Study programme

Poslovna statistika 2 (132882)

ECTS 6.00
English language R1
E-learning R1
Teaching hours 60
Lectures 30
Auditory exercises 20
Seminar 10
Lecturer
Assist. Prof. Biserka Kolarec, PhD
Associate teacher for exercises
Assist. Prof. Biserka Kolarec, PhD
Preconditions
Poslovna statistika 1
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, pristupanje ispitima znanja i osvajanje barem 25% bodova na svakom ispitu znanja, izrada zadaća i samostalnih radova

Course coordinator

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

Course description

Predmet obuhvaća odabrana poglavlja napredne inferencijalne statistike. Pri izboru gradiva i primjera posebna pozornost posvečena je specifičnom kontekstu agroekonomske struke, posebno praktičnom ovladavanju vještinama nužnima za uspješnu primjenu statističkih metoda u problemima koji proizlaze iz znanstveno-istraživačke problematike. Nakon uvodnog ponavljanja sadržaja iz modula Poslovna statistika I ,na koji se ovaj modul nastavlja, obrađuju se sadržaji vezani uz usporedbe dviju populacija, x^2 raspodjelu i test, analizu varijance, linearnu regresiju i analizu vremenskih sljedova. Slijedi poglavlje o klasterskoj analizi te osnovni pojmovi faktorske analize.

Type of course

General competences

Proširivanje statističke opće kulture te statističkih znanja i vještina primijenjivih u analizi i rješavanju statističkih problema iz prakse i znanstvenog istraživanja u agroekonomskoj struci.

Types of instruction

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

Learning outcomes

Learning outcome Evaluation methods
Razlikovati razne slučajeve uzorkovanja te intervalno procijeniti i testirati hipoteze o razlici očekivanja i udjela za dvije populacije odabirom odgovarajuće raspodjele Izrada problemskih zadataka, samostalno izrađena zadaća, pismeni ispit
Prosuditi ravna li se neka opažena pojava po teorijskom modelu. Donijeti, na temelju testa, zaključak o zavisnosti i homogenosti obilježja na dvije populacije Grupni rad na zadatcima, samostalno izrađena zadaća, pismeni ispit
Primijeniti ANOVA test u slučaju testiranja jednakosti očekivanja za više od dvije populacije Sudjelovanje u problemskoj nastavi, izrada problemskih zadataka, samostalno izrađena zadaća
Kritički komentirati i interpretirati rezultate analiza dobivene primjenom Excelovih alata Sudjelovanje u problemskoj nastavi i raspravi, rad u praktikumu, izrada problemskih zadataka, samostalno izrađena zadaća
Uočiti linearni trend, ispitati utjecaj promjene podataka na jednadžbu pravca regresije, interpretirati značenje koeficijenta određenosti i korelacije, modelirati slučajeve koji te koeficijente mijenjaju Sudjelovanje u raspravi, samostalno izrađena zadaća, izrada problemskog zadatka
Interpretirati značenje podataka vremenskog niza, osloboditi ga sezonskih i cikličkih efekata, predvidjeti trend i prognozirati na temelju trenda Sudjelovanje u raspravi, izrada problemskog zadatka, samostalno izrađena zadaća
Koristiti mjere udaljenosti u metodama klasteriranja te vrednovati različitost rezultata dobivenih raznim metodama. Tumačiti značenje korelacija u matrici korelacija kao odlučujući čimbenik u određivanju broja faktora kod faktorske analize Izrada problemskog zadatka, samostalno izrađena zadaća

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 1
Projektni zadatak regresija 20% 2 20 1
Projektni zadatak analiza vremenskih sljedova 20% 2 20 1
Projektni zadatak faktorska analiza 20% 2 20 1
Aktivno sudjelovanje na nastavi do 10%
Pohađanje nastave i izrada zadaća 52 80 2
UKUPNO 100% 0-59 60-69 70-79 80-89 90-100 Nedovoljan (1) Dovoljan (2) Dobar (3) Vrlo dobar (4) Odličan (5) 180 6
Evaluation elements Description Deadline Recoupment
Projektni zadatak analiza vremenskih sljedova Analiza vremenskog slijeda 12. tjedan
Projektni zadatak faktorska analiza Faktorska i analiza klastera 15./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. Proširivanje i rekapitulacija sadržaja iz Poslovne statistike I: Deskriptivna i inferencijalna statistika Mjere centralne tendencije, vjerojatnosti, slučajne varijable, normalna i t-raspodjela, intervalne procjene i testiranje hipoteza.
  2. Usporedbe dviju populacija I . Zaključivanje o razlici dviju populacija. Nezavisni i zavisni uzorci.
  3. Usporedbe dviju populacija II. Intervalne procjene i testiranje hipoteza o razlici očekivanja i vjerojatnosti.
  4. X2 raspodjela i test I X2 raspodjela, pojam i svojstva. Fit.
  5. X2 raspodjela i test II. Nezavisnost i homogenost. Procjene varijance.
  6. X2 raspodjela i test III. Testiranje hipoteza o varijanci.
  7. Analiza varijance I. F-raspodjela i njena svojstva. ANOVA test.
  8. Analiza varijance II. ANOVA test. Uvjeti primjenjivosti.
  9. Linearna regresija I. Jednostavna linearna regresija i pravac regresije. Interpretacija parametara. Dijagram raspršenja.
  10. Linearna regresija II. Linearna korelacija. Upotreba regresijskog modela za procjene i predviđanja.
  11. Analiza vremenskih slijedova I. Komponente vremenskih sljedova. Aditivni i multiplikativni model.
  12. Analiza vremenskih slijedova II. Određivanje linearnog trenda. Određivanje sezonskih i cikličkih efekata.
  13. Faktorska analiza I. Analiza klastera. Tipovi klasteriranja. Mjere udaljenosti. Primjene u istraživanju tržišta.
  14. Faktorska analiza II. Metoda zajedničkih faktora. Standardiziranje varijabli. Matrica korelacija. Određivanje težine faktora.
  15. Faktorska analiza III. Identificiranje faktora. Zajednički i pojedinačni faktori.

Obligatory literature

  1. Mann, P.S (1995).Statistics for bussines and economics. New York: J. Wiley.
  2. Dekking, F.M., Kraaikamp, C., Lopuhaa, H.P., Meester, L. (2005). A modern introduction to probability and statistics, understanding why and how,. London: Springer-Verlag.
  3. Newbold, P., Carlson, W. L., Thorne, B. (2010). Statistika za poslovanje i ekonomiju. Zagreb: Mate d.o.o.

Recommended literature

  1. Belle, G. van (2002). Statistical rules of Thumb. John Willey and Sons.
  2. Kline, P. (1994). An easy guide to factor analysis. Routledge.
  3. Huff, D. (1993). How to lie with statistics. New York: WW Norton.

Similar course at related universities

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