FOI Nastava - Statistička analiza podataka

Sadržaj se učitava...

FOI Nastava

apps

mdi-login

Statistička analiza podataka

Statistical Data Analysis
2016/2017

4 ECTSa

Ekonomika poduzetništva 1.0 (EP-DS)
Ekonomika poduzetništva 1.1 (EP-DS)

Katedra za kvantitativne metode

3. semestar

Osnovne informacijemdi-information-variant

Izvođači nastavemdi-account-group

Nastavni plan i programmdi-clipboard-text-outline

Model praćenjamdi-human-male-board

Ispitni rokovimdi-clipboard-check-outline

Rasporedmdi-calendar-clock

Konzultacijemdi-account-voice

Izvođenje kolegija

Studij	Studijski program	Semestar	Obavezan
Ekonomika poduzetništva 1.0 (EP-DS)		3	izborni
Ekonomika poduzetništva 1.1 (EP-DS)		3	izborni

Cilj kolegija

Predviđanje određenih zbivanja omogućava smanjenje nesigurnosti i neizvjesnosti u donošenju poslovnih odluka. U suvremenom poslovnom okruženju poduzetnicima su dostupni brojni izvori kvalitativnih i kvantitativnih podataka o vlastitom poslovanju, odnosima s kupcima i dobavljačima, kao i o tržištu. Statistička analiza podataka omogućava poduzetnicima dobivanje nužnih informacija, koje će omogućiti kvalitetno prepoznavanje i definiranje problema te donošenje odgovarajućih poslovnih odluka za njihovo rješavanje. Cilj ovog kolegija je pružiti uvid u ključne pojmove, metode, postupke i alate za statističku analizu podataka. Kolegij će omogućiti studentima potrebna statistička znanja i vještine za rad na poslovima istraživanja tržišta, statističke kontrole kvalitete, praćenja uspješnosti poslovanja, kao i upoznavanje i praktičnu upotrebu statističkih metoda u provedbi istraživanja te analizi i interpretaciji rezultata. Dobivena će se znanja moći iskoristiti kod izrade završnih radova, te magistarskih i doktorskih disertacija.

Preduvjeti

Kolegij nema definirane preduvjete

Norma kolegija

Predavanja

15 sati

Seminar

15 sati

Vježbe u praktikumu

15 sati

Nastavnik	Uloga na kolegiju	Oblik nastave	Tjedana	Sati	Grupa
Dobša Jasminka	Nositelj
Šimić Diana	Nositelj	Predavanja Seminar Vježbe u praktikumu	15 2 13	1 2 2	1 1 1

