Study programme

Poslovna statistika 1 (132786)

ECTS 6.00
English language R1
E-learning R1
Teaching hours 60
Lectures 44
Auditory exercises 12
Seminar 4
Lecturer
Assist. Prof. Petra Posedel Šimović, PhD
Associate teacher for exercises
Assist. Prof. Petra Posedel Šimović, PhD
Grading
Sufficient (2) 60-70%
Good (3) 71-80%
Very good (4) 81-90%
Excellent (5) 91-100%
Conditions for obtaining signature
Redovito pohađanje predavanja i vježbi, osvajanje barem 25% mogućih bodova na svakom ispitu znanja, izrada zadaća

Course coordinator

Assist. Prof. Biserka Kolarec, PhD
Assist. Prof. Biserka Kolarec, PhD

Course description

Predmet obuhvaća temelje deskriptivne i inferencijalne statistike. Pri izboru gradiva i primjera vodi se računa o specifičnom kontekstu agroekonomske struke. Dio o deskriptivnoj statistici obuhvaća sadržaje o tipovima podataka, njihovoj organizaciji, prezentaciji i interpretaciji, skalama mjerenja i numeričkim deskriptivnim pokazateljima. Posebna se pozornost poklanja razvoju statističke pismenosti i opće kulture pri interpretaciji statističkih pokazatelja. U kratkom dijelu o osnovama teorije vjerojatnosti izlažu se elementi nužni za razumijevanje složenijih koncepata. Uvode se i opisuju pojmovi diskretne i kontinuirane slučajne varijable i njihove raspodjele: binoma, geometrijska, hipergeometrijska, Poissonova, normalna, uniformna, eksponencijalna i t-raspodjela. Ostatak predmeta posvećen je inferencijalnoj statistici – intervalnim procjenama očekivanja i vjerojatnosti i testiranju hipoteza o njima.

Type of course

General competences

Stjecanje statističke opće kulture te statističkih znanja i vještina primjenjivih u analizi i rješavanju statističkih problema iz prakse u agroekonomskoj struci.

Types of instruction

  • Auditorne vježbe
  • Predavanja
    Predavanja s primjerima
  • Seminari
    seminarski rad na projektnom zadatku
  • Vježbe u praktikumu

Learning outcomes

Learning outcome Evaluation methods
Klasificirati skale mjerenja i tipove podataka. Organizirati podatke i grafički ih prikazati. Računati osnovne numeričke deskriptivne mjere podataka Izrada problemskih zadataka, samostalno izrađena zadaća, pismeni ispit
Primijeniti Excelove alate za deskriptivnu statistiku Sudjelovanje u radu u praktikumu, grupni rad na zadatcima, samostalno izrađena zadaća
Utvrditi vjerojatnost događaja. Diferencirati raspodjele diskretnih i kontinuiranih slučajnih varijabli. Koristiti statističke tablice Sudjelovanje u problemskoj nastavi i raspravi, izrada problemskih zadataka, samostalno izrađena zadaća, pismeni ispit
Identificirati i razlikovati razne vjerojatnostne raspodjele Sudjelovanje u problemskoj nastavi i raspravi, izrada problemskih zadataka, samostalno izrađena zadaća
Komentirati izgled grafa funkcije gustoće normalne raspodjele u ovisnosti o veličini standardne devijacije Sudjelovanje u problemskoj nastavi i raspravi, izrada problemskih zadataka, samostalno izrađena zadaća, pismeni ispit
Konstruirati interval procjene za očekivanja i udjele Sudjelovanje u problemskoj nastavi i raspravi, izrada problemskih zadataka, samostalno izrađena zadaća, pismeni ispit
Formulirati hipotezu, testirati je i donijeti zaključak o njezinoj istinitosti na temelju testa Izrada problemskih zadataka, samostalno izrađena zadaća, pismeni ispit

Working methods

Teachers' obligations

1. Ustrojiti i redovito i savjesno izvoditi nastavu i druge oblike nastavnog rada
2. Pripremati nastavne i ispitne materijale
3. Razraditi i provoditi odgovarajuće metode praćenja i vrednovanja rada studenata
4. Bodovati i ocijeniti rad studenata na ispitima znanja, zadaćama i seminarskim radovima studenata te na projektnom zadatku
5. Poticati studente na samostalan rad i razvijati njihovo zanimanje za predmet
6. Biti dostupan za pitanja studenata na nastavi, u vrijeme konzultacija i prema dogovoru u drugo vrijeme

Students' obligations

1. Redovito prisustvovati nastavi
2. Izvršavati nastavne obveze (predavati zadaće, izraditi seminarski rad i praktični rad na računalu, pristupati ispitima znanja)
3. Aktivno sudjelovati u nastavi pitanjima, davanjem odgovora na problemska pitanja
4. Angažirano sudjelovati u radu, raditi u grupama, svladati predviđene vježbe
5. Na svakom ispitu znanja studenti trebaju skupiti minimalno 25% bodova da bi ostvarili pravo na potpis

