Osnove statističke analize podataka (226162)
Course coordinator
Course description
Predmet obuhvaća temelje deskriptivne i inferencijalne statistike. Pri izboru gradiva i primjera vodi se računa o specifičnom kontekstu agroekološke 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, te ovladavanju vještinama nužnima za uspješnu primjenu statističkih metoda u problemima koji proizlaze iz znanstveno-istraživačke problematike. U kratkom dijelu o osnovama teorije vjerojatnosti izlažu se elementi nužni za razumijevanje složenijih koncepata. Uvode se i opisuju pojmovi kontinuirane slučajne varijable, normalne i Student-t, te njihove raspodjele. Nadalje, obrađuju se sadržaji vezani uz usporedbe dviju populacija, Chi-kvadrat (χ2) raspodjelu i analizu varijance, linearnu regresiju i analizu vremenskih nizova.
Type of course
- Prijediplomski studij / Agroekologija (Compulsory course, 5 semester, 3 year)
ECTS: 3.00
English language: L1
Teaching hours: 30
Lectures: 10
Auditory exercises: 15
Seminar: 5
Grading
Sufficient (2): 54-65 %
Good (3): 66-75%
Very good (4): 76-85%
Excellent (5): 86-100%
Conditions for obtaining signature
Na svakom ispitu znanja studenti trebaju skupiti minimalno 35% bodova da bi ostvarili pravo na
potpis
General competencies
Stjecanje statističke pismenosti te statističkih znanja i vještina primjenjivih u analizi i rješavanju
statističkih problema iz prakse u agroekološkoj struci. Razvijanje sposobnosti kritičkog pristupa
podatcima i interpretaciji rezultata u cilju izbjegavanja uobičajenih grešaka. Stjecanje sigurnosti u
upotrebi statističkih paketa za obradu podataka.
Types of instruction
- Predavanja
Predavanja s primjerima - Auditorne vježbe
- Vježbe u praktikumu
- Seminari
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 |
| Identificirati i razlikovati razne neprekidne vjerojatnosne 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 |
| Odrediti linearni trend vremenskog niza, sezonskih i cikličkih efekata, te koristiti model u predviđanju | Sudjelovanje u problemskoj nastavi i raspravi, izrada problemskih zadataka, samostalno izrađena zadaća, pismeni ispit |
| Analizirati varijancu ANOVA testom u sklopu modela linearne regresije | 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 35% 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 | 45% | 2 | 20 | 1 | ||
| 2.ispit znanja | 45% | 2 | 20 | 1 | ||
| Aktivno sudjelovanje na nastavi | 5% | |||||
| Pohađanje nastave i izrada zadaća i seminara | 10% | 26 | 50 | 1 |
Weekly class schedule
- Što je i čemu služi statistika
- Organizacija i prezentacija podataka
- Numeričke deskriptivne mjere
- Primjena Excela I
- Uzorkovanje
- Osnovni elementi teorije vjerojatnosti
- Slučajne varijable i njihove raspodjele
- Usporedba dviju populacija
- Linearna regresija 1
- Linearna regresija 2
- F-razdioba
- Analiza vremenskih nizova 1
- Analiza vremenskih nizova 2
- Analiza vremenskih nizova 3
- Seminar i ispit
Obligatory literature
- David F. Groebner, Patrick W. Shannon, Philip C. Fray, Kent. D. Smith: Business Statistics : a Decision-Making Approach, 8th Ed. Upper Saddle River, NJ :Prentice Hall, 2011.
- P. Newbold, W. L. Carlson, B. Thorne: Statistika za poslovanje i ekonomiju, Mate d.o.o, Zagreb, 2010
Recommended literature
- L. Kazmier, Schaum's Easy Outline of Business Statistics, McGraw-Hill, N.Y., 2003.
- B. Petz, Statistika za nematematičare, Školska knjiga, Zagreb
Similar course at related universities
- Matematik und Statistik, BOKU
- Statistika, Sveučilište u Osijeku Poljoprivredni fakultet