike, iz katerih bi študentje lahko izbrali doktorske teme. Predavali bodo domači in tuji strokovnjaki za posamezno področje. V okviru predmeta bodo obvezne tudi konzultacije za uporabnike statističnih metod. 4. Vsebina predmeta: 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.

4 4 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. 5. Temeljni študijski viri: Dobršen del virov se bo prilagajal trenutnemu izboru tem, našteti so le nekateri trenutno aktualni viri: A. Gelman, J.B.Carlin, H.S. Stern, D.B. Rubin: Bayesian Data Analysis. Chapman&Hall, P. J. Brockwell, R. A. Davis: Time series : Theory and methods, S. I. Resnick: Adventures in stochastic processes, M. Verbeek: A guide to modern econometrics, O. Aalen, O. Borgan, H. Gjessing: Event History Analysis: A Process Point of View. Springer-Verlag, Skrondal, A. in Rabe-Hesketh, S. (2004). Generalized latent variable modeling: Multilevel, longitudinal, and structural equation models. Boca Raton, FL: Chapman & Hall/CRC. McDonald, R.P. (1999). Test theory: A unified treatment. Mahwah, NJ: Lawrence Erlbaum Associates. R.S. Kenett, S.Zacks: Modern Industrial Statistics, Duxbury Press, 1998 P. Doreian, V. Batagelj, A. Ferligoj. Generalized Blockmodeling. Cambridge University Press, P. J. Carrington, J. Scott, S. Wasserman (ur.): Models and Methods in Social Network Analysis. Cambridge University Press, K.V. Mardia, J.T. Kent in J.M. Bibby: Multivariate analysis. Academic Press, London, Metode poučevanja in učenja: Predavanja. Zahtevnejša seminarska naloga in njena predstavitev v okviru predmeta. Konsultacije za uporabnike statističnih metod. 7. Preverjanja znanja - obveznosti študenta: Seminarska naloga. Predstavitev seminarske naloge.

5 5 Potrdilo o opravljenih konsultacijah. 8. Reference izvajalcev predmeta: prof. dr. Anuška Ferligoj: 1. KOGOVŠEK, T., FERLIGOJ, A.: Effects on Reliability and Validity of Egocentered Network Measurements. Social Networks 2005, 27: str DOREIAN, P., BATAGELJ, V., FERLIGOJ,A.: Generalized blockmodeling of two-mode network data. Social Networks 2004, 26 (1): str FERLIGOJ A., HLEBEC V.: Evaluation of social network measurement instruments. Social Networks 1999, vol. 21, no. 2, str prof. dr. Lea Bregar: 1. BREGAR, L., OGRAJENŠEK, I., BAVDAŽ, M.: Teaching economic statistics in a digital environment. V: FERLIGOJ, A. (ur.), MRVAR, A. (ur.). New approaches in applied statistics, (Metodološki zvezki, 16). Ljubljana: FDV, 2000, str BREGAR, L. (1991), Metodološke priprave na prevzem evropske klasifikacije dejavnosti NACE Rev. 1. Razv. vpraš. stat., 66 str. 3. BAVDAŽ, M., BREGAR, L. (2001), The role of meta database for improving quality in statistics: the case of structural business statistics. V: 53rd session of the International Statistical Institute, (Bulletin of the International Statistical Institute, tome 59). [Seoul: International Statistical Institute: = Institute international de statistique,], str prof. dr. Katarina Košmelj: 1. KOŠMELJ K., CEDILNIK A., KALAN P.: Comparision of a two-stage sampling design and its composite sample alternative: An application to soil studies. Environ. ecol. stat., 2001, vol. 8, no. 2, str CELAR F., VALIČ N., KOŠMELJ K., GRIL T.: Evaluating the efficacy, corrosivity and phytotoxicity of some disinfectants against Erwinia amylovora (Burrill) Winslow et al. using a new statistical measure. Journal of plant diseases and protection. [Print ed.], 2007, vol. 114, no. 2, str KOŠMELJ, Katarina, ŽABKAR, Vesna. A methodology for identifying time-trend patterns : an application to the advertising expenditure of 28 European countries in the period. Metodol. zv. (Tisk. izd.), 2008, vol. 5, no. 2, str prof. dr. Matjaž Omladič: 1. OMLADIČ, M., OMLADIČ, V.: A linear algebra approach to non-transitive expected utility. Soc. choice welf. 18 (2001), str OMLADIČ, M.: On 2-groups with submultiplicative spectrum. J. pure appl. algebra. 167 (2002), str OMLADIČ, M.: A variety of commuting triples. Linear algebra appl. 383 (2004), str prof. dr. Jože Rovan: 1. ROVAN J.: Visualizing solutions in more than two dimensions, v M. GREENACRE and J. BLASIUS (urednika), Correspondence Analysis in the Social Sciences. London : Academic Press, 1994, ISBN str. 2. CZIRÁKY D., SAMBT J., ROVAN J., PULJIĆ J.: Regional development assessment: a structural equation approach, European journal of operational research, 2006, ISSN , Vol. 174, iss. 1, str ROVAN J., URBANČIČ-ROVAN V., SLAK M.: Screening procedures in human medicine evaluation of results by multiple correspondence analysis. Zbornik referatov, SAS European Users Group International, SEUGI'2000, Dublin, CD-ROM. prof. dr. Tomaž Slivnik: 1. HOMAN, P., BEŠTER, J., KOS, A., SLIVNIK, T.: The impact of bursty traffic on FPCF packet

