prikaz prve stranice dokumenta Metode linearne regresije i primjena u marketingu
  Preuzmi
PDF 585.43 KB
diplomski rad
Metode linearne regresije i primjena u marketingu
Zagreb: Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet, 2022. urn:nbn:hr:217:503455
Ivković, Ana
Sveučilište u Zagrebu
Prirodoslovno-matematički fakultet
Matematički odsjek

Institucijski repozitorij: Repozitorij Prirodoslovno-matematičkog fakulteta

Citirajte ovaj rad

Ivković, A. (2022). Metode linearne regresije i primjena u marketingu (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:217:503455

Ivković, Ana. "Metode linearne regresije i primjena u marketingu." Diplomski rad, Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet, 2022. https://urn.nsk.hr/urn:nbn:hr:217:503455

Ivković, Ana. "Metode linearne regresije i primjena u marketingu." Diplomski rad, Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet, 2022. https://urn.nsk.hr/urn:nbn:hr:217:503455

Ivković, A. (2022). 'Metode linearne regresije i primjena u marketingu', Diplomski rad, Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet, citirano: 26.11.2024., https://urn.nsk.hr/urn:nbn:hr:217:503455

Ivković A. Metode linearne regresije i primjena u marketingu [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet; 2022 [pristupljeno 26.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:217:503455

A. Ivković, "Metode linearne regresije i primjena u marketingu", Diplomski rad, Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet, Zagreb, 2022. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:217:503455

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:217:503455
Podaci o radu
NaslovMetode linearne regresije i primjena u marketingu
Naslov (engleski)Linear regression methods and application in marketing
AutorAna Ivković
MentorSiniša Slijepčević (mentor)
Član povjerenstvaSiniša Slijepčević (predsjednik povjerenstva)
Član povjerenstvaNikola Sandrić (član povjerenstva)
Član povjerenstvaGoran Muić (član povjerenstva)
Član povjerenstvaNela Bosner (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Prirodoslovno-matematički fakultet
(Matematički odsjek)
Zagreb
Datum i država obrane2022-09-28, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		PRIRODNE ZNANOSTI
Matematika
Sažetak
U ovom diplomskom radu proučili smo linearnu regresiju s naglaskom na jednostavnu i višestruku regresiju. Za početak, rekli smo nešto o povijesti regresije, bivarijantnoj normalnoj distribuciji te njenim svojstvima. Proučili smo metodu maksimalne vjerodostojnosti te metodu najmanjih kvadrata, koja je i najstarija metoda, te je radi svoje jednostavnosti najčešće korištena za procjenu parametara. Od interesa nam je bila i analiza varijance te smo kroz primjer vidjeli i njenu primjenu. Kraj ovog diplomskog rada ilustrira primjenu suvremenih pristupa na skupu podataka tvrtke Nepa. Cilj posljednjeg poglavlja bio je konstruirati strategiju kako napraviti model prikladan za visoku razinu složenosti podataka. Marketing Mix model bavi se svim elementima problema koji se proučava. Jedan od tih elemenata je izbor odgovarajuće funkcionalne forme. U ovom slučaju, dijagram reziduala sugerira da je log-linearan model najprikladniji.
Sažetak (engleski)
In this thesis, we are introduced to the linear regression with an emphasis on simple and multiple regression. To begin with, we said something about the origins of regression, the bivariate normal distribution and its facts. We have seen maximum likelihood method and the method of least squares, which is also the oldest method and, due to its simplicity, is most often used for parameter estimation. The analysis of variance was also of interest to us, and we saw its purpose of using through an example. The end of this thesis illustrates an application of modern approaches of statistical learning on a set of data provided by Nepa. The goal was to construct a model building strategy suitable for a high level of complexity of the data. A Marketing Mix model must address all elements of the problem being studied. One of such elements is the choice of the appropriate functional form. At the end, the plot of the residuals against each predictor variable suggest that the log-linear specification is appropriate in this case.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:217:503455
Studijski programNaziv: Financijska i poslovna matematika
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra matematike (mag. math.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaOtvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2022-10-26 12:07:31