Statistika (studij: Nutricionizam)

Opis predmeta

Studenti se upoznaju s osnovnim statističkim metodama, kako bi iste mogli primijeniti u stručnim kolegijima.

SADRŽAJ PREDMETA

Definicija statistike. Statistika u znanstvenom istraživanju. Grafički prikaz podataka. Srednje vrijednosti uzorka. Mjere disperzije ili varijabiliteta. Mjere lokacije. Mjere oblika. Linearna regresija. (Pearsonov) koeficijent korelacije. Programska realizacija uz pomoć programskog paketa MS Excel.

Slučajni pokus. Vjerojatnost. Zadavanje vjerojatnosti. Laplaceov model vjerojatnosti. Kombinatorika. Primjene kombinatorike na elementarne probleme iz vjerojatnosti. Uvjetna vjerojatnost. Nezavisni događaji. Bayesova formula. Diskretne slučajne varijable (Binomna i Bernoullijeva slučajna varijabla, Poissonova slučajna varijabla, Hipergeometrijska slučajna varijabla). Neprekidne slučajne varijable (Normalna slučajna varijabla).

Slučajni uzorak. Procjena populacijskog očekivanja i populacijske varijance. Pouzdani intervali za očekivanje normalne populacije. Pouzdani intervali za očekivanje populacije na osnovi velikih uzoraka. Test o očekivanju normalno distribuirane populacije. Testovi o očekivanju na osnovi velikih uzoraka. Usporedba očekivanja dviju normalno distribuiranih populacija (t-test). Usporedba proporcija. Usporedba varijanci dviju normalno distribuiranih populacija (F-test). Χ²-test o prilagodbi modela podacima. Χ²-test homogenosti populacija. Usporedba očekivanja više normalno distribuiranih populacija (jednofaktorska analiza varijance ANOVA). Test koreliranosti dviju varijabli. Linearni regresijski model. Testiranje statističkih hipoteza uz pomoć programskog paketa MS Excel.

ISHODI UČENJA

Nakon uspješno položenog predmeta student će moći:

• objasniti statistički postupak;
• definirati i opisati metode rješavanja kombinatornih problema;
• povezivati različite koncepte i rezultate i primjenjivati ih u terminima vjerojatnosti;
• provesti osnovnu statističku analizu za zadane podatke;
• odabrati i primijeniti odgovarajući test za analizu podataka;
• formulirati i testirati odgovarajuću hipotezu;
• koristiti program MS Excel za statističku obradu podataka.

Nastava

Vrsta nastave:

• predavanja: 20 sati
• seminari: 15 sati
• vježbe: 5 sati

Način provjere znanja:

1. Prvi parcijalni ispit (100 bodova): sredina semestra, praktični rad na računalu tijekom prve polovice semestra: ukupno 20 boda
2. Drugi parcijalni ispit (100 bodova): kraj semestra, praktični rad na računalu tijekom druge polovice semestra: ukupno 20 boda

Parcijalni ispiti se pišu 90 minuta.

Nužan uvjet za dobivanje pozitivne ocjene je pozitivna ocjena iz oba parcijalna ispita.

Bodovanje po pojedinom parcijalnom ispitu (uključujući i bodove za praktični rad):

• 60 - 74 dovoljan (2)
• 75 - 89 dobar (3)
• 90 - 104 vrlo dobar (4)
• 105 - 120 izvrstan (5)

Studenti koji nisu pristupili ili nisu uspjeli položiti jedan od parcijalnih ispita iz prvog pokušaja, imaju pravo na dva popravka u sklopu ispitnog roka. Popravak se polaže u dva dijela: pismeni i praktični. Maksimalni broj bodova na pismenom ispitu je 100 (za prolaz treba osvojiti 50 bodova), a na praktičnom dijelu ispita 20 (za prolaz treba osvojiti 10 bodova). Sustav bodovanja na popravnom je isti kao i na parcijalnom ispitu.

Studenti koji nisu položili oba parcijalna ispita pišu ispit iz cjelokupnog gradiva. Ispit se polaže u dva dijela: pismeni i praktični. Pismeni ispit se piše 120 minuta. Maksimalni broj bodova na pismenom je 100 (za prolaz treba osvojiti 50 bodova), a na praktičnom dijelu ispita 20 (za prolaz treba osvojiti 10 bodova). Sustav bodovanja na popravnom je isti kao i na parcijalnom ispitu.

Merlin - sustav za udaljeno učenje

Literatura

Obvezna literatura

1. Skripta pripremljena za modul
2. Wayne, D.W. (1999) Biostatistics: A Foundation for Analysis in the Health Sciences, 7th, John Wiley&Sons Inc., New York
3. Montgomery, D.C. (2001) Design and Analysis of Experiments, 5th ed. John Wiley and Sons Inc., New York

Preporučena literatura

1. Forthofer, R.N., Lee, E.S. (1995) Introduction to Biostatistics: A Guide to Design, Analysis and Discovery, Academic Press, London