6 6 switch performance, Comput. commun.,2003, vol.26, is.6, p MAHKOVIC, R., SLIVNIK, T.: Constructing the generalized Voronoi diagram from laser range scanner data, IEEE trans. Syst.man cybern., Part A, Syst. Humans, 2000, vol,30, no. 6, p TOMAŽEVIČ, D., LIKAR, B., SLIVNIK, T., PERNUŠ, F., 3-D/2-D registration of CT and MR to X- ray images, IEEE trans.med.imag., 2003, vol.22, no.11, p doc. dr. Gregor Sočan: 1. SOČAN, G., TEN BERGE, J.M.F. : The determinants of the bias in minimum rank factor analysis (MRFA). V H. Yanai, A. Okada, K. Shigesimasu, Y. Kano in J.J. Meulman (ur.), New developments in psychometrics. Tokyo: Springer, 2003, str TEN BERGE, J.M.F. in SOČAN, G. : The greatest lower bound to the reliability of a test and the hypothesis of unidimensionality. Psychometrika, 2004, 69, TEN BERGE, J.M.F. in SOČAN, G. : The set of feasible solutions for reliability and factor analysis. V S.-Y. Lee (ur.), Handbook of latent variable and related models, Amsterdam: Elsevier, 2007, str prof. dr. Janez Stare: 1. STARE J., POHAR M., HENDERSON R.: Goodness of fit of relative survival models. Statistics in Medicine, 2005, 24, 24, str Stare J, Henderson R, Pohar M. An individual measure of relative survival. JRSS Series C, 2005, 54, 1, str O'QUIGLEY, John, STARE, Janez. Proportional hazards models with frailties and random effects. Stat Med, 2002, letn. 21, št. 21, str prof. dr. Vasja Vehovar: 1. RUBIN D.B., STERN H., VEHOVAR V.: The EM alghoritm and don t know survey answer: The case of the Slovenian plebiscite. Journal of the American Statistical Association, 1995, 90, VEHOVAR V.: Field substitution and unit nonresponse. Journal of Official Statistics, 1999, 15, 2, VEHOVAR V., LOZAR MANFREDA K., KOREN G.: Internet surveys. V: Donsbach W (ur.), Traugott MW (ur.). The Sage handbook of public opinion research. Los Angeles: Sage, 2008, str

7 7 1. Ime predmeta: Metodologija statističnega raziskovanja Nosilec predmeta: prof. dr. Mihael Perman Izvajalec: prof. dr. Mihael Perman Št. ur: 150 Predavanj: 24 Seminarskih vaj: 12 Lab. Vaje: Drugo: 114 (izdelava domačih nalog, izdelava seminarskih nalog, študij literature, konzultacije, priprava na izpit, izpit,...) Število KT: 5 2. Pogoji za vključitev: Osnovni pojmi verjetnostnega računa, elementarno znanje statistike. 3. Izobraževalni cilji in predvideni študijski rezultati: (predmetnospecifične kompetence) Uporaba statistike temelji na naboru osnovnih idej. Namen predmeta je sistematična predstavitev osnovnih poglavij statistike s poudarkom na najpomembnejših idejah in njihovih teoretičnih osnovah ter pomenu za praktično uporabo. Pridobljeno znanje je lahko izhodišče za samostojni študij. 4. Vsebina predmeta: 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. 5. Temeljni študijski viri: Rice, J.A. (1995) Mathematical Statistics and Data Analysis. 3rd.ed., Duxbury Press. Weisberg, S. (1985) Applied Linear Regression. 2nd Ed., John Wiley & Sons. Rousas G.G. (1997) A course in mathematical statistics. 2 nd Ed. Academic Press. F. M. Dekking, C. Kraaikamp, H. P. Lopuhaä, L. E. Meester, A Modern Introduction to Probability and Statistics, Springer, 2005.

8 8 D. R. Cox, D. V. Hinkley, Theoretical statistics, Chapman & Hall/CRC, C. Chatfield, The analysis of time series: an introduction, 6th ed. Chapman & Hall/CRC, Metode poučevanja in učenja: Predavanja. Domače naloge, ki vsebujejo tudi konkretne analize podatkov. Zahtevnejša seminarksa naloga, v kateri se prepleta teoretično znanje s praktičnimi nalogami in simulacijami. 7. Preverjanja znanja - obveznosti študenta: Domače naloge. Zahtevnejša seminarska naloga. Pisni izpit. 8. Reference izvajalca predmeta: prof. dr. Mihael Perman: 1. Karu A.E., Perman M., McClatchie I.R.T., Speed T.P., Richman S.J., AutoElisa: A Data Management System For Regulatory and Diagnostic Immunoassays, Using Parallel Fitting for Data Evaluation. V: D. A. Kurtz, L. H. Stenker, J. H. Skerritt (ur.): New Frontiers in Agricultural Immunoanalysis, AOAC International, 1995, Perman M., Wellner J., On the Brownian areas, Ann. of Appl. Prob. 6(1996), Perman M, Senegačnik A., Tuma M., Application to Power-Plant Reliability Analysis, IEEE Transactions on Reliability, 46(1997)5, 1-7.

9 9 1. Ime predmeta: Matematična statistika Nosilec predmeta: prof. dr. Matjaž Omladič Izvajalci: prof. dr. Matjaž Omladič, doc. dr. Damjana Kokol Bukovšek, doc. dr. Jaka Smrekar, doc. dr. Dejan Velušček Št. ur: 150 Predavanj: 24 Seminarskih vaj: 12 Lab. Vaje: Drugo: 114 (izdelava domačih nalog, izdelava projektnih nalog, študij literature, konzultacije,...) Število KT: 5 2. Pogoji za vključitev: Opravljen izpit iz teorije verjetnosti. 3. Izobraževalni cilji in predvideni študijski rezultati: (predmetnospecifične kompetence) Študent spozna zahtevnejše vsebine iz matematične statistike. 4. Vsebina predmeta: Vrstilna statistika. Zadostnost, polnost in nepristranskost. Točkovno ocenjevanje. Testiranje hipotez. Sekvenčne metode. Intervali zaupanja. Cenilke po metodi najmanjših kvadratov. Variančna analiza. Neparametrične statistike. Osnove Bayesove statistike. 5. Temeljni študijski viri: G. G. Roussas. A course in mathematical statistics. Academic Press, 2nd edition, A. Gelman, J.B.Carlin, H.S. Stern, D.B. Rubin: Bayesian Data Analysis. 2nd edition, Chapman&Hall, Metode poučevanja in učenja: Predavanja, vaje, domače naloge, seminarske in projektne naloge, samostojni študij literature, konzultacije. 7. Preverjanja znanja - obveznosti študenta: Domače naloge, projektne naloge ali ustni zagovor. 8. Reference izvajalcev predmeta: prof. dr. Matjaž Omladič: 1. M. Omladič: Na prvem koraku do faktorske analize. Obz. mat. fiz., 1986, let. 33, št. 1-2, str R. E. Hartwig, M. Omladič, P. Šemrl, G. P. H. Styan: On some characterizations of pairwise star orthogonality using rank and dagger additivity and subtractivity. Linear Algebra Appl., 1996, let. 237/238, št. 2, str M. Omladič, V. Omladič: More on restricted canonical correlations. Linear Algebra Appl.. [Print ed.], 2000, vol. 1/3, no. 321, str doc. dr. Damjana Kokol-Bukovšek: 1. KOKOL-BUKOVŠEK, Damjana. Matrix semigroup homomorphisms from dimension two to three. Linear algebra appl. 296 (1999), str KOKOL-BUKOVŠEK, Damjana. More on matrix semigroup homomorphisms. Linear algebra appl. 346 (2002), str KOKOL-BUKOVŠEK, Damjana, KOŠIR, Tomaž, NOVAK, Nika, OBLAK, Polona. Products of commuting nilpotent operators. Electron. j. linear algebra (On line), 16 (2007), str KOKOL-BUKOVŠEK, Damjana. Matrix semigroup homomorphisms into higher dimensions. Linear algebra appl. 420 (2007), str doc. dr. Jaka Smrekar: 1. J. SMREKAR: Homotopy type of mapping spaces and existence of geometric exponents. Forum