Methods of grading

Evaluation elements Maximum points or Share in evaluation Grade rating scale Grade Direct teaching hours Total number of average student workload ECTS
1.ispit znanja 40% 2 40 2
2.ispit znanja 30% 2 30 1
3.ispit znanja 30% 2 30 1
Aktivno sudjelovanje na nastavi do 10%
Pohađanje nastave i izrada zadaća 54 80 2
UKUPNO 100% 0-59 60-70 71-80 81-90 91-100 Nedovoljan (1) Dovoljan (2) Dobar (3) Vrlo dobar (4) Odličan (5) 180 6
Evaluation elements Description Deadline Recoupment
2.ispit znanja Diskretne i kontinuirane slučajne varijeble i njihove raspodjele. Statistika uzoraka 12.tjedan
3. ispit znanja Inferencijalna statistika – intervalne procjene i testiranje hipoteza: udjeli i srednje vrijednosti 16. tjedan
Pohađanje nastave i izrada zadaća Evidencija nazočnosti studenata, samostalno izrađivanje zadaća, aktivno sudjelovanje na nastavi Kroz semestar
Aktivno sudjelovanje na nastavi Studenti se potiču odgovarati na problemska pitanja, predlažu načine za rješavanje problema, vođeni su do ispravnih zaključaka vlastitim kritičkim razmišljanjem, rade u grupama na rješavanju konkretnog problema iz prakse Kontinuirano tijekom nastave
Pismeni ispit Za studente koji nisu položili predmet preko ispita znanja ako imaju pravo na potpis U ispitnim rokovima

Weekly class schedule

  1. Šo je i čemu služi statistika Svrha statistike. Primjeri iz deskriptivne i inferencijalne statistike. Pojmovi populacije i uzorka. Kvalitativne i kvantitativne varijable. Skale mjerenja Grafičko predočavanje kvalitativnih i kvantitativnih podataka.
  2. Organizacija i prezentacija podataka Razni tipovi dijagrama. Interpretacija dijagrama. Uočavanje manipulacija podatcima i njihovog tendencioznog prikazivanja. Histogrami.
  3. Numeričke deskriptivne mjere Srednja vrijednost, medijan i mod. Varijanca i standardna devijacija. Koeficijent varijacije. Kvartili, centili.
  4. Primjena Excela I Unos podataka u Excel, struktura radnog prostora, tvorba i uporaba formula, statističke funkcije u Excelu
  5. Primjena Excela II Primjena Excela u određivanju numeričkih deskriptivnih mjera i grafičkom prikazivanju podataka
  6. Osnovni elementi teorije vjerojatnosti Slučajni pokus, ishod i prostor događaja. Primjeri. Nezavisni i zavisni događaji. Tri pristupa konceptu vjerojatnosti. Uvjetna vjerojatnost
  7. Diskretne slučajne varijable i njihove raspodjele I Vjerojatnostna raspodjela diskretne slučajne varijable. Očekivanje i standardna devijacija. Primjeri. Binomna slučajna varijabla i binomna formula.
  8. Diskretne slučajne varijable i njihove raspodjele II Binomna raspodjela, geometrijska raspodjela, Poissonova i hipergeometrijska raspodjela. Primjeri.
  9. Kontinuirane slučajne varijable i njihove raspodjele I Normalna raspodjela. Primjeri i primjene. Računanje s tablicama standardne normalne raspodjele.
  10. Kontinuirane slučajne varijable i njihove raspodjele II Aproksimacija normalne raspodjele kontinuirane slučajne varijable binomnom raspodjelom diskretne slučajne varijable. Uniformna raspodjela.
  11. Populacije i uzorci Intervalne procjene očekivanja Slučajni i neslučajni uzorci. Odabir slučajnog uzorka. Pogreške. Statistike uzorka.
  12. Intervalne procjene vjerojatnosti Točkovne i intervalne procjene. Intervalne procjene očekivanja za velike i male uzorke. t-raspodjela. Intervalne procjene vjerojatnosti. Određivanje veličine uzorka.
  13. Testiranje hipoteza o očekivanju Testiranje hipoteza. Primjeri. Tipovi pogrešaka. Jakost testa i repovi testa.
  14. Testiranje hipoteza o vjerojatnosti Testiranje hipoteza o očekivanju za velike i male uzorke. Testiranje hipoteza o vjerojatnosti.
  15. Seminar i ispit Pismena i usmena provjera znanja. Seminarski rad

Obligatory literature

  1. P.S. Mann, Statistics for Bussines and Economics, J. Wiley, N.Y., 1995.
  2. P. Newbold, W. L. Carlson, B. Thorne: Statistika za poslovanje i ekonomiju, Mate d.o.o, Zagreb, 2010
  3. M. Silver: Business statistics, Mc Graw-Hill, 1997.
  4. I. Šošić, Zbirka zadataka iz statistike, Mikrorad i Ekonomski fakultet, Zagreb, 1998.

Recommended literature

  1. L. Kazmier, Schaum's Easy Outline of Business Statistics, McGraw-Hill, N.Y., 2003.
  2. B. Petz, Statistika za nematematičare, Školska knjiga, Zagreb,
  3. D. Huff, How to lie with statistics, WW Norton, N.Y. 1993

Similar course at related universities

  • Matematik und Statistik, BOKU
  • Statistika, Sveučilište u Osijeku Poljoprivredni fakultet
  • Statistik, University of Hohenheim