Osnovne informacijemdi-information-variantIzvođači nastavemdi-account-groupNastavni plan i programmdi-clipboard-text-outlineModel praćenjamdi-human-male-boardIspitni rokovimdi-clipboard-check-outlineRasporedmdi-calendar-clockKonzultacijemdi-account-voice
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.
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.
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 studentiIzvanredni 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.