10 10 Math. letnik 22 (2010), št. 3, J. SMREKAR, A. Yamashita: Function spaces of CW homotopy type are Hilbert manifolds. Proc. Amer. Math. Soc. letnik 137 (2009), št. 2, J. SMREKAR: Periodic homotopy and conjugacy idempotents. Proc. Amer. Math. Soc. letnik 135 (2007), št. 12, M. Cencelj, J. Dydak, J. SMREKAR, A. Vavpetič, Ž. Virk: Algebraic properties of quasi-finite complexes. Fund. Math. letnik 197 (2007), J. SMREKAR: Compact open topology and CW homotopy type. Topology Appl. letnik 130 (2003), št. 3, doc. dr. Dejan Velušček: 1. K. Oshima, J. Teichmann, D. Velušček: A new extrapolation method for weak approximation schemes with applications, to appear in Ann. Appl. Probab., URL= 2. I. Klep, D. Velušček: Central extensions of *-ordered skew fields, Manuscripta math. 120, no. 4 (2006), J. Cimprič, D. Velušček: Higher product levels of domains, J. Pure Appl. Algebra 198, iss:1-3 (2005),

11 11 OBVEZNI MODULSKI PREDMETI 1. Ime predmeta: Izbrana poglavja iz biostatistike Nosilec predmeta: prof. dr. Janez Stare Izvajalci: prof. dr. Janez Stare, prof. dr. Katarina Košmelj, doc. dr. Lara Lusa Št. ur: 450 Predavanj: 24 Seminarskih vaj: 24 Lab. Vaje: / Drugo: 402 (izdelava domačih nalog, izdelava seminarskih nalog, študij literature, konzultacije, priprava na izpit, izpit,...) Število KT: Pogoji za vključitev: Elementarno znanje matematične statistike. 3. Izobraževalni cilji in predvideni študijski rezultati: Namen predmeta je pregled nekaterih področij biostatistike in specifičnih metod, ki jih uporabljamo pri analizi podatkov, s poudarkom na analizi preživetja, metodah za analizo visokodimenzionalnih podatkov z aplikacijami v bioinformatiki in metodami, ki se uporabljajo za načrtovanje in analizo poskusov v različnih vedah. Študent se bo v okviru predmeta temeljito seznanil z obstoječimi metodami na izbranem področju. Pridobljeno znanje bo osnova za doktorsko delo študenta. 4. Vsebina predmeta: Analiza preživetja: Temeljna znanja: o o o Krnjenje, krivulja preživetja, trenutno tveganje Regresijski modeli v analizi preživetja Točkasti procesi Specifične metode in poglavja: o o o o o o Metode prileganja Pojasnjena variabilnost Relativno preživetje Linearni model za okrnjene podatke Pseudo-opazovanja Sotveganja in večstanjski modeli Metode za analizo visokodimenzionalnih podatkov z aplikacijami v bioinformatiki: Temeljna znanja: o o o Statistične značilnosti visokodimenzionalnih podatkov Visokodimenzionalni podatki v biomedicinskih raziskavah. Metode za večkratno testiranje in razvrščanje.

12 12 Specifične metode in poglavja: o o o o o Vrste napak pri večkratnem testiranju. Prilagojene in neprilagojene p-vrednosti in nadzor napake prve vrste Multivariatne permutacijske metode Multivariatne razvrščevalne funkcije Ocena napovedne natančnosti. Načrtovanje in analiza poskusov Temeljna znanja: o o o o o 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: o o Modeliranje: različni pristopi in njihova uporaba Odzivne ploskve 5. Temeljni študijski viri: Kalbfleisch JD, Prentice RL (2002): The Statistical Analysis of Failure Time Data. New York:Wiley. Andersen PK, Borgan O, Gill R, Keiding N (1993): Statistical Models Based on Counting Processes. New York: Springer. O Quigley J (2008): Proportional Hazards Regression. New York: Springer. Simon RM, Korn EL, McShane LM, Radmacher MD, Wright GW, Zhao Y (2004). Design and Analysis of DNA Microarray Investigations. Springer: New York, NY. Dudoit S, van der Laan MJ (2008). Multiple Testing Procedures with Applications to Genomics. Springer Series in Statistics. Springer: New York, NY. Bishop CM (2006). Pattern Recognition and Machine Learning. New York: Springer. Box G, Hunter S, and Hunter WG (2005). Statistics for Experimenters: Design, Innovation, and Discovery, Wiley. Mead R, Curnow R & Hasted A. (2002). Statistical Methods in Agriculture and Experimental

