FONForum

djokovic@fon.bg.ac.rs (na ovaj sam mu slao)

I da... kada sam ga pitao 1. put za termin statistike rekao je "Kolega, nikakva generalizacija ne postoji i nece biti prihvacena, a za svaki pojedinacni slucaj cemo se dogovarati." Tako da bolje ko hoce da mu posalje mail prvo da pita za taj termin, da ne bude problema... sta znam.

Prosle godine su isto tako pricali da mora svako pojedinacno da im se javi na mail, za polaganje.
Pa su na kraju stavili obavestenje na sajt da svako moze da dodje da polaze u terminu statistike, jer je ionako u junskom terminu malo ljudi polozilo.

oh,... uvek mora neka komplikacija :) oke, hvala vam, sad ću da mu pišem.

_________________
I intend to live forever. So far, so good.
*****

kolega BladeX, jesi li se javio Saletu u vezi polaganja u terminu statistike? meni je on rekao da to neće moći. i ako neko još ima informaciju neka podeli sa nama :)

_________________
I intend to live forever. So far, so good.
*****

Pa rece on da generalizacija nece biti prihvacena... ja sam polagao i verovatnocu pa nisam mogao u onom terminu i pustio me je sada. Rekao mi sutra u 015 za LINS.

Nisam pratio ovaj predmet i ne znam kako bi spremio pismeni deo. Da li neko mozda drzi (ili zna nekog) casove iz LINSa?

Cuo sam da je pismeni dosta jednostavan ako ima ko da ti objasni. Obzirom da nisam isao na vezbe i nemam svesku imam poteskoca da skapiram zadatke iz ovih skripti...

http://puu.sh/aXQcu/3d3c649135.png Људи, зашто су изабрали баш ова решења, пошто ја мислим да тај систем има бесконачно много решења?

da li bi me neko prosvetlio - odakle se uči za zadatke iz spss-a? znači ne seminarski, nego zadaci na ispitu.

_________________
I intend to live forever. So far, so good.
*****

ako neko ima ovogodišnju svesku sa vežbi zamolila bih da bude fin i uradi jednu od dve stvari:
1. uslika sve, zipuje i šeruje ovde;
2. napiše mi u privatnoj poruci svoju adresu (ako je u Beogradu), ja dođem, uzmem svesku, iskopiram je i vratim živu i zdravu.

u oba slučaja ima jedno pivce od mene.

zahvaljujem unapred :)

_________________
I intend to live forever. So far, so good.
*****

Jel zna neko jel može sutra da se izadje na LINS u terminu statistike?

Ljudi, odakle ste vi tako dobro naucili lins?

Sep2014
1.Matrica koja prikazuje....... je: (zaokruziti tacno) – Matrica konfuzije
2.Osobine glavnih komponenata
3.Generalizovana varijansa standardnih podataka jednaka je .... tragu kovarijacione
4.Hijerarhijska klasifikacija
a) razdvajanje entiteta
b) približavanje entiteta
c) razdvajanje varijabli
d) približavanje varijabli
5. isto ponuđeno za Nehijerarhijsku
6. Pitanje o konkordansi, ne secam se kako tacno ide
7. matrica bliskosti se koristi kod: .... analize grupisanja
8. invertna skala se razlikuje od ..... (ne secam se tacno, valjda skale odnosa): ali medju ponudjenim odg je bilo - nema
fiksni pocetak
9. generalizovane varijanse originalnog i transformisanog skupa su medju sobom:... jednake
10. nesto diskriminacioni skor.... a)histogram b) fiserova matrica ne znam sta je ovo bilo, ako neko moze da napise ovo
pitanje


otvorena
11. glavne komponente, definicija, formula u matricnom obliku
12. faktorska analiza
13. vrste skala i primer za svaku
14. bayersov gubitak valjda
15. cov(x,y)= ili je mozda bilo cor

Nekom mozda bude znacilo. Koliko je pitanja uopste bilo?
Moze li neko da dopuni ova pitanja i odgovori na bold-ovana?

SEPTEMBAR 2014.

Na zaokruzivanje:

1. Neobjasnjeni varijabilitet se odnosi na:
a) specificni faktor
b) zajednicki faktor
c) komunalitet
d) ništa od navedenog

2. Hijerarhijski metod:
a) grupisanje entiteta
b) razdvajanje entiteta
c) približavanje varijabli
d) razdvajanje varijabli

3. Nehijerarhijski metod:
a) grupisanje entiteta
b) razdvajanje entiteta
c) približavanje varijabli
d) razdvajanje varijabli

4. Jedna od karakteristika intervalne skale
- nema fiksni početak

5. Broj ispravno i pogrešno klasifikovanih opservacija po grupama prikazuje
- Matrica konfuzije

6. Generalizovane varijanse originalnog i transformisanog skupa su (ovo pitanje se ponovilo 2 puta)
- jednake

7. Koeficijent konkordanse pokazuje
- služi za statističko vrednovanje kvaliteta grupisanja

8. Prepoznati tacne osobine glavnih komponenti
E(Yj) = 0
Var (Yj) = Lambda j
Cov(Yi,Yj) = 0
Var(Y1)> Var (Y2)> ... > Var (Yn)

