Osnovne Statističke Funkcije U Excel-U

IZDAVA
OFF-SET, Tuzla
Homing MB, Tuzla
RTV Centar ISKRA servis
Autori
Harun Ku, dipl.el.ing.

Emin Hatuni, dipl.el.ing.
Adnan Ku, dipl.el.ing.
Lejla Ku, dipl.ecc.
Emina Hatuni, dipl.ecc.
Recezenti
Prof. dr. Hasan Zoli

Prof. dr. Devad Zei
Lektor
Prof. Selma Hatuni
Autor grafike
Lejla Ku
Tehniki urednik
Lejla Ku
Za izdavaa
Sadika Muri
Nenad Jovanovi
Edhem Hadiselimovi
tampa
OFF-SET Tuzla
ISBN
iii
Copyright 2009.
Prvo izdanje
Harun Ku, Emin Hatuni, Adnan Ku, Lejla Ku, Emina Hatuni
Knjiga je djelo grupe autora i kao takvo je zatieno. Sva prava zadrana. Nije dozvoljeno
kopiranje, umnoavanje ove publikacije ili prenoenje u bilo kojem obliku ili bilo kojim
sredstvima, elektronskim, mehanikim, fotokopiranjem, snimanjem ili na drugi nain, bez
prethodne dozvole izdavaa.
Da bi se osiguralo da u knjizi prezentirane informacije budu korektne i vrijedne objavljivanja,
uinjen je odgovarajui napor. Autori se zahvaljuju svima onima koji su doprinijeli da zajednike
aktivnosti rezultiraju izdanjem ove knjige.
harun.kuc@bhtelecom.ba
emin.hatunic@bih.net.ba
adnan.kuc@bhtelecom.ba
lejla.kuc@bhtelecom.ba
emina.hatunic@bih.net.ba
Web:HTTP: www.homingmb.com
CIP - Katalogizacija u publikaciji
Nacionalna i univerzitetska biblioteka
Bosne i Hercegovine, Sarajevo
iv
Ovu knjigu posveujemo:

Harunovim rahmetli roditeljima Mahiji i
Hamdiji Ku, supruzi Jasminki Ku, majci
Adnana i Lejle i puncu i djedu Kasimu
Hadiselimoviu, kao i Eminovim rahmetli
roditeljima, majci Fati i ocu Mustafi, neni i
djedu Emine Hatuni.
Izvod iz recenzije
Prof. dr. Hasana Zolia
Grupa autora u ovoj knjizi prezentira jo jedan osvrt na izvanredne mogunosti proraunske
tablice Microsoft Excel kada je u pitanju obrada statistikih podataka. Knjiga je u najveoj mjeri
bazirana na pojanjenju ugraenih statistikih funkcija koje su meu najee koritenim
Excelovim funkcijama.
Sadrane u sklopu modula STATISTICAL, poredane po abecednom redu poev od AVEDEV
do ZTEST, obraene su kroz niz adekvatnih primjera.
Neki primjeri su uraeni i uz pomo specijalizovanih statistikih paketa SPSS, Statistica, NCSS i
Minitab koji danas predstavljaju nezaobilaznu programsku podrku za bilo kakvu znaajniju
statistiku analizu.
Pored klasinih mogunosti u proraunskoj tablici u radu se grupa autora esto koristi i dodatnim
nainima prikazivanja radi to slikovitijeg izraavanja tretirane materije. Kod opisa pojedinih
funkcija dat im je neto znaajniji tretman u namjeri da se prikae njihova snaga iz koje se moe
crpiti materijal za pisanje posebnih knjiga sa osvrtom na pojedine oblasti.
Ova knjiga je namijenjena fakultetima koji u svojim planovima raunaju da edukaciju studenata
prilagode savremenim edukativnim procesima.
Moe posluiti i svima onima (inenjerima, ekonomistima, ljekarima, ) koji se na bilo koji
nain bave raznim obradama podataka.
Izvod iz recenzije
Prof. dr. Devad Zei
Ova knjiga, pored uvodnih stranica opisuje sutinsku materiju uz dodatak jedanaest statistikih
tablica. Dakle, u najveoj je mjeri bazirana na pojanjenju ugraenih statistikih funkcija koje su
meu najee koritenim Excelovim funkcijama. U sklopu modula Statistical, ove funkcije,
poredane po abecednom redu, obraene su kroz seriju odgovarajuih primjera.
Pored klasinih mogunosti u proraunskoj tablici u radu se autori esto koriste i dodatnim
mogunostima prikazivanja radi slikovitijeg izraavanja pomenute materije. Kod opisivanja
pojedinih funkcija dat im je znaajniji tretman u namjeri da se prikae njihova snaga.
Ova knjiga moe posluiti pored studenata i svima onima koji se na bilo koji nain bave raznim
obradama podataka. Knjiga je pogodna za sve struke a isto tako i za obrazovne institucije.
vi
SADRAJ
Strana
P R E D G O V O R............................................................................................................................. ix
S T A T I S T I K E F U N K C I J E - KRATAK OPIS ....................................................................... x
OSNOVNE STATISTIKE FUNKCIJE U EXCEL-U U MODULU STATISTICAL ....................... xii
A V E D E V..................................................................................................................................... 1
A V E R A G E .................................................................................................................................... 5
A V E R A G E A................................................................................................................................. 16
B E T A D I S T ................................................................................................................................... 17
B E T A I N V ...................................................................................................................................... 20
B I N O M D I S T................................................................................................................................ 21
C H I D I S T........................................................................................................................................ 32
C H I I N V ....................................................................................................................................... 34
C H I T E S T....................................................................................................................................... 35
C O N F I D E N C E ........................................................................................................................... 51
C O R R E L........................................................................................................................................ 54
C O U N T ........................................................................................................................................... 59
C O U N T A........................................................................................................................................ 60
C O U N T I F ...................................................................................................................................... 61
C O V A R ........................................................................................................................................... 63
C R I T B I N O M................................................................................................................................ 65
D E V S Q ........................................................................................................................................... 66
E X P O N D I S T ............................................................................................................................... 70
F D I S T.............................................................................................................................................. 72
F I N V................................................................................................................................................. 74
F I S H E R.......................................................................................................................................... 75
F I S H E R I N V................................................................................................................................. 77
F O R E C A S T ................................................................................................................................. 78
F R E Q U E N C Y ............................................................................................................................. 80
F T E S T............................................................................................................................................. 89
G A M M A D I S T.............................................................................................................................. 91
G A M M A I N V ................................................................................................................................. 93
G A M M A L N ................................................................................................................................... 95
G E O M E A N ................................................................................................................................... 96
G R O W T H....................................................................................................................................... 99
H A R M E A N....................................................................................................................................100
H Y P G E O M D I S T ......................................................................................................................102
I N T E R C E P T................................................................................................................................104
K U R T ...............................................................................................................................................107
L A R G E ...........................................................................................................................................109
L I N E S T ..........................................................................................................................................111
L O G E S T ........................................................................................................................................139
L O G I N V .........................................................................................................................................143
L O G N O R M D I S T ......................................................................................................................144
M A X .......................................................................................................................................145
M A X A .............................................................................................................................................146
M E D I A N.........................................................................................................................................147
M I N . ......................................................................................................................................149
M I N A ...............................................................................................................................................150
M O D E ..........................................................................................................................................151
N E G B I N O M D I S T .....................................................................................................................153
N O R M D I S T..................................................................................................................................154
N O R M I N V .....................................................................................................................................157
N O R M S D I S T ..............................................................................................................................158
N O R M S I N V..................................................................................................................................159
P E A R S O N ....................................................................................................................................160
vii
P E R C E N T I L E ............................................................................................................................163
P E R C E N T R A N K ......................................................................................................................169
P E R M U T........................................................................................................................................170
P O I S S O N......................................................................................................................................172
P R O B.. .....................................................................................................................................174
Q U A R T I L E ..................................................................................................................................175
R A N K. ......................................................................................................................................177
R S Q . ......................................................................................................................................179
S K E W. ......................................................................................................................................182
S L O P E ...........................................................................................................................................184
S M A L L............................................................................................................................................187
S T A N D A R D I Z E ........................................................................................................................189
S T D E V ............................................................................................................................................190
S T D E V A. .......................................................................................................................................194
S T D E V P.........................................................................................................................................195
S T D E V P A ...................................................................................................................................197
S T E Y X ............................................................................................................................................198
T D I S T..............................................................................................................................................200
T I N V.................................................................................................................................................202
T R E N D............................................................................................................................................204
T R I M M E A N..................................................................................................................................207
T T E S T.............................................................................................................................................209
V A R ..................................................................................................................................................226
V A R A. ..........................................................................................................................................229
V A R P ...............................................................................................................................................230
V A R P A ...........................................................................................................................................233
W E I B U L L......................................................................................................................................234
Z T E S T.............................................................................................................................................235
Tabela 1. Binomni koeficijenti ........................................................................................................237
Tabela 2. Faktorijel ...........................................................................................................................237
Tabela 3. Binomna kumulativna raspodjela ..................................................................................238
Tabela 4. Binomna raspodjela ........................................................................................................241
Tabela 5. Poissonova raspodjela ...................................................................................................244
Tabela 6. Poissonova kumulativna raspodjela .............................................................................248
Tabela 7. Povrine ispod standardne normalne raspodjele od 0 do z .......................................252
Tabela 7.1 Povrine ispod standardne normalne raspodjele od do z ...............................253
Tabela 7.2 Povrine ispod standardne normalne raspodjele od -z do z ....................................254
Tabela 8. Studentova t raspodjela ..................................................................................................255
Tabela 9. raspodjela ..................................................................................................................256
Tabela 10. F- raspodjela ..................................................................................................................257
Tabela 11. F- raspodjela ..................................................................................................................260
L I T E R A T U R A ............................................................................................................................263
2
viii
PREDGOVOR
Programska podrka za statistiku analizu danas je na zavidnom nivou. Pored uobiajenih

proraunskih tablica, najee, preporuuje se upotreba i statistikih paketa kao to su,
primjera radi, SPSS, Statistica, Minitab, JMP, NCSS, SAS i drugi.
Grupa autora, motivisana potrebom za
raznim analizama u skoro svim oblastima
ivota, u ovom radu iznosi jo jedan osvrt
na izvanredne mogunosti Microsoft
Excela koji prua niz naina koji mogu
pomoi u analizi statistikih podataka i
pokuava u formi prirunika napisati
knjigu statistikog sadraja kroz prizmu
ugraenih statistikih funkcija. Ova
knjiga je u najveoj mjeri bazirana na
pojanjenju ovih funkcija (poznato je da
su funkcije ugraene formule koje izvode
sloene matematike operacije za ije je
izraunavanje potrebno unijeti naziv
funkcije i argumente koji predstavljaju
dodatne informacije koje odreena funkcija zahtijeva) kroz niz adekvatnih primjera. Pored
klasinih mogunosti u proraunskoj tablici u radu se grupa autora esto koristi i dodatnim
nainima radi to slikovitijeg izraavanja tretirane materije. Neki primjeri su uraeni i uz
pomo ranije spomenutih specijalizovanih statistikih paketa SPSS, Statistica, NCSS i
Minitab. Pored brojnih ugraenih funkcija kod nekih primjera dat je osvrt i na dodatni modul
Analysis ToolPak koji sadri skup funkcija i alata koji poveavaju Excelove analitike
sposobnosti i ije mogunosti su dovoljno iroke da zasluuju zasebnu knjigu.
Kod opisa pojedinih funkcija dat im je neto znaajniji tretman. Lahko je uoiti da
posredstvom samo nekoliko ugraenih funkcija mogu nastati obimne knjige sa osvrtom na
pojedine oblasti.
Ova knjiga je namijenjena fakultetima koji u svojim planovima raunaju da edukaciju
studenata prilagode savremenim edukativnim procesima.
Moe posluiti i svima onima (inenjerima, ekonomistima, ljekarima, ) koji se na bilo koji
nain bave raznim obradama podataka.
Autori e biti zahvalni korisnicima na ukazanim pogrekama, primjedbama i sugestijama koji
mogu poboljati ovaj rad u pogledu kvaliteta njegovog sadraja.
Autori
ix
STATISTIKE FUNKCIJE-kratak opis

AVEDEV
AVERAGE
AVERAGEA
BETADIST
BETAINV
BINOMDIST
CHIDIST
CHIINV
CHITEST
CONFIDENCE
CORREL
COUNT
COUNTA
COVAR
CRITBINOM
DEVSQ
EXPONDIST
FDIST
FINV
FISHER
FISHERINV
FORECAST
FREQUENCY
FTEST
GAMMADIST
GAMMAINV
GAMMALN
GEOMEAN
GROWTH
HARMEAN
HYPGEOMDIST
INTERCEPT
KURT
LARGE
LINEST
LOGEST
LOGINV
LOGNORMDIST
MAX
MAXA
Izraunava prosjek apsolutnih odstupanja podataka

od njihove srednje vrijednosti
Izraunava prosjek svojih argumenata
Izraunava prosjek svojih argumenata, ukljuujui
brojeve, tekst i logike vrijednosti
Izraunava kumulativnu vjerovatnou beta raspodjele
Izraunava inverznu funkciju od BETADIST
Izraunava pojedinanu i kumulativnu vjerovatnou binomne
raspodjele
Izraunava vjerovatnou 2 raspodjele
Izraunava inverznu vrijednost funkcije vjerovatnoe
2 raspodjele
Izraunava vjerovatnou koja odgovara 2-testu
Izraunava interval pouzdanosti za srednju vrijednost populacije
Izraunava koeficijent korelacije izmeu dva skupa podataka
Broji koliko je brojeva u popisu argumenata
Broji koliko je vrijednosti u popisu argumenata
Izraunava kovarijansu, prosjek proizvoda devijacija
za svaki par podataka
Izraunava najmanju vrijednost za koju je kumulativna binomna
raspodjela vea ili jednaka od vrijednosti kriterija
Izraunava sumu kvadrata devijacija
Izraunava eksponencijalnu raspodjelu
Izraunava F raspodjelu vjerovatnoe
Izraunava inverznu funkciju F raspodjele vjerovatnoe
Izraunava Fisherovu transformaciju
Izraunava inverznu funkciju Fisherove transformacije
Izraunava vrijednost uz linearni trend
Izraunava frekvencijsku raspodjelu kao vertikalno polje
Izraunava rezultat F-testa
Izraunava gama raspodjelu
Izraunava inverznu funkciju kumulativne gama raspodjele
Izraunava prirodni logaritam gama funkcije, (x)
Izraunava geometrijsku srednju vrijednost
Izraunava vrijednosti uz eksponencijalni trend
Izraunava harmonijsku srednju vrijednost
Izraunava hipergeometrijsku raspodjelu
Izraunava taku presjeka pravca linearne regresije s osom y
Izraunava kurtosis skupa podataka
Izraunava k-tu najveu vrijednost u skupu podataka
Izraunava parametre linearnog trenda
Izraunava parametre eksponencijalnog trenda
Izraunava inverznu funkciju logaritamske normalne raspodjele
Izraunava kumulativnu logaritamsku normalnu raspodjelu
Izraunava najveu vrijednost u popisu argumenata
Izraunava najveu vrijednost u popisu argumenata, ukljuujui
MEDIAN
MIN
MINA
MODE
NEGBINOMDIST
NORMDIST
NORMINV
NORMSDIST
NORMSINV
PEARSON
PERCENTILE
PERCENTRANK
PERMUT
POISSON
PROB
QUARTILE
RANK
RSQ
SKEW
SLOPE
SMALL
STANDARDIZE
STDEV
STDEVA
STDEVP
STDEVPA
STEYX
TDIST
TINV
TREND
TRIMMEAN
TTEST
VAR
VARA
VARP
VARPA
WEIBULL
ZTEST
Izraunava medijanu datih brojeva

Izraunava najmanju vrijednost u popisu argumenata
Izraunava najmanju vrijednost u popisu argumenata, ukljuujui
Izraunava najuestaliju vrijednost u skupu podataka
Izraunava negativnu binomnu raspodjelu
Izraunava normalnu kumulativnu raspodjelu
Izraunava inverznu funkciju normalne kumulativne raspodjele
Izraunava standardnu normalnu kumulativnu raspodjelu
Izraunava inverznu funkciju standardne normalne
kumulativne raspodjele
Izraunava Pearsonov koeficijent korelacije (proizvod-moment)
Izraunava k-ti procenat vrijednost iz opsega
Izraunava procentualni rang vrijednosti iz skupa podataka
Izraunava broj permutacija za dati broj objekata
Izraunava Poissonovu raspodjelu
Izraunava vjerovatnou da se vrijednosti opsega
nalaze izmeu dvije granice
Izraunava kvartil skupa podataka
Izraunava rang broja u popisu brojeva
Izraunava kvadrat Pearsonovog koeficijenta
korelacije (proizvod-momenta)
Izraunava asimetriju raspodjele
Izraunava nagib pravca linearne regresije
Izraunava k-tu najmanju vrijednost u skupu podataka
Izraunava normaliziranu vrijednost
Procjenjuje standardnu devijaciju na temelju uzorka
Procjenjuje standardnu devijaciju na temelju uzorka, ukljuujui
Izraunava standardnu devijaciju na temelju cijele populacije
Izraunava standardnu devijaciju na temelju cijele populacije,
ukljuujui brojeve, tekst i logike vrijednosti
Izraunava standardnu greku predviene y-vrijednosti
za svaki x u regresiji
Izraunava studentovu t-raspodjelu
Izraunava inverznu funkciju studentove t-raspodjele
Izraunava vrijednosti uz linearni trend
Izraunava srednju vrijednost unutranjeg dijela skupa podataka
Izraunava vjerovatnou pridruenu studentovom t-testu
Procjenjuje varijansu na bazi uzorka
Procjenjuje varijansu na temelju uzorka, ukljuujui brojeve,
tekst i logike vrijednosti
Izraunava varijansu na bazi cijele populacije
Izraunava varijansu na temelju cijele populacije, ukljuujui brojeve,
tekst i logike vrijednosti
Izraunava Weibullovu raspodjelu
Izraunava p-vrijednost krive z-testa
xi
OSNOVNE STATISTIKE FUNKCIJE U EXCEL-U

U MODULU STATISTICAL
xii
AVEDEV
Ova funkcija postavlja aritmetiku sredinu apsolutnih devijacija opaenih vrijednosti od
njihove aritmetike sredine. Formula za izraunavanje prosjenog apsolutnog odstupanja,
glasi:
n
1
| xi x |
AVEDEV
n i 1
gdje je: n - veliina uzorka, a x - aritmetika sredina, izraunata

n
x 1 x 2 ... x n 1
xi
prema obrascu: x
n
n i 1
Sintaksa
AVEDEV (number1; number2; ...)
Number1, number2, ... su 1 do 30 argumenata kojim obuhvatamo opaene vrijednosti iz
kojih izraunavamo prosjeno apsolutno odstupanje; umjesto argumenata odvojenih
separatorima moemo koristiti i jednodimenzionalno polje ili referencu na polje.
Napomene
Argumenti moraju biti brojevi ili nazivi, polja, odnosno reference koje sadre brojeve.
Ako argument koji je polje ili referenca sadri tekst, logike vrijednosti, ili prazne elije
te se vrijednosti zanemaruju; meutim, elije s vrijednou nula se ukljuuju.
Ako se radi o grupisanim podacima, srednje apsolutno odstupanje svih vrijednosti
obiljeja x i od njihove aritmetike sredine, izraunava se prema formuli:
1
Srednje apsolutno odstupanje
n
f | x x |
i
i 1
gdje je : n f 1 f 2 ... f k
x
f 1 x 1 f 2 x 2 ... f k x k
n
f x
i
i 1
Za izraunavanje prosjenog apsolutnog odstupanja na grupisanim podacima koristimo

se ugraenim funkcijama ABS i SUM, iz kategorije matematikih funkcija.
Posredstvom funkcija SUM i ABS moemo izraunati i prosjeno apsolutno odstupanje
vrijednosti obiljeja od njihove medijane (M e ), na negrupisanim i grupisanim podacima,
prema formulama:
k
n
1
1
f i | x i Me |
| x i Me |
n i 1
n i 1
n f 1 f 2 ... f k
n broj opaanja u uzorku
Primjer 1.
Izmjerene su teine proizvoda ( u gramima) u uzorku: 7, 5, 2, 6, 5, 6, 5, 4, 4, i 6.
Izraunati prosjeno apsolutno odstupanje izmjerenih vrijednosti teina proizvoda od njihove
aritmetike sredine i dati interpretaciju dobijenog rezultata.
Prvo izraunavamo aritmetiku sredinu, tako to sumu svih vrijednosti obiljeja podijelimo sa
njihovim brojem:
x x 2 ... x 10 7 5 2 6 5 6 5 4 4 6 50
x 1
5
10
10
10
Apsolutne devijacije vrijednosti x i od njihove aritmetike sredine, iznose: 2, 0, 3, 1, 0, 1, 0,

1, 1, i 1. Suma devijacija iznosi 10, a kolinik ove sume i ukupnog broja devijacija, odgovara
prosjenom apsolutnom odstupanju:
1
10
10
| x 5 |
i
i 1
|7-5||5-5||2-5||6-5||5-5||6-5||5-5||4-5||4-5||6-5|
10
Do ovog rezultata, u proraunskoj tablici Excel, dolazi se veoma jednostavno posredstvom

funkcije AVEDEV, kao na slici 1.
Slika 1.
Dakle, prosjeno apsolutno odstupanje izmjerenih teina proizvoda u ovom uzorku, od
njihove aritmetike sredine (pet grama), iznosi jedan gram.
Na slici 2. je, posredstvom funkcije aritmetike sredine AVERAGE, pokazano da aritmetika
sredina na apsolutnim devijacijama u polju elija C2:C11, odgovara funkciji AVEDEV.
2 0 3 1 0 1 0 1 1 1 10
1
10
10
Slika 2.
Do vrijednosti, koja odgovara prosjenom apsolutnom odstupanju izmjerenih teina
proizvoda u uzorku od njihove aritmetike sredine, moe se doi i posredstvom sintakse:
{=AVERAGE(ABS(A2:A11-AVERAGE(A2:A11)))}
koja se aktivira istovremenim pritiskom sljedeih tipki na raunaru: Ctrl+Shift +Enter.
Primjer 2.
Na uzorku osam kompanija izvren je pregled njihovih povrata investicija u proloj godini.
Rezultati su dati u procentima:
Izraunati prosjeno apsolutno odstupanje povrata investicija.

Aritmetika sredina povrata investicija jednaka je:
x x 2 ... x 8 10,6% 12,6% 14,8% 18,2% 12% 14,8% 12,2% 15,6%
13,85%
x 1
8
8
Prosjeno apsolutno odstupanje povrata investicija (izraunato na slici 3.) odgovara rezultatu
koji postavlja funkcija AVEDEV.
10,6% 12,6% ... 15,6%

13,85%
8
AVEDEV(A1 : H1)
1
8
| x 13,85% | 2%
i
i 1
Slika 3.
Dakle, povrati investicija odstupaju, u prosjeku, 2% od aritmetike sredine.
Primjer 3.
Odjel za marketing na jednom univerzitetu nudi osam sekcija poetnog marketinga. Slijede
brojevi upisanih studenata u ovim sekcijama:
Izraunati prosjeno apsolutno odstupanje broja upisanih studenata.