13 13 Biology, Third Edition. Chapman & Hall/CRC Press. Steel RGD., Torrie JH., Dickey D (1997). Principles and Procedures of Statistics. A Biometrical Approach. McGraw-Hill. Quinn GP., Keough MJ (2002). Experimental design and data analysis for biologists. Cambridge University Press. Kuehl RO (2000). Design of experiments: statistical principles of research design and analysis. Duxbury/Thomson Learning. 6. Metode poučevanja in učenja: Predavanja. Seminarske naloge, ki predstavljajo pregled literature in so podlaga za doktorsko delo študenta Konsultacije 7. Preverjanja znanja - obveznosti študenta: Seminarske naloge Ustni zagovor 8. Reference izvajalcev predmeta: prof. dr. Janez Stare: 1. Stare J, Pohar M, Henderson R. Goodness of fit of relative survival models. Statistics in Medicine, 24(2005), 24, str Stare J, Henderson R, Pohar M. An individual measure of relative survival. JRSS Series C, 54 (2005), 1, str O'QUIGLEY, John, STARE, Janez. Proportional hazards models with frailties and random effects. Statistics in Medicine, 2002, letn. 21, št. 21, str prof. dr. Katarina Košmelj: 1. Košmelj K, Cedilnik A, Kalan P. Comparision of a two-stage sampling design and its composite sample alternative: An application to soil studies. Environ. ecol. stat., 2001, vol. 8, no. 2, str Celar F, Valič N, Košmelj K, Gril T. Evaluating the efficacy, corrosivity and phytotoxicity of some disinfectants against Erwinia amylovora (Burrill) Winslow et al. using a new statistical measure. Journal of plant diseases and protection. [Print ed.], 2007, vol. 114, no. 2, str KOŠMELJ, Katarina, ŽABKAR, Vesna. A methodology for identifying time-trend patterns : an application to the advertising expenditure of 28 European countries in the period. Metodol. zv. (Tisk. izd.), 2008, vol. 5, no. 2, str doc. dr. Lara Lusa: 1. BLAGUS, Rok, LUSA, Lara. Class prediction for high-dimensional class-imbalanced data. BMC bioinformatics, 2010, letn. 11, str. 523 (1-27), 2. LUSA, Lara, KORN, Edward Lee, MCSHANE, Lisa M. A class comparison method with filteringenhanced variable selection for high-dimensional data sets. Stat Med, 2008, letn. 27, št. 28, str LUSA, Lara, MCSHANE, Lisa M., RADMACHER, Michael D, SHIH, Joanna H., WRIGHT, George W, SIMON, Richard. Appropriateness of some resampling-based inference procedures for assessing performance of prognostic classifiers derived from microarray data. Stat Med, 2007

14 14 1. Ime predmeta: Izbrana poglavja iz družboslovne statistike Nosilec predmeta: doc. dr. Aleš Žiberna Izvajalci: doc. dr. Aleš Žiberna, prof. dr. Valentina Hlebec, doc. dr. Katja Lozar Manfreda, prof. dr. Anuška Ferligoj in drugi vabjeni predavatelji Št. ur: 450 Predavanj: 24 Seminarskih vaj: 24 Lab. Vaje: / Drugo: 402 (izdelava domačih nalog, izdelava seminarskih nalog, študij literature, konzultacije,...) Število KT: Pogoji za vključitev: Metodologija statističnega raziskovanja. 3. Izobraževalni cilji in predvideni študijski rezultati: Seznaniti študente z aktualnimi dogajanji na področju družboslovne statistike. Podati celovit pregled področja in ga dopolniti z izbranimi predavatelji. Usposobiti študente za raziskovanje in usmerjati njihovo delo na doktorski disertaciji. 4. Vsebina predmeta: 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. Parametrizacija zveznih in diskretnih porazdelitev. Multivariatna analiza spremenljivk na osnovi nominalnih, ordinalnih, intervalnih in razmernostnih lestvic. Modeliranje podatkov v družboslovju Pregledovalna statistična analiza in podatkovno rudarjenje. 5. Temeljni študijski viri: Agresti A. (1990): Categorical Data Analysis. Wiley. Biemer, Lyberg (2003): Introduction to Survey Quality. Wiley. Bishop Y.M.M., Fienberg S.E., Holland P.W. (1975): Discrete Multivariate Analysis: Theory and Practice. MIT Press.

15 15 Bollen K.A. (1989): Structural Equations with Latent Variables. Wiley, New York. Clogg C.C., Rudas T., Xi L. (1995): A New Index of Structure for the Analysis of Model Misfit, Structure, and Local Structure for Mobility Tables and Other Cross Classifications. V: P. Marsden (ur.) Sociological Methodology. Blackwell, Clogg C.C., Shihadeh E.S. (1994): Statistical Models for Ordinal Variables. Sage. Cox D.R., Wermuth N. (1996): Multivariate Dependencies. Chapman & Hall. Ferligoj A. (1989): Razvrščanje v skupine. Metodološki zvezki, 4, FSPN, Ljubljana. Ferligoj A., Leskošek K., Kogovšek T. (1995): Zanesljivost in veljavnost merjenja. Metodološki zvezki, 11, FDV, Ljubljana. Greenacre M.J. (2007): Correspondence Analysis in Practice (Second Edition). Chapman and Hall/CRC. Greenacre M.J., J. Blasius (ur.) (1994): Correspondence Analysis in the Social Sciences. Academi Press. Groves et al. (ur.) (2004): Survey methodology. Wiley. Hagenaars J.A. (1993): Loglinear Models with Latent Variables. Sage. Härdle, W.,Simar L. (2011): Applied multivariate statistical analysis (2nd ed.). Springer, Berlin. Johnson R.A. in Wichern D.W. (2007): Applied Multivariate Statistical Analysis (6th Edition). Prentice Hall, New Jersey. Kalton, Vehovar (2001): Vzorčenje v anketah. FDV. Little, R. J. & Rubin, D. B. (2002): Statistical analysis with missing data (second edition). Chichester: Wiley. Mardia K.V., Kent J.T. in Billy J.M. (1979): Multivariate Analysis. Academic Press, London. Marsden P.V., Wright J.D. (ur.) (2010): Handbook of Survey Research (Second edition). Emerald, Bingley. Omladič V. (1997): Uporaba linearne algebre v statistiki. Metodološki zvezki, 13, FDV, Ljubljana. Read T.R.C., Cressie N.A.C. (1988): Goodness-of-fit Statistics for Discrete Multivariate Data. Springer. Rudas T. (1997): Odds Ratios in the Analysis of Contingency Tables. Sage. Vehovar V. (2012): Nepopolni podatki v anketah. FDV. 6. Metode poučevanja in učenja:

16 16 Predavanja. Izdelava seminarskih nalog. Predstavitve raziskovalnih rezultatov študentov. Konzultacije. 7. Preverjanja znanja - obveznosti študenta: Seminarske naloge. Ustni zagovor. 8. Reference izvajalcev predmeta: prof. dr. Anuška Ferligoj: 1. Ferligoj A., Batagelj V.: Clustering with relational constraint. Psychometrika 47(1982)4, Ferligoj A., Batagelj V.: Direct Multicriteria Clustering Algorithms. Journal of Classification 9(1992)1, Žnidaršič, A., Ferligoj, A., Doreian, P.: Non-response in social networks: The impact of different non-response treatments on the stability of blockmodels. Soc. networks. 2012, 13, doi: /j.socnet prof. dr. Valentina Hlebec: 1. Ferligoj, A., Hlebec, V. (1999). Evaluation of social network measurement instruments. Soc. networks. 21, 2: Zemljič, B., Hlebec, V. (2005). Reliability of measures of centrality and prominence. Soc. networks. 27, 1: Hlebec, V., Mrzel, M., Kogovšek, T. (2011). Assessing social support networks in cross-national comparative surveys : measurement issues. Qual. quant., 2011, 19 str., tabele. doi: /s doc. dr. Katja Lozar Manfreda: 1. Vehovar, V., Berzelak, J., Lozar Manfreda, K.: Mobile phones in an environment of competing survey modes: applying metric for evaluation of costs and errors. Soc. sci. comput. rev., 2010, 28 (3), pp Lozar-Manfreda, K., Vehovar, V. Internet surveys. In: LEEUW, Edith Desirée de (ed.), HOX, J. J. (ed.), DILLMAN, Don A. (ed.). International handbook of survey methodology, (EAM book series). New York; London: Lawrence Erlbaum Associates, cop. 2008, pp Lozar-Manfreda, K., Bosnjak, M., Berzelak, J., Haas, I., Vehovar, V. Web surveys versus other survey modes : a meta-analysis comparing response rates. International journal of market research, 50(2008)1, pp doc. dr. Aleš Žiberna: Žiberna, A., Kejžar, N., Golob, P.: A comparison of different approaches to hierarchical clustering of ordinal data. Metodološki zvezki. 2004, 1 (1), p Žiberna, A.: Generalized blockmodeling of valued networks. Soc. networks. 2007, 29 (1), p Petrovčič, A., Vehovar, V., Žiberna, A.: Posting, quoting, and replying : a comparison of methodological approaches to measure communication ties in webforums. Qual. Quan. 2011, 46 (3), p

17 17 1. Ime predmeta: Izbrana poglavja iz ekonomske in poslovne statistike Nosilec predmeta: prof. dr. Jože Rovan Izvajalci: prof. dr. Lea Bregar, prof. dr. Jože Rovan, prof. dr. Irena Ograjenšek, prof. dr. Marko Pahor Št. ur: 450 Predavanj: 24 Seminarskih vaj: 24 Lab. vaje: / Drugo: 402 (izdelava seminarskih nalog, študij literature, konzultacije, priprava na izpit, izpit,...) Število KT: Pogoji za vključitev: Znanje inferenčne statistike. 3. Izobraževalni cilji in predvideni študijski rezultati: Namen predmeta je predstavitev teorije merjenja, priprave podatkov in analitičnih metod v v ekonomskih in poslovnih vedah. Pridobljeno znanje bo osnova za doktorsko delo študenta. 4. Vsebina predmeta: Merjenje in priprava podatkov v ekonomiji in poslovnih vedah Koncepti in operacionalizacija konceptov Statistični standardi in uradna statistika Tipologija ekonomske statistike: izbrane študije primerov Tipologija poslovne statistike: izbrane študije primerov Anketna metodologija v ekonomiji in poslovnih vedah Baze podatkov v ekonomiji in poslovnih vedah Povezovanje podatkov iz različnih virov Kakovost podatkov Analitične metode Metode multivariatne analize Strukturni modeli Analiza časovnih vrst Analiza panelnih podatkov Posebna statistična orodja za poslovne vede 5. Temeljni študijski viri: Lequiller, F. in Blades, D (2006) Understanding National Accounts, Paris: OECD. Izbrani članki iz konferenc UN ECE za področje Ekonomska statistika. S. Sharma: Applied Multivariate Techniques. New York: Wiley, Hsiao, Cheng: Analysis of panel data, 2 nd ed. Cambridge [etc,] : Cambridge University Press, 2003

18 18 Hair, Tatham, Anderson, Black: Multivariate Data Analysis, 5 th ed. PrenticeHall, 1998 Kaplan D.: Structural equation modeling : foundations and extensions, 2000, Sage. Luetkepohl, H. and Kraetzig, M. (2004), Applied Time Series Econometrics, Cambridge University Press. Ruggeri, Fabrizio (ur.), Kenett, Ron S. (ur.), Faltin, Frederick W. (ur.). Encyclopedia of statistics in quality and realiability. Chichester: Wiley, Coleman, Shirley (ur.), Greenfield, Tony (ur.), Stewardson, Dave (ur.), Montgomery, Douglas C. (ur.). Statistical practice in business and industry, (Statistics in practice). Chichester: John Wiley & Sons, Metode poučevanja in učenja: Predavanja. Laboratorijske vaje Seminarske naloge Konzultacije 7. Preverjanja znanja - obveznosti študenta: Seminarske naloge Ustni izpit 8. Reference izvajalcev predmeta: prof. dr. Jože Rovan: 1. ROVAN J.: Visualizing solutions in more than two dimensions, v M. GREENACRE and J. BLASIUS (urednika), Correspondence Analysis in the Social Sciences. London : Academic Press, 1994, ISBN str. 2. CZIRÁKY D., SAMBT J., ROVAN J., PULJIĆ J.: Regional development assessment: a structural equation approach, European journal of operational research, 2006, ISSN , Vol. 174, iss. 1, str ROVAN J., URBANČIČ-ROVAN V., SLAK M.: Screening procedures in human medicine evaluation of results by multiple correspondence analysis. Zbornik referatov, SAS European Users Group International, SEUGI'2000, Dublin, CD-ROM. prof. dr. Lea Bregar: 1. BREGAR, L., OGRAJENŠEK, I., BAVDAŽ, M (2000). CEES : course module on European economic statistics = ekonomska statistika z evropskimi standardi. [Ljubljana: Ekonomska fakulteta, Spletni učbenik: tiskana verzija, zgoščenka in spletna verzija s popolnim besedilom v slovenščini (259 str.) in v angleščini (322 str.) 2. BREGAR, Lea, OGRAJENŠEK, Irena, BAVDAŽ, Mojca. Teaching economic statistics in a digital environment. V: FERLIGOJ, Anuška (ur.), MRVAR, Andrej (ur.). New approaches in applied statistics, (Metodološki zvezki, 16). Ljubljana: FDV, 2000, str BAVDAŽ, M., BREGAR, L. (2001), The role of meta database for improving quality in statistics: the case of structural business statistics. V: 53rd session of the International Statistical Institute, (Bulletin of the International Statistical Institute, tome 59). [Seoul: International Statistical Institute: = Institute international de statistique,], str