Sadržaj predavanja

Definicija osnovnih pojmova i deskriptivna statistika
Definicija osnovnih pojmova i deskriptivna statistika – pojam i definicija podatka, varijable, opservacija, mjerne skale, slučajne varijable, razdiobe, procjena parametara razdiobe, grafički prikazi razdiobe.
Proces istraživanja
Proces istraživanja – definiranje problema i postavljanje ciljeva istraživanja, planiranje ispitivanja, prikupljanje i analiza podataka i interpretacija rezultata, sastavljanje izvještaja, zaključivanje o uzročno-posljedičnoj povezanosti.
Ciljna populacija i uzorak – ciljna populacije, okvir uzorkovanja, veličina i reprezentativnost u
3. ciljna populacija i uzorak – ciljna populacije, okvir uzorkovanja, veličina i reprezentativnost uzorka, metode uzorkovanja, razdioba uzorkovanja, standardna greška procjene, izvori sistematskih pogrešaka.
Metode i obrasci za prikupljanje podataka –mjerenje, valjanost i pouzdanost mjerenja (instrumenta
Metode i obrasci za prikupljanje podataka –mjerenje, valjanost i pouzdanost mjerenja (instrumenta), analiza pogrešaka, formuliranje i testiranje upitnika (vrste pitanja – otvoreni ili zatvoreni skup odgovora, likertova skala, potpitanja, redoslijed i formulacija pitanja, pouzdanost i valjanost).
Završne faze procesa istraživanja
Završne faze procesa istraživanja – prikupljanje podataka, priprema podataka za obradu na računalu, analiza i interpretacija podataka, rezultati istraživanja i sastavljanje izvještaja.
Analiza kvalitativnih varijabli
Analiza kvalitativnih varijabli - frekvencijska tablica, kontingencijska tablica, uvjetna razdioba, grafički prikazi, test nezavisnosti kvalitativnih varijabli – hi-kvadrat test, Simpsonov paradoks, pretpostavke primjenjivosti hi-kvadrat testa, veličina uzorka, primjeri primjene
Testiranje razlika mjera centralne tendencije
Testiranje razlika mjera centralne tendencije – T-test: testiranje hipoteze o razlici aritmetičkih sredina dvaju osnovnih skupova, neparametarske metode (Wilcoxonov test za zavisne uzorke, Mann-Whitney-Wilcoxonov test za nezavisne uzorke).
Analiza varijance - Analiza varijance (ANOVA) za test hipoteze o jednakosti aritmetičkih sredina
Analiza varijance - Analiza varijance (ANOVA) za test hipoteze o jednakosti aritmetičkih sredina k populacija pomoću nezavisnih slučajnih uzoraka, pretpostavke za primjenu, robusnosti, neparametrijske metode (Kruskal-Wallisov test i Friedmanov test).
Analiza varijance II - Višefaktorska analiza varijance: ispitivanje utjecaja dva ili više faktor
Analiza varijance II - Višefaktorska analiza varijance: ispitivanje utjecaja dva ili više faktora na odabrano svojstvo (zavisnu varijablu). Ponovljena mjerenja, izbor modela. Primjeri pri analizi zavisnosti prodaje o karakteristikama proizvoda.
Model višestruke linearne regresije
10. Model višestruke linearne regresije - Specifikacija modela. Procjene parametara (regresijski koeficijenti, greške procjene, intervali pouzdanosti, dekompozicija varijance, objašnjeni udio varijance, koeficijent određenosti, reziduali) , problem multikolinearnosti. Predviđanje regresijskim modelom, metoda najveće vjerodostojnosti, informacijski kriteriji.
Analiza modela višestruke linearne regresije
Analiza modela višestruke linearne regresije – Testiranje hipoteza (model, vrijednosti koeficijenata, analiza reziduala, provjera pretpostavki, robusnost, nekarakteristične opservacije (engl. outliers), opservacije s velikim utjecajem na ishod analize, problem multikolinearnosti), izbor varijabli, ocjena doprinosa varijabli. Primjeri pri ispitivanju relevantnih varijabli za varijabilnost prodaje.
Mjere povezanosti kvantitativnih varijabli
Mjere povezanosti kvantitativnih varijabli – Kovarijanca, parametrijska i neparametrijska korelacija (Pearsonova, parcijalna, multipla, Spearmanova), matrica varijanci-kovarijanci, korelacijska matrica, testiranje hipoteza o korelaciji, pretpostavke za primjenu (linearnost, normalna razdioba), grafički prikazi (matrica grafova raspršenja), varijable smetnje (engl. confounding) u analizi varijance i linearnoj regresiji, model analize kovarijance.
Redukcija dimenzionalnosti
Redukcija dimenzionalnosti - Analiza glavnih komponenti (ortogonalna linearna transformacija, svojstvene vrijednosti i svojstveni vektori, opterećenja varijabli na komponenti), kriteriji izbora broja zadržanih komponenti, grafički prikazi, rotacije, interpretacija rezultata, vrijednosti komponenti (engl. component scores). Primjeri kod obrada anketa, utvrđivanja glavnih karakteristika proizvoda.
Redukcija dimenzionalnosti II
14. redukcija dimenzionalnosti II – Faktorska analiza, latentne varijable, dekompozicija varijance, udio varijance zajedničkih faktora (engl. communality), posebnost varijable (engl. uniqueness), kriteriji za izvor broja faktora, opterećenja varijabli na faktorima, rotacije, vrijednosti faktora (engl. factor scores), eksploratorna i konfirmatorna analiza.
Metode grupiranja podataka
Metode grupiranja podataka – Mjere sličnosti i udaljenosti za kvantitativne podatke (euklidska udaljenost, Minkowskijeva udaljenost, Manhattan udaljenost, Čebiševljeva udaljenost) i binarne podatke (Sokal-Michenerova, Sokal-Sneathova, Jaccardova i sličnost Czekanowskog), hijerarhijske metode grupiranja podataka (engl. clustering): metoda jednostavnog povezivanja ili metoda minimuma (engl. single linkage), metoda potpunog povezivanja ili metoda maksimuma (engl. complete linkage), McQuittyjeva metoda, metoda prosjeka, Gowerova metoda, Wardova metoda; nehijerarhijske metode: metoda K-sredina, metoda realokacije. Primjeri kod segmentacije tržišta.