Prosjeno apsolutno odstupanje broja upisanih studenata iznosi: 6,25 (slika 4.).
Ovo je rezultat koji postavlja funkcija AVEDEV, i on u prosjeku predstavlja devijaciju od
6 studenata u odnosu na aritmetiku sredinu (38 upisanih studenata po sekciji).
1
AVEDEV(A1 : H1)
8
| x 38 | 6,25
i
i 1
34 46 ... 28
38
8
Slika 4.
3
Primjer 4.
Izraunati prosjeno apsolutno odstupanje frekvencija niza od trend vrijednosti, na podacima
prikazanim na slici 5.
Slika 5.
Trend vrijednosti izraunate su posredstvom funkcije TREND, prema sintaksi na istoj slici.
Rjeenje
Prosjeno apsolutno odstupanje frekvencija niza od trend vrijednosti, odgovara izrazu:
1
MAD
n
| y y
i
ti
i 1
Ovu mjeru disperzije moemo veoma jednostavno izraunati posredstvom ugraene Excelove
funkcije AVEDEV, na nain, prikazan na slici 6.
Minitab
Slika 6.
Prosjeno apsolutno odstupanje frekvencija niza
od trend vrijednosti, odnosno MAD, izraunali smo i u
statistikom paketu MINITAB 12.1.
Lahko je uoiti, da se izraunata vrijednost za MAD,
poklapa sa rezultatom koji postavlja funkcija AVEDEV:
1
MAD
8
| y y
i
ti
| 0,926786
i 1
Trend vrijednosti odgovaraju prikazanoj jednaini trenda.
AVERAGE
Ova funkcija odgovara aritmetikoj sredini na negrupisanim podacima i jednaka je koliniku
sume svih vrijednosti i ukupnog broja vrijednosti. Aritmetika sredina uzorka i aritmetika
sredina populacije raunaju se na isti nain ali su im koritene oznake razliite.
Za sluaj uzorka, koristimo se formulom:
x x 2 ... x n 1
x 1
n
n
i 1
gdje je: n - ukupan broj vrijednosti u uzorku

x - aritmetika sredina uzorka
x i - pojedinane vrijednosti
- grko veliko slovo sigma koje ukazuje na operaciju sabiranja
Kada imamo sluaj da opaene vrijednosti predstavljaju osnovni
skup (populaciju), koristimo se obrascem:
x x 2 ... x N 1
1
N
N
i 1
gdje je: N - ukupan broj vrijednosti u populaciji

- aritmetika sredina populacije
Sintaksa
AVERAGE ( number1 ; number2 ; ...)
Number1, number2, ... su 1 do 30 brojanih argumenata.
Napomene
Ako argument koji je polje ili referenca sadri tekst, logike vrijednosti, ili prazne elije,
te se vrijednosti zanemaruju; meutim, elije s vrijednou nula se ukljuuju.
Kada raunamo prosjenu vrijednost trebamo voditi rauna o razlici izmeu praznih elija
i onih koje sadre vrijednost nula posebno ako smo oistili potvrdni okvir Zero values na
kartici View, naredba Options, izbornik Tools.
Aritmetika sredina se veoma mnogo koristi kao mjera centralne tendencije i ima
nekoliko vanih osobina: svaki skup istorodnih podataka na intervalnom i omjernom
nivou ima aritmetiku sredinu, sve vrijednosti u skupu se uzimaju u obzir kod
izraunavanja, jedan skup ima samo jednu aritmetiku sredinu, veoma je korisna za
poreenja dvije ili vie populacija, suma devijacija pojedinanih vrijednosti od
aritmetike sredine uvijek je jednaka nuli.
Aritmetiku sredinu na grupisanim podacima moemo izraunati posredstvom ugraenih
funkcija SUMPRODUCT i SUM (iz kategorije matematikih funkcija), prema obrascu:
f x f 2 x 2 ... f k x k 1
x 1 1
n
f 1 f 2 ... f k
gdje je: f i - odgovarajua frekvencija klasnog intervala

n - ukupan broj frekvencija
x - oznaka za aritmetiku sredinu uzorka
x i - srednja taka svakog klasnog intervala
f i xi
i 1
(i = 1, 2, , k)
Vaganu aritmetiku sredinu moemo izraunati kao i u sluaju grupisanih podataka

posredstvom funkcija SUMPRODUCT i SUM, prema obrascu:
k
k
w x w 2 x 2 ... w k x k
xw 1 1
(
w i x i ) /(
wi)
w 1 w 2 ... w k
i 1
i 1
gdje su w i odgovarajui ponderi za brojeve x i .
Primjer 1.
Teine (u kg) sluajno odabranih proizvoda sa proizvodne linije su:
Izraunati aritmetiku sredinu.
Rjeenje
Primjenom obrasca za izraunavanje aritmetike sredine na uzorku, dobijamo:
x x 2 x 3 x 4 x 5 x 6 90,3 89,8 87,9 91,4 88,5 90,6 538,5
x 1
89,75
6
6
6
Dakle, prosjena teina iznosi 89,75 kg.
Na slici 1. je pokazano kako se do ove vrijednosti moe doi posredstvom gotove Excelove
funkcije AVERAGE.
Slika 1.
A 1 A 2 A3 A4 A5 A6
AVERAGE( A 1 : A6)
89,75
6
Naravno, do ove vrijednosti moemo doi i ako argumentima funkcije na neki drugi
nain obuhvatimo opaene vrijednosti, ili ako polje podataka imenujemo, kao na slici 2.
Slika 2.
6
Primjer 2.
Izvrili smo 10 mjerenja pulsa jednog ovjeka i dobili ove vrijednosti:
Izraunati prosjean puls i pokazati da je suma devijacija pojedinanih mjerenja pulsa od
njihove aritmetike sredine jednaka nuli.
Rjeenje
Prosjean puls odgovara aritmetikoj sredini, odnosno koliniku sume izmjerenih vrijednosti
i broja mjerenja:
x 1 x 2 ... x 10 64 61 68 62 71 62 63 60 65 64 640
64
10
10
10
Dakle, prosjean puls u minuti, odnosno aritmetika sredina pulsa je 64.
Izraunavanje prosjene vrijednosti i sume devijacija pojedinanih mjerenja od ove prosjene
vrijednosti, prikazano je na slici 3.
Slika 3 .
U polju elija A2:J2 date su devijacije pojedinanih mjerenja pulsa od njihovog prosjeka.
Primjer 3.
Izraunati aritmetiku sredinu sljedeih vrijednosti uzorka:
Rjeenje
Primjenom formule za izraunavanje aritmetike sredine, dobijamo:
x x 2 ... x 8 4,5 6,9 3,6 4,1 5,4 5,6 6,2 6,6 42,9
x 1
5,3625
8
8
8
Prosjenu vrijednost, u proraunskoj tablici Excel, raunamo veoma jednostavno posredstvom
ugraene funkcije AVERAGE, kao na slici 4.
Slika 4.
7
Primjer 4.
U jednoj ordinaciji opte medicine u toku est dana izvreno je 216 pregleda, koji su na
sljedei nain rasporeeni po danima:
Koliki je prosjean broj pregleda dnevno?

Rjeenje
Prosjean broj pregleda dnevno je:
53 39 23 33 26 42 216
36
6
6
Posredstvom funkcije AVERAGE, do rezultata koji odgovara prosjenom broju pregleda
dnevno, dolazimo kao na slici 5.
Slika 5.
Primjer 5.
U jednoj kompaniji brojno stanje zaposlenih na poetku navedenih mjeseci 1999. godine bilo
je sljedee:
Koliki je polugodinji prosjek zaposlenih?

Rjeenje
S obzirom na prirodu podataka, prosjean broj zaposlenih se utvruje metodom hronolokog
prosjeka po poznatoj formuli:
x
x1
700
560
x 2 ... x n-1 n
500 520 540 620 670
2 580
2 2
x 2
n- 1
6
Kako se do ovog rezultata dolazi posredstvom funkcije AVERAGE, vidimo na slici 6.
Slika 6.
Primjer 6.
Izraunati apsolutne pokazatelje dinamike za proizvodnju rai, soje i duhana prema sljedeim
podacima (u tonama):
Rjeenje
Prosjena godinja proizvodnja rai, soje i duhana data je na slici 7.
Slika 7.
Srednji apsolutni nivoi iznose:
Moemo zakljuiti da je u periodu od 1992 do 1998. godine prosjean nivo proizvodnje rai
iznosio 14571,43 t pa je proizvodnja godinje prosjeno opadala za 666,67 t.
Prosjean nivo proizvodnje soje u periodu od 1992 do 1998. godine iznosio je 114000 t, pa je
proizvodnja godinje prosjeno rasla za 8666,67 t.
Prosjean nivo proizvodnje duhana u periodu od 1992 do 1998. godine iznosio je 12285,71 t
pa je proizvodnja godinje prosjeno opadala za 333,33 t.
Primjer 7.
Wheatstonovim mostom izvreno je pet mjerenja jednog otpora pod istim okolnostima.
Dobijene su vrijednosti: 1584 , 1578 , 1586 , 1582 , 1581 .
Kolika je najvjerovatnija vrijednost mjerenog otpora ?
Rjeenje
Najvjerovatnija vrijednost mjerenog otpora je njegova aritmetika sredina:
R 1 R 2 R 3 R 4 R 5 1584 1578 1586 1582 1581
1582,2
5
5
Pretpostavimo da su vrijednosti o mjerenoj veliini smjetene u polju elija A2:E2.
Prosjenu vrijednost mjerenog otpora moemo izraunati kao na slici 8.
R
Slika 8.
Primjer 8.
U jednoj kompaniji je zaposleno 10 ljudi koji rade na prodaji automobila. U toku prolog
mjeseca prodali su: 14, 22, 7, 12, 15, 9, 11, 15, 25, 20 novih automobila.
Izraunati aritmetiku sredinu broja novoprodatih automobila.
Rjeenje
Aritmetika sredina broja prodatih novih automobila odgovara koliniku sume ukupnog broja
prodatih automobila i broja zaposlenih radnika:
x 1 x 2 ... x 10 14 22 7 12 15 9 11 15 25 20 150
15
10
10
10
Dakle, prosjean broj novoprodatih automobila po zaposlenom je 15.
U ovom primjeru imamo populaciju pa smo u oznaci za aritmetiku sredinu koristili grko
slovo . Naravno, Excel ne pravi razliku i na identian nain (slika 9.) kao i u prethodnim
primjerima izraunava prosjenu vrijednost.
Slika 9.
Primjer 9.
U jednoj dravi ocijenjen je ukupan broj ljudi koji gledaju TV svaki dan u sedmici, od
ponedjeljka do nedjelje. Rezultati dati u milionima gledalaca poev od ponedjeljka su:
Izraunati aritmetiku sredinu.
Rjeenje: 87 miliona gledalaca u prosjeku svaki dan u sedmici gleda TV (slika 10.).
Slika 10.
x x 2 ... x 8 91,9 89,8 90,6 93,9 78 77,1 87,7 609
1
87 mil. gledalaca
8
8
8
10
Primjer 10.
Na slici 11. u polju elija A1:C25 date su kvartalne prodaje odreenih proizvoda u mil. $ u
periodu od 1990-te do 1995. godine.
Odrediti centrirane pokretne sredine posredstvom funkcije AVERAGE i kvartalne sezonske
indekse metodom odnosa prema pokretnim sredinama.
Slika 11.
Rjeenje
Na slici 1. date su vrijednosti za centrirane pokretne sredine i prikazane odgovarajue
sintakse; izraunate vrijednosti odgovaraju vrijednostima izraza:
1 1
y t m
M 2
k 1
y t k
1
y t m , t m 1, ..., (n - m).
2
Kako je broj lanova kod etvorokvartalnog prosjeka paran, M = 4, i m = M/2 = 2,

gornji izraz postaje:
1
1 1
1
y t2
y t k y t 2 , t 3, ..., 22.
4 2
2
k 1
Za prva dva kvartala nije mogue izraunati centriranu pokretnu sredinu.

Za trei kvartal centrirana pokretna sredina (t = 3) je:
11
1 11
1
y 1 y 2 y 3 y 4 y 5 6,7 4,6 10 12,7 6,5 8,4750

42
2 42
2
i odgovara sintaksi: =AVERAGE(AVERAGE(C2;C6);C3:C5).
Za etvrti kvartal centrirana pokretna sredina (t = 4) je:
11
1 1 4,6
4,6
10 12,7 6,5
y2 y3 y4 y5 y6
8,450
42
2 4 2
2
11
i odgovara sintaksi: =AVERAGE(AVERAGE(C3;C7);C4:C6), i td.

Centrirana pokretna sredina vezana za trei kvartal (t = 3):
11
1 11
1
y 1 y 2 y 3 y 4 y 5 6,7 4,6 10 12,7 6,5 8,4750

42
2 42
2
takoe, odgovara i sintaksi: =AVERAGE(AVERAGE(C2:C5);AVERAGE(C3:C6)), koja je
prikazana na slici 12. Sada je dovoljno miem selektovati eliju D4 (u kojoj se nalazi
izraunata vrijednost) i kursor mia postaviti na donji desni ugao
selektovane elije; sa pojavom znaka "+", drei tipku mia i povlaei je
nanie (elije D5:D23), Excel e se potruditi da nam izrauna sve ostale
vrijednosti koje odgovaraju centriranim pominim sredinama.
Slika 12.
Za izraunavanje tipinih sezonskih indeksa razvijeno je nekoliko metoda a najee
koriteni metod je metod odnosa prema pokretnim sredinama.
Originalni podaci u elijama C2:C25 sadre trend (T), ciklinu komponentu (C), sezonsku
komponentu (S), i sluajnu komponentu (I).
Izraunavanjem centriranih pokretnih sredina iz originalnih podataka su odstranjene
komponente S i I, tako da nai podaci sada nose informaciju o trendu i ciklinoj komponenti.
Dakle, dijeljenjem originalnih podataka sa odgovarajuim centriranim pokretnim sredinama
dobijamo vrijednosti koje sadre komponente S i I.
Ovo su specifini sezonali i mnoenjem njihovih vrijednosti sa brojem 100 moemo im dati
formu indeksa. Prvi sezonal za ljeto 117,994 (elija E4 na slici 13.) odgovara koliniku
vrijednosti u eliji C4 i prve centrirane pokretne sredine u eliji D4.
Sada je miem potrebno selektovati eliju (E4) u kojoj se nalazi kolinik vrijednosti u
elijama C4 i D4 i pojavom znaka "+" u donjem desnom uglu, uz dranje tipke mia
povlaimo je nanie (elije E5:E23). Proraunska tablica Excel e se potruditi da nam
izrauna sve ostale vrijednosti koje odgovaraju kolinicima originalnih vrijednosti i
odgovarajuih centriranih pokretnih sredina. Kompletni rezultati dati su na slici 13.
12
Slika 13.
Na kraju je potrebno izraunati aritmetike sredine iz svih tipinih zimskih, proljenih, ljetnih
i jesenskih indeksa pa je zato nae podatke potrebno filtrirati. Usrednjavanjem, iz naih
filtriranih podataka, posredstvom funkcije AVERAGE eliminiemo sluajnu komponentu I,
tako da dobijamo etiri indeksa koji ukazuju na tipine sezonske indekse.
13
Aritmetiku sredinu sezonskih jesenjih indeksa moemo izraunati kao na slici 14.
Slika 14.
Analogno, aritmetike sredine zimskih, proljenih i ljetnih indeksa iznose:
Suma aritmetikih sredina jesenjih, zimskih, proljenih i ljetnih indeksa je: 400,9248369 pa
je zato potrebno izvriti dodatnu korekciju za iznos 400/400,9248369=0,997693241.
Tako dobijamo tipine indekse:
Prosjean indeks je 100.
Indeks za ljeto nam ukazuje da je prodaja proizvoda 14,14% iznad prodaje prosjenog
kvartala.
Indeks za jesen nam ukazuje da je prodaja proizvoda 51,9 % iznad prodaje prosjenog
kvartala.
Indeks za zimu nam ukazuje da je prodaja proizvoda 23,51 % ispod prodaje prosjenog
kvartala.
Indeks za proljee nam ukazuje da je prodaja proizvoda 42,53% ispod prodaje prosjenog
kvartala.
14
Aritmetike sredine sezonskih jesenjih, zimskih, proljenih i ljetnih indeksa moemo

izraunati i posredstvom sintaksi prikazanim na slikama 15, 16 i 17.
Slika 15.
Slika 16.
Slika 17.
15
AVERAGEA
Postavlja aritmetiku sredinu vrijednosti u popisu argumenata. Pored brojeva ova funkcija u
raun ukljuuje tekst i logike vrijednosti kao to su TRUE i FALSE.
Sintaksa
AVERAGEA ( value ; value2 ; ...)
Value1, value2, ... su 1 do 30 argumenata, opsega elija ili vrijednosti za koje elimo
izraunati prosjenu vrijednost.
Napomene
Argumenti moraju biti brojevi, nazivi, polja ili reference.
Argumenti polja ili reference koji sadre tekst vrednuje se kao 0 (nula). Prazan tekstualni
niz ("") vrednuje se kao 0 (nula). Ako kod izraunavanja prosjeka ne smiju biti ukljuene
tekstualne vrijednosti, koristimo funkciju AVERAGE.
Argumenti koji sadre logike vrijednosti TRUE i FALSE vrednuju se kao 1, odnosno o.
Kada izraunavamo prosjek vrijednosti u elijama moramo imati na umu razliku izmeu
praznih elija i onih koje sadre
vrijednost nula, naroito ukoliko je
oien potvrdni okvir Zero values
na kartici View, naredba Options ,
izbornik Tools . Prazne elije se ne
ukljuuju kod izraunavanja za
razliku od vrijednosti nula.
Funkcija AVERAGEA postavlja
prosjenu vrijednost prema obrascu:
x x 2 ... x n 1
x 1
n
n
i 1
Primjer 1. Na podacima u polju A1:B9 prosjena vrijednost iznosi 0,556 (slika 1.).
Slika 1.
10
0,556
18
16
BETADIST
Ovu funkciju koristimo za izraunavanje vjerovatnoe beta raspodjele iju primjenu
susreemo u tehnici mrenog planiranja kod Pert metode. U okviru raznih projekata mora se
uzeti u obzir da je vrijeme realizacije svake od aktivnosti sluajnog karaktera. Zato se za
svaku aktivnost utvruju tri veliine trajanja:
optimistiko vrijeme trajanja
A
najee vrijeme trajanja m
pesimistiko vrijeme trajanja
B.
Optimistiko vrijeme trajanja A je vrijeme koje se moe postii u uslovima rada koji su
izuzetno povoljni. Ovo vrijeme se naziva i minimalno potrebno vrijeme za izvoenje
aktivnosti. Vrijeme trajanja m je vrijeme koje se javlja u normalnim uslovima rada i koje bi
se najee javljalo kada bi se aktivnost izvodila vie puta pod istim uslovima. Pesimistiko
vrijeme trajanja B je vrijeme koje se potrebno da se aktivnost izvede u uslovima rada koji su
izuzetno nepovoljni. Ovo vrijeme je najtee odrediti. Po pravilu ovo vrijeme bi se moglo
prekoraiti jedino u sluaju katastrofe. U primjenama se pokazalo da ima smisla pretpostaviti
da su A, m, i B reprezentativne vrijednosti beta raspodjele. Sada vrijednost x moe
predstavljati vrijeme sa beta raspodjelom izmeu granica A i B .
Sintaksa
BETADIST (x ; alpha ; beta ; A ; B)
x je vrijednost izmeu granica A i B za koju vrednujemo funkciju.
Alpha i Beta su parametri raspodjele. A je mogua donja, a B gornja granica intervala.
Napomene
Ako neki argument nije broj, BETADIST postavlja vrijednost greke #NAME?.
Ako je alfa 0 ili beta 0, funkcija BETADIST postavlja vrijednost greke #NUM!.
Ako je x < A, x > B, ili A = B, BETADIST postavlja vrijednost greke #NUM!.
Funkcija beta raspodjele sa parametrima i , u opsegu A x B, data je izrazom:
x
BETADIST(x; ;; A;B)
(u A) 1 (B u) 1 du
(B A)
u 1 (1 u) 1 du
0
Ako izostavimo vrijednosti za granice A i B, funkcija BETADIST koristi standardnu beta

raspodjelu, tako da je A = 0 i B = 1. Funkcija standardne beta raspodjele data je izrazom:
x
1
BETADIST(x; ;)
u 1 (1 u) 1 du
( ,)
0
gdje je B( , ) = ()*()/(+) u
0
(1 u)
du. Izraz (y)
-u
u y 1 du
predstavlja Gama funkciju.

Oekivana vrijednost i varijansa sluajne varijable X, odgovaraju izrazima:
17
( A)2

V(X)
( ) 2 ( 1)

Modalna taka m, odreuje se posredstvom izraza:
( - 1) ( - 1)
m
-2
(X)
Specijalno za vrijednosti parametara = 3 2

i = 3 2 , ili = = 4
dobijamo formule koje se najee koriste u PERT metodi:
BA 2
A 4 m B
V(X) (
)
E(X)
6
6
Primjer 1.
Date su vrijednosti parametara beta raspodjele, = 5 i = 2. Izraunati povrinu ispod ove
raspodjele od granice A do modalne take m, ako su vrijednosti granica A = 10, B = 30.
Rjeenje
Modalnu taku m, izraunavamo iz izraza:
( - 1) ( - 1) (2 - 1) 10 (5 - 1) 30 130
26
5 2-2
5
-2
Traenu povrinu, odnosno vjerovatnou, moemo izraunati posredstvom ugraene
Excelove funkcije BETADIST, kao na slici 1.
m
Slika 1.
Ova vrijednost, odgovara sljedeem tradicionalnom izrazu:
26
BETADIST(26;5;2;10;30)
10
(u 10)4 (30 u)du

1
0,65536.
20 6 u 4 (1 u)du
0
Modalna taka m u granicama za beta raspodjelu A = 0, B = 1 i za iste i jednaka je 0,8:
18
Primjer 2.
Na osnovu procijenjenih vremena A = 10, B =30, m = 26, i E(X) = 25 izraunati vrijednosti
parametara beta raspodjele. Dati grafiki prikaz raspodjele.
Rjeenje
Rjeenjem sistema

( - 1) ( - 1)
(X)
m

-2
po nepoznatim parametrima i , dobijamo:
( - 2 m) ( X )
( - 2 m) B ( X )
( - ) m ( X )
( A - B) m ( X )
Uvrtavanjem procijenjenih vrijednosti A = 10, B =30, m = 26, i E(X) = 25 izraunavamo
vrijednosti parametara beta raspodjele: = 9 i = 3.
Dakle, radi se o beta raspodjeli oblika:
x
(u 10) (30 u) du
8
BETADIST(x;9;3;10;30)
10
11
20 u8 (1 u)2 du
0
iji je grafiki prikaz dat na slici 2.
Slika 2.
Povrina ispod ove beta raspodjele do oekivane vrijednosti E(X) = 25 jednaka je:
Vidimo da je oekivana vrijednost manja od medijane (50% povrine), a ova od modusa, to

nam ukazuje da se radi o lijevo asimetrinoj raspodjeli.
Primjeri 3. i 4.
19
BETAINV
Pretpostavimo da nam je poznata povrina ispod beta raspodjele sa poznatim parametrima i
u intervalu od donje granice A do vrijednosti x-a (A x B), koju ne poznajemo. Ova
povrina, odnosno vjerovatnoa beta raspodjele odgovara funkciji BETADIST, odnosno
argumentu probability funkcije BETAINV, posredstvom koje izraunavamo vrijednost x-a.
x
BETADIST(x; ;; A;B)
(u A) 1 (B u) 1 du
(B A)
u 1 (1 u) 1 du
0
Sintaksa
BETAINV (probability; alpha; beta; A;B)
Probability je vjerovatnoa povezana sa beta raspodjelom.
Alpha i Beta su parametri raspodjele. A je mogua donja, a B gornja granica za interval od x.
Napomene
Ako neki argument nije broj, BETAINV postavlja vrijednost greke # NAME?.
Ako je alfa 0 ili 0, BETAINV postavlja vrijednost greke # NUM!.
Ako je argument probability 0 ili je probability 1, BETAINV postavlja vrijednost
greke # NUM!.
Ako ispustimo vrijednost za A i B, BETAINV koristi standardnu beta raspodjelu, tako da
je A = 0 i B =1.
BETAINV koristi iterativnu metodu za izraunavanje funkcije i zadatoj vrijednosti se
pribliava sve dok rezultat ne bude u intervalu 3 x 10-7. Ako se funkcija BETAINV ne
priblii nakon 100 iteracija, postavlja vrijednost greke # N/A.
Primjer 1.
Na osnovu procijenjenih vremena A = 5, B = 8 i vrijednosti parametara = 3+ 2 , = 3- 2
odrediti vrijednost x-a tako da odgovara povrini od 50 % ispod ove beta raspodjele.
Rjeenje
Posredstvom funkcije BETAINV( kao na slici 1.) izraunavamo vrijednost x-a koja odgovara
granici 50% povrine ispod beta raspodjele.
x
0,5
(u 5)
5
2 2
(8 u)2 2 du
3 u 2 2 (1 u)2- 2 du
5
Slika 1.
20
BINOMDIST
Neka je sluajna varijabla X jednaka broju opaenih uspjeha u n Bernoulli-jevih pokuaja;
mogue vrijednosti X-a su: 0, 1, 2, , n. Ako x oznaava broj uspjeha, gdje je x = 0, 1, 2,
, n, onda n-x oznaava broj neuspjeha. Broj naina odabira x pozicija za x uspjeha u n
pokuaja jednak je
n
n!

x x!(n x)!
Ovaj izraz nazivamo binomnim koeficijentom i on odgovara funkciji COMBIN (n;x).
Kako su pokuaji nezavisni a vjerovatnoe uspjeha i neuspjeha svakog pokuaja respektivno
p i q = 1- p, vjerovatnoa svakog od ovih naina odabira je px qn-x. Pripadajue vjerovatnoe
izraene formulom
n
f(x) p x (1 - p)n x , x 0,1,2,...,n.
x
zovemo binomnim vjerovatnoama, a za sluajnu varijablu X kaemo da ima binomnu
raspodjelu, koja pripada familiji diskretnih raspodjela.
Sintaksa
BINOMDIST (number_s; trials; probability_s; cumulative)
Number_s odgovara broju uspjeha x u provjerama. Trials je broj nezavisnih provjera n.
Probability_s predstavlja vjerojatnou uspjeha svake provjere p. Cumulative je logika
vrijednost koja odreuje oblik funkcije. Ako je logika vrijednost TRUE, tada BINOMDIST
odgovara kumulativnoj funkciji raspodjele koja predstavlja vjerojatnou da ima najvie x
(number_s ) uspjeha
x
BINOMDIST(x;n; p; TRUE)
i p (1 - p)
i
n i
i0
ako je FALSE, funkcija BINOMDIST odgovara pripadajuim binomnim vjerojatnoama koje

odgovaraju vjerojatnoama da ima tano x (number_s ) uspjeha
n
BINOMDIST(x;n; p;FALSE) f(x) p x (1 - p)n x
x
Napomene
Ako je n (trials ) = 1 mogue vrijednosti sluajne varijable X su: 0(neuspjeh), i 1(uspjeh);
za X kaemo da ima Bernoulli-jevu raspodjelu.
Binomni eksperiment ima sljedee osobine: Bernoulli-jev eksperiment (uspjeh neuspjeh) izveden je n puta, pokuaji su nezavisni, vjerovatnoa usjeha svakog pokuaja
je stalna i jednaka p, a neuspjeha q = 1- p.
Argumentima x (number_s) i n (trials )odbacuju se decimale.
Ako x (number_s), n (trials), ili p (probability_s) nije broj, BINOMDIST postavlja
vrijednost greke #NAME?.
Ako je x (number_s ) < 0 ili je x (number_s) > n (trials), BINOMDIST postavlja
vrijednost greke #NUM!.
Ako je p (probability_s) < 0 ili je p (probability _s) > 1, BINOMDIST postavlja vrijednost
greke #NUM!.
21
Oekivana vrijednost i varijansa sluajne varijable X su: = n*p , 2 = n* p* q = n*p*(1- p).

