Print

Primijenjena analiza podataka (144099)

Course coordinator

Course description

Varijabilnost sustava poljoprivrede i okoline u kojoj čovjek djeluje nije jednostavno predvidiva. Stoga su i podaci u istraživanjima (brojevi, frekvencije, atributi, ocjene, indeksi, proporcije...), prikupljeni a-priori i a-posteriori, često «neobični» i «neuredni». Obzirom na jačanje potrebe i svijesti o pravilnom znanstvenom zaključivanju neophodno je proširiti primjenu osnovnih kvantitativnih metoda, pridružiti im različite mogućnosti analize neparametrijskim metodama i ukazati na potrebu transformacije podataka. Modul je zamišljen da konzultativno i aktivno pripremi studenta ne-matematičara za izradu diplomskog rada u području statističkog rješavanja specifičnih problema (uz korištenje software-skih paketa SAS i STATISTICA), kao i za prezentaciju rezultata. Osobito se preporuča rad na vlastitim setovima podataka.
Preduvjet za uspješno praćenje nastave u ovom modulu je stečeno znanje iz područja obuhvaćenog modulom «Osnove biometrike».
Napomena:
Nastava (teme) se prilagođava potrebama studenata tj. izabranoj temi istraživačkog diplomskog rada – ciljevima rada i raspoloživim podacima.
Ako student nema svoje podatke, dodjeljuju mu/joj se podaci iz prakse.

Type of course

ECTS: 3.00

English language: L1

E-learning: L1

Teaching hours: 30
Lectures: 14
Laboratory exercises: 4
Practicum: 4
Seminar: 8

Lecturer
Associate teacher for exercises
Grading

Sufficient (2): 60-70%
Good (3): 71-80%
Very good (4): 81-90%
Excellent (5): 91-100%

Conditions for obtaining signature

1. Redovito pohađanje i aktivno sudjelovanje u nastavi (Predavanja + Vježbe)
2. Seminar - izrada i prezentacija

General competencies

Modul:
- raspravom i radom na svom problemu istraživanja student stječe sigurnost u analizi vlastitih podataka, te interpretaciji i prezentaciji rezultata,
- omogućava studentu razumijevanje znanstvenih radova

Types of instruction

  • Predavanja
    Predavanja uz prezentacije – dostupne studentima
  • Konzultacije
  • Vježbe u praktikumu
    rješavanje zadataka i problema primjenom različitih statističkih metoda
  • Seminari
    samostalni rad na problemu uz izvješće

Learning outcomes

Learning outcome Evaluation methods
Prepoznati specifičnost svojih podataka i mogućnosti njihove statističke analize; Izrada Zadataka, Dodatne aktivnosti, Pismeni i/ili Usmeni ispit.
Postaviti radne hipoteze i ciljeve istraživanja; Prezentacija seminarskog rada, Izrada Zadataka, Dodatne aktivnosti, Pismeni i/ili Usmeni ispit.
Samostalno provesti statističku analizu podataka (diplomskog rada) uz upotrebu statističkog računalnog programa i protumačiti dobivene rezultate iz output-a; Prezentacija seminarskog rada, Dodatne aktivnosti, Pismeni i/ili Usmeni ispit.
Ilustrirati i prezentirati dobivene rezultate – u tablicama i grafikonima Prezentacija seminarskog rada, Izrada Zadataka, Dodatne aktivnosti, Pismeni i/ili Usmeni ispit.
Organizirati i oblikovati (diplomski) rad / projekt prema metodološkim pravilima; Izrada Zadataka, Dodatne aktivnosti, Pismeni i/ili Usmeni ispit.

Working methods

Teachers' obligations

Održavanje nastave – predavanja i vježbe, konzultacije, prati izradu zadataka, organizira i provodi pismene i usmene ispite, komunicira sa studentima.
Svi nastavni materijali (predavanja i vježbe) su raspoređeni prema nastavnim jedinicama i dostupni preko sustava za e-učenje Merlin i /ili e-mailom.

