Study programme

Biometrika (143892)

ECTS 6.00
English language R1
Teaching hours 60
Lectures 28
Auditory exercises 28
Seminar 4
Lecturer
Prof. Miroslav Kapš, PhD
Associate teacher for exercises
Prof. Alen Džidić, PhD
Assist. Prof. Maja Ferenčaković, PhD
Grading
Sufficient (2) 60-69%
Good (3) 70-79%
Very good (4) 80-89%
Excellent (5) 90-100%
Conditions for obtaining signature
Za dobivanje potpisa potrebno je pohađati nastavu i skupiti najmanje 40% od ukupno mogućih bodova u parcijalnim ispitima

Course coordinator

Prof. Miroslav Kapš, PhD
Prof. Miroslav Kapš, PhD

Course description

Osnovna obrada i prikaz podataka: opisna statistika (podaci i varijable, numeričke i grafičke metode); crtanje grafikona. Vjerojatnost (jednostavni i složeni događaji); slučajne varijable i njihove raspodjele (očekivanje i varijanca, raspodjele: binomna, multinomna, normalna, hi kvadrat, studentova i F-raspodjela); populacija i uzorak (središnji granični teorem, stupanj slobode); procjena parametara (jedinstvena i intervalna procjena prosjeka i varijance populacije); provjera hipoteza (prosjek populacije, razlika dva prosjeka, proporcija, razlika dviju proporcija, hi-kvadrat provjera, statistička i praktična značajnost, greške kod statističkog zaključivanja i snaga provjere); jednostavna linearna regresija (procjena parametara, prosjeci i varijance procjenitelja, studentova provjera i interval pouzdanosti procjene parametara, raščlanjenje ukupne varijabilnosti i F provjera, koeficijent determinacije); korelacija (procjena i provjera hipoteza); jednostruka analiza varijance (raščlanjenje na izvore varijabilnosti, provjera hipoteza i F provjera, usporedba srednjih vrijednosti pojedinih grupa.

Type of course

General competences

Priprema podataka i osnovna statistička analiza, osnove statističkog zaključivanja, omogućava slušanje daljnjih modula vezanih za genetiku, uzgoj i hranidbu životinja.

Types of instruction

  • Auditorne vježbe
  • Predavanja
  • Seminari

Learning outcomes

Learning outcome Evaluation methods
Definicija varijabli i utjecaja. Parcijalni ispit, Pismeni, Usmeni
Računanje opisne statistike. Parcijalni ispit, Pismeni, Usmeni
Zaključivanje o utjecajima na varijable Parcijalni ispit, Pismeni, Usmeni
Analiza veze između varijabli. Parcijalni ispit, Pismeni, Usmeni

Working methods

Teachers' obligations

Održati predavanja, dva parcijalna ispita, pismeni i usmeni ispit, ocijeniti studente

Students' obligations

Dolaziti na nastavu, aktivno sudjelovati u nastavi, položiti parcijalne ispite, pismeni i usmeni ispit

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
I parcijalni pismeni ispit 40% od zbroja parcijalnih ispita 0-59%
60-69%
70-79%
80-89%
90-100%
Insufficient (1)
Sufficient (2)
Good (3)
Very good (4)
Excellent (5)
14 30 1
II parcijalni pismeni ispit 60% od zbroja parcijalnih ispita 0-59%
60-69%
70-79%
80-89%
90-100%
Insufficient (1)
Sufficient (2)
Good (3)
Very good (4)
Excellent (5)
16 30 1
Ukupno I i II parcijalni ispit 30% 0-59%
60-69%
70-79%
80-89%
90-100%
Insufficient (1)
Sufficient (2)
Good (3)
Very good (4)
Excellent (5)
30 60 2
Pohađanje nastave i aktivnost na nastavi, izrada seminara Bonus bodovi do 5%
Pismeni ispit (ukoliko nije položen preko parcijalnih) 30% 0-59%
60-69%
70-79%
80-89%
90-100%
Insufficient (1)
Sufficient (2)
Good (3)
Very good (4)
Excellent (5)
30 60 (2)
Usmeni ispit 70% 0-59%
60-69%
70-79%
80-89%
90-100%
Insufficient (1)
Sufficient (2)
Good (3)
Very good (4)
Excellent (5)
30 100 4
UKUPNO 100% 60 160 6