Primjer 1.
Pretpostavimo da binomni eksperiment sa n = 12 pokuaja ima vjerovatnou uspjeha
p = 0,22. Kolika je vjerovatnoa 5 uspjeha?
Rjeenje
Vjerovatnou da imamo tano x = 5 uspjeha, izraunavamo posredstvom izraza:
12
12
n
f(x) p x (1 - p)n x ; f(5) 0,22 5 (1 - 0,22)12 5 0,22 5 0,78 7 0,07
x
5
5
U proraunskoj tablici Excel do ove vrijednosti dolazimo veoma jednostavno posredstvom
ugraene funkcije BINOMDIST, kao na slici 1.
Slika 1.
Primjer 2.
U mnogim sluajevima zanima nas vie kolika je vjerovatnoa opsega uspjeha od
vjerovatnoe tanog broja uspjeha. Na podacima iz primjera 1. izraunati vjerovatnou da
imamo najvie 4 uspjeha iz 12 pokuaja.
Rjeenje
Vjerovatnou da imamo najvie x = 4 uspjeha, izraunavamo posredstvom izraza:
4
BINOMDIST(4;12;0,22; TRUE)
12
i 0,22 0,78
i
n i
0,8979
i0
Vjerovatnoa da imamo najmanje x = 5 uspjeha, iznosi:
22
Primjer 3.
Ako bacamo novi dvadeset puta, onda je za svako bacanje vjerovatnoa da e pasti "glava"
ili "pismo" 50%. Napisati odgovarajui izraz za vjerovatnou da od tih dvadeset bacanja
padne "pismo" x puta i izraunati pripadajue vjerovatnoe. Ako ovu igru sa noviem
kojeg bacamo dvadeset puta ponovimo 12000 puta izraunati teorijske frekvencije za
pojedine sluajeve.
Rjeenje
Sasvim je oito, da se u ovom primjeru, radi o binomnoj raspodjeli koja odgovara izrazu:
20
20
x
20 x
20
0,5
BINOMDIST(x;n 20; p 50%;FALSE) f(x) 0,5 (1 - 0,5)
x
x

Pretpostavljamo da mogu nastupiti sve diskretne mogunosti od x = 0 do x = 20.

Odgovarajue vjerovatnoe, odnosno frekvencije, su:
20
BINOMDIST(x; n 20; p 50%;FALSE) 0,5 20
x
2500
qp
3
0
3
npq
2000
1500
1000
500
0
0
1 2
3 4
5 6
7 8
9 10 11 12 13 14 15 16 17 18 19 20
1 6pq
4
0,5
3
3
2,9
4
npq
5
Izraunate binomne vjerovatnoe pomnoili smo sa brojem 12000 i dobijeni rezultat

zaokruili na cijeli broj i tako dobili frekvencije ponavljanja pojedinih sluajeva.
Dakle, kada bi se sve odigralo idealno po zakonima vjerovatnoe tada bi imali ovakvu
raspodjelu, meutim, kada bismo jedan ovakav eksperiment proveli u praksi, naravno da
neemo dobiti ove frekvencije, ali je sigurno da e brojevi koji se pri tome dobiju biti veoma
blizu izraunatim frekvencijama. Ako umjesto logike vrijednosti FALSE postavimo
vrijednost TRUE dobijene vjerovatnoe e odgovarati kumulativnoj raspodjeli, odnosno
vjerovatnoi da se desi najvie x uspjeha(u naem primjeru uspjeh je pojava pisma).
Naprimjer, vjerovatnoa da dobijemo najvie 11 pisama od dvadeset bacanja odgovara
izrazu:
11
BINOMDIST(x 11; n 20; p 50%; TRUE)
i0
20
0,5 20 0,748
i
Napomena:
Kod binomne raspodjele bie:
4
1 6pq
4
3
3
4
npq
samo u sluaju
ako je p
3 3
.
6
10 11 12 13 14 15 16 17 18 19 20
23
Primjer 4.
Pretpostavimo da na jednom testu imamo 6 pitanja na koja odgovaramo sa tano ili netano
iz materije koju ne poznajemo. ansa da odgovorimo tano, na prvo pitanje, iznosi 50%.
Slino, vjerovatnoa da pogodimo taan odgovor na preostala pitanja je, takoe, 50%.
Koja je vjerovatnoa da imamo:
Pitanje br. 1. Tano Netano
nula tanih odgovora ?
jedan taan odgovor ?
tri tana odgovora?
pet tanih odgovora?
Rjeenje
Izlaz u naem primjeru odgovara jednoj od dvije meusobno iskljuive kategorije,
imenovane, kao uspjeh(taan) ili kao neuspjeh(netaan). Broj pokuaja(proba), iznosi: n = 6,
a vjerovatnoa uspjeha pri svakom pokuaju je stalna i jednaka: p = 50%. Sasvim je oito, da
se ovdje radi o binomnoj raspodjeli koja odgovara sljedeem izrazu:
6
n
f(x) p x (1 - p)n x 0,5 6 , x 0,1,2,...,6.
x
x
Kada u ovaj izraz uvrstimo vrijednosti za x = 0, 1, 3, i 5, dobiemo vrijednosti koje
odgovaraju vjerovatnoama da imamo nula, jedan, tri i pet tanih odgovora, respektivno.
6
f(0) 0,56 0,015625
0
6
f(1) 0,5 6 0,09375
1
6
6
6
f(3) 0,5 6 0,3125 f(5) 0,5 0,09375
5
3
U proraunskoj tablici Excel do ovih vrijednosti dolazimo veoma jednostavno, prema

sljedeim sintaksama:
40%
30%
20%
10%
0%
0
Naravno, posredstvom funkcije BINOMDIST moemo izraunati i kumulativne

vjerovatnoe, naprimjer, vjerovatnou da imamo najvie jedan taan odgovor, da imamo
najmanje jedan taan odgovor, itd.
Vjerovatnoa da
imamo najvie jedan
taan odgovor, jednaka
je 10,9375%.
BINOMDIST(1;6;50%; TRUE)
i 0
6
0,5 6 10,9375%
i
Vjerovatnoa da imamo najmanje jedan taan odgovor, jednaka je 98,4375%.

98,4375% =1-BINOMDIST(0;6;50%;TRUE)
24
Primjer 5.
U jednoj binomnoj situaciji je n = 5 i p = 0,2. Odrediti vjerovatnoe za x = 1, i x = 3
koritenjem funkcije BINOMDIST.
Rjeenje
Funkcija BINOMDIST, odgovara izrazu:
5
n
BINOMDIST(x; n 5; p 0,2;FALSE) p x (1 - p)n x 0,2 x 0,8 5- x
x
x
a u proraunskoj tablici Excel, izraunavanje vjerovatnoe za x = 1, i x = 3, dato je na slici 2.
5
BINOMDIST(1;5;0,2;0) 0,2 0,8 4 0,4096
1
5
0,2 3 0,8 2 0,0512
3
Slika 2.
Grafiki prikaz ove raspodjele dat je na slici 3.
BINOMDIST(1;5;0,2;0) 0,4096
0,45
0,40
0,35
0,30
0,25
0,20
0,15
0,10
0,05
0,00
0
Slika 3.
Primjer 6.
Imamo binomnu situaciju kod koje je n = 4 i p = 0,25. Odrediti vjerovatnoe za x = 0, 1, 2,
3, i 4, koritenjem funkcije BINOMDIST.
Rjeenje
Odgovarajui izraz za funkciju BINOMDIST, glasi:
4
n
x
x
0,45
Pripadajue vjerovatnoe su:
0,40
0,35
0,30
0,25
0,20
0,15
0,10
0,05
0,00
0
25
Primjer 7.
U jednoj binomnoj situaciji broj pokuaja je n = 8 a vjerovatnoa uspjeha svakog pokuaja
pojedinano stalna je i iznosi p = 0,7. Odrediti vjerovatnoe za x = 0, 1, , 8, x 6 , i x > 4
koritenjem funkcije BINOMDIST.
Rjeenje
Posredstvom funkcije BINOMDIST, pojedinane vjerovatnoe da imamo tano x uspjeha,
raunamo prema izrazu:
8
n
x
x
Vrijednosti funkcije BINOMDIST, za x = 0, 1,8, date su na slici 4.
0,35
0,30
8
BINOMDIST(5;8;0,7;0) 0,7 5 0,3 3 0,2541
5
0,2965
0,2541
0,25
0,20
8
BINOMDIST(1;8;0,7;0) 0,7 0,3 7 0,0012
1
0,1977
0,1361
0,15
0,10
0,0576
0,0467
0,05
0,0001
0,0012
0,0100
0,00
2
Slika 4.
Odgovarajui izraz za funkciju BINOMDIST, da imamo najmanje 6 uspjeha, glasi:
x
BINOMDIST(x 6; n 8; p 0,7; TRUE)
i0
n x
p (1 - p)n x
x
i 0,7 0,3
i
8-i
i0
Vjerovatnoa da imamo najvie 6 uspjeha, iznosi: 0,744702 (slika 5.).
i0
8
0,7 i 0,3 8-i 0,7447
i
Slika 5.
Vjerovatnoa da imamo vie od 4 uspjeha, iznosi: 0,805896 i odgovara izrazu:
n
1 - BINOMDIST(x 4; n 8; p 0,7; TRUE)
i5
n i
p (1 - p)ni
i
i 0,7 0,3
i
8 -i
i 5
26
Primjer 8.
Posredstvom alata za analizu podataka "Random Number Generation" izvren je eksperiment
bacanja osamnaest kocaka. Povoljan ishod za ovaj eksperiment je pojava brojeva 3 ili 4.
Ako izmeu osamnaest brojeva, koji su se na

kockama pokazali, nije bilo ni broja 3 ni
broja 4, ishod je oznaen kao 0. Ako je
izmeu osamnaest brojeva bio jedanput broj
3 ili 4, ishod je oznaen kao 1 itd.
Posredstvom funkcije FREQUENCY je izvreno prebrojavanje i dobijene su frekvencije:
Ovaj eksperiment je izveden sa pretpostavljenom vjerovatnoom p = 2/6 = 1/3=0,33333.

Posredstvom funkcije BINOMDIST izraunati pripadne teoretske frekvencije i uporediti ih sa
frekvencijama dobijenim u eksperimentu.
Rjeenje
Pripadne teoretske frekvencije, za datu binomnu raspodjelu, odgovaraju izrazu:
18 1 x 2 18- x
f x 30000 BINOMDIST(x; n 18; p 1 / 3;FALSE) 30000
x 3 3
Ako umjesto x-a uvrstimo mogue povoljne ishode od x = 0, 1, 2, dobiemo:
18 2 18
f 0 30000 BINOMDIST(0;18;1 / 3;FALSE) 30000 20
0 3
18 1 2 17
f 1 30000 BINOMDIST(1;18;1 / 3;FALSE) 30000 183
1 3 3
18 1 2 2 16
f 2 30000 BINOMDIST(2;18;1 / 3;FALSE) 30000 776 itd.
2 3 3
27
Na slici 6. su izraunate sve pripadne teoretske frekvencije za x = 0, 1, 2, , 18.
Za binomnu raspodjelu vrijedi :

n
x x p
(1 - p)n x n p
x 0
18
18
x x 3 (1 - 3)
1
18 x
18/3 6
x 0
f x n x
p (1 - p)n x
N x
Slika 6.
Sve izraunate frekvencije su zaokruene na cijeli broj.
Na osnovu frekvencija dobijenih u eksperimentu moemo izraunati odgovarajuu vrijednost
n
18
p, prema sljedeem izrazu:
p
x f
x 0
Nn
x f
x 0
30000 18
0,33418333
Vidimo da se dobijeno p=0,33418333 razlikuje od vrijednosti p = 0,33333 koju smo uzeli

kod generisanja binomne raspodjele. Aritmetika sredina raspodjele koju smo generisali
iznosi 6,0153 i moemo je izraunati posredstvom sintakse:
6,0153 {=SUM(A2:A20*B2:B20/30000)}
Razliku izmeu ovih vrijednosti za p moemo tumaiti kao da kocke koje smo bacali ipak
nisu idealno simetrine.
Grafiki prikazi eksperimentalnih i teoretskih frekvencija dati su na slici 7.
6000
n
5000
x f
x 0
Nn
18
x f
x 0
30000 18
0,33418333
4000
3000
2000
1000
0
0
10
11
12
13
14
15
16
17
18
Slika 7.
Ako bismo umjesto p=0,33333 uzeli p=0,33418333 teotretske frekvencije bi se jo bolje
slagale sa frekvencijama dobijenim u eksperimentu.
28
Primjer 9.
Posredstvom binomnog generatora sluajnih brojeva u Minitabu 12.1 (kao na slici)
simulirana su tri eksperimenta bacanja dvanaest kocaka. Povoljni ishodi u eksperimentima su
pojave neparnih brojeva. Ako izmeu dvanaest brojeva, koji su se na kockama pokazali, nije
bilo brojeva 1, 3, i 5 ishod je oznaen kao 0. Ako je izmeu dvanaest brojeva bio jedanput
broj 1, 3, ili 5, ishod je oznaen kao 1, itd. U eksperimentima je generisano 50000 ishoda.
Izvriti analizu ovih eksperimenata posredstvom nekih od raspoloivih statistikih softvera.

Rjeenje
Nakon generisanja sluajnih brojeva koji odgovaraju rezultatima eksperimenata izvrena su
prebrojavanja povoljnih ishoda (Minitab 12.1):
C1
0
1
2
3
4
5
6
7
8
9
10
11
12
N=
Count
8
137
822
2649
6114
9799
11159
9729
5952
2657
807
153
14
50000
Variable
C1
C2
C3
Percent
0,02
0,27
1,64
5,30
12,23
19,60
22,32
19,46
11,90
5,31
1,61
0,31
0,03
N
50000
50000
50000
C2
0
1
2
3
4
5
6
7
8
9
10
11
12
N=
Count
14
125
806
2730
6120
9649
11196
9664
6065
2673
778
165
15
50000
Mean
5,9937
5,9966
6,0078
Percent
0,03
0,25
1,61
5,46
12,24
19,30
22,39
19,33
12,13
5,35
1,56
0,33
0,03
Median
6,0000
6,0000
6,0000
Postavlja se pitanje, da li izmeu eksperimentalnih

i teorijske raspodjele frekvencija postoji statistiki znaajna
C3
0
1
2
3
4
5
6
7
8
9
10
11
12
N=
Count
10
173
775
2674
5960
9559
11454
9738
5956
2696
856
139
10
50000
Percent
0,02
0,35
1,55
5,35
11,92
19,12
22,91
19,48
11,91
5,39
1,71
0,28
0,02
Opisna statistika nam

pokazuje da se
prosjene vrijednosti u
eksperimentima(kolona
Mean) neto razlikuju
od teorijske prosjene
vrijednosti np=6.
29
razlika na nivou znaajnosti = 5%?

Pripadne teorijske frekvencije, za datu binomnu raspodjelu, odgovaraju izrazu:
12 1
f x 50000 BINOMDIST(x; n 12; p 1 / 2;FALSE) 50000
x 2
Ako umjesto x-a uvrstimo mogue povoljne ishode 0, 1, 2, ,12 dobiemo:
12 1
f 0 50000 BINOMDIST(0; n 12; p 1 / 2;FALSE) 50000
0 2
12
12
12,2
12
12 1
f 1 50000 BINOMDIST(1; n 12; p 1 / 2;FALSE) 50000 146,5
1 2
12 1
f 2 50000 BINOMDIST(2; n 12; p 1 / 2;FALSE) 50000
2 2
...................................................................................................................
f 12
12
12 1
50000 BINOMDIST(12; n 12; p 1 / 2;FALSE) 50000
12 2
805,7
12
12,2
U nastavku su prikazane sve pripadne teorijske frekvencije za x = 0, 1, 2, , 12.

x
0
1
2
3
4
5
6
7
8
9
10
11
12
ft
12,2
146,5
805,7
2685,5
6042,5
9668,0
11279,3
9668,0
6042,5
2685,5
805,7
146,5
12,2
Na osnovu frekvencija dobivenih u eksperimentu moemo izraunati odgovarajue

n
12
vrijednosti za p, prema sljedeem izrazu:
x f
x f
p
x 0
N n
x 0
50000 12
Vidimo da se dobivene vrijednosti za p = 0,49948; 0,49971; 0,50065 razlikuju od

pretpostavljene vrijednosti p = 0,5. Odgovarajue 2 vrijednosti za 11 stepeni slobode iznose
respektivno: 9,39694; 9,87070; i 17,1874. Kritina 2 vrijednost za 11 stepeni slobode i nivo
znaajnosti = 5% iznosi: 19,675138. Kako su sve izraunate 2 vrijednosti na
eksperimentalnim podacima manje od kritine 2 vrijednosti to moemo rei da nemamo
dovoljno razloga da odbacimo nultu hipotezu Ho, koja pretpostavlja da razlike izmeu
eksperimentom dobivenih frekvencijskih raspodjela i teorijske raspodjele nisu statistiki
30
znaajne na nivou = 5%. Ako bismo umjesto p = 0,5 uzeli p = 0,49948; 0,49971, i 0,50065
teorijske frekvencije bi se jo bolje slagale sa odgovajuim frekvencijama dobivenim u
eksperimentu. Slijede odgovarajua izraunavanja posredstvom stat. paketa Statistika 6.
Variable: Var1, Distribution: Binomial, p = 0,49948 (bdist 9pr)
Kolmogorov-Smirnov d = 0,00196,
Chi-Square = 8,71536, df = 11, p = 0,64815
Observed Cumulative Percent Cumul. % Expected
Cumulative Percent
Category
Frequency
Observed Observed Observed Frequency
Expected Expected
<= 0,00000
8
8
0,01600
0,0160
12,36
12,36
0,02472
137
1,00000
145
0,27400
0,2900
148,02
160,39
0,29605
2,00000
822
967
1,64400
1,9340
812,43
972,82
1,62487
3,00000
2649
3616
5,29800
7,2320
2702,45
3675,27
5,40489
4,00000
6114
9730 12,22800
19,4600
6067,79
9743,06 12,13558
5,00000
9799
19529 19,59800
39,0580
9688,16
19431,22 19,37633
6,00000
11159
30688 22,31800
61,3760
11279,22
30710,45 22,55845
7,00000
9729
40417 19,45800
80,8340
9647,69
40358,13 19,29538
8,00000
5952
46369 11,90400
92,7380
6017,20
46375,33 12,03439
9,00000
2657
49026
5,31400
98,0520
2668,72
49044,05
5,33743
10,00000
807
49833
1,61400
99,6660
798,94
49842,99
1,59788
11,00000
153
49986
0,30600
99,9720
144,96
49987,95
0,28992
14
50000
12,00000
0,02800 100,0000
12,05
50000,00
0,02411
< Infinity
0
50000
0,00000 100,0000
0,00
50000,00
0,00000
Cumul. % ObservedExpected Expected

0,0247
-4,361
0,3208
-11,025
1,9456
9,567
7,3505
-53,447
19,4861
46,209
38,8624
110,835
61,4209
-120,223
80,7163
81,312
92,7507
-65,196
98,0881
-11,717
99,6860
8,059
99,9759
8,042
100,0000
1,945
100,0000
0,000

Chi-Square = 9,67187, df = 11, p = 0,56012
Cumulative Percent Cumul. % ObservedCategory
Frequency
Expected Expected Expected Expected
<= 0,00000
14
14
0,02800
0,0280
12,29
12,29
0,02458
0,0246
1,7087
1,00000
125
139
0,25000
0,2780
147,33
159,62
0,29465
0,3192
-22,3263
2,00000
806
945
1,61200
1,8900
809,37
968,98
1,61873
1,9380
-3,3663
3,00000
2730
3675
5,46000
7,3500
2694,80
3663,78
5,38959
7,3276
35,2042
4,00000
6120
9795 12,24000
19,5900
6056,34
9720,12 12,11268
19,4402
63,6582
5,00000
9649
19444 19,29800
38,8880
9679,04
19399,16 19,35808
38,7983
-30,0420
6,00000
11196
30640 22,39200
61,2800
11279,27
30678,44 22,55855
61,3569
-83,2746
7,00000
9664
40304 19,32800
80,6080
9656,87
40335,31 19,31374
80,6706
7,1299
8,00000
6065
46369 12,13000
92,7380
6028,63
46363,94 12,05725
92,7279
36,3730
9,00000
2673
49042
5,34600
98,0840
2676,32
49040,25
5,35264
98,0805
-3,3192
10,00000
778
49820
1,55600
99,6400
801,98
49842,23
1,60395
99,6845
-23,9756
11,00000
165
49985
0,33000
99,9700
145,65
49987,88
0,29129
99,9758
19,3534
12,00000
15
50000
0,03000 100,0000
12,12
50000,00
0,02425 100,0000
2,8767
< Infinity
0
50000
0,00000 100,0000
0,00
50000,00
0,00000 100,0000
0,0000

Chi-Square = 16,20690, df = 11, p = 0,13362
Cumulative Percent Cumul. % ObservedCategory
Frequency
Expected Expected Expected Expected
<= 0,00000
10
10
0,02000
0,0200
12,02
12,02
0,02403
0,0240
-2,017
1,00000
173
183
0,34600
0,3660
144,59
156,60
0,28917
0,3132
28,414
775
2,00000
958
1,55000
1,9160
797,30
953,90
1,59460
1,9078
-22,299
3,00000
2674
3632
5,34800
7,2640
2664,60
3618,50
5,32920
7,2370
9,399
5960
4,00000
9592 11,92000
19,1840
6011,00
9629,50 12,02200
19,2590
-51,000
5,00000
9559
19151 19,11800
38,3020
9642,70
19272,21 19,28540
38,5444
-83,702
6,00000
11454
30605 22,90800
61,2100
11279,18
30551,39 22,55836
61,1028
174,818
7,00000
9738
40343 19,47600
80,6860
9693,10
40244,49 19,38621
80,4890
44,896
8,00000
46299 11,91200
92,5980
6074,00
46318,49 12,14800
92,6370
-118,002
5956
9,00000
2696
48995
5,39200
97,9900
2706,60
49025,10
5,41321
98,0502
-10,603
10,00000
856
49851
1,71200
99,7020
814,10
49839,20
1,62820
99,6784
41,900
11,00000
0,27800
99,9800
148,40
49987,60
0,29681
99,9752
-9,405
139
49990
12,00000
10
50000
0,02000 100,0000
12,40
50000,00
0,02480 100,0000
-2,399
< Infinity
0
50000
0,00000 100,0000
0,00
50000,00
0,00000 100,0000
0,000
U kolonama Expected Frequency nalaze se teorijske frekvencije binomne raspodjele za

vrijednosti vjerovatnoe povoljnih ishoda iz eksperimenta 0,49948; 0,49971, i 0,50065.
Odgovarajue 2 vrijednosti (za 11 stepeni slobode) iznose respektivno:8,71536; 9,67187; i
16,2069. Kritina 2 vrijednost za 11 stepeni slobode i nivo znaajnosti = 5% iznosi
19,675138. Ovi rezultati su jo povoljniji u korist prihvatanja nulte hipoteze Ho u odnosu na
one koje smo dobili u odnosu na binomnu raspodjelu kod koje je vjerovatnoa uspjeha 50%.
31
CHIDIST
Neka X ima gama raspodjelu sa parametrima = 2 i = df / 2, gdje je df pozitivni cijeli broj.
Funkcija gustine f(x) ima oblik
f(x)
1
( ) 2
df
2
df
2
df
2
x
2
, o x .
Za X kaemo da ima raspodjelu sa df stepeni slobode. Oekivana vrijednost i varijansa

