ECTS bodovi: 5 bodova
Nastavno opterećenje: 2+2
OPIS PREDMETA
Ciljevi i očekivani ishodi predmeta (razvijanje općih i specifičnih kompetencija) – što će student biti u stanju napraviti nakon određenog razdoblja:
Usvojiti opća i posebna znanja navedenim predmetom, ukazati na povezanost s drugim predmetima studija te njegovim savladavanjem doprinijeti daljnjem informatičkom obrazovanju.
Opće kompetencije: ovladavanje teorijskim spoznajama iz cjelina koje se izučavaju na predmetu, te vještina izračunavanja izučenih statističkih parametara
Specifične kompetencije: sposobnost provođenja istraživačke zadaće na terenu, analiziranje i uspoređivanje prikupljenih podataka te tumačenje izračunatih statističkih pokazatelja. Primijeniti stečene kompetencije na primjerima iz prakse. Uočavanje korisnosti i neophodnosti korištenja statističkih pokazatelja pri donošenju poslovnih odluka.
Korelativnostikorespodentnostpredmeta:
Usvajanje znanja iz Gospodarske matematike I i II omogućuje bolje razumijevanje statistike. Izračunavanje statističkih parametara je prisutno u predmetu Ekonomika poduzetništva. Informatički aplikativni softwere omogućuju kvalitetnije i sveobuhvatnije izračunavanje i korištenje statističkih parametara. Poznavanje predmeta omogućuje i kvalitetno praćenje nastave na svim predmetima studija te kvalitetno korištenje literature koja se koristi tijekom studiranja.
Program predmeta:
Regresijska i korelacijska analiza
Pojam regresijske i korelacijske analize. Regresijski model. Klasifikacija varijabli. Klasifikacija regresijskih modela. Model jednostavne linearne regresije. Linearna korelacija i procjena koeficijenta korelacije. Spearmanov koeficijent korelacije. Testiranje hipoteza u modelu jednostavne linearne regresije. Model višestruke linearne regresije. Inferencijalno - statistička analiza modela. Regresijska dijagnostika. Durbin Watsonov test. Regresijski polinom.
Analiza vremenskih nizova i prognoziranje
Definicija vremenskog niza. Vrste nizova. Klasična dekompozicija serije. Grafičko prikazivanje i uspoređivanje vremenskih nizova. Pokazatelji dinamike (diferencije, stope). Verižni indeksi, indeksi na stalnoj bazi. Skupni indeksi (indeksi cijena i količina Laspeyeresa, Paaschea, Fishera). Indeks vrijednosti. Deflacioniranje. Klizna skala. Modeli vremenskih pojava. Trend modeli. Procjene parametara i drugih statističko analitičkih veličina. Metoda pomičnih prosjeka. Metoda eksponencijalnog izglađivanja. Modeli sezonskih pojava i čišćenje od sezone. Pojam stohastičkog procesa i modela procesa. Autokorelacija. Empirijska autokorelacijska funkcija. Korelogram. ARIMA modeli. Prognoziranje i kategorizacija prognoza s izabranim elementarnim prognostičkim postupcima.
Pristup učenju i poučavanju u predmetu:
Kako bi se postigli pozitivni rezultati za studente je značajno poznavanje osnovnih matematičkih operacija i postupaka. Praćenje nastave, predavanja/vježbi, neizostavni je dio u pristupu učenja i poučavanja u predmetu. Studenti trebaju pratiti sadržaj predavanja/vježbi, koristiti obveznu literaturu kako bi mogli razumjeti statističke parametre, vješto ih izračunati te kvalitetno ih koristiti pri primjeni na primjerima iz prakse.
Način izvođenja nastave:
Nastava/predavanja se odvija putem prezentacija. U sklopu vježbi analiziraju se prikupljeni i postojeći podaci radi izračuna statističkih pokazatelja i to tzv. ručnim izračunom i izračunom na PC.