Sadržaj seminara/vježbi

Ishodi učenja kolegija

Objasniti proces statističkog istraživanja, odabira uzorka te analize i interpretacije rezultata istraživanja
Opisati skup statističkih podataka korištenjem alata deskriptivne statistike pomoću IT
Primijeniti tehnike t-testa te odabranih neparametarskih metoda za testiranje hipoteza o razlikama mjera centralne tendencije
Primjeniti tehniku hi-kvadrata za utvrđivanje zavisnosti kvalitativnih varijabli
Primjeniti tehnike jednofaktorske i višefaktorske analize varijance za analizu statističkih podataka korištenjem IT
Definirati modele višestruke regresije i korelacije za analizu statističkih podataka, primijeniti te modele za analizu podataka korištenjem IT, analizirati dobivene rezultate i predvidjeti vrijednosti zavisne varijable za skup novih vrijednosti nezavisnih varijabli korištenjem regresijskog modela
Objasniti principe odabranih metoda multivarijatne analize podataka: metode glavnih komponenata i faktorske analize te metoda grupiranja podataka (engl. clustring), primijeniti te metode na skupove podataka korištenjem IT, analizirati dobivene rezultate i na temelju rezultata preporučiti donošenje odgovarajućih poslovnih odluka.
Generalizirati rezultate statističke analize podataka na uzorku na ciljanu populaciju.

Ishodi učenja programa

Istraživati, prikupljati i vrednovati informacije iz više različitih znanstvenih i stručnih izvora, a sve s ciljem razvijanja novih pristupa u razvoju poduzetništva i gospodarstva u cjelini.
Primijeniti suvremenu informacijsko-komunikacijsku tehnologiju u analizi informacija s realnog tržišta, ali i u unapređivanju postojećih metoda i strategija djelovanja na tržištu.
Transformirati znanstveno utemeljene metode u praktičan izazov kroz održivost gospodarstva u cjelini.

Osnovna literatura

Kero, K, Bojanić-Glavica, B.; Statistički modeli i metode (odabrana poglavlja), Fakultet organizacije i informatike, Varaždin, 2003.
Šošić, I., Primijenjena statistika, Školska knjiga, Zagreb, 2004.

Dopunska literatura

L. J. Stephens. Beginning Statistics, Schaum’s Outlines, McGraw-Hill, 1998.
Rencher, A.C., Methods of Multivariate Analysis, Wiley Series in Probability and Statistics, 2002.
De Veaux RD, Velleman PF, Bock DE: Intro Stats. 2. izdanje, New York: Addison-Wesley, 2006. http://wps.aw.com/aw_deveaux_introstats_2/
Dallal GE: The Little Handbook of Statistical Practice. http://www.StatisticalPractice.com

Slični kolegiji

Redoviti studenti

Izvanredni studenti

izvanredni rok

Datum: 17.04.2026.

Vrijeme: 16:00

Opis: Na Fakultetu

U kalendaru ispod se nalaze konzultacije predmetnih nastavnika, no za detalje o konzultacijama možete provjeriti na profilu pojedinog predmetnog nastavnika.