19 19 prof. dr. Irena Ograjenšek: 1. OGRAJENŠEK, Irena. Internal and external quality measures. V: RUGGERI, Fabrizio (ur.), KENETT, Ron S. (ur.), FALTIN, Frederick W. (ur.). Encyclopedia of statistics in quality and reliability. Chichester: Wiley, 2007, str OGRAJENŠEK, Irena. SERVQUAL surveys. V: RUGGERI, Fabrizio (ur.), KENETT, Ron S. (ur.), FALTIN, Frederick W. (ur.). Encyclopedia of statistics in quality and reliability. Chichester: Wiley, 2007, str OGRAJENŠEK, Irena, KENETT, Ron S. Management statistics. V: COLEMAN, Shirley (ur.), GREENFIELD, Tony (ur.), STEWARDSON, Dave (ur.), MONTGOMERY, Douglas C. (ur.). Statistical practice in business and industry, (Statistics in practice). Chichester: John Wiley & Sons, 2008, str prof. dr. Marko Pahor: 1. PAHOR, Marko, PRAŠNIKAR, Janez, FERLIGOJ, Anuška. Building a corporate network in a transition economy : the case of Slovenia. Post-communist econ. (Print), sep. 2004, vol. 16, no. 3, str , JCR IF: 0.25, SSE (147/172), economics, x: PRAŠNIKAR, Janez, PAHOR, Marko, CIRMAN, Andreja. Late payments in accession countries : causes and international comparison. The journal of entrepreneurial finance & business ventures, Apr. 2004, vol. 9, no. 1, str MRAMOR, Dušan, PAHOR, Marko. Testing nonlinear relationships between excess rate of return on equity and financial ratios. V: SKULIMOWSKI, Andrzej M.J. (ur.). Financial modelling : proceedings of the 23rd meeting of the EURO Workong group on financial modelling held in Kraków. Kraków: Progress & Business, 1999, str

20 20 1. Ime predmeta: Izbrana poglavja iz uradne statistike Nosilec predmeta: prof. dr. Lea Bregar Izvajalci: prof. dr. Lea Bregar Št. ur: 450 Predavanj: 24 Seminarskih vaj: 24 Lab. Vaje: Drugo: 402 (izdelava seminarskih nalog, študij literature, konzultacije,...) Število KT: Pogoji za vključitev: Poznavanje osnov matematične statistike in anketne metodologije. 3. Izobraževalni cilji in predvideni študijski rezultati: Temeljni izobraževalni cilji: seznaniti študente z novimi metodološkimi pristopi in tehnikami na področju zbiranja, produkcije in diseminacije uradnih statističnih podatkov. Predvideni študijski rezultati: poglobljeno razumevanje povezanosti in pomena statistične teorije za razvoj in kakovost uradne statitike; usposobljenost za znanstveno-raziskovalno delo na področju uradne statistike. 4. Vsebina predmeta: Merjenje v uradni statistiki: temeljna vprašanja in posebnosti merjenja posameznih področij, statistični standardi, merjenje kompleksnih pojavov in sestavljeni kazalci, kakovost v uradni statistiki s poudarkom na točnosti. Zbiranje podatkov v uradni statistiki: sodobni pristopi v anketni metodologiji, administrativni viri in registri, povezovanje podatkov iz različnih virov, elektronsko zbiranje podatkov in avtomatski zajem podatkov. Obdelava podatkov, zaščita podatkov in diseminacija podatkov: tehnike urejanja, uteževanja, imputacije in ocenjevanja variance, urejanje podatkov v časovnih serijah, predhodne ocene in revizije, ocenjevanje majhnih območij, tehnike zakrivanja in zaupnost podatkov, dostopnost in zaščita mikropodatkov, vizualizacija podatkov, rudarjenje statističnih podatkov in kreiranje znanja. 5. Temeljni študijski viri:

21 21 - ECE/UN (1994), Statistical Data Editing: Methods and Techniques. Volume No.1, New York and Geneve : United Nations. - ECE/UN (1996), Statistical Data Editing: Methods and Techniques. Volume No.2, New York and Geneve : United Nations. - Lyberg, L., Biemer, P., Collins, M de Leeuw, E., Dippo, C., Schwarz, N., and Trewin, D., Eds. (1997), Survey Measurement and Process Quality, Wiley Series in Probability and Statistics, John Wiley & Sons, Inc. - Willenborg, L., de Waal, T. (2001), Elements of Statistical Disclosure Control.Series: Lecture Notes in Statistics, Vol. 155, XV. - Brenda G. Cox (Editor), David A. Binder (Editor), B. Nanjamma Chinnappa (Editor), Anders Christianson (Editor), Michael J. Colledge (Editor), Phillip S. Kott (Editor) Wiley (1995) Business Survey Methods John Wiley & Sons, Inc. - Zborniki konferenc Eurostata: New Techniques and Technologies for Statistics. - Poročila in članki o raziskavah v okviru F5, F6 in F7 s področja uradne statistike. 6. Metode poučevanja in učenja: predavanja, seminarji - obravnava izbranih tem iz člankov in iz raziskovalnih poročil ter razprave o raziskovalnih seminarjev študentov; konzultacije. Izvedba programa z vidika vsebine in predavateljev bo prilagojena raziskovalnim usmeritvam študentov. 7. Preverjanja znanja - obveznosti študenta: trije raziskovalni seminarji, priprave in aktivno sodelovanje študentov pri vseh oblikah dela. 8. Reference izvajalcev predmeta: prof. dr. Lea Bregar: 1. BREGAR, Lea (2001), ICT as a means for improvement of understanding and dissemination of official statistics. V: IAOS satellite meeting on statistics for the information society : held on August 30 and 31, 2001, Tokyo, Japan. Tokyo: Statistics Bureau, Statistics Center and MPHPT, 2001, str [COBISS.SI-ID ] 2. BAVDAŽ, Mojca, BREGAR, Lea (2001) The role of meta database for improving quality in statistics: the case of structural business statistics. V: 53rd session of the International Statistical Institute, (Bulletin of the International Statistical Institute, tome 59). [Seoul: International Statistical Institute: = Institute international de statistique, 2001], str [COBISS-ID ] [ISBN ] 3. BREGAR, Lea, ROVAN, Jože, PAVŠIČ, Matija: Validity of GDP per capita in International Comparison of Development, Economic and Business Review 3/2008 (sprejeto v objavo), 20 str.