hi-kvadrat raspodjele su: = (df/2) * 2 = df , 2 = (df/2) * 22 = 2*df.
Funkcija CHIDIST izraunava vjerovatnou koja odgovara 2 raspodjeli prema izrazu:
CHIDIST(x ; df deg_freedom)
2
df
2
df
2
df
1
2
u
2
e du
Sintaksa
CHIDIST (x ; deg_freedom)
X je vrijednost za koju elimo ocijeniti raspodjelu. Deg_freedom (df) je broj stepeni slobode.
Napomene
Ako neki argument nije broj, CHIDIST postavlja vrijednost greke #NAME?.
Ako je x negativan, CHIDIST postavlja vrijednost greke #NUM!.
Ako deg_freedom nije cijeli broj, decimale se odbacuju.
Funkcija gustine f(x) odgovara sintaksi GAMMADIST(x; df/2; 2; FALSE).
Ako deg_freedom < 1 ili deg_freedom 1010, CHIDIST postavlja vrijednost
greke #NUM!.
Primjer 1.
Neka X ima hi-kvadrat raspodjelu sa df = 5 stepeni slobode. Izraunati vjerovatnoe
P( X 11,071) i P( X 1,145).
Rjeenje
P( X 11,071) = 0,95
P( X 1,145) = 0,95
11,071
1 - CHIDIST(11,071;5) 1
5
2
2 ( )
CHIDIST(1,145;5)
1
5
2
5
2
2 ( )
5
2
3
2
3
2
u
2
e du 0,95
u
2
e du 0,95
1,145
32
Primjer 2.
X ima hi-kvadrat raspodjelu sa 7 stepeni slobode. Izraunati vjerovatnou P( X 13).
Rjeenje
Posredstvom ugraene Excelove funkcije CHIDIST, vjerovatnou P( X 13) moemo
izraunati kao na slici 1.
Slika 1.
CHIDIST(x 13; df 7)
1
7
2
2 ( )
7
2
7
1
2
u
2
e du 0,0721
13
Primjer 3.
Ako X ima hi-kvadrat raspodjelu sa 15 stepeni slobode izraunati vjerovatnou P( 9 < X < 16).
Rjeenje
P( 9 < X < 16) = 49,547% (slika 2.).
Slika 2.
Primjer 4.
Ako u prosjeku u prodavnicu dolazi 30 kupaca u toku jednog sata u skladu sa Poissonovim
procesom, koja je vjerovatnoa da e prodavac morati ekati due od 9,39 minuta da stignu
prvih devet kupca?
Rjeenje
Prosjean broj dolazaka u minuti je =1/2. Odavde imamo =2 i =df/2=9. Ako X oznaava
vrijeme ekanja dok 9-ti kupac stigne, X je 2 raspodjela sa 18 stepeni slobode.
Vjerovatnoa da e prodavac morati ekati due od 9,39 minuta iznosi:
33
CHIINV
Pretpostavimo da nam je poznata vjerovatnoa koja odgovara hi-kvadrat raspodjeli za
poznati broj stepeni slobode df, prema izrazu:
CHIDIST(x ; df deg_freedom)
df
u2
df
e 2 du
2 2 ( df2 ) x
Ovoj vjerovatnoi moemo pridruiti odgovarajuu vrijednost x =2.
posredstvom Excelove funkcije CHIINV.
Sintaksa
CHIINV (probability; deg_freedom)
Probability je vjerovatnoa koja odgovara 2 raspodjeli.
Deg_freedom je broj stepeni slobode.
Napomene
Ako neki argument nije broj, CHIINV postavlja vrijednost greke #NAME?.
Ako je probability < 0 ili probability > 1, CHIINV postavlja vrijednost greke #NUM!.
Ako deg_freedom nije cijeli broj, odbacuju se decimale.
Ako je deg_freedom < 1 ili je deg_freedom 1010, CHIINV postavlja vrijednost
greke #NUM!.
CHIINV koristi iterativni postupak za izraunavanje funkcije. Zadatoj vrijednosti
vjerovatnoe, CHIINV iterira do opsega 3 x 10-7. Ako CHIINV ne konvergira nakon
100 iteracija, funkcija postavlja vrijednost greke #N/A.
Primjer 1.
Ako X ima 2 raspodjelu sa 7 stepeni slobode izraunati konstantu a tako da je
P( X > a) = 0,95.
Rjeenje
Poznata vjerovatnoa 0,95 odgovara 2 raspodjeli, odnosno izrazu:
CHIDIST(x a; df 7)
1
7
2
u 2 e 2 du 0,95
2 ( 27 ) a
Konstantu a izraunavamo posredstvom funkcije CHIINV, kao na slici 1.
Slika 1.
34
CHITEST
Posredstvom ove funkcije izraunavamo vjerovatnou koja odgovara 2 - testu, odnosno
vjerovatnou, koja odgovara izrazu:
CHIDIST( ; df)
df
x2
df
e 2 dx
df
) 2
2
Koristi se kod testiranja hipoteze da su dva obiljeja elemenata osnovnog skupa meusobno
nezavisna, testiranja hipoteze da raspodjela osnovnog skupa ima odreeni oblik, itd.
2 2 (
Sintaksa
CHITEST (actual_range ; expected_range)
Actual_range je opseg podataka koji sadri opaene ili originalne frekvencije.
Expected_range je opseg podataka koji sadri teorijske ili oekivane frekvencije.
Napomene
Ako actual_range i expected_range imaju razliit broj podataka, CHITEST postavlja
vrijednost greke #N/A.
CHITEST prvo rauna 2 statistiku, odnosno sabira razlike opaenih frekvencija od
oekivanih prema standardnoj formuli
2
i 1
j 1
(A ij E ij )2
E ij
pri emu oznake imaju sljedee znaenje: Aij = opaena frekvencija u i-tom redu, j-toj
koloni; Eij = oekivana frekvencija u i-tom redu, j-toj koloni; r = broj redova; c = broj
kolona. Nakon toga, postavlja vrijednost vjerovatnoe za izraunatu 2 statistiku i broj
stepeni slobode - df, gdje je df = (r - 1) (c - 1).
Primjer 1.
Pretpostavimo da smo u toku istraivanja zavisnosti izmeu spola i motiva studiranja na
jednom postdiplomskom studiju, na uzorku od 600 studenata, dobili sljedee rezultate,
prikazane takozvanom kontingencijskom tablicom:
Postavljamo nultu hipotezu da motiv studiranja ne zavisi od spola studenata. Frekvencije u

ovoj tablici odgovaraju opaenim ili originalnim frekvencijama Aij. Na osnovu ovih
frekvencija uz pretpostavku istinitosti nulte hipoteze izraunavamo teorijske ili oekivane
frekvencije, tako da se proizvod odgovarajue sume kolone i sume reda podijeli sa veliinom
uzorka. Tako dobijamo sljedee teorijske frekvencije:
134 241
53,8233
600
134 166
37,0733
600
134 159
35,51
600
134 34
7,59333
600
35
466 241
466 166
466 159
466 34
187,1767
128,9267
123,49
26,40667
600
600
600
600
Izraunate teorijske ili oekivane frekvencije predstavljamo takoe tablicom, kao na slici 1.
Slika 1.
Sada emo izraunati
- statistiku :
2
i 1
j 1
(A ij E ij ) 2
E ij
Broj stepeni slobode u naem primjeru je df = (r - 1) (c - 1)= (4 - 1) (2 - 1) = 3.

Kritina 2 vrijednost za nivo znaajnosti 5% iznosi: 7,815 (=CHIINV(5%;3)).
Kako je izraunati 2 = 6,791 manji od kritinog 2 na nivou 5% to nemamo razloga da
odbacimo nultu hipotezu o nezavisnosti spola i motiva studiranja.
Povrina koja se nalazi desno od izraunate vrijednosti 2 = 6,791 jednaka je vrijednosti
integrala
CHIDIST(6,791;3)
x 2 e 2 dx 0,07886
3
3
2 2 ( ) 2
2
i vidimo, da je ona vea od kritine vriednosti od 5%. Ova vrijednost ustvari odgovara
vrijednosti koju na naim podacima postavlja ugraena Excelova funkcija CHITEST.
U polju elija B2:C5 nalaze se originalne frekvencije koje upisujemo kao argument
Actual_range, a u polju B9:C12 nalaze se teorijske frekvencije (Expected_range).
36
Primjer 2.
Na jednom uzorku od 310 uposlenika testiramo nivo njihovog zadovoljstva na poslu u
odnosu na primanja. Podaci ankete dati su u kontingencijskoj tablici na slici 2. Hi-kvadrat
testom utvrditi da li su na nivou 0,05 plaa i zadovoljstvo na poslu nezavisni.
Slika 2.
Rjeenje
Postavljamo nultu hipotezu da zadovoljstvo na poslu uposlenika ne zavisi od njihove plae.
Frekvencije u ovoj tablici odgovaraju opaenim ili originalnim frekvencijama Aij. Na osnovu
ovih frekvencija uz pretpostavku istinitosti nulte hipoteze izraunavamo teorijske ili
oekivane frekvencije, tako da se proizvod odgovarajue sume kolone i sume reda podijeli sa
veliinom uzorka. Tako dobijamo sljedee teorijske frekvencije:
160 50
160 200
160 60
25,806452
103,22581
30,967742 itd.
310
310
310
Posredstvom funkcije CHITEST izraunavamo vjerovatnou Hi-kvadrat testa:
Kako je izraunata vjerovatnoa na naim podacima vea od nivoa 0,05 to nemamo razloga
da odbacimo nultu hipotezu, koja pretpostavlja nezavisnost plae i zadovoljstva na poslu.
Broj stepeni slobode u naem primjeru je df = (r - 1) (c - 1)= (3 - 1) (3 - 1) = 4.
Kritina 2 vrijednost za nivo znaajnosti 5% iznosi: 9,4877285 (=CHIINV(5%;4)).
Kako je izraunati 2 = 8,9124921=CHIINV(0,0633242;4) manji od kritinog 2 na nivou
5% to nemamo razloga da odbacimo nultu hipotezu o nezavisnosti plae i zadovoljstva na
poslu. Povrina koja se nalazi desno od izraunate vrijednosti 2 = 8,9124921 jednaka je
vrijednosti integrala
1
CHIDIST(8,9124921;4)
4
x e 2 dx 0,0633242
8,9124921
Vrijednost hi-kvadrat testa moemo izraunati direktno iz anketnih podataka(kont. tablica):

2 moemo izraunati takoe direktno, na bazi podataka iz kontingencijske tablice:
37
Primjer 3.
Na podacima iz prethodnih primjera provesti hi-kvadrat test posredstvom statistikog softvera
Minitab Release 12. Rezultati Hi-kvadrat testa na podacima iz Primjera 1. dati su na slici 3.
i 1
j 1
(A ij E ij ) 2
E ij
CHIDIST(6,791;3)
1
3
3
2 2 ( )
2
x 2 e 2 dx 0,079
6 ,791
Slika 3.
Rezultati Hi -kvadrat test na podacima iz Primjera 2. dati su na slici 4.
i 1 j 1
(Aij E ij )2
E ij
1
CHIDIST(8,91;4)
4
8,91
x e 2 dx 0,063
8,91
Slika 4.
38
Primjer 4.
Na nivou znaajnosti =1%, potrebno je ispitati da li je uspjeh uenika na kvalifikacionom
ispitu za upis na fakultet nezavisan od njihovog uspjeha u srednjoj koli. Sluajan uzorak
izvuen iz skupa kandidata za upis na fakultet dao je rezultat prikazan sljedeom tabelom:
Rjeenje
U ovoj kontingencijskoj tablici su prikazane empirijske (opaene) frekvencije A ij za ij-tu
kombinaciju modaliteta dva obiljeja, koje u cilju testiranja hipoteze o nezavisnosti treba
uporediti sa oekivanim frekvencijama E ij .
Pretpostavimo da je naa kontingencijska tablica smjetena u polju elija kao na slici 5.
Oekivane frekvencije izraunavamo posredstvom formule polja koju aktiviramo
istovremenim pritiskom na tipke Ctrl, Shift, i Enter prema sintaksi prikazanoj na istoj slici,
tako to prvo selektujemo podruje elija gdje emo ih smjestiti (B11:D13).
Slika 5.
Vrijednost 2 izraunavamo posredstvom izraza, odnosno sintakse:
r
c
(A ij E ij )2
2
157,2843823

df (r 1) (c 1)
E
ij
i 1 j 1
(3 1) (3 1) 2 2 4
SUM((B4 : D6 B 11 : D13) 2 / B 11 : D13)

Na nivou znaajnosti = 1% kritina 2 vrijednost jednaka je 13,2766986 = CHIINV(1%;4).
Poto je u naem primjeru izraunata vrijednost 2 =157,2844>13,2767, odbaciemo nultu
hipotezu i zakljuiti da uspjeh uenika u srednjoj koli i na kvalifikacionom ispitu nisu
nezavisni. Uenici koji su postigli bolji uspjeh u srednjoj koli pokazuju bolje rezultate i na
kvalifikacionom ispitu, i obrnuto. Povrinu ispod 2 rasporeda sa df = 4 stepena slobode,
desno od vrijednosti 2 = 157,2843823 moemo izraunati posredstvom funkcije CHIDIST:
39
Do ove vrijednosti moemo doi bez prethodnog izraunavanja 2 vrijednosti. Odluku o

prihvatanju ili odbacivanju nulte hipoteze moemo donijeti veoma brzo posredstvom funkcije
CHITEST, kao na slici 6.
Slika 6.
Kako je izraunata vjerovatnoa 5,58822*10 manja od nivoa znaajnosti = 1% to nam
ukazuje na injenicu da treba odbaciti nultu hipotezu i usvojiti alternativnu.
Na slici 7. je pokazano kako se do ove vjerovatnoe moe doi i bez prethodnog
izraunavanja oekivanih frekvencija E ij , jer to umjesto nas moe uraditi funkcija CHITEST.
-33
Slika 7.
Dakle, do rezultata moemo doi veoma brzo samo na osnovu empirijskih frekvencija.
Testiranje hipoteze o nezavisnosti modaliteta obiljeja datih tabelom kontingencije moe se
donijeti odluka o prihvatanju ili odbacivanju hipoteze o njihovoj nezavisnosti. Ako H 0
odbacimo, vrijednost 2 testa ne daje informaciju o jaini njihove meuzavisnosti. Intenzitet
povezanosti posmatranih modaliteta mjerimo tada koeficijentom kontingencije C, koji se
izraunava prema formuli:
2
C
n 2
gdje je n ukupan broj opaanja u tabeli kontingencije, odnosno veliina uzorka.
40
Koeficijent kontingencije uzima vrijednosti od 0 do 1, i to je blii jedinici to je veza

modaliteta posmatranih obiljeja vra.
U naem primjeru koeficijent kontingencije iznosi:
2
157,2843823
0,48918
2
n
500 157,2843823
U proraunskoj tablici Excel za izraunavanje vrijednosti koeficijenta kontingencije moemo
koristiti funkciju kvadratnog korijena, SQRT:
C
Minimalna vrijednost koeficijenta kontingencije jednaka je nuli, ali njegova maksimalna

zavisi od broja posmatranih modaliteta i znatno je manja od jedinice kada je ovaj broj manji.
Ako se tabela kontingencije sastoji od jednakog broja modaliteta (r = c) za oba obiljeja,
maksimalna vrijednost koeficijenta kontingencije odreuje se prema obrascu:
r1
r
2
0,8165.
to u naem primjeru odgovara maksimalnoj vrijednosti : C max
3
Kako je izraunati C = 0,48918 blii vrijednosti 0,8165 nego 0,
to znai da je slaganje uspjeha u srednjoj koji i na kvalifikacionom ispitu relativno visoko.
C max
Primjer 5.
Provjeriti hipotezu o nezavisnosti broja saobraajnih prekraja od starosti vozaa, na nivou
znaajnosti = 1% na osnovu podataka iz tabele kontingencije na slici 8.
Rjeenje
Oekivane frekvencije modaliteta "4" i "5 i vie" izraunate su na istoj slici:
Slika 8.
Kako modalitet "5 i vie" prekraja ima male oekivane frekvencije (manje od 5) to emo taj
modalitet spojiti sa prethodnim "4" prekraja i onda izraunati vrijednost 2.
Modalitet "4 i vie" prekraja, ima sljedee frekvencije:
Pregrupisani podaci na osnovu kojih izraunavamo vjerovatnou 2 testa dati su na slici 9.

41
Slika 9.
Kako je izraunata vjerovatnoa 3,84511*10 manja od nivoa znaajnosti = 1% to nam
ukazuje na injenicu da treba odbaciti nultu hipotezu i usvojiti alternativnu.
Vrijednost 2 u ovom primjeru moemo izraunati prema sintaksi:
-32
Kako je ova vrijednost vea od 2 kritine vrijednosti za nivo znaajnosti = 1% i 9 stepeni

slobode (koja iznosi 21,67) to hipotezu o nezavisnosti odbacujemo i zakljuujemo da broj
saobraajnih prekraja nije nezavisan od starosti vozaa. Neki autori smatraju da oekivana
frekvencija kada je uzorak dovoljno velik, moe biti i manja od 5, ak manja i od 1.
I u ovom sluaju
odbacujemo nultu hipotezu o
nezavisnosti
42
Primjer 6.
Prost sluajan uzorak dao je sljedei rezultat:
Uporedite ova dva rasporeda pomou 2 testa i

analizirajte dobijeni rezultat, na nivou
znaajnosti = 5%.
oekivane
frekvencije Eij
Rjeenje
i 1
j 1
(A ij E ij )2
E ij
5,053 2,592 6,460 0,051 8,095 5,793 2,123
10,647 5,462 13,611 0,108 17,058 12,207 4,473 93,734
Kritina 2 vrijednost za df = 6 stepeni slobode, jednaka je:
df = (r-1)*(c-1)
df = (7-1)*(2-1)
df = 6
Kako je izraunato 2 = 93,734 > 12,592 to odbacujemo nultu hipotezu o nezavisnosti

modaliteta obiljeja pola i visine linog dohotka.
Odgovarajua povrina ispod 2 rasporeda, desno od izraunate vrijednosti 2 = 93,734 za
6 stepeni slobode jednaka je vjerovatnoi koju postavlja funkcija CHITEST:
Kako je ova vrijednost manja od nivoa znaajnosti =5% to odbacujemo nultu hipotezu H0.
43
Primjer 7.
Anketa o prednosti koju kupci automobila daju pojedinim karakteristikama, sprovedena
pomou prostog sluajnog uzorka, dala je sljedei rezultat:
Ispitajte na nivou znaajnosti = 2 %:

da li su razlike u spolu statistiki znaajne za izbor prilikom kupovine automobila;
intenzitet veze izmeu posmatranih modaliteta obiljeja.
Rjeenje
Da bismo odredili da li su razlike u spolu statistiki znaajne za izbor prilikom kupovine
automobila moramo prvo izraunati 2 vrijednost. Pretpostavimo da se naa tablica nalazi
u polju elija kao na slici 10.
Aij
Kako je izraunata
vrijednost
0,000124326
manja od 0,02 to
odbacujemo nultu
hipotezu H 0 .
Razlike u spolu su statistiki znaajne za izbor

prilikom kupovine automobila
Slika 10.
2 = 20,652 > 9,837=2 0,02;3

CHIINV(2%;3)= 9,837=2 0,02;3
Koeficijent kontingencije iznosi:
n 2
20,65194395
0,329125
170 20,65194395
44
Primjer 8.
U cilju preferencija potroaa prema jednoj vrsti prehrambenog proizvoda, izabran je sluajan
uzorak koji je dao sljedei rezultat:
Na nivou znaajnosti
= 5% ispitajte
hipotezu da sklonost
potroaa prema tom
proizvodu ne zavisi
od njihovog dohotka.
Rjeenje
Na slici 11. vidimo da meu oekivanim frekvencijama ima i onih koje su manje od 5, pa
emo modalitet "600 i vie" spojiti prethodnom "530-600".
Slika 11.
Na osnovu pregrupisane tabele na slici 12. sada izraunavamo 2:
Slika 12.
3
i 1
j 1
(A ij E ij )2
E ij
75,584
r = 3, c = 3
df = 2*2 = 4
CHIDIST(x 2 75,584; df deg_freedom 4)

1
u e
u
2
du 1,4989847E 15
Nulta hipoteza (sklonost potroaa

75,584
prema ovoj vrsti prehrambenog proizvoda ne zavisi od njihovog dohotka) se odbacuje.
45
Primjer 9.
Testirajte pomou 2 testa znaajnost razlike izmeu prevoznika robe na osnovu podataka u
tabeli na slici 13. na nivou znaajnosti = 5 %.
Rjeenje
Povrina ispod 2 rasporeda sa 2 stepena slobode desno od izraunate 2 vrijednosti jednaka
1,77789*10-5 manja je od nivoa znaajnosti = 5 %. To nam ukazuje, da nultu hipotezu
koja govori da su modaliteti prevoza robe nezavisni od tipa saobraaja, treba odbaciti.
df 2
5%
21,87
5,99
du
21,87
i 1
j 1
(A ij E ij )2
E ij
Slika 13.
2
i 1
j 1
(A ij E ij )2
E ij
i 1
j 1
(A ij E ij )2
E ij
46
Primjer 10.
Sluajno odabrani uzorci (n1 = n2 = 80) iz dvije grupe studenata dali su sljedei rezultat:
Testirajte na nivou znaajnosti od = 5%
da li postoje znaajne razlike u postignutim
rezultatima, odnosno moe li se smatrati da
profesori imaju bitno razliite kriterijume, s
obzirom da jednu grupu ispituje jedan a
drugu grupu drugi profesor.
Rjeenje
Na slici 14. je pokazano kako se na osnovu opaenih mogu izraunati oekivane frekvencije,
odnosno pojedinane vrijednosti u izrazu za 2. Kako je izraunata vrijednost 2 = 3,75 manja
od kritine vrijednosti 5,99 (koja odgovara nivou znaajnosti = 5 %) 2 raspodjele sa dva
stepena slobode to nemamo razloga da odbacimo nultu hipotezu.
i 1
j 1
(A ij E ij )2
E ij
df 2
5%
5,99
Slika 14.
Na slici 15. je posredstvom funkcije CHITEST izraunata povrina ispod 2 raspodjele desno
od 3,75 sa df = 2. Kako je ova povrina vea od 5% to ne odbacujemo hipotezu H0.
df 2
15,3% > 5%
15,3%
H0 se ne odbacuje
3,75
Slika 15.
47
Primjer 11.
Izvren je opit od 300 bacanja kocke i zabiljeen je sljedei tezultat:
Da li su empirijske frekvencije realizovane u ovom opitu saglasne oekivanim?

Rjeenje
Vjerovatnoa svakog od ovih modaliteta (svake strane kocke) da se javi u jednom bacanju
iznosi 1/6 (raspored vjerovatnoa je uniformni).
Moemo formulisati hipotezu: H 0 : p 1 = p 2 = p 3 = p 4 = p 5 = p 6 = 1/6
H 1 : p i p j , i=1,2,3,,6; i j
gdje p i predstavlja relativnu frekvenciju istog modaliteta u skupu.
Testiranje saglasnosti frekvencija u ovakvim sluajevima (kada je broj modaliteta vei od
dva) zasniva se na odstupanjima oekivanih od empirijskih frekvencija u uzorku.
Mjera tog odstupanja odreena je izrazom:
r
(A i E i )2

