Predmet: Statistični vidiki zbiranja podatkov
Vrsta predmeta: obvezni modulski
Nosilec predmeta: izr. prof. dr. Katja Lozar Manfreda
| Študijski program in stopnja | Študijska smer | Letnik | Semester |
|---|---|---|---|
| Uporabna statistika, druga stopnja | Družboslovna statistika | 2. | 1. |
Za podrobnejšo časovno razporeditev glej predmetnik.
Pogoji za vključitev v delo oz. za opravljanje študijskih obveznosti:
- Pogoj za vključitev v delo je vpis v letnik študija.
Vsebina:
Vzorčenje
- Pristopi k statističnemu sklepanju.
- Klasična teorija vzorčenja in osnovni tipi vzorcev (enostavni slučajni vzorec, stratifikacija, vzorčenje v skupinah, vzorčenje v fazah, paneli).
- Ocenjevanje vzorčne variance: direktne metode in metode replikacij, vzorčni učinek, uteževanje.
- Posebnosti načrtovanja vzorcev glede na sektor (akademske, uradne, poslovne, mednarodne raziskave), ciljno populacijo (podjetja, ustanove, gospodinjstva, osebe, objekti, transakcije ipd.) in način anketiranja (telefonske, spletne, terenske, poštne in kombinirane ankete).
- Neverjetnostni vzorci: tipi neverjetnostnih vzorcev, pristopi k načrtovanju in analizi.
- Srednja kvadratna napaka, skupna napaka v anketah, indikatorji in kriteriji kakovosti.
Manjkajoči podatki
- Koncepti, mehanizmi in pristopi.
- Klasični pristopi: ignoriranje, vstavljanje, uteževanje.
- Modeliranje: Bayesov pristop, metoda največjega verjetna, EM algoritem, večkratno vstavljanje.
- Združevanje in zlivanje podatkov: statistični in etični vidiki.
Izbrani vidiki
- Proces priprave podatkov: kontrole, urejanje, kodiranje, združevanje.
- Avtomatiziranje zajema, kontrole, analize, analitike in integracije.
- Kombiniranje anketnih podatkov, masovnih podatkov in administrativnih podatkov.
Pristopi in optimizacija stroškov in napak pri zbiranju podatkov.
Cilji in kompetence:
Študent bo spoznal statistične pristope, ki se uporabljajo pri načrtovanju in analizi vzorcev, pri obravnavi manjkajočih podatkov ter pri stroškovni optimizaciji in procesni avtomatizaciji zbiranja podatkov.
Predvideni študijski rezultati:
Znanje in razumevanje:
- glavnih vzorčnih načrtov,
- pristopov za izračunavanje vzorčne variance,
- konceptov za obravnavo manjkajočih podatkov,
- stroškovne optimizacije zbiranja podatkov,
- procesne avtomatizacije zbiranja in analize podatkov.
