Cilji in kompetence
Cilji predmeta so:
• seznaniti študente z različnimi načini urejanja in prikazovanja podatkov,
• seznaniti študente z raličnimi statističnimi merami,
• seznaniti študente z osnovami verjetnostnega računa,
• seznaniti študente s slučajnimi spremenljivkami ter najpomembnejšimi diskretnimi in zveznimi porazdelitvami,
• seznaniti študente z vzorčnim pristopom,
• seznaniti študente z metodami testiranja domnev o vrednosti statističnih parametrov in porazdelitvah,
• seznaniti študente z osnovami statistične regresije in korelacije,
• seznaniti študente z osnovami analize časovnih vrst.
Kompetence, ki jih študentje osvojijo:
• sposobnost urediti in prikazati podatke;
• sposobnost prepoznati različne statistične mere in so jih sposobni uporabiti,
• sposobnost uporabe osnovnega verjetnostnega računa,
• sposobnost prepoznavanja slučajnih spremenljivk ter najpomembnejših diskretnih in zveznih porazdelitev,
• sposobnost uporabe vzorčnega pristopa pri analizi podatkov,
• sposobnost testiranja domnev o vrednosti statističnih parametrov in porazdelitvah,
• sposobnost razumevanja statistične regresije in korelacije,
• sposobnost osnovnega razumevanja analize časovnih vrst.
Vsebina
Urejanje in prikazovanje podatkov.
Statistične mere: srednje vrednosti, mere variabilnosti, asimetrije, sploščenosti.
Osnove verjetnostnega računa.
Slučajne spremenljivke, najpomembnejše diskretne in zvezne porazdelitve, številske karakteristike slučajnih spremenljivk.
Vzorčni pristop: intervalno ocenjevanje statističnih parametrov.
Testiranje domnev o vrednostih statističnih parametrov in o porazdelitvah.
Osnove regresije in korelacije.
Osnove analize časovnih vrst.
Uporaba EXCELA v statistiki.
Metode poučevanja in učenja
Predavanja: pri predavanjih študent spozna teoretične vsebine predmeta. Del predavanj se izvaja na klasični način v predavalnici, del pa v obliki e-predavanj (e-predavanja se lahko izvajajo na videokonferenčni način ali s pomočjo posebej v ta namen didaktično pripravljenih e-gradiv v virtualnem elektronskem učnem okolju).
Vaje: pri vajah študent utrdi teoretično znanje in spozna aplikativne možnosti. Del vaj se izvaja na klasični način v predavalnici, del pa v obliki e-vaj (e-vaje se lahko izvajajo na videokonferenčni način ali s pomočjo posebej v ta namen didaktično pripravljenih e-gradiv v virtualnem elektronskem učnem okolju).
Predvideni študijski rezultati - znanje in razumevanje
Študent je ob zaključku predmeta zmožen:
• pravilno urediti in prikazati podatke;
• iz podatkov izračunati statistične mere;
• uporabiti verjetnostni račun za izračun verjetnosti za nek dogodek;
• zna prepoznati različne vrste diskretnih in zveznih porazdelitev ter ji glede na to analizirati,
• zna oceniti statistične parametre baze podatkov,
• zna izvesti nekaj statističnih analiz in testov na bazi podatkov,
• iz podatkov zna izračunati korelacijo in regresijo,
• pozna osnove časovnih vrst.
Predvideni študijski rezultati - Prenosljive/ključne spretnosti in drugi atributi
Prenesljive/ključne spretnosti in drugi atributi:
Študenti se usposobijo za uporabo teoretičnega znanja v praktičnih primerih, predvsem pri predmetih Ravnanje z zaposlenimi, Metode in tehnike planiranja logističnih procesov in Vodenje projektov v logistiki.
Pridobljeno teoretično in aplikativno znanje imajo študenti možnost uporabiti pri obveznem praktičnem usposabljanju v organizaciji, ki je del študijskega programa.
Temeljni literatura in viri
E-gradivo predmeta.
KRAMBERGER, Tomaž. Osnove modeliranja u logistici. Subotica: [Ekonomski fakultet], 2015. 290 str., ilustr. ISBN 978-86-84819-98-9. [COBISS.SI-ID 512672317].
Tominc, P.: Statistika v prometu, Univerza v Mariboru, Fakulteta za gradbeništvo, Maribor, 2000.
Spiegel, M.: Schaum's outline of theory and problems of statistics, London, McGraw-Hill International, 1992.
Pogoji za vključitev v delo oz. za opravljanje študijskih obveznosti
Ni pogojev
Opombe
Opravljene obveznosti e-predavanj in e-vaj so pogoj za pristop k izpitu.
Predavanja:
Pisni izpit 80%
Vaje:
ocena e-vaj 20%
