prikaz prve stranice dokumenta Modeliranje turističke potrošnje korištenjem metoda statističkog učenja
  Download
PDF 1.77 MB
master's thesis
Modeliranje turističke potrošnje korištenjem metoda statističkog učenja
Zagreb: University of Zagreb, Faculty of Science, 2023. urn:nbn:hr:217:660485
Faullend Heferer, Ida
University of Zagreb
Faculty of Science
Department of Mathematics

Institutional repository: Repository of the Faculty of Science

Cite this document

Faullend Heferer, I. (2023). Modeliranje turističke potrošnje korištenjem metoda statističkog učenja (Master's thesis). Zagreb: University of Zagreb, Faculty of Science. Retrieved from https://urn.nsk.hr/urn:nbn:hr:217:660485

Faullend Heferer, Ida. "Modeliranje turističke potrošnje korištenjem metoda statističkog učenja." Master's thesis, University of Zagreb, Faculty of Science, 2023. https://urn.nsk.hr/urn:nbn:hr:217:660485

Faullend Heferer, Ida. "Modeliranje turističke potrošnje korištenjem metoda statističkog učenja." Master's thesis, University of Zagreb, Faculty of Science, 2023. https://urn.nsk.hr/urn:nbn:hr:217:660485

Faullend Heferer, I. (2023). 'Modeliranje turističke potrošnje korištenjem metoda statističkog učenja', Master's thesis, University of Zagreb, Faculty of Science, accessed 26 November 2024, https://urn.nsk.hr/urn:nbn:hr:217:660485

Faullend Heferer I. Modeliranje turističke potrošnje korištenjem metoda statističkog učenja [Master's thesis]. Zagreb: University of Zagreb, Faculty of Science; 2023 [cited 2024 November 26] Available at: https://urn.nsk.hr/urn:nbn:hr:217:660485

I. Faullend Heferer, "Modeliranje turističke potrošnje korištenjem metoda statističkog učenja", Master's thesis, University of Zagreb, Faculty of Science, Zagreb, 2023. Available at: https://urn.nsk.hr/urn:nbn:hr:217:660485

Metadata
TitleModeliranje turističke potrošnje korištenjem metoda statističkog učenja
Title (english)Modeling tourist consumption using statistical learning methods
AuthorIda Faullend Heferer
MentorNikola Sandrić (mentor)
Committee memberNikola Sandrić (predsjednik povjerenstva)
Committee memberRudi Mrazović (član povjerenstva)
Committee memberDijana Ilišević (član povjerenstva)
Committee memberMatija Bašić (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Science
(Department of Mathematics)
Zagreb
Defense date and country2023-03-02, Croatia
Scientific / art field,
discipline and subdiscipline		NATURAL SCIENCES
Mathematics
Abstract
U ovom radu modelirala se turistička potrošnja u Republici Hrvatskoj koristeći metode statističkog učenja. Na početku rada dali smo uvod u statističko učenje, uveli terminologiju, centralne pojmove najbolje veze i funkcije gubitka te cijeli okvir za daljnje predstavljanje metoda koje smo koristili. Podsjetili smo se linearnog regresijskog modela i najčešće metode njegove prilagodbe - metode najmanjih kvadrata. Definirali smo pojmove testne greške i očekivane testne greške te predstavili metodu unakrsne validacije kao metodu za procjenu očekivane testne greške. Koristeći lemu o dekompoziciji očekivane testne greške, objasnili smo odnos pristranosti i varijance u statističkom učenju. Potom smo uveli metode odabira prediktora u linearnim modelima te metode regularizacije (ridge i LASSO regresija). Na kraju smo predstavljene metode primijenili na podatke Instituta za turizam o turističkoj potrošnji u Republici Hrvatskoj. Rezultati svih metoda koje smo primijenili upućuju na nelinearnost veze između varijabli odziva i varijable prediktora. Sve metode dovode do približno jednakih zaključaka vezano uz utjecaj pojedinih prediktora na odziv. S obzirom da je testna greška najmanja kod metoda ridge i LASSO regresije, za njih bismo se najprije odlučili pri donošenju zaključaka.
Abstract (english)
In this thesis, we model tourist expenditure in the Republic of Croatia using statistical learning methods. The thesis begins with an introduction to the statistical learning terminology, its concepts and its main tools. We then further revise the linear regression model and the least squares method. Next, we define the test error and the expected test error of a prediction and we present the cross-validation method as a tool for estimating the expected test error. We also provide a decomposition of the expected test error which explains the relationship between bias and variance in the statistical learning theory. We next discuss subset selection methods in linear models and regularization methods (ridge and LASSO). Finally, we apply the presented methods to the data provided by the Institute for Tourism on tourist expenditure in the Republic of Croatia. The results of all the methods we apply suggest a non-linear relationship between the response variable and the predictor variables. However, they also lead to a similar conclusion on the relationship between the response variable and the regressors, with regularization methods giving lower test error.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:217:660485
Study programmeTitle: Finance and Business Mathematics
Study programme type: university
Study level: graduate
Academic / professional title: magistar/magistra matematike (magistar/magistra matematike)
Type of resourceText
File originBorn digital
Access conditionsOpen access
Embargo expiration date: 2024-03-24
Terms of useLicence In copyright icon
Created on2023-03-24 14:17:04