Ei
i 1
gdje su A i i E i empirijska i oekivana frekvencija respektivno za svaki od r modaliteta.
Vrijednost ove statistike u naem primjeru izraunata je na slici 16.
2
Slika 16.
Vrijednost statistike moemo izraunati posredstvom funkcije SUM:
2
Ova vrijednost odgovara tradicionalnom izrazu:

r
i 1
(A i E i )2
Ei
Broj stepeni slobode df = r - m -1

r broj posmatranih modaliteta
m broj parametara koji se mogu ocijeniti
(60 50)2 (36 50)2 (30 50)2 (63 50)2 (51 50)2 (60 50)2
19,32
50
50
50
50
50
50
Ako bismo opit od 300 bacanja ponovili mnogo puta i poslije svakih 300 bacanja izraunali
vrijednost 2 statistike dobili bismo niz vrijednosti 2, iji bi histogram frekvencija priblino
pokazivao vjerovatnou javljanja pojedinih 2 vrijednosti pa i vjerovatnou da je 2=19,32.
48
Primjer 12.
Pretpostavimo da je sluajan uzorak od 2400 lica, izvuenih iz skupa od 960000
nezaposlenih dao sljedei rezultat:
Primjenom 2 testa treba ispitati, na nivou
znaajnosti = 5 %, da li se raspored
nezaposlenih lica po kolskoj spremi
razlikuje od oekivanog (uniformnog)
samo u granicama sluajnosti, odnosno
mogu li se ovih 2400 nezaposlenih lica
smatrati kao uzorak iz skupa u kome su
sva etiri modaliteta kolske spreme
podjednako zastupljena.
Rjeenje
Oekivana frekvencija za svaki modalitet bie 2400/4=600, ako je nulta hipoteza istinita.
Vrijednost 2 testa izraunavamo posredstvom funkcije CHITEST, kao na slici 17.
Ei
Ai
df = r - m -1
df = 4-0-1=3
5%
1,59%
Oblast prihvatanja
Slika 17.
Napisano na tradicionalan nain, vrijednost 2 statistike u naem primjeru, jednaka je:
4
i 1
(A i E i )2 (560 600)2 (570 600)2 (660 600)2 (610 600)2
10,33331
Ei
600
600
600
600
Broj stepeni slobode bie df = r-m-1= 4-0-1 =3. Imamo etiri modaliteta i jednu restrikciju ,
poto je ukupna frekvencija 2400 koriena za odreivanje oekivanih frekvencija.
Ovu vrijednost moemo izraunati i posredstvom sljedeih sintaksi:
=CHIINV(0,015935181;3)=10,33331={=SUM((B3:B6-C3:C6)^2/ C3:C6)}
Naravno, vrijednost 2 statistike nije potrebno izraunavati da bismo mogli donijeti odluku o
tome da li nultu hipotezu treba odbaciti ili prihvatiti. Poto je u naem primjeru 1,59 % < 5%,
zakljuiemo, na nivou znaajnosti od = 5%, da se hipoteza o jednakom udjelu
posmatranih modaliteta kolske spreme nezaposlenih lica odbacuje.
49
Primjer 13.
Pretpostavimo da na podacima tabele na slici 18. treba ispitati da li je empirijski raspored
(relativno uee) proizvoaa bijele tehnike na tritu saglasan planiranom (oekivanom) na
osnovu sluajnog uzorka. Nivo znaajnosti = 1%.
Sintakse
posredstvom
kojih smo
izraunali
oekivane
frekvencije
date su na
slici 18.
Slika 18.
Rjeenje
Posredstvom funkcije CHITEST (slika 19.) veoma jednostavno moemo ustanoviti da li je
empirijski raspored proizvoaa bijele tehnike na tritu saglasan oekivanom.
1
u e 2 du
4
43
1,03479E 08
Slika 19.
Kako je postavljeni rezultat 1,03479*10 < 0,01 to odbacujemo postavljenu nultu hipotezu.
Broj stepeni slobode u ovom primjeru je df = r-m-1= 5-0-1= 4.
2 statistiku koja odgovara vjerovatnoi 2 testa moemo izraunati na sljedei nain:
-08
Kritina vrijednost na nivou 1% iznosi:
Poto je 2 = 43 > 13,277 to odbacujemo nultu hipotezu.Dakle, na osnovu funkcije CHITEST

izraunavamo povrinu ispod 2 raspodjele desno od 2 statistike, odnosno od vrijednosti 2 =
43. Ovu povrinu koja odgovara vjerovatnoi uporeujemo sa vjerovatnoom nivoa
znaajnosti . Kako je vrijednost koju postavlja CHITEST manja od nivoa to znai da se
odgovarajua 2 statistika nalazi desno od kritine vrijednosti za dati prag znaajnosti,
odnosno daje nam pravo da postavljenu nultu hipotezu na ovom novou znaajnosti odbacimo.
Vrijednost 2 testa odgovara sljedeoj vrijednosti funkcije CHIDIST:
50
CONFIDENCE
Ako sluajne uzorke veliine n izvlaimo iz neke populacije sa aritmetikom sredinom i
standardnom devijacijom , aritmetika sredina uzorka x ima raspodjelu sa aritmetikom
sredinom i standardnom devijacijom x n koja odgovara standardnoj greki aritmetike

sredine; ovaj izraz koristimo bez obzira na veliinu uzorka kada je standardna devijacija
populacije poznata. Ako standardna devijacija populacije nije poznata ali se radi o velikom
uzorku (n 30) standardnu devijaciju populacije zamjenjujemo standardnom devijacijom
uzorka s
1
n 1
(x x)
i
, tako da je s. Interval povjerenja izraunavamo tako to
i1
razlikux - pretvaramo u standardiziranu z vrijednost posredstvom izraza z x - n
(ili z x - n ) gdje granice moemo izraunati posredstvom funkcije NORMSINV, kao

s
na slici 1.
2
-z
Slika 1.
Vidimo da je za 95% koeficijent povjerenja (zove se i alfa nivo od 5%) z /2 vrijednost
jednaka 1,9599611 = NORMSINV(1 - alfa/2) = NORMSINV(1-5%/2) =
NORMSINV(97,5%), to odgovara intervalnoj ocjeni aritmetike sredine populacije:
x 1,9599
x - 1,9599
n
n
Ovo nam daje za pravo da sa vjerovatnoom 95% moemo tvrditi da se aritmetika sredina
populacije nalazi u untervalu

s
s
ili x - 1,9599
, x 1,9599
x - 1,9599 n , x 1,9599 n
n
n
Funkcija CONFIDENCE odgovara izrazu
s
CONFIDENCE(; ;n) z
, odnosno : CONFIDENCE(; s; n) z
n
n
2
2
2
pa za interval aritmetike sredine populacije , moemo napisati:

x - CONFIDENCE(; ;n) x CONFIDENCE(; ; n) odnosno :
x - CONFIDENCE(; s;n) x CONFIDENCE(; s;n)
Sintaksa
CONFIDENCE (alpha ; standard_dev ; size)
Alpha () je nivo signifikantnosti (znaajnosti). Nivo povjerenja, odnosno koeficijent
povjerenja jednak je 1 - alfa, ili drugim rijeima, alfa = 1% oznaava koeficijent povjerenja od
99%. Standard_dev () je standardna devijacija populacije. Size (n) je veliina uzorka.
51
Napomene
Koeficijent povjerenja 1- odgovara vjerovatnoi:
P( x - z
x z
)
2
2
n
n
Ako neki argument nije broj, CONFIDENCE postavlja vrijednost greke #NAME?.
Ako je alfa 0 ili je alfa 1, CONFIDENCE postavlja vrijednost greke #NUM!.
Ako je standard_dev 0, CONFIDENCE postavlja vrijednost greke #NUM!.
Ako size nije cijeli broj, decimalna se mjesta odbacuju.
Ako je size < 1, CONFIDENCE postavlja vrijednost greke #NUM!.
Primjer 1.
Poznata je standardna devijacija normalno rasporeene populacije = 2, kao i aritmetika
sredinax = 15,8 izraunata na uzorku veliine n = 90. Odrediti interval povjerenja za
aritmetiku sredinu populacije , za = 5%.
Rjeenje
2
2
1,9599611
0,413196076
90
90
Posredstvom funkcije CONFIDENCE izraunavamo maksimalnu toleranciju greke, kao na
2
n
2
1,9599611
90
0,413196076
CONFIDENCE(5%;2;90) z 2,5%
Slika 2.
slici 2. tako da je interval povjerenja za aritmetiku sredinu populacije:
x - CONFIDENCE(; ; n) x CONFIDENCE(; ; n) odnosno: 15,387 16,213
Primjer 2.
U jednom eksperimentu ljekara ispitivana je duina sna pacijenata, koji su lijeeni od
odreene bolesti. Izvuen je sluajan uzorak od 16 pacijenata i izmjereno je vrijeme (u min)
spavanja ovih pacijenata: 435, 533, 393, 458, 525, 481, 324, 437, 348, 503, 383, 395, 416,
553, 500, i 489. Ako se prihvati da vrijeme spavanja ima normalnu raspodjelu sa
standardnom devijacijom = 70 i nepoznatom aritmetikom sredinom , ocjeniti srednje
vrijeme spavanja pacijenata intervalom povjerenja, sa koeficijentom povjerenja 1- = 99%.
Rjeenje
Interval povjerenja za , odreen je granicama: x CONFIDENCE(1%;70;16);
Aritmetiku sredinu x izraunavamo posredstvom funkcije AVERAGE, kao na slici 3.
52
Slika 3.
Maksimalna tolerancija greke za koeficijent povjerenja 99% izraunata je na slici 4.
P(-z
2
99%
x -
n z)
2
z 2,575834
2
z
2
2,5758345
70
16
45,077
Slika 4.
Sada lako izraunavamo interval povjerenja za : 403,2354 < < 493,3896.
Primjer 3.
Na sluajan nain je odabrano n = 360 studenata jednog grada i izmjerene su im duine
stopala. Iz tog uzorka je dobijeno x = 27,2 cm i s = 2,5 cm. Sa koeficijentom povjerenja
1- = 90% intervalno ocjeniti srednju duinu stopala studenata.
Rjeenje je dato na slici 5.
P(-1,645
-1,645
x - 1,644853
x -
n 1,645 90%
s
1,645
s
s
x 1,644853
n
n
Slika 5.
Interval povjerenja za jednak je: 26,98 < < 27,42.
53
CORREL
Izraunava koeficijent korelacije izmeu dva opsega vrijednosti array1 i array2.
Sintaksa
CORREL ( array1 ; array2 )
Array1 je jedan, a array2 drugi opseg vrijednosti.
Napomene
Argumenti moraju biti brojevi, nazivi, polja ili reference koje sadre brojeve.
Ako argument u obliku polja sadri tekst, logike vrijednosti ili prazne elije, te se
vrijednosti zanemaruju; meutim, elije s vrijednou nula su ukljuene.
Ako array1 i array2 imaju razliit broj podataka, funkcija CORREL postavlja vrijednost
greke #N/A.
Ako je polje vrijednosti array 1 ili array2 prazno, ili ako je standardna devijacija
njihovih vrijednosti nula, CORREL postavlja vrijednost greke #DIV/0!.
Koeficijent korelacije, odnosno funkcija CORREL odgovara izrazu:
n
(x - x) (y y)
i
i 1
i 1
(x i - x)
1
n
i 1
(y i - y)
1
n
(x - x) (y y)
i
i 1
i 1
(x i - x)
1
n
(y i - y)2
COVAR xy
STDEVPx STDEVPy
i 1
Primjer 1.
Izraunati koeficijent proste linearne korelacije za podatke na slici 1.
Slika 1.
Koeficijent korelacije izraunat je na istoj slici, posredstvom funkcije CORREL.
COVAR(A2 : A9;B2 : B9)
362,2031
0,935844 CORREL( A 2 : A9;B 2 : B9)

STDEVP(A2 : A9) * STDEVP(B2 : B9) 19,59233 * 19,75435
54
Primjer 2.
Sljedea tabela sadri podatke o obimu prometa u 000 komada jednog prehrambenog artikla,
veliini poslovnog prostora u 00 m2 i udaljenost od centra grada u km, u sluajnom uzorku od
7 prodavnica.
Ocijeniti koeficijente viestruke linearne
Obim Poslovni Udaljenost
korelacije R i determinacije R2
prometa prostor od centra
posredstvom ugraenih Excelovih
y
x2
x1
funkcija CORREL i TREND.
120
4,2
2
150
180
30
75
60
75
4,2
5
3
3
3,2
3,4
1,5
2,5
1,5
0,5
1,5
1
R2 1
(y i y p )2
i1
7
(y
i1
y)
(y
y)2
(y
y)2
i 1
7
i 1
gdje je :
y p m2 x2 m1 x1 b
R R2
regresiona jednaina.
Rjeenje
Koeficijent viestruke linearne korelacije R je relativna mjera koja pokazuje stepen slaganja
varijacija u uzorku izmeu zavisne promjenljive y i grupe nezavisnih promjenljivih, u naem
primjeru x 1 i x 2 . Ovaj koeficijent uvijek poprima nenegativne vrijednosti: 0 R 1.
Dakle, on ne pokazuje smjer slaganja varijacija posmatranih pojava. Naravno, to je njegova
vrijednost blia jedinici stepen linearne veze je utoliko jai i u krajnjem sluaju kada dostie
vrijednost jedan ukazuje na postojanje funkcionalne veze izmeu zavisne i grupe nezavisnih
promjenljivih. Vrijednost R = 0 nam ukazuje na ne postojanje linearne veze izmeu
posmatranih pojava. Koeficijent viestruke linearne korelacije jednak je pozitivnom
kvadratnom korijenu koeficijenta viestruke determinacije R2.
Vrijednosti koeficijenta R posredstvom funkcije CORREL, izraunavamo kao na slici 2.
Vrijednost R = 0,9896 ukazuje

na visoku linearnu povevezanost
Slika 2.
Vrijednost koeficijenta viestruke determinacije R2 iznosi:
0,979336579 =CORREL(A2:A8;TREND(A2:A8;B2:C8))^2
Koeficijent viestruke determinacije
moemo izraunati i pomou vrijednosti
odreenih funkcijom CORREL:
2
ryx2 1 ryx2 2 2 ryx 1 ryx 2 rx 1 x 2

1 rx21 x 2
0,953623137 =CORREL(A2:A8;B2:B8)
0,617817217 =CORREL(A2:A8;C2:C8)
0,810356418 =CORREL(B2:B8;C2:C8)
R 0,97933657 9 0,9896
0,953623137 2 0,617817217 2 2 0,953623137 0,617817217 0,810356418

0,979336579
1 0,810356418 2
55
Primjer 3.
Na osnovu podataka u tabeli:
posredstvom funkcije CORREL ocijeniti koeficijente proste linearne korelacije izmeu

izdataka za reklamu i broja prodajnih mjesta, izdataka za reklamu i prihoda, i izmeu broja
prodajnih mjesta i prihoda. Zatim ocijeniti koeficijente parcijalne linearne korelacije izmeu
zavisne promjenljive i nezavisnih promjenljivih.
Rjeenje
Koeficijent proste linearne korelacije izmeu izdataka za reklamu x 1 i broja prodajnih mjesta
x 2 iznosi 0,374191635 (slika 3.).
(x
1i
- x 1 ) (x 2 i x 2 )
0 ,37419
i 1
(x
i 1
1i
- x 1)
(x
2i
x2)
Slika 3.
i 1
Koeficijenti proste linearne korelacije izmeu izdataka za reklamu i prihoda, i izmeu broja
prodajnih mjesta i prihoda iznose, respektivno:
0,414757531 =CORREL(B3:B12;D3:D12)
0,953747635 =CORREL(C3:C12;D3:D12)
Naravno, do vrijednosti koje odgovaraju koeficijentima proste linearne korelacije mogli smo
doi i posredstvom ugraenog alata za analizu podataka, Correlation:
x1
x2
y
x1
x2
1
0,37419
1
0,41476 0,95375
(x
1i
i 1
(x
i1
1i
1
n
- x 1 ) (y i y)
2
- x 1)
(y y)
i
i 1
0,4147 ;
1
n
(x
2i
x 2 ) (y i y)
i1
(x
i1
2i
x2)
1
n
(y - y)
i
0,9537
i1
56
Koeficijent parcijalne linearne korelacije izmeu prihoda i izdataka za reklamu uz

iskljuenje uticaja broja prodajnih mjesta odgovara izrazu:
r yx 1 x 2
r yx 1 r yx 2 r x 1 x 2
1 r yx2
1 r x2 x
0 ,4147 0 ,9537 0 ,37419
1 0 ,9537
1 2
1 0 ,37419
0 ,2076
Posredstvom funkcije CORREL i funkcije TREND, do ove vrijednosti koeficijenta parcijalne

linearne korelacije dolazimo kao na slici 4.
Slika 4.
Koeficijent parcijalne linearne korelacije izmeu prihoda i broja prodajnih mjesta uz
iskljuenje uticaja izdataka za reklamu, odgovara izrazu:
r yx 2 x 1
r yx 2 r yx 1 r x 1 x 2
2
1 r yx
1 rx
1x 2
0 ,9537 0 ,4147 0 ,37419

1 0 ,4147
1 0 ,37419
0 ,9463
Posredstvom funkcije CORREL i funkcije TREND, do ove vrijednosti koeficijenta parcijalne

linearne korelacije dolazimo kao na slici 5.
Slika 5.
Na osnovu dobijenih rezultata, vidimo da broj prodajnih mjesta x 2 ima vei relativni znaaj
na prihod y od izdataka za reklamu x 1 .
Korelaciona matrica koeficijenata proste linearne korelacije i izraunati koeficijenti
parcijalne korelacije izmeu zavisne promjenljive y i nezavisnih promjenljivih x 1 i x 2 , u
statistikom softveru Statistica 5.0 , dati su na slici 6.
Slika 6.
Izlazne tablice u statistikom softveru SPSS sa rezultatima ocijenjenih koeficijenata proste
linearne korelacije i koeficijenata parcijalne linearne korelacije, koji odgovaraju podacima u
naem primjeru, date su na slici 7.
57
- - -
P A R T I A L
C O R R E L A T I O N
Zero Order Partials
C O E F F I C I E N T S
-
- - P A R T I A L
C O R R E L A T I O N
C O E F F I C I E N T S
X1
X2
1,0000
(
0)
P= ,
,4148
(
8)
P= ,233
,3742
(
8)
P= ,287
Controlling for..
,4148
(
8)
P= ,233
1,0000
(
0)
P= ,
,9537
(
8)
P= ,000
X2
,3742
(
8)
P= ,287
,9537
(
8)
P= ,000
1,0000
(
0)
P= ,
X1
- - -
- - -
X2
X1
X1
1,0000
(
0)
P= ,
,2076
(
7)
P= ,592
,2076
(
7)
P= ,592
1,0000
(
0)
P= ,
(Coefficient / (D.F.) / 2-tailed

Significance)

Significance)
" , " is printed if a coefficient cannot

be computed
" , " is printed if a coefficient cannot be

computed
Controlling for..
X1
Y
X2
1,0000
(
0)
P= ,
,9463
(
7)
P= ,000
X2
,9463
(
7)
P= ,000
1,0000
(
0)
P= ,

Significance)
" , " is printed if a coefficient cannot
be computed
Slika 7.
Nain unoenja podataka o varijablama x 1 , x 2 , i y, kao i izlazne tablice u statistikom
softveru NCSS97, date su na slici 8.
Slika 8.
58
COUNT
Postavlja broj elija koje sadre brojeve i brojane vrijednosti u popisu argumenata.
Sintaksa
COUNT( value1 ; value2 ; ... )
Value1, value2, ... su 1 do 30 argumenata koji mogu sadravati ili upuivati na mnogo
razliitih vrsta podataka, ali se samo brojevi ubrajaju.
Napomene
Argumenti koji su brojevi, datumi, ili tekstualni prikazi brojeva ubrajaju se; argumenti
koji su vrijednosti greke, ili tekst koji ne moe biti preveden u brojeve, zanemaruju se.
Ako je argument polje ili referenca, ubrajaju se samo brojevi u tom polju ili referenci;
prazne elije, logike vrijednosti, tekst, ili vrijednosti greke u polju ili referenci se
zanemaruju . Ako trebamo izbrojiti logike vrijednosti, tekst, ili vrijednosti greke,
trebamo koristiti funkciju COUNTA.
Primjer 1.
Rezultati testova za jednog studenta dati su u polju elija A1:G1.
Koliko je ovaj student imao testova ? Rjeenje nam daje funkcija COUNT, kao na slici 1.
Slika 1.
Dakle, ovaj student je imao 7 testova. Na slici 1. takoe vidimo da kolinik sume postignutih
bodova na testovima i broja testova odgovara prosjenom broju bodova po jednom testu,
odnosno, rezultatu koji postavlja funkcija AVERAGE.
Primjer 2. Na slici 2. u polju elija A1:H2, funkcija COUNT vidi 8 elija.
Slika 2.
59
COUNTA
Broji elije koje nisu prazne i vrijednosti date u popisu argumenata.
Sintaksa
COUNTA( value1 ; value2 ; ...)
Value1, value2, ... su 1 do 30 argumenata koje predstavljaju vrijednosti koje elimo izbrojiti.
U tom sluaju, vrijednost je bilo koja vrsta informacije, ukljuujui i prazan tekstualni niz
("") ali ne i prazne elije. Ako je argument polje ili referenca, prazne elije unutar polja ili
reference se zanemaruju. Ako ne trebamo izbrojiti logike vrijednosti, tekst, ili vrijednosti
greke, koristimo funkciju COUNT.
Primjer 1.
Na slici 1. je pokazano kako funkcija COUNTA broji elije; pored elija koje sadre
numeriku vrijednost i datum izbrojane su i elije koje sadre logike vrijednosti TRUE i
FALSE, prazan tekstualni niz "", i vrijednost greke #DIV/0!.
Slika 1.
Posredstvom funkcije COUNT dobili bismo rezultat: COUNT(A1:A7) = 2. Na ovom
primjeru, lako uoavamo razliku u nainu brojanja izmeu funkcija COUNT i COUNTA.
Primjer 2.
Polje elija A1:A7 nazvali smo Podaci. Posredstvom funkcije COUNTA (slika 2.) i
upisivanjem imena Podaci na mjestu Value1, izbrojali smo sve elije koje nisu prazne.
Slika2.
60
COUNTIF
Unutar odreenog opsega elija broji one elije koje ispunjavaju zadani kriterij.
Sintaksa
COUNTIF( range ; criteria )
Range odgovara opsegu elija u kojem elimo prebrojiti elije prema zadanom kriteriju.
Argumentom Criteria se zadaje kriterij u obliku broja, izraza ili teksta i njim odreujemo koje
e se elije brojati.
Primjer 1.
Izvren je popis 300 studenata prema obiljeju "spol" i dobijeni su podaci, kao na slici 1.
Slika 1.
Napraviti raspored ovih studenata prema modalitetima "M" - muki i "" - enski.
Rjeenje
Broj studenata prema modalitetu "M" izraunavamo posredstvom ugraene Excelove
funkcije COUNTIF, kao na slici 2.
"M"
128
Slika 2.
Broj studenata prema modalitetu "" izraunavamo prema sintaksi:
61
Na slici 3. upotrijebljen je krug za grafiko prikazivanje serije na osnovu modaliteta M i .
Slika 3. Struktura 300 studenata prema spolu

Primjer 2.
Rezultati prinosa dvije sorte kukuruza u 16 razliitih uslova prikazani su u tabeli na slici 4.
Slika 4.
Pozitivne razlike A-B su oznaene sa 1, a negativne sa -1. Posredstvom funkcije COUNTIF
prebrojiti koliko je puta razlika A-B pozitivna .
Rjeenje
Razlika A-B ima
pet puta pozitivni
predznak.
62
COVAR
Posredstvom ove funkcije izraunavamo kovarijansu, odnosno prosjean stepen varijacija
obiljeja posmatranih pojava; za n poznatih parova taaka (x i , y i ), odgovarajui izraz, glasi:
1
COVAR
n
i 1
1
(x i - x) (y i y)
n
x y x y
i
i 1
Na osnovu ovog izraza moemo zakljuiti da se radi o nekoj vrsti centralne vrijednosti koja u
okviru posmatranih pojava karakterizira ukupnost svih varijacija, odnosno ukupnost
odstupanja svih podataka od njihovih aritmetikih sredina.
Sintaksa
COVAR (array1 ; array2)
Array1 je prvo polje elija. Array2 je drugo polje elija.
Napomene
Argumenti moraju biti brojevi ili nazivi, polja, ili reference koje sadre brojeve.
Ako neko polje ili referenca sadri tekst, logike vrijednosti ili prazne elije, te se
vrijednosti zanemaruju; meutim, elije s vrijednou nula su ukljuene.
Ako argumenti array1 i array2 imaju razliit broj podataka, funkcija COVAR postavlja
Ako je argument array1 ili array2 prazan, COVAR postavlja vrijednost greke #DIV/0!.
Pomou funkcija COVAR i VARP, odnosno COVAR i DEVSQ moemo izraziti
parametre linearne regresije m i b, odnosno funkciju linearne regresije, kao:
COVAR xy
VARPx
by
COVAR xy
yt y
VARPx
1
n
(x - x) (y y) (x - x) (y y)
i
i 1
1
n
(x - x)
i 1
x y
COVAR xy
n COVAR xy
DEVSQ x
COVAR xy
i 1
(x - x)
i
n COVAR xy
DEVSQ x
i 1
x y
n COVAR xy
n COVAR xy
x
VARPx
DEVSQ x
VARPx
DEVSQ x
Naravno u proraunskoj tablici Excel ima nekoliko gotovih funkcija kao to su SLOPE,
INTERCEPT, i LINEST posredstvom kojih moemo veoma jednostavno izraunati
parametre m i b, a samim tim i funkciju linearne regresije, tako da gornje izraze vie
navodimo kao neku vrstu povezivanja sa klasinom statistikom literaturom.
Metod kovarijanse za izraunavanje koeficijenta korelacije r je kovarijansa izmeu dvije
varijable podijeljena proizvodom standardnih devijacija svake varijable
COVAR xy
r
STDEVPx STDEVPy
Alat za analizu Covariance, u alatu za analizu podataka, koristi sljedeu formulu:
n
1
(x i - x) (y i y)
n - 1 i 1
63
Primjer 1.
Izraunati kovarijansu izmeu varijabli x i y.
Uspjeh iz
statistike x
36
50
60
65
70
80
90
100
Uspjeh iz
raunovodstva y
35
60
45
68
73
85
88
95
Rjeenje
Kovarijansa izmeu varijabli x i y iznosi 362,20 (Slika 1.).
Slika 1.
Odgovarajue sintakse i izraz prikazani su u nastavku. Kovarijansa izmeu uspjeha x i
uspjeha y odgovara aritmetikoj sredini podataka u polju elija E2:E9.
Ar itm e ti ka s redina
362,20 =AVERAGE($E$2:$E$9)
68,875 =AVERAGE(A2:A9)
68,625 =AVERAGE(B2:B9)
COVAR
=COVAR(A2:A9;B2:B9)
Slik a 2.
1 n
1 n
(x
68,875)
(y
6
8
,
625
)
i
x i y i 68,875 68,625 362,2
i
8 i1
8 i1
Slika 2.
64
CRITBINOM
Pretpostavimo da elimo rijeiti sljedeu nejednakost
x
BINOMDIST(x;n; p; TRUE)
i0
n i
p (1 - p)ni
i
odnosno, elimo izraunati najmanju vrijednost x -a za koju je kumulativna binomna

raspodjela vea ili jednaka od vrijednosti kriterija . Rjeenje nam daje funkcija
CRITBINOM.
Sintaksa
CRITBINOM(trials ; probability_s ; alpha)
Trials (n) je broj Bernoullijevih pokuaja. Probability_s (p) je vjerovatnoa uspjeha svakog
pokuaja. Alpha () je vrijednost kriterija.
Napomene
Ako neki argument nije broj, CRITBINOM postavlja vrijednost greke #NAME?.
Ako trials nije cijeli broj, odbacuju se decimale.
Ako je trials < 0, CRITBINOM postavlja vrijednost greke #NUM!.
Ako je probability_s < 0 ili probability_s > 1, CRITBINOM postavlja vrijednost greke
#NUM!.
Ako alpha < 0 ili alpha > 1, CRITBINOM postavlja vrijednost greke #NUM!.
Primjer 1.
Pretpostavimo da binomni eksperiment sa n = 10 pokuaja ima vjerovatnou uspjeha 80%.
elimo izraunati najmanju vrijednost x -a za koju je:
Rjeenje
x
10
0,8i 0,2 10 i 0,75
BINOMDIST(x;10;0,8; TRUE)
i
i0
Binomni histogram, pojedinane i kumulativne binomne vjerovatnoe, dati su na slici 1.
Slika 1.
Nejednakost
10
i 0,8 0,2
i
10 i
0,75
i0
rjeavamo posredstvom Excelove funkcije CRITBINOM:
Dakle, moemo rei da je najmanja vrijednost x -a za koju je kumulativna binomna

raspodjela vea od vrijednosti kriterija = 75 %, jednaka 9.
65
DEVSQ
Ova funkcija izraunava sumu kvadrata odstupanja podataka x i (i =1, 2, , n) od njihove
aritmetike sredine, prema izrazu:
n
n
n
1
2
2
x i )2
DEVSQ
(x i x)
xi (
n
i 1
i 1
i 1
Sintaksa
DEVSQ (number1 ; number2 ;)
Number 1, number 2, .... su 1 do 30 argumenata za koje elimo izraunati devijaciju.
Moemo takoe koristiti jednodimenzionalno polje ili referencu na polje umjesto argumenata
odvojenih separatorom.
Napomene
Argumenti moraju biti brojevi, nazivi, ili polja, odnosno reference koje sadre brojeve.
Ako argument u obliku polja ili reference sadri tekst, logiku vrijednost, ili prazne elije,
te se vrijednosti zanemaruju; meutim, elije s vrijednou nula su ukljuene.
Ako izraz za funkciju DEVSQ podijelimo sa n-1(veliina uzorka minus jedan) dobijamo
izraz koji odgovara varijansi uzorka; kvadratni korijen iz ovako dobijenog izraza
odgovara standardnoj devijaciji uzorka.
Ako imamo upisanu populaciju i podijelimo izaz za devijaciju sa N(veliina populacije)
dobijamo izraz koji odgovara varijansi populacije; kvadratni korijen iz ovako dobijenog
izraza odgovara standardnoj devijaciji populacije.
Primjer 1.
Izraunati sumu kvadrata odstupanja podataka 2, 3, 4, 5, 6 , 8, 10, i 10 od njihove srednje
vrijednosti. Pokazati na nekoliko naina kako se moe doi do rezultata.
Rjeenje
Aritmetiku sredinu, izraunavamo posredstvom izraza:
1
x
n
xi
i 1
x 1 x 2 ... x n 2 3 4 5 6 8 10 10 48
6.
8
n
8
Naravno, u proraunskoj tablici Excel do ove vrijednosti moemo doi posredstvom funkcije
AVERAGE :
Sumu kvadrata odstupanja podataka 2, 3, 4, 5, 6 , 8, 10, i 10 od njihove aritmetike sredine

x = 6, izraunavamo prema izrazu:
8
DEVSQ
(x 6)
i
i 1
(2 6) (3 6)2 (4 6)2 (5 6)2 (6 6)2 (8 6) 2 (10 6) 2 (10 6)2