Opaska: za ukupnu pozitivnu ocjenu, za svaku cjelinu treba biti pozitivna ocjena

Evaluation elements Description Deadline Recoupment
I parcijalni pismeni ispit Računski zadaci, gradivo prvih 7 tjedana Tijekom semestra
II parcijalni pismeni ispit Računski zadaci, gradivo 8-15 tjedna Tijekom semestra
Ukupno I i II parcijalni ispit Zbroj rezultata oba parcijalna ispita Tijekom semestra
Pismeni ispit (ukoliko nije položen preko parcijalnih) Računski zadaci iz ukupnog gradiva Redovni rok
Usmeni ispit Teorija i primjena, ukupno gradivo cijelog semestra Redovni rok Slijedeći rok

Weekly class schedule

  1. Osnovna obrada i prikaz podataka - Opisna statistika (podaci i varijable, grafičke metode za opis podataka
  2. Osnovna obrada i prikaz podataka - Numeričke metode za opis podataka: mjere centralne tendencije, mjere varijabilnosti, mjere relativnog položaja
  3. Vjerojatnost - Pravila o vjerojatnosti jednostavnih događaja, složeni događaji
  4. Slučajne varijable i njihove raspodjele - Raspodjele vjerojatnosti za diskretne slučajne varijable: očekivanje i varijanca, binomna i multinomna raspodjela
  5. Slučajne varijable i njihove raspodjele - Raspodjele vjerojatnosti za kontinuirane slučajne varijable: normalna, hi kvadrat, studentova (t) i F-raspodjela
  6. Populacija i uzorak, procjena parametara - uzorkovanje; raspodjele, središnji granični teorem, statistike koje nemaju normalnu raspodjelu; jedinstvena i intervalna procjena, procjena prosjeka populacije, procjena varijance
  7. Provjera hipoteza - Prosjek populacije, razlika prosjeka dviju populacija
  8. (parcijalni ispit I) - Provjera hipoteza - Proporcija populacije, razlika dviju proporcija populacija, hi-kvadrat provjera razlike očekivane i prave frekvencije
  9. Provjera hipoteza - Korištenje intervalne procijene u provjeri statističkih hipoteza, statistička i praktična značajnost, greške kod statističkog zaključivanja i snaga provjere
  10. Jednostavna linearna regresija - Procjena parametara, ostatak i svojstva ostatka, prosjeci i varijance procjenitelja, studentova t-provjera, intervalna procjena parametara
  11. Jednostavna linearna regresija - Raščlanjenje ukupne varijabilnosti: veza između suma kvadrata, teoretske raspodjele suma kvadrata; provjera hipoteza, F- provjera, koeficijent determinacije
  12. Korelacija - Procjena koeficijenta korelacije i provjera hipoteza
  13. Jednostruka analiza varijance - Model jednostruke analize varijance s fiksnim utjecajima: raščlanjenje ukupne varijabilnosti na izvore varijabilnosti, postavljanje hipoteza i F-provjera
  14. Jednostruka analiza varijance - Usporedba srednjih vrijednosti pojedinih grupa: najmanja značajna razlika (lsd), tukey provjera (hsd)
  15. Parcijalni ispit II

Obligatory literature

  1. Kapš, M. 2017. Biometrika – skripta: bilješke s predavanja s primjerima (pdf dokument),

Recommended literature

  1. Kaps, M., Lamberson, W. 2004. Biostatistics for Animal Science. CABI Publishing, Wallingford, UK.
  2. Kaps, M., Lamberson, W. R. 2009. Biostatistics for Animal Science: An Introductory Text. 2nd Edition. CABI Publishing, Wallingford, UK.
  3. Kaps, M., Lamberson, W. R. 2017. Biostatistics for Animal Science. 3rd Edition. CABI Publishing, Wallingford, UK.

Similar course at related universities

  • Texas A&M University: Introduction to Biometry (Intended for students in animal sciences. Introduces fundamental concepts of biometry including measures of location and variation, probability, tests of significance, regression, correlation, and analysis of variance which are used in advanced courses and are being widely applied to animal-oriented industry)
  • University of California Los Angeles; Introduction to Biostatistics
  • University of Illinois, Urbana: Applied Statistical Methods