9. Matrica bliskosti se koristi kod
- analize grupisanja

10. Generalizovana varijansa STANDARDIZOVANE matrice podataka jednaka je
- ovde je valjda jednaka tragu korelacione matrice

11. Diskriminacioni skor se predstavlja preko
- dijagrama rasturanja

12. Interpretacija diskrimincione analize
- na osnovu diskriminacionih skorova

13. Komunalitet je:
- objasnjen varijabilitet

Otvorena:

14. Bartletov test sferičnost i hipoteze
- Ovaj test pokusava da dokaze da su vandijagonalni elementi kovarijacione matrice jednaki nuli
H0: Jesu jednaki
H1: Nisu jednaki (pogledajte formule, oblast 3.5, strana 64 u knjizi)

15. Faktorska analiza - definisi, objasni ukratko i napisi u matricnom obliku

16. Analiza glavnih komponenti - definisi, ukratko objasni i napisi oblik glavne komponente

17. Nabroj merne skale i primer za svaku

18. Sta pokazuje Kaiser-Mayer-Olkin mera?
To je onaj KMO koji pokazuje da li su podaci prikladni za faktorsku analizu.

19. Cov (Y1,Y2) = ___
Odgovor je 0

u septembru smo imali tabelu na pocetku od koje je trebalo napraviti matricu za zadatak sa komponentama (ako se dobro secam). jel zna neko kako se to radi?

_________________
I intend to live forever. So far, so good.
*****

Da li je u faktorskoj analizi alfa i L isto?

ja mislim da je isto, a koristi se i P

_________________
I intend to live forever. So far, so good.
*****

Hvala a kada kaze kod hijerarhijske i nehijerarhijske klasifikacije da treba podeliti elemente u grupe sa pocetnim resenjem najudaljenijih elemenata da li to znaci da uzimamo uvek najmanji broj iz matrice?

kod nehijerarhijske kad piše "podeliti date entitete u tri grupe sa početnim rešenjem najudaljenijih elemenata..." prema onom urađenom roku iz 2011. prvo u matrici rastojanja D biraš dva najudaljenija elementa i to su prva dva centroida. i onda dalje imaš opisano kako biraš treći centroid:
download/treca/LINS/LINS_-_februarski-martovski_rok_2011.ZIP

a kod hijerarhijske na početku pronalaziš najmanji element i onda se ta dva entiteta grupišu. onda dalje i za metodu min i za metodu max povezivanja se svaki put bira najmanji element i ti entiteti se grupišu.

ne znam da li sam dobro objasnila, nisam ni ja sigurna iskreno, ali tako sam zaključila iz tog urađenog roka.

_________________
I intend to live forever. So far, so good.
*****

Moze li neko da napise pitanja koja pitaju na usmenom ?

kakva su vam iskustva sa odbrane seminarskog?

OKTOBAR 2014.

1. Interpretacija diskriminacione analize se prikazuje preko: diskriminacionih opterećenja
2. Komunalitet je: objašnjeni varijabilitet
3. Neobjašnjen varijabilitet se odnosi na: specifični faktor
4. Komunalitet se odnosi na: zajednički faktor
5. Generalizovana varijansa STANDARDIZOVANE matrice podataka jednaka je: tragu korelacione matrice
6. Formula za generalizovanu varijansu (ima u skripti)
7. Formula za matrični oblik kovarijanse (ima u skripti)
8. Broj ispravno i pogrešno klasifikovanih opservacija po grupama prikazuje: matrica konfuzije
9. Koeficijent konkordanse pokazuje: statističko vrednovanje kvaliteta grupisanja
10. Skala kod koje količnik ma koje dve vrednosti ima smislenu interpretaciju je: skala odnosa
11. Kaiser-Mayer-Olkin (KMO) se koristi u: faktorskoj analizi
12. Bartletov test i hipoteza o sferičnosti se koriste u: faktorskoj analizi
13. Matrica bliskosti se koristi kod: analize grupisanja
14. Zaokruži tačne osobine glavnih komponenti: E(Yj) = 0, Var (Yj) = Lambda j, Cov(Yi,Yj) = 0, Var(Y1)> Var (Y2)> ... > Var (Yn)
15. Diskriminacioni skor se predstavlja preko: dijagrama rasturanja
16. Koji metod multivarijacione analize zahteva postojanje statističkog modela: faktorska analiza
17. Diskriminacioni skor: NIJE neka verovatnoća
18. Gde se ne koristi diskriminaciona analiza: nešto sa varijablama
19. Suma komunaliteta i specifičnog faktora standardizovanih podataka je jednaka: generalizovanoj varijansi / tragu korelacione matrice