16 9 4 1 0 4 16 16 66
Do ove vrijednosti u Excelu moemo doi posredstvom sintakse:
Ako 66 podijelimo sa 8-1 dobiemo vrijednost 9,4286 koja odgovara varijansi naeg uzorka.
66
Evo jo nekoliko naina kako se moe izraunati suma kvadrata devijacija datih vrijednosti
od njihove aritmetike sredine. Pretpostavimo da su podaci upisani kao na slici 1.
DEVSQ
(x 6)
i
16 9 4 1 0 4 16 16 66
i 1
Slika 1.
Posredstvom funkcije DEVSQ i selektovanjem polja elija A1:H1, na mjestu number1, dobili
smo isti rezultat. Naravno do ovog rezultata moemo doi i upisivanjem naih podataka kao
na slici 2. ili pak, na neki drugi nain.
16 9 4
104
16 16 66
Slika 2.
U ovom primjeru smo vidjeli samo dio onoga to nam nudi ova ugraena Excelova funkcija.
Naravno ona se moe iskoristiti i za razna izraunavanja tipa
k
DEVSQ
x
j 1
ji
i 1
to emo pokazati na sljedeem primjeru.
Primjer 2.
Ispitujemo djejstvo tri maine istog tipa na kvalitet cilindrinih dijelova koje one oblikuju.
Oznaimo maine sa A 1 , A 2 , i A 3 . Pretpostavimo da smo sluajno odabrali po est proizvoda
sa svake maine i dobili poprene presjeke kao na slici 3. Na rezultima jednofaktorske analize
67
varijanse komentarisati kako se do istih vrijednosti moe doi posredstvom funkcije DEVSQ.
Slika 3.
Rjeenje
Suma SS Total , sadraj elije E15, odgovara izrazu:
3
DEVSQ(A2 : C7)
x
x
x
x
j 1
2
i1
1i
i 1
2i
i 1
3i
i 1
x x 22 x x 23 x x 24 x x 25 x x 26 x
2
21
ji
x x 12 x x 13 x x 14 x x 15 x x 16 x
2
11
x x 32 x x 33 x x 34 x x 35 x x 36 x 642
Suma SS Within Groups = 221,667 (elija E13), odgovara izrazu:
SS Within Groups DEVSQ(A2 : A7) DEVSQ(B2 : B7) DEVSQ(C2 : C7)
2
31
Suma SS
= 420,333 (elija E12), odgovara izrazu:

SS Between Groups = 6*DEVSQ(G5:G7).
Ovu funkciju moemo koristiti i kao formulu polja. Pretpostavimo da elimo izraunati sumu
kvadrata devijacija razlika vrijednosti u poljima B2:B7 i A2:A7 od razlike njihovih
aritmetikih sredina. Kako se to radi posredstvom funkcije DEVSQ, vidimo na slici 4.
Between Groups
Slika 4.
68
Primjer 3.
U jednom prodajnom centru tokom dvanaest uzastopnih dana zabiljeene su cijene (x) i
prodane koliine (y) jednog prehrambenog artikla:
Date podatke predstaviti dijagramom rasprenja i izraunati: ukupnu varijaciju, objanjenu i

neobjanjenu varijaciju i koeficijent determinacije posredstvom funkcije DEVSQ.
Rjeenje
Na slici 5. prikazan je dijagram rasprenja na osnovu datih podataka o cijenama (x) i
prodanim koliinama (y).
Ukupnu devijaciju
izraunavamo prema
izrazu:
12
(y y)
i
i 1
Slika 5.
Na slici 6. je pokazano kako se posredstvom ugraene Excelove funkcije DEVSQ moe
izraunati ukupna varijacija.
12
DEVSQ( A3 : A14)
(y y)
i
6300
i 1
Slika 6.
Objanjenu i neobjanjenu varijaciju, te koeficijent determinacije, izraunavamo posredstvom
funkcije DEVSQ prema sintaksama:
Objanjena varijacija:
5601,111 =DEVSQ(TREND(A3:A14;B3:B14))
Neobjanjena varijacija:
698,889 =DEVSQ(A3:A14-TREND(A3:A14;B3:B14))
Koeficijent determinacije
0,88907 =DEVSQ(TREND(A3:A14;B3:B14))/DEVSQ(A3:A14)
12
i 1
12
( y p y) 2 5601,111
i 1
12
( y i y p )2 698,889
i 1
12
( y p y)2 /
(y y)
i
0,88907
i 1
69
EXPONDIST
Za sluajnu varijablu X kaemo da ima eksponencijalnu raspodjelu vjerovatnoe ako je
x
njena funkcija gustine odreena izrazom:
1
f x; e x e , 0 x ,
gdje je parametar = 1/ > 0. Funkcija EXPONDIST izraunava vrijednosti eksponencijalne

raspodjele, odnosno vrijednosti koje odgovaraju funkciji gustine ili funkciji raspodjele.
Funkcija eksponencijalne raspodjele, odgovara izrazu:
x
x
F x; e u du 1 e x 1 e , 0 x .
0
Sintaksa
EXPONDIST(x ; lambda ; cumulative)
X je vrijednost za koju vrednujemo funkciju EXPONDIST. Lambda () je parametar
raspodjele. Cumulative je logika vrijednost kojom odreujemo koji oblik eksponencijalne
funkcije treba primijeniti; ako je cumulative TRUE, funkcija EXPONDIST izraunava
vrijednosti funkcije raspodjele, ako je FALSE, izraunava vrijednosti funkciju gustine.
Napomene
Ako x ili lambda nije broj, EXPONDIST postavlja vrijednost greke #NAME?.
Ako je x < 0, EXPONDIST postavlja vrijednost greke #NUM!.
Ako je lambda 0, EXPONDIST postavlja vrijednost greke #NUM!.
Funkcija gustine vjerovatnoe, glasi:
EXPONDIST x; lambda ; FALSE e x
Funkcija raspodjele vjerovatnoe, glasi:
EXPONDIST x; lambda ; TRUE 1 e x
Inverznu eksponencijalnu raspodjelu, odnosno vrijednost x-a kada je poznata vrijednost
povrine koja odgovara izrazu EXPONDIST(x;lambda;TRUE) = p odreujemo
posredstvom obrasca:
1
1
1
LN
x LN
1 p
1p
gdje je LN funkcija prirodnog logaritma. Ova ugraena funkcija se nalazi u kategoriji
matematiko - trigonometrijskih funkcija.
Medijanu m koja odgovara vrijednosti p = 50%, moemo odrediti posredstvom izraza:
1
m LN0,5 LN0,5 LN2
Parametri eksponencijalne raspodjele (oekivana vrijednost i varijansa) su:

1
1
, 2 2
2
Primjer 1.
Neka X ima eksponencijalnu raspodjelu kod koje je aritmetika sredina = 20. Izraunati
ordinatu ove raspodjele za x = 7.
Rjeenje
7
Ordinata eksponencijalne raspodjele odgovara sintaksi, odnosno izrazu:
1 - 20
e
20
70
Primjer 2.
Oekivana vrijednost eksponencijalne raspodjele jednaka je = = 5. Izraunati ordinatu
funkcije gustine za x = 5 i povrinu ispod ove funkcije u intervalu od 0 do 5.
Rjeenje
Ordinata funkcije gustine za x = 5 jednaka je 0,0736 (slika 1.).
x 5
5
1 -5
0,2
5
f 5;0,2 0,2 e
e
0,07357888.
5
Slika 1.
Povrina ispod ove funkcije gustine u intervalu od 0 do 5 iznosi 0,63212 (slika 2.).
p 0,63212
x 5
F 5;0,2 1 e 0,25 1 e - 1 0,63212.
p 0,63212
x 5
Slika 2.
Medijanu moemo izraunati posredstvom izraza: m LN2 , kao na slici 3.
m 3,47
0,5
0,5
Slika 3.
m 3,47
Povrina ispod funkcije gustine u intervalu od 0 do 3,465736 jednak je 50%. Potvrdu dajemo
posredstvom funkcije EXPONDIST, prema sintaksi:
71
FDIST
Ova funkcija izraunava F raspodjelu vjerovatnoe prema izrazu:
df1 df2
df1
df1df2
df1 1
2
2
df1
df1 2
u 2
1
u
FDIST(x; df1; df2)
du
df2
df1 df2 df2
2 2
Sintaksa
FDIST(x ; deg_freedom1 ; deg_freedom2)
X je vrijednost koja odgovara koliniku varijansi i moe biti bilo koji pozitivan broj.
Deg_freedom1 (df1) odgovara broju stepeni slobode za brojilac a deg_freedom2 (df2) broju
stepeni slobode za nazivnik i mogu biti bilo koji pozitivni cijeli brojevi.
Napomene
Ako neki argument nije broj FDIST postavlja vrijednost greke #NAME?.
Ako je x negativan, FDIST postavlja vrijednost greke #NUM!.
Ako deg_ freedom1 ili deg_ freedom2 nije cijeli broj odbacuju se decimale.
Ako je deg _freedom1 < 1 ili je 1010, FDIST postavlja vrijednost greke #NUM!.
Ako je deg_ freedom2 < 1 ili je 1010, FDIST postavlja vrijednost greke #NUM!.
FDIST (x ; deg_freedom1 ; deg_freedom2) odgovara vjerovatnoi p; x odgovara
df1 df2
df1
df1 df2
df1 1
2
2
df1
df1 2
du
FDIST(x; df1; df2)
u2
1
u
df2
df1 df2 df2
x
F

2 2
p probability ?
poznato :
2
s
x 1
2
s
2
sluajnoj varijabli koja ima F raspodjelu, na kojoj se zasniva

procedura analize varijanse. Primjenjujemo je kod ispitivanja validnosti pretpostavke o
jednakosti standardnih devijacija (varijansi) dvaju normalnih populacija.
Oekivana vrijednost i varijansa F raspodjele su:
df2
2 (df2)2 (df1 df2 2)
E(X)
,
V(X)
.
df2 2
df1 (df2 2)2 (df2 4)
Funkcija gustine F raspodjele dostie svoj maksimum za vrijednost
df1 - 2 df2
M
o df2 2 df1
Kod formiranja odnosa dvaju varijansi obino uzimamo odnos vee prema manjoj tako da
funkciju FDIST raunamo tako da broj stepeni slobode za brojilac odgovara df1= n 1 -1 a
broj stepeni slobode za nazivnik ili imenilac odgovara df2 = n 2 -1, gdje se n 1 i n 2 odnose
na veliinu dvaju izvuenih uzoraka.
72
Primjer 1.
Na podacima
grupa 1
grupa 2
62 53 36 34 56 50 42 57 46 68 48 42 52 53 43
65 58 78 60 68 69 66 70 53 71 63 63
dvaju
uzoraka(grupa) ispitati
na nivou " =10% da li su izvueni iz populacija sa jednakim varijansama.
Rjeenje
Nulta hipoteza H 0 pretpostavlja jednakost varijansi osnovnih skupova. Dakle, H 0 : 12 22
Alternativna hipoteza je, H a : 12 22
Varijanse uzoraka (grupa) imaju vrijednosti 87,12380952 (grupa 1) i 43,6969697 (grupa 2).
Stavljanjem u odnos vee varijanse prema manjoj odreujemo test statistiku x = F:
s12
F 2 1,993818
s2
Oblast odbacivanja nulte hipoteze za dvostrani test, odreena je nejednainom:
F F
2
Posredstvom funkcije FDIST (Slika 1.) dolazimo do odgovora da li ovi uzorci potiu iz
populacija sa jednakim varijansama.
Slika 1.
Kritinu vrijednost F izraunavamo posredstvom funkcije FINV, prema sintaksi:
2
2,739 =FINV(10%/2;15-1;12-1)
Kako je test statistika F=1,993818 manja od kritine vrijednosti (2,739) za zadati nivo
znaajnosti to nemamo razloga da odbacimo nultu hipotezu koja pretpostavlja jednakost
varijansi osnovnih skupova iz kojih su ovi uzorci izvueni.
Kada zakljuak donosimo na osnovu vjerovatnoa, onda vidimo da je izraunata vjerovatnoa
p = 0,12769 (12,77 %) vea od postavljanog praga " / 2 =5 % to nas takoe dovodi do istog
rjeenja.
Kada ispitivanje vrimo pomou jednosmjernog testa (kada u alternativnoj hipotezi
pretpostavljamo nejednakost varijansi osnovnih skupova iz kojih su uzorci izvueni) tada je
oblast odbacivanja odreena kao F F .
73
FINV
Pretpostavimo da nam je poznata vjerovatnoa koja odgovara F raspodjeli, odnosno izrazu:
df1 df2
df1
df1df2
df1 1
2
2
df1
df1 2
u 2
1
u
FDIST(x; df1; df2)
du
df2
df1 df2 df2
2 2
elimo izraunati vrijednost x-a, odnosno donju granicu u integralu, koja nam je nepoznata.
Rjeenje koje odgovara vrijednosti x-a, obezbjeuje nam funkcija FINV.
Sintaksa
FINV( probability ; deg_freedom1 ; deg_freedom2 )
Probability je vjerovatnoa koja odgovara F raspodjeli. Deg_freedom1 (df1) je broj stepeni
slobode za brojilac a deg_freedom2 (df2) broj stepeni slobode za nazivnik.
Napomene
Ako neki argument nije broj, funkcija FINV postavlja vrijednost greke #NAME?.
Ako je probability < 0 ili je > 1, FINV postavlja vrijednost greke #NUM!.
Ako deg_freedom1 ili deg_freedom2 nije cijeli broj, odbacuju se decimale.
Ako je deg_freedom1 < 1 ili 1010, FINV postavlja vrijednost greke #NUM!.
Ako deg_freedom2 < 1 ili 1010, FINV postavlja vrijednost greke #NUM!.
Funkcija FINV je podesna za izraunavanje vrijednosti tablica F raspodjele.
FINV (probability =FDIST; deg_freedom1 ; deg_freedom2) odgovara vrijednosti x -a.
df1 df2
df1
df1 df2
df1 1
2
2
df1
df1 2
2
du
FDIST(x; df1; df2)
u
1
u
df2
df1 df2 df2
x F
2 2
poznato :
p probability
2
x 1 ?
2
s
2
s
FINV koristi iterativnu tehniku za izraunavanje funkcije. Zadatoj se vrijednosti

vjerovatnoe pribliava, sve dok se rezultat ne primakne unutar 3 * 10 - 7. Ako ne
konvergira nakon 100 iteracija postavlja vrijednost greke #N/A.
Primjer 1.
Izraunati kritinu vrijednost F raspodjele (df1 = 4 , df2 = 6), za nivo znaajnosti = 5%.
Rjeenje
Kritina vrijednost
iznosi :
74
FISHER
Pretpostavimo da smo iz jedne normalno rasporeene dvodimenzionalne populacije izvukli
uzorak od n elemenata (x1, y1), (x2, y2), (x3, y3), (x4, y4),, (xn, yn) gdje su X i Y
posmatrana obiljeja a r koeficijent korelacije izmeu ovih obiljeja. Naravno, za svaki drugi
uzorak veliine n dobit e se drugaija vrijednost za koeficijent korelacije r. Fisher je
pokazao da funkcija gustine raspodjele vjerovatnoe za koeficijent korelacije r zavisi od
koeficijenta linearne korelacije populacije i veliine uzorka n. Kako se ova raspodjela za
vrijednosti r koje se znaajno razlikuju od nule bitno razlikuje od normalne raspodjele Fisher
je uveo transformaciju
1
1r
y FISHER(x r) ln
2
1r
kojom se komplikovana raspodjela koeficijenta korelacije r prevodi u jednu priblino
normalnu raspodjelu sa srednjom vrijednou i standardnom devijacijom:
1
1
1
y ln
y
2
1
n3
Sintaksa
FISHER (x)
X je brojana vrijednost koja odgovara vrijednosti koeficijenta korelacije r za koju elimo
izraunati Fisher-ovu transformaciju.
Napomene
Ako x = r nije broj, FISHER postavlja vrijednost greke #NAME?.
Ako je x - 1 ili ako je x 1, funkcija FISHER postavlja vrijednost greke #NUM!.
Fisher-ova transformacija nam omoguava da se odrede intervali povjerenja i testiraju
hipoteze u vezi sa koeficijentom korelacije; sa vjerovatnoom 1- moemo tvrditi da e
se vrijednost
1
1
ln
2
1
nalaziti izmeu granica:
NORMSINV(1 )
1r
1
2
y 1 ln
1r
2
n3
Standardizirana veliina
1
1r
y 2 ln
2
1r
NORMSINV(1 )
2
n3
1
1r 1
1
ln
ln
n 3
1r 1
2
1r 2
1
z
ln
1
y
2
1r 1
n3
ima normalnu raspodjelu N(0,1) pa se kritina oblast u sluaju dvostranog testa odreuje
iz uslova P(|z|> z)=. Znai, ako je |z| > z onda se odbacuje nulta hipoteza H0 (=0 0)
i usvaja alternativna hipoteza H1 ( 0 ). Ako za alternativne hipoteze imamo H1 (> 0 )
ili H1 ( < 0 ) tada respektivno imamo desnostranu kritinu, odnosno lijevostranu kritinu
oblast. Kako je uvijek nepoznato njegovu vrijednost u testu pretpostavljamo.
y y
75
Primjer 1.
Iz uzorka n = 18 dobijen je koeficijent korelacije r = 0,74. Da li moemo sa rizikom = 5%
da odbacimo hipotezu H0 ( = 0,91) ?
Rjeenje
Standardiziranu veliinu z izraunavamo prema izrazu:
y y
1
1r 1
1
z
n 3 ln
ln
n 3 FISHER(r) FISHER()
1r 2
y
1
2
z 15 FISHER(0,74) FISHER(0,91) 2,235
U proraunskoj tablici Excel do ove vrijednosti moemo doi posredstvom sintakse:
Kako veliina z ima standardnu normalnu raspodjelu N(0,1), to kritine vrijednosti za

dvostrani test moemo izraunati posredstvom funkcije NORMSINV:
Kako se izraunata vrijednost z = - 2,235 nalazi u kritinoj oblasti dvostranog testa to

odbacujemo nultu hipotezu H0 ( = 0,91) i usvajamo alternativnu H1 ( 0,91). Naravno,
ovdje je loginije bilo testirati nultu hipotezu H0 ( = 0,91) protiv alternativne hipoteze
H1 ( < 0,91). U ovom sluaju kritina vrijednost iznosi:
I u sluaju lijevostranog testa izraunata vrijednost z = - 2,235 se nalazi u kritinoj oblasti pa

odbacujemo nultu hipotezu H0 ( = 0,91) i usvajamo alternativnu H1 ( < 0,91).
Na slici 1. je pokazano kako se posredstvom funkcije FISHER mogu izraunati odgovarajue
Fierove transformacije za r = 0,74 i = 0,91.
Slika 1.
76
FISHERINV
Izraunava inverznu vrijednost Fisherove transformacije. Dakle, ako je y = FISHER(x = r),
tada je:
x r FISHER(y)
e 2y 1
e 2y 1
Sintaksa
FISHERINV( y)
Y je vrijednost za koju elimo izraunati inverznu transformaciju, odnosno odgovarajuu
vrijednost koeficijenta korelacije.
Napomena
Ako y nije broj, FISHERINV postavlja vrijednost greke #NAME?.
Primjer 1.
Kojoj vrijednosti koeficijenta korelacije odgovara vrijednost Fierove transformacije od 0,95?
Rjeenje
Na osnovu postavke zadatka moemo napisati sljedeu jednakost y=0,95 = FISHER(x = r).
Rjeenje dobijamo posredstvom funkcije FISHERINV, kao na slici 1.
Slika 1.
Napisano tradicionalnim izrazom, imamo:
e 20,95 1
x r FISHER(0,95) 20,95
0,739783051
1
e
Dakle, vrijednosti Fierove transformacije od 0,95 odgovara vrijednost koeficijenta
korelacije r = 0,739783051.
Primjeri 2, 3, 4, 5, 6, i 7.
e 20,69 1
x r FISHER(0,69) 20,69
0,598
1
e
77
FORECAST
Ova funkcija nam obezbjeuje predvianje budue vrijednosti y pomou poznatih vrijednosti
(x i , y i ) i za zadatu vrijednost x. Budua vrijednost y predviena je pomou jednaine
regresijskog pravca y = m*x+b , dobijenog u skladu sa metodom najmanjih kvadrata.
x
y
Sintaksa
FORECAST(x ; known_y's ; known_x's)
X je podatak za koji elimo predvidjeti vrijednost y. Argument known_y's predstavlja
vrijednosti zavisne varijable; argument known_x's odgovara vrijednostima nezavisne
varijable. Funkcija FORECAST je osjetljiva na promjenu mjesta argumentima; ako prvo
upiemo vrijednosti x i , pa onda y i postavljena vrijednost e odgovarati buduoj vrijednosti
x, za vrijednost y u skladu sa regresijskim pravcem x = d* y+c.
Napomene
Ako x nije broj, FORECAST postavlja vrijednost greke #NAME?.
Ako su known_y's i known_x's prazni ili sadre razliit broj podataka, funkcija
FORECAST postavlja vrijednost greke #N/A.
Ako predviamo vrijednost y u skladu sa regresijskim pravcem y = m*x+b a varijansa
argumenta known_x's = 0, tada FORECAST postavlja vrijednost greke #DIV/0!.
Ako predviamo vrijednost x u skladu sa regresijskim pravcem x = d*y+c a varijansa
argumenta known_y's = 0, FORECAST postavlja vrijednost greke #DIV/0!.
Jednaina za FORECAST, kada su argumenti uneseni prema sintaksi
FORECAST(x ; known_y's ; known_x's), glasi:
x* SLOPE(known_y's ; known_x's) + INTERCEPT(known_y's ; known_x's), odnosno:
n
xi yi
n
FORECAST
i 1
y
xi
i 1
i 1
x ( x )
2
i
i 1
1
n
i 1
yi
m
n
i 1
i 1
78
Primjer 1.
Na podacima sa Slike 1. predvidjeti vrijednosti pojave y za vrijednosti x = 39 i 55.
Slika 1.
Rjeenje
Na Slici 2. je pokazano kako se posredstvom ugraene funkcije FORECAST moe izraunati
vrijednost pojave y posredsvom vrijednosti pojave x.
Slika 2.
Predvianje vrijednosti pojave y za vrijednost X = 55 prikazano je na Slici 3.
Slika 3.
Primjer 2. Podaci su dati na Slici 4.
Slika 4.
Rjeenje:
958 =FORECAST(G12;D13:F13;D12:F12)
79
FREQUENCY
Ova funkcija predstavlja koristan statistiki alat za organizaciju kako diskretnih (prekidnih),
tako i kontinuiranih (neprekidnih) numerikih vrijednosti obiljeja i prua nam mogunost
kreiranja odgovarajue frekvencijske raspodjele.
Sintaksa
FREQUENCY ( data_array ; bins_array )
Data_array je polje ili referenca na skup vrijednosti za koje elimo kreirati frekvencijsku
raspodjelu (distribuciju); ako argument data_array ne sadri niti jednu vrijednost, funkcija
FREQUENCY postavlja polje nula. Bins_array odgovara polju klasnih (grupnih) intervala ili
referenci na klasne intervale u koje elimo grupisati vrijednosti u polju data_array. Ako
bins_array ne sadri niti jednu vrijednost, FREQUENCY postavlja broj elemenata data_array.
Napomene
FREQUENCY se unosi kao formula polja nakon to oznaimo opseg susjednih elija u
kojima elimo da se pojavi odgovarajua frekvencijska raspodjela.
Broj elemenata postavljenog polja za jedan je vei od broja elemenata u bins_array.
Funkcija FREQUENCY grupie podatke u kategorije, pokazujui broj opaanja u svakoj
uzajamno iskljuivoj kategoriji, zanemarujui pri tome prazne elije i tekst.
Primjer 1.
Zabiljeeni su podaci o broju djece u porodicama 110 studenata, u tri razreda statistike.
Kreirati frekvencijsku raspodjelu.
bins_array
Rjeenje
Ako se grupie n podataka u k grupa i ako su vrijednosti prekidne (diskontinuirane) varijable
X: x 1 , x 2 , x 3 , , x i , , x k , a pripadajue frekvencije f i (i = 1, 2, , k), raspodjela
frekvencija je skup: (x i , f i ) , i = 1, 2, , k, tako da je suma apsolutnih frekvencija f i jednaka
broju podataka n koje treba grupisati (f i =n). Varijabla "broj djece u porodici" predstavlja
prekidno obiljeje koje poprima vrijednosti: 1, 2, 3, 4, 5, i 6.
Pripadajue frekvencije f i (i = 1, 2, , 6), izraunavamo posredstvom funkcije
FREQUENCY. Argument bins_array su brojevi od 1 do 5,
a broj selektovanih elija za ispis rezultata koje daje
funkcija FREQUENCY, za jedan je vei.
Posredstvom funkcije FREQUENCY (slika 1.) izvrili smo
prebrojavanje koliko se esto pojavljuju vrijednosti 1, 2, 3,
4, 5, i 6 u argumentu data_array.
80
Kako se ovdje radi