22 22 1. Ime predmeta: Izbrana poglavja iz matematične statistike Nosilec predmeta: prof. dr. Matjaž Omladič Izvajalci: prof. dr. Matjaž Omladič, doc. dr. Janez Bernik, prof. dr. Tomaž Košir, doc. dr. Aleksandar Mijatovič Št. ur: 450 Predavanj: 24 Seminarskih vaj: 24 Lab. Vaje: / Drugo: 402 (izdelava domačih nalog, izdelava seminarskih nalog, izdelava projektne naloge, študij literature, konzultacije,...) Število KT: Pogoji za vključitev: Elementarno znanje matematične statistike. 3. Izobraževalni cilji in predvideni študijski rezultati: Namen predmeta je pregled nekaterih področij matematične statistike in specifičnih metod, ki jih uporabljamo pri analizi podatkov, posebno Bayesove metode v statistiki, matematične metode v ekonometriji in slučajni procesi. Študent se bo v okviru predmeta temeljito seznanil z obstoječimi metodami na izbranem področju. Pridobljeno znanje bo osnova za doktorsko delo študenta. 4. Vsebina predmeta: 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. 5. Temeljni študijski viri: G. G. Roussas. A course in mathematical statistics. Academic Press, 2nd edition, A. Gelman, J.B.Carlin, H.S. Stern, D.B. Rubin: Bayesian Data Analysis. Chapman&Hall, M. Verbeek: A guide to modern econometrics, M. Hatanaka: Time-series based econometrics - Unit roots and cointegration, P. J. Brockwell, R. A. Davis: Time series : Theory and methods, 2006.

23 23 S. I. Resnick: Adventures in stochastic processes, Metode poučevanja in učenja: Predavanja, seminarji, vaje, domače naloge, seminarske in projektne naloge, samostojni študij literature, konzultacije. 7. Preverjanja znanja - obveznosti študenta: Domače naloge, seminarske in projektne naloge. 8. Reference izvajalcev predmeta: doc. dr. Janez Bernik: 1. J. Bernik: The eigenvalue field is a splitting field. Arch. Math. (Basel) 88 (2007), no. 6, J. Bernik: On groups and semigroups of matrices with spectra in a finitely generated field. Linear Multilinear Algebra 53 (2005), no. 4, J. Bernik, J. Okninski: On semigroups of matrices with eigenvalue 1 in small dimensions. Linear Algebra Appl. 405 (2005), prof. dr. Tomaž Košir: 1. T. Bhattacharyya, T. Košir: On Commuting Compact Self-adjoint Operators on a Pontryagin Space, Integr. Eq. Op. Theory 39 (2001), P. Binding, T. Košir: Root Vectors for Geometrically Simple Two-Parameter Eigenvalues, Transactions Amer. Math. Soc. 356 (2004), T. Košir: Root vectors for geometrically simple multiparameter eigenvalues. Integral Equations Operator Theory 48 (2004), no. 3, doc. dr. Aleksandar Mijatovič: 1. A. Mijatovič: Spectral properties of trinomial trees, Proc. R. Soc. Lond. Ser. A Math. Phys. Eng. Sci. 463 (2007), no. 2083, C. Albanese, A. Mijatovič: A stochastic volatility model for risk-reversals in foreign exchange, to appear in International Journal of Theoretical and Applied Finance. 3. A. Mijatovič: Simplicial structures of knot complements, Mathematical Research Letters 12 (2005), no. 5-6, prof. dr. Matjaž Omladič: 1. M. Omladič: Na prvem koraku do faktorske analize. Obz. mat. fiz., 1986, let. 33, št. 1-2, str R. E. Hartwig, M. Omladič, P. Šemrl, G. P. H. Styan: On some characterizations of pairwise star orthogonality using rank and dagger additivity and subtractivity. Linear Algebra Appl., 1996, let. 237/238, št. 2, str M. Omladič, V. Omladič: More on restricted canonical correlations. Linear Algebra Appl., 2000, vol. 1/3, no. 321, str

24 24 1. Ime predmeta: Izbrana poglavja iz psihološke statistike Nosilec predmeta: doc. dr. Gregor Sočan Izvajalci: doc. dr. Gregor Sočan, doc. dr. Anja Podlesek, prof. dr. Valentin Bucik Št. ur: 450 Predavanj: 24 Seminarskih vaj: 24 Lab. Vaje: Drugo: 402 (izdelava seminarskih nalog, študij literature, konzultacije,...) Število KT: Pogoji za vključitev: Za uspešno vključitev v predmet so potrebna osnovna znanja iz opisne in inferenčne statistike, multivariatnih metod in testne teorije. Priporočljiv je tudi opravljen izpit iz Moderne psihometrične testne teorije. 3. Izobraževalni cilji in predvideni študijski rezultati: (predmetnospecifične kompetence) Študent skozi predmet nadgradi predhodno poznavanje statističnih in raziskovalnih metod, ki se uporabljajo v psihologiji. Pozna vse pomembne vrste raziskovalnih načrtov in razume tako njihovo tehnično izvedbo kot epistemološke implikacije. Razume načela psihometričnih paradigem, metod analize razlik med skupinami in metod psihometričnega modeliranja ter zna uporabiti ustrezno analizo tudi v nestandardnih situacijah. Študent samostojno uporablja specializirano programsko opremo tudi za kompleksnejše analize in obvlada osnove programiranja, ki mu omogočajo samostojno prilagajanje analiz. Obvlada tako znanstveno komuniciranje kot razlago metod in rezultatov strokovnjakom drugih področij in laikom. Študent dodatno poglobi svoje tehnično poznavanje izbranega metodološkega področja glede na temo disertacije. 4. Vsebina predmeta: 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;

