Osnove statistike za nematematičare

Predavači: Renomirani stručnjaci

Datum

• 22.-23.04.2024. godine

Sat

• 09:30 - 14:00 sati

Kotizacija

• 350 € bez PDV-a

Popust

• -15% do 15.04.2024. godine

Pratite

• uživo
• online

Cilj ovog dvodnevnog modula je polaznicima objasniti svrhu, namjenu i upotrebljivost statistike u ekonomiji i drugim znanostima postupnim uvođenjem u statistiku i način statističkog razmišljanja, kroz niz primjera iz svakodnevne poslovne i znanstvene prakse. Program provedbe modula je kako slijedi:

Syllabus

1. DAN – Osnove statistike
S obzirom na ranije definirani cilj modula, od polaznika se ne očekuje određena razina predznanja osim osnovnog poznavanja matematičkih pojmova. Tijekom prvog dana, obradit će se slijedeće teme:

• Osnovno o statistici kao znanosti
• Vrste podataka, načini mjerenja i zapisa
• Organiziranje podataka za statističku analizu
• Deskriptivne (opisne) metode i mjere varijabilnosti podataka
• Normalnost razdiobe
• Grafički prikaz
• Vjerojatnost i distribucije vjerojatnosti
• Inferencijalna statistika
• Uzorak i uzorkovanje (sampling)
• Zavisni i nezavisni uzorci
• Usporedba dvaju uzoraka

VJEŽBE:

• Uvod u temu predavanja predstavljat će opis statistike kao znanosti o raspršenju te kratka povijest statističkih metoda (o čemu će više riječi biti uz svaku od metoda analize podataka predstavljenih kasnije)
• Razjasnit će se svrha statistike te na nekoliko primjera iz nedavne povijesti prikazati neposredna upotrebljivost statistike u svakodnevnom poslovnom procesu
• Kroz primjere različitih vrsta varijabli koje se rutinski koriste u svakoj obradi podataka kao što su dob, spol, stupanje obrazovanja, ekonomski status ili primanja prikazat će se različite vrste podataka – kvalitativni i kvantitativni te različiti načini mjerenja određenih osobina ili vrijednosti reflektirani u kvalitativnim, ordinalnim i intervalnim ljestvicama
• Polaznici će potom identificirati tipove varijabli u probnoj datoteci (Excel), te postupcima sortiranja, kodiranja i filtriranja podataka na druge načine pripremiti podatke za obradu u dediciranom statističkom softverskom paketu
• Po unosu (importu) podataka u statistički softver definirat će se različiti načini na koje je moguće deskriptivno (opisno) prikazati podatke. Definirat će se pojmovi poput aritmetičke sredine, medijana, moda, te općenito mjere centralne tendencije
• Na primjeru spomenutih opisnih parametara objasnit će se pojam normalne razdiobe, njen značaj u statistici te općeniti načini testiranja normalnosti distribucije
• S obzirom na normalnost razdiobe određenih varijabli u promatranoj datoteci (datasetu), prikazat će se različiti modeli dvodimenzionalnog prikaza vrijednosti promatranih varijabli, te njihova ispravna primjena u analizi podataka
• Po usvajanju koncepta distribucije i normalne distribucije (vrijednosti), analizirat će se koncept vjerojatnosti, p-vrijednosti u statistici, te teoretske distribucije vjerojatnosti
• Objasnit će se pojam inferencijalne statistike kao bitan pristup u analizi podataka i kasnijem zaključivanju
• Na primjeru nekoliko testnih datasetova iz različitih područja znanosti i prakse (ekonomija, medicina, agronomija) definirat će se pojam uzorka, slučajnog i prigodnog uzorka te drugih pristupa u izboru (sampling, uzorkovanje) podataka odnosno ispitanika
• Opisat će se razlike između zavisnih i nezavisnih uzoraka, te osnove komparacije dvaju uzoraka s obzirom na tip promatrane varijable odnosno vrijednosti

2. DAN – Temelji poslovne statistike

• Rekapitulacija i ponavljanje gradiva iz prvog dana
• Pristup u analizi kvalitativnih, semikvantitativnih i kvantitativnih podataka
• Parametrijski i neparametrijski testovi
• Omjer šansi
• Osjetljivost i specifičnost
• Usporedba više skupina
• Korelacija i regresija – osnovni koncepti
• Jednostavna linearna regresija
• Multipla regresija
• Ordinalna i logistička regresija
• Analiza preživljenja i njena primjena u ekonomiji
• Vremenske serije
• Dizajn ispitivanja
• Izračun uzorka
• Zamke u statističkoj obradi
• Programska podrška analizi i prikazu podataka

VJEŽBE:

• Početkom drugog dana modula ponovit će se gradivo koje je prikazano prvi dan, s posebnim naglaskom na posljednje sadržaje koji su opisani krajem prvog dana – analizi razlika između dvije skupine podataka
• Pomoću novog dataseta objasnit će se razlika između dvaju skupina ispitanika te dvaju mjerenja neke vrijednosti u istih ispitanika
• Koncept analize razlika između dvije skupine ispitanika prikazat će se kroz različite testove poput t-testa, hi-kvadrat testa ili Mann Whitney-evog U testa, s obzirom na tip i/ili distribuciju podataka
• Uvest će se i objasniti pojam parametrijskih i neparametrijskih metoda
• Na primjerima kliničkih testova u medicini i analize vjerojatnosti prijelaza korisnika drugom dobavljaču ili drugom pružatelju usluga analizirat će se omjer šansi (odds ratio) i osjetljivost i specifičnost u analizi binarnih ishoda
• U nastavku predavanja predstavit će se nešto naprednije metode analize podataka u kontekstu analize više skupina, te će se usporediti prije prikazanim metodama analize razlika među dvama skupinama ispitanika
• Na primjerima iz ranije korištenih datasetova analizirat će se više skupina podataka, s odgovarajućom metodom post-hoc analize rezultata. Potom će se objasniti osnove korelacije i regresije te značenja kauzaliteta u ovim metodama
• Nakon osnovnih korelacijskih metoda prikazat će se regresija kroz četiri metode – jednostavna i multipla linearna regresija, te ordinalna i logistička regresija
• Polaznici će usvojiti osnovne pristupe te analizu rezultata ovih metoda kroz koeficijente (estimates), p-vrijednosti i mjere provjere modela (goodness of fit)
• Na primjerima iz praćenja pacijenata s kroničnim bolestima objasnit će se analiza preživljenja kroz nekoliko osnovnih metoda poput Kaplan Meierove i Coxove regresije te primjena ovih metoda u drugim djelatnostima gdje se analiziraju binarni ishodi poput preživljenja, a koji su ovisni o vremenu praćenja
• U ovom kontekstu prikazat će se vremenske serije, od srednjih vrijednosti i pokretnih srednjih vrijednosti (moving average) do kompleksnijih pristupa poput analize sezonalnosti
• Konačno, kao zaključak drugog dana predavanja, polaznicima će se prikazati ispravan pristup dizajnu istraživanja ili marketinškog ispitivanja, pojam i osnove izračuna uzorka, te potencijalne zamke u statističkoj obradi podataka koje polaznici mogu tumačiti u kontekstu znanja usvojenog u prethodna dva dana
• Analizirat će se i različita softverska rješenja za statističku obradu podataka