o formuli polja za
njeno aktiviranje
neophodno je
istovremeno
pritisnuti
kombinaciju tipki
na tastaturi
raunara:
Ctrl+Shift+ Enter.
35
32
21
11
Slika 1.
Dakle, imamo est porodica sa jednim djetetom, trideset pet porodica sa dva djeteta, trideset
dvije porodice sa tri djeteta, dvadeset jednu porodicu sa 4 djeteta, jedanaest porodica sa
petoro djece i pet porodica sa estoro djece. Do relativnih frekvencija p i (i = 1, 2, , 6),
takoe, moemo doi posredstvom funkcije FREQUENCY, kao na slici 2.
Slika 2.
U proraunskoj tablici Excel postoji ugraen alat za analizu podataka pod nazivom
Histogram, koji na podacima u naem primjeru, daje sljedeu izlaznu tablicu:
Bin
1
2
3
4
5
Frequenc Cumulative % Bin Frequency Cumulative %

y
6
5,45%
2
35
31,82%
35
37,27%
3
32
60,91%
32
66,36%
4
21
80,00%
21
85,45%
5
11
90,00%
11
95,45%
1
6
95,45%
5
81
Primjer 2.
Date su teine (u gramima) za 60 malih proizvoda:
Kreirati frekvencijsku tabelu i konstruisati odgovarajui histogram.

Rjeenje
Grupisat emo date podatke i onda emo konstruisati histogram kako bismo predoili
raspodjelu teina ovih malih proizvoda. Najmanja teina je 18,6 grama a navea 26,9 grama, i
moemo ih pronai posredstvom funkcija MIN i MAX, kao na slici 3.
Slika 3.
Opseg podataka je R = 26,9 - 18,6 = 8,3.
Interval (18,6 , 26,9) moemo pokriti sa k = 8 razreda irine 1,1 , k = 7 razreda irine 1,2 ,
k = 6 razreda irine 1,4 , ili nekom drugom kombinacijom broja razreda i njihove irine.
Pretpostavimo, da smo se odluili gornji interval pokriti sa k = 8 razreda, irine 1,1.
Prvi razredni interval bi bio (18,35 , 19,45), drugi (19,45 , 20,55), trei (20,55 , 21,65), etvrti
(21,65 , 22,75), peti (22,75 , 23,85), esti (23,85 , 24,95), sedmi (24,95 , 26,05), i posljednji
(26,05, 27,15). Ako se odluimo interval (18,6 , 26,9) pokriti sa k = 7 razreda, irine 1,2 tada
e prvi razredni interval biti (18,55 , 19,75), drugi (19,75 , 20,95), trei (20,95 , 22,15),
etvrti (22,15 , 23,35), peti (23,35 , 24,55), esti (24,55 , 25,75), i posljednji (25,75 , 26,95).
Pokrivanjem intervala (18,6 , 26,9) sa k = 6 razreda, irine 1,4 , prvi razredni interval bi bio
(18,55 , 19,95), drugi (19,95 , 21,35), trei (21,35 , 22,75), etvrti (22,75 , 24,15),
peti (24,15 , 25,55), i posljednji esti (25,55 , 26,95).
Argument bins_array, u kombinacijama broja razreda i njihove irine (k = 8 ; i = 1,1),
(k = 7 ; i = 1,2) i (k = 6 ; i = 1,4) odrediemo da odgovara desnim granicama razrednih
intervala. Posredstvom funkcije FREQUENCY izvrili smo prebrojavanje broja opaanja po
razrednim intervalima u argumentu data_array. Rezultati prebrojavanja dati su na slici 4.
razredni intervali
granice razreda frekvencije
(18,35 , 19,45)
18,4 - 19,4
(19,45 , 20,55)
19,5 - 20,5
(20,55 , 21,65)
20,6 - 21,6
(21,65 , 22,75)
21,7- 22,7
13
(22,75 , 23,85)
22,8 - 23,8
12
(23,85 , 24,95)
23,9 - 24,9
13
(24,95 , 26,05)
25,0 - 26,0
(26,05 , 27,15)
26,1 - 27,1
Slika 4.
82
Frekvencijska tabela za k = 7 i irinu intervala 1,2 data je na slici 5.

razredni intervali
sredine razreda
za : k=8 , =1,1
18,9
granice razreda frekvencije relativne frekvencije sredine razreda
(18,55 , 19,75)
18,6 - 19,7
1,67%
19,15
(19,75 , 20,95)
19,8 - 20,9
10,00%
20,35
(20,95 , 22,15)
21,0 - 22,1
15,00%
21,55
(22,15 , 23,35)
22,2 - 23,3
13
21,67%
22,75
(23,35 , 24,55)
23,4 - 24,5
14
23,33%
23,95
(24,55 , 25,75)
24,6 - 25,7
11
18,33%
25,15
(25,75 , 26,95)
25,8 - 26,9
10,00%
26,35
20,0
21,1
22,2
23,3
24,4
25,5
Slika 5.
Frekvencijska tabela za k = 6 i irinu intervala 1,4 data je na slici 6.
razredni intervali
26,6
granice razreda frekvencije relativne frekvencije sredine razreda
(18,55 , 19,95)
18,6 - 19,9
5,00%
19,25
(19,95 , 21,35)
20,0 - 21,3
10,00%
20,65
(21,35 , 22,75)
21,4 - 22,7
13
21,67%
22,05
(22,75 , 24,15)
22,8 - 24,1
16
26,67%
23,45
(24,15 , 25,55)
24,2 - 25,5
15
25,00%
24,85
(25,55 , 26,95)
25,6 - 26,9
11,67%
26,25
Slika 6.
Odgovarajui histogrami prikazani su na slici 7.
13
13
13
14
11
11
9
8
6
18,9
20
21,1
22,2
23,3
16
24,4
25,5
26,6
15
13
6
3
19,25
20,65
22,05
23,45
24,85
26,25
19,15
20,35
21,55
22,75
23,95
25,15
26,35
U ovom primjeru imali smo kontinuiranu

(neprekidnu) varijablu "teina". Dati skup
vrijednosti grupisali smo u razrede jednakih
duina i onda konstruisali histograme grupisanih
podataka kako bi nam pomogli da bolje
vizueliziramo podatke.
Isti postupci se mogu primijeniti i za sluaj
diskretne varijable kada imamo mnogo razliitih
opaenih vrijednosti.
Slika 7.
Prvi korak, dakle, predstavlja odreivanje najvee i najmanje opaene vrijednosti.
Razlika ovih vrijednosti odreuje rang ili opseg podataka, R = x max - x min .
Generalno, odabiremo od 5 do 20 razreda koji su meusobno nepreklapajui intervali
jednakih duina, tako da ovi razredi pokriju interval od minimuma do maksimuma.
Svaki interval poinje i zavrava na polovini izmeu dvije mogue izmjerene vrijednosti koje
smo zaokruili na dati broj decimala.
Prvi interval poinje toliko ispod najmanje vrijednosti koliko i posljednji interval zavrava
iznad najvee. Intervali se zovu razredni intervali a granice, prave granice razreda.
Ovih k razrednih intervala oznaavamo kao: (c 0 , c 1 ), (c 1 , c 2 ), (c 2 , c 3 ),, (c k-1 , c k ).
Granice razreda su najmanja i najvea mogua opaena vrijednost u razredu.
83
Primjer 3.
Jedan ljutiti kupac zvao je jednu kompaniju 40 puta u toku posljednje dvije sedmice da se
raspita kada e doi na red za uslugu.
Svaki put kada je zvao izbrojao je koliko je puta telefon zvonio prije javljanja:
Kreirati frekvencijsku tabelu i konstruisati odgovarajui histogram.

Rjeenje
Prvi korak u kreiranju frekvencijske tabele jeste da se odluimo koliko elimo imati razreda,
odnosno da odredimo razrednu irinu. Ako je broj razreda poznat, njegovu irinu odreujemo
kao kolinik:
x max - x min
eljeni broj razreda
Ako je broj razreda nepoznat, irinu grupnog razreda odreujemo prema formuli:
x max - x min
k
pri emu je k broj razreda koji treba odrediti. Iako za njegovo utvrivanje nema preciznog
pravila, ipak u statistici postoji nekoliko
Ukupan broj opaanja n Broj klasa koji se preporuuje
usvojenih empirijskih pravila koja se
od 9 do 16
4
preporuuju. Jedno od njih nam ukazuje na
od 17do 32
5
minimalan broj razreda; to je najmanji
od 33 do 64
6
cijeli broj k takav da vrijedi 2k n, gdje je
od 65 do 128
7
n ukupan broj opaanja. Prikazana tabela
od 129 do 256
8
nam pokazuje minimalni broj razreda za
od 257 do 512
9
specificirani broj opaanja (mjerenja).
od 513 do 1024
10
data_array
Pored ovog postoje i druga empirijska pravila koja ukazuju na izbor broja razreda, k.
Veoma esto se u statistikoj literaturi za odreivanje broja razreda koristi i tzv. Sturgesovo
pravilo, pri emu je k = 1+3,322log 10 (n). Pored ovog pravila koristi se i pravilo da broj
razreda k odgovara kvadratnom korijenu iz broja opaanja n. Naravno niti jedno pravilo se ne
treba primjenjivati strogo ablonski, ve se treba pridravati osnovnog principa da to je vei
broj podataka, to je i broj razreda vei, a irine razreda su vee ako je interval rasturanja
vrijednosti vei; takoe treba imati na umu izbjegavanje praznih razreda. Dakle, moramo
paziti da sa velikim brojem razreda ne izgubimo preglednost niti suvie mali jer ne bismo
onda mogli uoiti neke karakteristike skupa.
Pretpostavimo da u naem primjeru, elimo imati pet razreda.
Minimalna i maksimalna vrijednost, te opseg R, izraunati su na slici 8.
1 =MIN(A1:J4)
18 =MAX(A1:J4)
17 =MAX(A1:J4)-MIN(A1:J4)=R=x max -x min
Slika 8.
irina razreda je:
x max - x min
18 1 17
3,4 4
eljeni broj razreda
5
5
a kako je nae numeriko obiljeje"broj zvonjenja telefona prije javljanja" prekidna varijabla,
jer se moe izraziti samo u cijelim brojevima, razrede emo formirati tako da je donja granica
84
sljedeeg intervala za jedan vea od gornje granice prethodnog intervala. Na slici 9. su date
granice razreda i pokazano je kako posredstvom funkcije FREQUENCY treba prebrojati
argument data_array, u polju elija A1:J4. Treba zapaziti da je za argument bins_array uzeto
polje elija C8:C11, vrijednosti koje odgovaraju gornjim granicama razreda.
14
10
8
6
2
2,5
6,5
10,5
14,5
18,5
Slika 9.
Odgovarajui histogram konstruiemo na dobijenim frekvencijama i sredinama razreda, koje
su takoe, date na istoj slici sa pripadajuim sintaksama.
Recimo da elimo broj razreda k izraunati prema gornjim navodima, tada bismo
prema empirijskom pravilu 2k 40, za minimalan broj razreda ustanovili k = 6. Prema tzv.
Sturgesovom pravilu, k = 1+3,322log 10 (n) =1+3,322log 10 (40) = 6,322 . Prema pravilu da
broj razreda k odgovara kvadratnom korijenu iz broja opaanja n, imamo: k = 40 = 6,325.
Dakle, odgovarajue irine bi bile:
x max - x min
17
17
17
18 1
17
2,689 3 ;
2,6879 3 ; 2,833 3
1 3,322 log 10 40 6,322 6,322
6
40 6,32455
Posredstvom funkcije FREQUENCY (slika 10.) izvrilismo prebrojavanje vrijednosti

obiljeja u argumentu data_array, za ovu irinu razreda.
10
8
6
4
11
14
17
Slika 10.
Odgovarajui histogram prikazan je na istoj slici.
85
Primjer 4.
Pretpostavljene visine 255 uenika date su u polju elija A1:Q15, na slici 11.
Izvriti
grupisanje
datih
podataka u
6, 8, 10 i 16
grupnih
razreda.
Slika 11.
Rjeenje
Najmanju visinu u skupu datih vrijednosti pretpostavljenih visina 255 uenika moemo
pronai posredstvom funkcije MIN: 150 = MIN(A1: Q15).
Posredstvom funkcije MAX moemo izraunati najveu visinu: 179 = MAX(A1:Q15).
Razlika izmeu najvee i najmanje vrijednosti u seriji naziva se razmak ili interval varijacije i
u naem primjeru, iznosi: 179 -150 = 29 = MAX(A1: Q15) - MIN(A1: Q15).
Ovaj interval varijacije moemo pokriti sa 6 razreda, irine 5 cm, 8 razreda irine 4 cm, 10
razreda irine 3 cm, ili recimo sa 16 razreda irine 2 cm.
U sluaju da se odluimo da interval varijacije pokrijemo sa 6 razreda irine 5 cm, prave
granice razrednih intervala bi bile kao na slici 12.
Excelov interval :
Ld < x <= Lg
Prave granice
1 4 9 ,5
1 5 4 ,5
1 5 4 ,5
1 5 9 ,5
1 5 9 ,5
1 6 4 ,5
1 6 4 ,5
1 6 9 ,5
1 6 9 ,5
1 7 4 ,5
1 7 4 ,5
1 7 9 ,5
Nominalne granice
150
154
155
159
160
164
165
169
170
174
175
179
Slika 12.
Dakle, u intervalu od 150 - 154 cm, imamo 16 uenika, od 155 - 159 cm, 25 uenika u
intervalu od 160 - 164 cm, imamo 43 uenika, od 165 - 169 cm, 67 uenika, u intervalu od
170 - 174 cm, imamo 68 uenika, i od 175 - 179 cm, 36 uenika.
Do istih frekvencija bismo doli i da smo za argument bins_array uzeli gornje nominalne
granice 154, 159, 164, 169, 174 i 179 cm.
86
Histogram koji odgovara naem sluaju dat je na slici 13.

Minitab 12.1
Excel
70
80
60
Frequency
50
67
60
68
40
40
30
43
20
20
10
36
25
16
0
152
0
149,5
154,5
159,5
164,5
169,5
174,5
157
162
167
172
177
179,5
Slika 13.
prave granice u ( cm )
U sluaju da se odluimo da interval varijacije pokrijemo sa 8 razreda irine 4 cm, prave

N ominalne granice
Prave granice
1 5 2 ,5
1 4 8 ,5
149
152
1 5 2 ,5
1 5 6 ,5
153
156
1 5 6 ,5
1 6 0 ,5
157
160
1 6 0 ,5
1 6 4 ,5
161
164
1 6 8 ,5
1 6 4 ,5
16 8
165
1 6 8 ,5
1 7 2 ,5
169
17 2
1 7 2 ,5
1 7 6 ,5
173
176
1 7 6 ,5
1 8 0 ,5
177
180
Slika 14.
Dakle, u intervalu od 149 - 152 cm, imamo 5 uenika,
od 153 - 156 cm, 20 uenika, od 157 - 160 cm,
imamo 24 uenika, od 161 - 164 cm, 35 uenika, od 165 - 168 cm, imamo 55 uenika,
od 169 - 172 cm, 67 uenika, od 173 - 176 cm, 32 uenika, i od 177 - 180 cm, 17 uenika.
Do istih frekvencija bismo doli i da smo za argument bins_array uzeli gornje nominalne
granice 152, 156, 160, 164, 168, 172, 176, i 180 cm.
Odgovarajui Histogram dat je na slici 15.
Minitab 12.1
Excel
Frequency
70
60
70
50
60
67
55
50
40
40
30
30
20
20
10
10
35
5
20
24
32
17
150,5 154,5 158,5 162,5 166,5 170,5 174,5 178,5

148,5
152,5
156,5
160,5
164,5
168,5
172,5
176,5
180,5
Slika 15.
87
U sluaju da se odluimo da interval varijacije pokrijemo sa 10 razreda irine 3 cm, stvarne

Nominalne granice
Prave granice
150
152
1 4 9 ,5
1 5 2 ,5
153
155
1 5 2 ,5
1 5 5 ,5
156
158
1 5 5 ,5
1 5 8 ,5
159
161
1 5 8 ,5
1 6 1 ,5
162
164
1 6 1 ,5
1 6 4 ,5
165
167
1 6 4 ,5
1 6 7 ,5
168
170
1 6 7 ,5
1 7 0 ,5
171
173
1 7 0 ,5
1 7 3 ,5
1 7 3 ,5
1 7 6 ,5
174
176
1 7 6 ,5
1 7 9 ,5
177
179
50
Frequency
40
30
20
10
0
149,5 152,5 155,5 158,5 161,5 164,5 167,5 170,5 173,5 176,5 179,5
prave granice u cm
Slika 16.
Dakle, u intervalu od 150 - 152 cm, imamo 5 uenika, od 153 - 155 cm, 16 uenika, od
156 - 158 cm, imamo 17 uenika, od 159 - 161 cm, 20 uenika, od 162 - 164 cm, imamo 26
uenika, od 165 - 167 cm, 45 uenika, od 168 - 170 cm, 39 uenika, od 171 - 173 cm, 47
uenika, od 174 - 176 cm, 23 uenika, i od 177 - 179 cm, 17 uenika. Do istih frekvencija
bismo doli i da smo za argument bins_array uzeli gornje nominalne granice 152, 155, 158,
161, 164, 167, 170, 173, 176, i 179 cm.
U sluaju da se odluimo da interval varijacije pokrijemo sa 16 razreda irine 2 cm, stvarne
Nominalne granice
149
151
153
155
157
159
161
163
165
167
169
171
173
175
177
179
40
30
Frequency
Prave granice
1 4 8 ,5
1 5 0 ,5
1 5 0 ,5
1 5 2 ,5
1 5 2 ,5
1 5 4 ,5
1 5 4 ,5
1 5 6 ,5
1 5 6 ,5
1 5 8 ,5
1 5 8 ,5
1 6 0 ,5
1 6 0 ,5
1 6 2 ,5
1 6 2 ,5
1 6 4 ,5
1 6 4 ,5
1 6 6 ,5
1 6 6 ,5
1 6 8 ,5
1 6 8 ,5
1 7 0 ,5
1 7 0 ,5
1 7 2 ,5
1 7 2 ,5
1 7 4 ,5
1 7 4 ,5
1 7 6 ,5
1 7 6 ,5
1 7 8 ,5
1 7 8 ,5
1 8 0 ,5
20
10
150
152
154
156
158
160
162
164
166
168
170
172
174
176
178
180
0
150
160
170
180
Slika 17.
Dakle, u intervalu od 149 - 150 cm, imamo 1 uenika, od 151 - 152 cm, 4 uenika, od
153 - 154 cm, imamo 11 uenika, od 155 - 156 cm, 9 uenika, od 157 - 158 cm, imamo 13
uenika, od 165- 166 cm, 26 uenika, od 167 - 168 cm, 29 uenika, od 169 - 170 cm, 29
uenika, od 177 - 178 cm, 14 uenika, i od 179 - 180 cm, 3 uenika. Do istih frekvencija
bismo doli i da smo za argument bins_array uzeli gornje nominalne granice 150, 152, 154,
156, 158, 160, 162, 164, 166, 168, 170, 172, 174, 176, 178, i 180 cm.
88
FTEST
Neka sluajne nezavisne varijable X i Y imaju respektivno normalne raspodjele N( 1 , 1 2) i
N( 2 , 2 2). Testiramo nultu hipotezu Ho: 1 2/ 2 2 = 1 ( ili, to je ekvivalentno, 1 2 = 2 2 ),
sluajno izvuenih uzoraka od n 1 opaanja pojave X i n 2 opaanja pojave Y, prema
alternativnoj hipotezi H 1 : 1 2 2 2 . Polazei od injenice da su uzorake varijanse S 1 2 i S 2 2
dobre ocjene za nepoznate parametre 1 2 i 2 2 , statistika S 1 2 / S 2 2 nam moe posluiti kao
dobra osnova za konstrukciju testa kojim testiramo jednakost dvaju varijansi, kada su uzorci
izvueni iz normalnih populacija. Poznato je da (n 1 -1)* S 1 2/ 1 2 i (n 2 -1)* S 2 2/ 2 2 imaju
nezavisne hi-kvadrat raspodjele 2 (n 1 -1) i 2 (n 2 -1), respektivno. Ako je nulta hipoteza Ho
istinita, tada
S 21
F
S 22
ima F raspodjelu sa df1 = n 1 -1 i df2 = n 2 -1 stepeni slobode. Funkcija FTEST postavlja

vjerovatnou p koja odgovara dvostranom F- testu:
p
S2
FDIST( 21 ; df1; df2)
2
S2
p
2
x F
S 21
S 22
Sintaksa
FTEST ( array1 ; array2)
Array1 je polje koje se odnosi na opaanja jedne pojave . Array2 je polje u kome su
smjetena opaanja koja se odnose na drugu pojavu.
Napomene
Ako argument koji je polje ili referenca sadri tekst, logiku vrijednost, ili prazne elije,
ove se vrijednosti zanemaruju; meutim, elije s vrijednostima nula su ukljuene.
Ako je broj taaka podataka u array1 ili array2 manji od 2, ili ako je varijansa array1 ili
array2 nula, FTEST postavlja vrijednost greke #DIV/0!.
Kritina oblast dvostranog F - testa moe se izraziti i kao:
F
odnosno, kao:
S 21
F FINV( ; df1; df2)

2
2
S2
2
s2
p
FDIST ( 12 ; df 1; df 2)
2
2
s2
Primjer 1.
Dato je n 1 = 15 opaanja pojave X i n 2 = 12 opaanja pojave Y (podaci iz primjera 1. kod
funkcije FDIST) gdje pojave X i Y predstavljaju normalne populacije. Testirati nultu hipotezu
Ho: 1 2 = 2 2 prema alternativnoj hipotezi H 1 : 1 2 2 2 na nivou znaajnosti = 5 %.
89
Rjeenje
Podaci su dati nastavku:
grupa 1 62 53 36 34 56 50 42 57 46 68 48 42 52 53 43
grupa 2 65 58 78 60 68 69 66 70 53 71 63 63
Posredstvom ugraene funkcije FTEST (Slika 2.), dolazimo do sljedeeg razultata:
Slika 2.
Kako je ova vjerovatnoa p = 25,54 % vea od postavljenog praga " = 5 % to zakljuujemo
da nemamo razloga da odbacimo nultu hipotezu.
U nastavku je dat ispis rezultata za F-Test Two-Sample for Variances koji se aktivira posredstvom
putanje: Tools - Data Analysis - F-Test Two-Sample for Variances
F-Test Two-Sample for Variances
Mean
Variance
Observations
df
F
P(F<=f) one-tail
F Critical one-tail
grupa 1
grupa 2
49,46667 65,33333
87,12381 43,69697
15
12
14
11
1,993818
0,127691
2,74
Vidimo da funkcija FTEST daje ukupnu vrijednost vjerovatnoe p = 25,538 % a u

rezultatima ovog testa (F-Test Two-Sample for Variances) data je vrijednost p / 2 = 12,7691 %.
90
GAMMADIST
Ova funkcija odgovara gama raspodjeli. Sluajna varijabla X ima gama raspodjelu ako je
njena funkcija gustine definisana izrazom
x
1
1
f(x)
()
, o x .
Funkcija
() u 1 e udu , o.
0
predstavlja gama funkciju. Kada je pozitivan cijeli broj tada je () = (-1)!.