25 25 - (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. 5. Temeljni študijski viri: Borsboom, D. (2005). Measuring the mind: Conceptual issues in contemporary psychometrics. Cambridge: Cambridge University Press. Kline, R. B. (2003). Principles and Practice of Structural Equation Modeling (2 nd Ed.). New York: The Guilford Press. Lee, S.-Y. (2007). Handbook of latent variables and related models. Amsterdam: Elsevier. McDonald, R.P. (1999). Test theory: A unified treatment. Mahwah, NJ: Lawrence Erlbaum Associates. Myers, J. L. in Well, A. D. (2003). Research Design and Statistical Analysis (2 nd Ed.). Mahwah, NJ: Lawrence Erlbaum Associates. Pedhazur, E.J. in Pedhazur Schmelkin, L. (1991). Measurement, design, and analysis: An integrated approach. Hillsdale, NJ: Lawrence Erlbaum Associates. Raudenbush, S. W. in Bryk, A. S. (2002). Hierarchical Linear Models: Applications and Data Analysis Methods. Thousand Oaks, CA: Sage. Skrondal, A. in Rabe-Hesketh, S. (2004). Generalized latent variable modeling: Multilevel, longitudinal, and structural equation models. Boca Raton, FL: Chapman & Hall/CRC. Winer, B.J., Brown, D.R. in Michels, K.M. (1991). Statistical principles in experimental design. New York: McGraw-Hill. Internetna vira: Metode poučevanja in učenja: predavanja, seminarske predstavitve, seminarske delavnice 7. Preverjanja znanja - obveznosti študenta: pisni in ustni izpit; pogoj za pristop k izpitu je uspešno opravljena seminarska predstavitev 8. Reference izvajalcev predmeta: doc. dr. Gregor Sočan: 1. Sočan, G. in Berge, J.M.F. ten (2003). The determinants of the bias in minimum rank factor analysis (MRFA). V H. Yanai, A. Okada, K. Shigesimasu, Y. Kano in J.J. Meulman (ur.), New developments in psychometrics (str ). Tokyo: Springer. 2. Berge, J.M.F. ten in Sočan, G. (2004). The greatest lower bound to the reliability of a test and the hypothesis of unidimensionality. Psychometrika, 69, Berge, J.M.F. ten in Sočan, G. (2007). The set of feasible solutions for reliability and factor analysis. V S.-Y. Lee (ur.), Handbook of latent variable and related models (str ),

26 26 Amsterdam: Elsevier. doc. dr. Anja Podlesek: 1. Zupančič, M., Podlesek, A. in Kavčič, T. (2006). Personality types as derived from parental reports on 3-year-old. European journal of personality, 20, Fesel Martinčevič, M., Potočnik, K., Tacer, B., Podlesek, A. (2003). The development of the work self-efficiacy questionnaire using facet theory. V S. Levy (ur.). Facet theory : towards cumulative social science (str ). Ljubljana: Filozofska fakulteta, Center za pedagoško izobraževanje. 3. Podlesek, A. (2003). O facetni teoriji in njenem prispevku k psihološkemu raziskovanju. Psihološka obzorja, 12(3), prof. dr. Valentin Bucik: 1. Bucik, V. (2003). Response-order effect in some self-reported personality questionnaires : the case of 16PF and BFQ. Review of Psychology, 10, Boben, D. in Bucik, V. (2003). Slovenia. V: J. Georgas (ur.), Culture and children's intelligence : cross-cultural analysis of the WISC-III (str ). San Diego, CA; London: Academic. 2. Bucik, V. (2000). Načela priredbe psiholoških testov iz drugih jezikovnih in kulturnih okolij: primer vprašalnika VTP. Psihološka obzorja, 9(3), Bucik, V. in Brenk, K. M. (1997). Internal and external validation of the Bortner Type A behaviour scale. Review of Psychology, 4,

27 27 1. Ime predmeta: Izbrana poglavja iz tehniške statistike Nosilec predmeta: prof.dr.tomaž Slivnik Izvajalci: prof.dr.tomaž Slivnik, prof. dr. Gregor Dolinar Št. ur: 450 Predavanj: 24 Seminarskih vaj: 24 Lab. Vaje: / Drugo: 402 (izdelava seminarske naloge, študij literature, konzultacije, priprava na izpit, izpit...) Število KT: Pogoji za vključitev: Poznavanje osnov matematične statistike. 3. Izobraževalni cilji in predvideni študijski rezultati: (predmetnospecifične kompetence) Študent bo spoznal osnovne metode statistike, ki jih uporabljamo v tehniki. Izdelal bo seminarsko nalogo, v kateri bo pridobljena znanja uporabil na praktičnem primeru. 4. Vsebina predmeta: 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). 5. Temeljni študijski viri: - R.S. Kenett, S.Zacks: Modern Industrial Statistics, Duxbury Press, A.J. Duncan: Quality Control and Industrial Statistics, 5th ed, Homewood,IK Irwin, S. Ghosh: Statistical Design and Analysis of Industrial Experiments, Marcel Dekker, Metode poučevanja in učenja: Predavanja, diskusije. 7. Preverjanja znanja - obveznosti študenta: Seminarska naloga, pisni izpit. 8. Reference izvajalcev predmeta: prof. dr. Tomaž Slivnik: 1. HOMAN, Peter, BEŠTER, Janez, KOS, Andrej, SLIVNIK, Tomaž, The impact of bursty traffic on FPCF packet switch performance, Comput.commun.,2003, vol.26, is.6, p MAHKOVIC, Rajko, SLIVNIK, Tomaž, Constructing the generalized Voronoi diagram from laser range scanner data, IEEE trans. Syst.man cybern., Part A, Syst. Humans, 2000, vol,30, no. 6, p TOMAŽEVIČ, Dejan, LIKAR, Boštjan, SLIVNIK, Tomaž, PERNUŠ, Franjo, 3-D/2-D registration of CT and MR to X-ray images, IEEE trans.med.imag., 2003, vol.22, no.11, p prof. dr. Gregor Dolinar: 1. ŠKERLJ, Tina, DOLINAR, Gregor, MRAMOR, Dušan. Estimation of asset accumulation of the proposed Slovenian mandatory-funded pension pillar. Acta oecon. (Bp.), 2001, vol. 51, no. 4, str DOLINAR, Gregor. Stability of disjointness preserving mappings. Proc. Am. Math. Soc., 2002, vol. 130, no. 1, str DOLINAR, Gregor, MOLNÁR, Lajos. Maps on quantum observables preserving the Gudder order. Rep. math. phys.. [Print ed.], 2007, vol. 60, iss. 1, str