Students' obligations

1. Redovito pohađanje i aktivno sudjelovanje u nastavi (predavanja + vježbe)
2. Uredno vođenje bilježnica sa svim izrađenim zadacima (zajedničkim i individualnim) – prema nastavnim cjelinama
3. Uredno vođenje i spremanje svih zadataka i rješenja u mapu na računalu / USB sticku
4. Prijava u sustav za e-učenje Merlin i korištenje ponuđenih materijala (tijekom prva dva tjedna nastave) i/ili komunikacija putem e-maila
5. Izrada Seminara na zadanu temu.
Ove obaveze ujedno su i minimalni preduvjeti za potpis tj. uvjeti za mogućnost prijave ispita.
Ispit se sastoji od dva dijela – Pismenog ispita s pragom od min 60% za pristupanje Usmenom ispitu, i podrazumijeva gradivo cijelog modula tj. prijeđenih specifičnih tema.

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
Aktivno sudjelovanje u nastavi Korektivni bodovi 22 22 1
Seminarski rad: 20% < 60%
60-70%
71-80%
81-90%
91-100%
Insufficient (1)
Sufficient (2)
Good (3)
Very good (4)
Excellent (5)
8 28 0,5
Pismeni ispit (5 zadataka) 50% < 60%
60-70%
71-80%
81-90%
91-100%
Insufficient (1)
Sufficient (2)
Good (3)
Very good (4)
Excellent (5)
30 1
Usmeni ispit (3 pitanja) 30% < 60%
60-70%
71-80%
81-90%
91-100%
Insufficient (1)
Sufficient (2)
Good (3)
Very good (4)
Excellent (5)
10 0,5
UKUPNO 100% (Sx20)+(PIx50)+(UIx30)/100 30 90 3

Weekly class schedule

  1. Analiza frekvencija : Χ2 test; test združivanja – asocijacije: kontingencijske tablice 2x2 (Yatesova korekcija); rxc; test proporcija .
  2. Neparametrijske metode: potreba za neparametrijskim testovima i pregled mogućnosti.
  3. Zaključivanje o jednoj populaciji: test znakova - Sign test.
  4. Usporedba dvije populacije: Wilcoxonov test sume rangova za nezavisne uzorke – Wilcoxon Rank Sum Test for Independent Samples (Mann Whitney U Test); Wilcoxonov test znakova ranga za razlike parova – Wilcoxon Signed Rank Test for Paired Differences
  5. Usporedba više populacija: Kruskal-Wallisova analiza rangova – za nezavisne uzorke (analog ANOVA I); Friedmanova analiza - za zavisne uzorke (ANOVA II).
  6. Analiza povezanosti; Spearmanova rang korelacija.
  7. Transformacija podataka. Pojam transformacije podataka i potreba.
  8. Osnovne transformacije i razlozi za njihovo korištenje: log, arcsin, korijen, logit, probit, ...
  9. Analiza pojedinačnih slučajeva. Rasprava, plan i analiza podataka različite tematike (Case Studies) – pojedinačni slučajevi.
  10. Senzorički podaci, tipovi i skale.
  11. Pokusi bez ponavljanja
  12. Učinkovitost preparata.
  13. Pojam multivarijatne analize i mogućnost primjene
  14. Pravila izbora statističke metode i prezentacija rezultata.
  15. Ispitni rok – završni ispit.

Preconditions

Obligatory literature

  1. Pecina, Marija (2005) .Neparametrijske metode: skripta. Zagreb: vlast. nakl.
  2. Pecina, Marija .Prezentacije i nastavni materijal.
  3. odabrane publikacije i godišnjaci (prema potrebi – Case Studies)
  4. internet stranice

Recommended literature

  1. De Veaux, R.D., Velleman, P.F., Bock ,D.E.(2011). Stats: Data and Models. - 3rd Edition, Pearson Edu.
  2. Zar, J. (2009). Biostatistical Analysis. - 5th edition, Prentice-Hall Inc.
  3. Quinn, G.P., Keough, M.J.(2002). Experimental Design and Data Analysis for Biologists. Cambridge University Press.
  4. McClave, J.T., Dietrich, F.H, Sincich, T.(1997). Statistics. Prentice Hall.

Similar course at related universities

  • Agriculture Research Methodologies, University of Queensland, Australia
  • Analysis and Interpretation of Data, Ohio State University, USA
  • Research Methods, University of Reading, UK
  • Applied Statistics – Exercises, University of Hohenheim
  • Data Analysis – Case studies, Johns Hopkins University, USA, Italy, China

Please sign in to your account

This site uses cookies and other tracking technologies to assist with navigation and your ability to provide feedback, analyse your use of our products and services, assist with our promotional and marketing efforts, and provide content from third parties. Cookie Policy.