Sintaksa
GAMMADIST (x; alpha; beta; cumulative)
X je vrijednost za koju elimo ocijeniti raspodjelu. Alfa() i beta() su parametri
raspodjele. Cumulative je logika vrijednost koja odreuje oblik funkcije. Ako je cumulative
TRUE, GAMMADIST odgovara izrazu
x
1
1
F(x)
u e du
()
parametar oblika
parametar razmjere
ako je FALSE, odgovara funkciji f(x).

Srednja vrijednost i varijansa gama raspodjele su: = * , 2 = * 2.
Ako je parametar beta = 1, GAMMADIST odgovara standardnoj gama raspodjeli.
Napomene
Ako x, alfa, ili beta nisu brojevi, GAMMADIST postavlja vrijednost greke #NAME?.
Ako je x < 0, GAMMADIST postavlja vrijednost greke #NUM!.
Ako je alfa 0 ili beta 0, GAMMADIST postavlja vrijednost greke #NUM!.
Kada je alfa = 1, GAMMADIST odgovara eksponencijalnoj raspodjeli sa = 1/.
Za pozitivni cijeli broj n, kada je alfa = n/2, beta = 2, i cumulative = TRUE,
GAMMADIST odgovara vrijednosti 1 - CHIDIST(x) za n stepeni slobode; ako je
cumulative = FALSE, funkcija GAMMADIST odgovara funkciji gustine 2 raspodjele.
Kada je alfa () pozitivni cijeli broj, GAMMADIST odgovara Erlangovoj raspodjeli.
Kada je alfa () pozitivni cijeli broj jednak n+1, i = 1, GAMMADIST odgovara, u
zavisnosti od logike vrijednosti cumulative, sljedeim formulama:
xn 1
n
x
GAMMADIST x; n 1; 1;FALSE
x e
x
n 1
n! e
1
n xi
1 x n u
x

GAMMADIST x; n 1; 1; TRUE u e du 1 e
n!
i 0 i!
o
Prva Erlangova formula za gubitke, glasi:
91
xn
GAMMADIST ( x; n 1; 1; FALSE )
n! E (x)
1,n
n xi
1 - GAMMADIST ( x; n 1; 1; TRUE )
i0
i!
Gama funkciju u Excelu moemo izraunati posredstvom funkcija EXP i GAMMALN.

Primjer 1.
Pretpostavimo da u toku jednog sata u jednu prodavnicu dolazi 30 kupaca u skladu sa
Poissonovim procesom. Ako je naa jedinica minuta, onda je = 1/2. Koja je vjerovatnoa
da e prodavac ekati vie od 5 minuta prije nego to stignu prva dva kupca?
Rjeenje
Ako sa X oznaimo vrijeme ekanja u minutama dok drugi kupac stigne, onda X ima gama
raspodjelu sa = 2, = 1/ = 2. Vjerovatnoa da e prodavac ekati vie od 5 minuta prije
nego to stignu prva dva kupca, jednaka je vrijednosti izraza:
P(X 5)
1
u2 1 e du
2
(2) 2
u
2
u e
du 0,287297495
4
Mogli smo koristiti i sljedeu jednainu

1
P(X 5)
k 0
x k
( ) e
k!
( 25 )k e
k!
k 0
1
25
0,287297
zato to je pozitivni cijeli broj. Posredstvom ugraene Excelove funkcije GAMMADIST, do

ove vrijednosti dolazimo veoma jednostavno na nain, prikazan na slici 1.
Slika 1.
Vrijednost ordinate funkcije gustine gama raspodjele u taki x =5, moemo izraunati
posredstvom funkcije GAMMADIST na sljedei nain:
Lako je uoiti, da smo za logiku vrijednost cumulative koristili FALSE.
92
GAMMAINV
Pretpostavimo da nam je poznata vjerovatnoa koja odgovara gamma raspodjeli sa poznatim
parametrima i , tako da vrijedi: probability = GAMMADIST(x;;;TRUE). Vrijednost za
x nije nam poznata i elimo je izraunati; funkcija GAMMAINV nam pomae da odredimo
vrijednost x, tako da je: GAMMAINV(probability;;) = x.
F(x) je poznato, koliko je x ?

x
1
F(x)
u 1 e du
()
1
1
f(x)
( )
F(x)
x
parametar oblika
parametar razmjere
() u 1 e udu
0
Sintaksa
GAMMAINV ( probability ; alpha ; beta)
Probability je vjerovatnoa povezana s gama raspodjelom. Alpha () je parametar oblika
raspodjele a beta () parametar razmjere raspodjele.
Napomene
Ako neki argument nije broj, GAMMAINV postavlja vrijednost greke #NAME?.
Ako je 0 > probability > 1 , GAMMAINV postavlja vrijednost greke #NUM!.
Ako je 0 ili je 0, GAMMAINV postavlja vrijednost greke #NUM!.
Ako je = 1, funkcija GAMMAINV postavlja vrijednost za x koja odgovara standardnoj
gama raspodjeli; ako je istovremeno i pozitivan cijeli broj jednak n+1, GAMMAINV
daje rjeenje sljedee jednaine, po x:
n xi
1 x n u
GAMMADIST x; n 1; 1; TRUE u e du 1 e
probability
n!
i!
i
0
o
Kada je = 1, GAMMAINV odgovara vrijednosti x-a u eksponencijalnoj raspodjeli sa

parametrom = 1/, odnosno rjeenju sljedee jednaine po x:
x
x
probability F x; e u du 1 e x 1 e , 0 x .
0
x - ln(1 - probability) GAMMAINV(probability;1; )
GAMMAINV koristi iterativnu tehniku za raunanje funkcije; zadatoj se vrijednosti

vjerovatnoe pribliava na 3 x 10 -7. Ako ne konvergira nakon 100 iteracija, funkcija
GAMMAINV postavlja vrijednost greke #N/A.
Za pozitivni cijeli broj n, kada je = n/2, = 2, i cumulative = TRUE, GAMMAINV
odgovara rjeenju jednaine: probability = 1 - CHIDIST(x), po x, za n stepeni slobode.
93
Primjer 1.
Za F(x) = 95 %, a=2 i b= 4 izraunati vrijednost x-a.
Rjeenje
Vrijednost x za parametre raspodjele a=2 i b= 4, do koje se nalazi 95% povrine iznosi
18,9755 (Slika 1.)
Slika 1.
Primjer 2, 3 i 4.
Ovdje su date provjere (Slika 2.) navoda koji se nalaze u napomenama.
Slika 2.
Za a=10/2 = 5, b= 2 i probability = 5 %, GAMMAINV=3,9403.
Moemo reei da vrijedi: probability = 1-CHIDIST(3,9403) = 5%.
Za a=1, b= 2 i probability = 5 %, GAMMAINV=0,10259.
Moemo reei da vrijedi: probability = EXPONDIST(0,10259;1/2;1) = 5%.
Za a= 5+1, b= 1 i probability = 5 %, GAMMAINV=2,61301.
Moemo reei da vrijedi: probability = GAMMADIST(2,61301;5+1;1;1) = 5%.
94
GAMMALN
Ova funkcija izraunava prirodni logaritam neprekidne gama funkcije definisane izrazom:
e uu x 1 du, za x 0.
Sintaksa
GAMMALN( x )
X je vrijednost za koju elimo izraunati GAMMALN.
Napomene
Ako x nije broj, GAMMALN postavlja vrijednost greke #NAME?.
Ako je x 0, GAMMALN postavlja vrijednost greke #NUM!.
GAMMALN za poznatu vrijednost x rauna se kao: GAMMALN(x) =LN[(x)]
Broj e na potenciju GAMMALN(x), gdje je x cijeli broj, daje isti rezultat kao (x - 1)!.
Broj e na potenciju GAMMALN(x), za svako x > 0, daje rezultat koji odgovara
vrijednostima gama funkcije (x), tako da vrijedi:
EXP(GAMMALN(x)) x
u x 1 du.
1
3
5
13
,

, 2 .
2
2
2 2
2
U optem sluaju, vrijedi izraz:
2x 1 1 3 5 ... (2x 1)
EXP(GAMMALN((2x 1)/2))
.
2x
2
Primjer 1.
Izraunati vrijednost gama funkcije (x), za x =5.
Rjeenje
(5) = 4* 3 * 2 * 1 = 24 (slika 1.).
GAMMALN(5) 3,17805383.
EXP(GAMMALN(5)) 5
u 4 du 24.
Slika 1.
Primjer 2.
1
EXP(GAMMALN(1/2))
2
e
0
1
1
2
du
1
2
u du 1,77245.
95
GEOMEAN
Posredstvom ove funkcije moemo izraunati geometrijsku sredinu pozitivnih, negrupisanih
podataka, prema izrazu
G n x 1 x 2 x 3 ...x n
pri emu oznake imaju sljedea znaenja: G geometrijska sredina na negrupisanim
podacima; x 1 , x 2 , x 3 , , x n su vrijednosti obiljeja; n ukupan broj lanova niza.
Sintaksa
GEOMEAN( number1 ; number2 ; ...)
Number 1, number2, ... su 1 do 30 argumenata za koje elimo izraunati geometrijsku
sredinu; moemo takoe koristiti jednodimenzionalno polje ili referencu na polje umjesto
argumenata odvojenih separatorom.
Napomene
Geometrijska sredina je srednja vrijednost koja izravnjava proporcionalne promjene
izmeu lanova niza posmatrane serije i zbog te svoje osobine posebno je korisna u
istraivanju dinamike jer su tu vanije razlike u odnosima, nego u apsolutnim veliinama.
Koristi se za odreivanje srednjih vrijednosti indeksnih brojeva, za procjenu porasta broja
stanovnika izmeu dva popisa, za odreivanje srednjeg tempa rasta vremenskih serija, itd.
Ako argument u vidu polja ili reference sadri tekst, logike vrijednosti, ili prazne elije,
te se vrijednosti zanemaruju; meutim, elije s vrijednostima nula su ukljuene.
Ako je neki podatak 0, GEOMEAN postavlja vrijednost greke #NUM!.
Geometrijska sredina se rauna tako da se lanovi niza meusobno pomnoe i iz
dobijenog proizvoda izvadi onoliki korijen koliko ima lanova niza:
GEOMEAN G n x 1 x 2 x 3 ...x n
Moe se izraunati i posredstvom izraza:
log x
log x i
logx 1 logx 2 logx 3 ... logx n

i 1
Ge n
n
n
posredstvom funkcija EXP, AVERAGE i LOG.
Za izraunavanje geometrijske sredine na grupisanim podacima, kada meu vrijednostima
obiljeja x 1 , x 2 , x 3 , , x n ima i jednakih koristi se izraz:
log G
i1
G n x f11 x f22 x f33 ... x kfK

pri emu oznake imaju sljedea znaenja: G geometrijska sredina na grupisanim
podacima; x 1 , x 2 , x 3 , , x k vrijednosti obiljeja; n = f 1 + f 2 + + f k . U proraunskoj
tablici Excel postoji ugraena funkcija PRODUCT, iz kategorije matematikih funkcija,
koja se moe iskoristiti za izraunavanje geometrijske sredine na grupisanim podacima
prema sintaksi: PRODUCT (number1 ; number2 ; ...)
k
Moe se izraunati i posredstvom izraza
k
f i logx i
f i logx i
i 1
f logx 1 f 2 logx 2 f 3 logx 3 ... f k logx k
log G 1
i 1
Ge n
n
n
odnosno, posredstvom funkcija EXP, SUM i LOG.
96
Primjer 1.
Proizvodnja nekog artikla (izraena u 103 tona) i godinji tempo razvitka, dati su na slici 1.
Godinji tempo razvitka

izraunavamo iz serije sa
apsolutnim iznosima, i to
na taj nain to sljedei
lan dijelimo prethodnim.
Slika 1.
Izraunati srednji tempo razvitka proizvodnje.
Rjeenje
Srednji tempo razvitka proizvodnje moemo izraunati posredstvom funkcije GEOMEAN,
kao na slici 2.
G n x 1 x 2 x 3 ... x n
0 ,875 1,286 1,111 1,1
1,082868385
Slika 2.
Ovaj rezultat nam govori da prosjeni tempo razvitka za 5 godina iznosi 1,08287. Ovaj
koeficijent je vei od broja 1, to opet znai da imamo pozitivnu pojavu poveanja
proizvodnje u toku pet godina u prosjeku od 8,29%.
Do ovog rezultata moemo doi i posredstvom sintakse: GEOMEAN(B3:B6/B2:B5) - slika 3.
Slika 3.
97
Primjer 2.
Data je serija podataka: 2, 7, 8, 16, 9, 13. Izraunajte geometrijsku sredinu (G).
Rjeenje
Geometrijska sredina G, izraunata je posredstvom funkcije GEOMEAN (slika 4.).
G n x 1 x 2 x 3 ... x n
2 7 8 16 9 13
7 ,70763
G 7 ,71
Slika 4.
Primjer 3.
Dati su podaci o proizvodnji obue jednog preduzea, u periodu od 1980. do 1992. godine.
a) Prikaite grafiki vremensku
seriju.
b) Odredite prosjenu godinju
stopu rasta proizvodnje obue
u posmatranom periodu.
Rjeenje
98
GROWTH
Posredstvom ove funkcije moemo predvidjeti eksponencijalni rast pomou postojeih
podataka. GROWTH postavlja y - vrijednosti za serije novih x - vrijednosti koje navedemo,
koritenjem postojeih x i y vrijednosti. Kako ova funkcija postavlja polje vrijednosti ona
mora biti unesena kao formula polja za ije aktiviranje treba istovremeno pritisnuti
kombinaciju tri tipke na tastaturi raunara: Ctrl, Shift, i Enter.
Ctrl Shift Enter
Sintaksa
GROWTH ( known_y's ; known_x's ; new_x's ; const )
Known_y's je skup poznatih y vrijednosti.
Ako se polje known_y's sastoji od samo jedne kolone ili samo jednog reda tada se svaka
kolona, odnosno svaki red known_x 's posmatra kao posebna varijabla.
Ako je neki od brojeva u known_y's , nula ili negativan, GROWTH postavlja vrijednost
greke #NUM!.
Known_x's je polje x vrijednosti koje moe biti i izostavljeno.
Polje known_x's moe ukljuiti jednu ili vie varijabli. Ako se koristi samo jedna
varijabla, known_y's i known_x's mogu biti opsezi bilo kakvog oblika, sve dok imaju iste
dimenzije. Ako se koristi vie od jedne varijable, known_y's mora biti vektor (to znai,
opseg visine jednog reda ili irine jedne kolone).
Ako je known_x's izostavljen, pretpostavlja se da predstavlja polje {1; 2; 3; ...} koje je
iste veliine kao i known_y's.
New_x's su nove x - vrijednosti za koje elimo da funkcija GROWTH postavi odgovarajue
y- vrijednosti.
New_x's mora, kao i known_x's, sadravati kolonu ili red za svaku nezavisnu varijablu.
Zato, ako se podaci known_y's upisani u jednoj koloni, known_x's i new_x's moraju
imati isti broj kolona. Ako je known_y's u jednom redu, known_x's i new_x's moraju
imati isti broj redova.
Ako je new_x's izostavljen, pretpostavlja se da je isti kao known_x's.
Ako su i known_x's i new _x's izostavljeni, pretpostavlja se da su polje {1 ; 2 ; 3 ; ...}, iste
veliine kao i known_y's.
Const je logika vrijednost kojom navodimo da li je konstanta b =1.
Ako je const TRUE ili je izostavljen, b se rauna normalno; ako je FALSE, b = 1.
Primjer 1.
Pojava je u periodu od 1982. do 1988. godine pokazala sljedee kretanje:
Primjenom eksponencijalnog trenda predvidjeti
nivo pojave u naredne dvije godine
Rjeenje
y 24,125 1,474
99
HARMEAN
Posredstvom ove funkcije izraunavamo prostu harmonijsku sredinu koja predstavlja
recipronu vrijednost aritmetike sredine iz recipronih vrijednosti lanova niza.
Formula za harmonijsku sredinu na negrupisanim podacima, glasi:
n
n
n
H
1
1
1
1
1
...
xn
x1 x2 x3
x
i 1
Simboli imaju sljedee znaenje: H prosta harmonijska sredina; n ukupan broj lanova
niza; 1/x 1 , 1/x 2, 1/x 3, , 1/x n su reciproni lanovi niza. Primjenjuje se uz reciprone
pokazatelje, a najvie kod izraunavanja srednjih cijena, srednjeg vremena izrade jedinice
proizvoda, srednjeg vremena preene jedinice puta, prosjenog vremena obrta kapitala itd.
Sintaksa
HARMEAN ( number1 ; number2 ; ... )
Number 1, number2,... su 1 do 30 argumenata za koje elimo izraunati harmonijsku
sredinu; moemo takoe koristiti jednodimenzionalno polje ili referencu na polje umjesto
argumenata razdvojenih separatorom (taka - zarez ili samo zarez u zavisnosti od podeenosti
operativnog sistema).
Napomene
Ako argument u vidu polja ili reference sadri tekst, logiku vrijednost, ili prazne elije,
te se vrijednosti zanemaruju; meutim, elije sa vrijednostima nula su ukljuene.
Ako je neki podatak 0, HARMEAN postavlja vrijednost greke #NUM!.
Harmonijska sredina je uvijek od geometrijske sredine, koja je uvijek od aritmetike
sredine, to jest: H G A.
Prosta harmonijska sredina, odnosno funkcija HARMEAN odgovara izrazu:
HARMEAN
1
n
n
n
1
1
1
n i 1 x i
xi
i 1
Harmonijska sredina na grupisanim podacima koristi se kada imamo seriju recipronih
pokazatelja sa razliitim frekvencijama, i odgovara sljedeem izrazu:
k
Hg
f 1 f 2 f 3 ... f k
f
f1 f2 f3
... k
x1 x2 x3
xk
f
i 1
k
x
i 1
fi
i
U proraunskoj tablici Excel ponderisanu harmonijsku sredinu,

odnosno harmonijsku sredinu na grupisanim podacima
izraunavamo posredstvom funkcije SUM, koju aktiviramo
kao formulu polja istovremenim pritiskom na kombinaciju tipki: Ctrl+Shift+Enter.
100
Primjer 1.
Pet radnika rade iste proizvode i pri tome su za 8 sati rada proizveli:
Svih pet radnika su u toku osam sati rada proizveli ukupno 810 proizvoda, ili prosjeno svaki
po 162. Za jedan sat rada svaki radnik je proizveo 20,25 , a za jedan minut 0,3375 proizvoda.
Iz ekonomije nam je poznato da se produktivnost rada mae mjeriti i potrebnim vremenom za
izradu jedinice proizvoda. U tom sluaju radnicima je potrebno:
da bi proizveli jednu jedininicu proizvoda. U prosjeku svih pet radnika za jednu jedinicu
proizvoda utroe 2,96 minuta ivog rada. Do ove vrijednosti dolazimo posredstvom izraza:
5
5
2,963
1
1
1
1
1
1
1
1
1
1
x 1 x 2 x 3 x 4 x 5 4,8 4 3,2 2,4 2

odnosno posredstvom ugraene Excelove funkcije HARMEAN, kao na slici 1.
H
Slika 1.
U prvom sluaju, ukoliko je proizvedeno vie jedinica proizvoda u jedinici vremena, utoliko
je vea produktivnost, a u drugom sluaju je ona manja ukoliko je potrebno vie vremena za
izradu jedinice proizvoda, odnosno bie vea ako je potrebno manje vremena.
Primjer 2.
Automobil je prvih 100 km preao brzinom 110 km/h, a drugih 100 km brzinom od
km
2
105 km/h. Kolika je srednja brzina automobila?
H
107,44
Rjeenje
1
1
h
Srednja brzina automobila iznosi 107,44 km/h - slika 2.

110 105
Slika 2.
101
HYPGEOMDIST
Pretpostavimo da se u nekoj posudi nalaze bijele i crvene kuglice i da njihov ukupan broj
iznosi N. Oznaimo sa N 1 ukupan broj bijelih kuglica. Sluajna promjenljiva X, kojom
oznaavamo broj bijelih kuglica u n izvuenih sa vraanjem ima binomnu raspodjelu
vjerovatnoe
N
N-N
N
n
1 2
px P(X x) px (1 p)n x , x 0, 1, ..., n gdje je : p 1 konstanta; q
N
N
N
x
pri emu x predstavlja broj bijelih kuglica u uzorku veliine n kuglica.

U sluajevima, kada je izvlaenje bez vraanja, odnos p = N 1 /N se mijenja, to znai da su
rezultati izvlaenja zavisni dogaaji. Da bismo ustanovili zakon vjerovatnoe sluajne
promjenljive X kod zavisnih dogaaja pretpostavimo da smo iz posude sa N 1 bijelih kuglica i
N-N 1 crvenih kuglica, izvukli n kuglica bez vraanja. Neka se u n izvuenih kuglica u
uzorku nalazi x (x = 0, 1, 2, , N 1 ) bijelih kuglica. Broj moguih naina izbora n kuglica
predstavlja broj kombinacija od N elemenata n - te klase i u Excelu se moe izraunati
posredstvom ugraene funkcije COMBIN iz kategorije matematikih funkcija. Takoe, x
bijelih kuglica se moe izabrati od N 1 bijelih na :
N 1!
N 1

C Nx 1
x x! (N 1 x)!
naina. Poto u uzorku od n kuglica ima x bijelih, to preostalih n-x moraju biti crvene; one se
mogu formirati od N-N 1 = N 2 crvenih kuglica na :
(N - N 1 )!
N - N 1
N2
N 2!

C nN--xN 1

(n - x)! (N 2 - n x)!
n - x (n - x)! (N - N 1 - n x)!
n - x
naina. Tako je broj povoljnih sluajeva da se u uzorku od n kuglica nae x bijelih jednak:
N 1 N - N 1 N 1 N 2

C Nx 1 C nN--xN 1
x n - x x n - x
Konano imamo izraz za funkciju p.m.f. hipergeometrijske raspodjele
N 1 N N 1 N 1 N 2
x n,

x n x x n x
x N1 ,
f(x) P(X x)
N
N
N
1

2
n x N2

n
koja odgovara funkciji HYPGEOMDIST,
n
gdje je: x sample_s (broj povoljnih ishoda), n - x broj nepovoljnih ishoda,
n number_sample (veliina uzorka), N 1 population_s (broj uspjeha u populaciji),
N-N 1 =N 2 broj neuspjeha u populaciji, N number_population (veliina populacije).
Sintaksa
HYPGEOMDIST( sample_s ; number_sample ; population_s ; number_pop)
Sample_s je broj povoljnih ishoda u uzorku. Number_sample je veliina uzorka.
Population_s je broj uspjeha u populaciji. Number_pop je veliina populacije.
Napomene
Svim argumentima se odbacuju decimale kako bi postali cijeli brojevi.
102
Ako neki argument nije broj, HYPGEOMDIST postavlja vrijednost greke #NAME?.
Ako je sample_s vei ili manji od number_sample ili population_s, ili je pak
sample_s < 0, HYPGEOMDIST postavlja vrijednost greke #NUM!.
Ako je sample_s manji od 0 ili od number_sample - number_pop + population_s,
HYPGEOMDIST postavlja vrijednost greke #NUM!.
Ako je number_sample < 0 ili je number_sample > number_pop, HYPGEOMDIST
postavlja vrijednost greke #NUM!.
Ako je population_s < 0 ili je population_s > number_pop, HYPGEOMDIST postavlja
Ako je number_pop < 0, HYPGEOMDIST postavlja vrijednost greke #NUM!.
Najvaniji parametri hipergeometrijske raspodjele su oekivana vrijednost i varijansa:
N
N N N-n
x n 1
2 n 1 2
N
N N N- 1
HYPGEOMDIST se koristi kod uzorkovanja bez zamjene iz konane populacije.
Koeficijent asimetrije 3 odgovara izrazu
N - 2 N 1 2 N - 1
N - 2 n 2
N1
N - N 1 n N - n N - 2 2
pa je hipergeometrijska raspodjela u optem sluaju asimetrina; za sluaj kada je N 1 =
N 2 i jednako N/2, tada je 3 = 0 pa je raspodjela simetrina za svako x.
Kada N 1 , N 2 , i N , tada hipergeometrijska raspodjela tei binomnoj
raspodjeli :
N1 N2

x n x n px (1 p)n x
x
N

n
Primjer 1.
U jednoj posudi nalazi se 50 kuglica od kojih je 10 bijelih. Kolika je vjerovatnoa da u
sluajnom uzorku od sedam izvuenih kuglica bez vraanja izvuemo tano dvije bijele?
Rjeenje
Ako sa X oznaimo broj bijelih kuglica vjerovatnoa da izvuemo tano dvije bijele odgovara
vrijednosti f(2) kao na slici 1.
10 40

2
5
f(2) P(X 2) 0,296446
50

7
Slika 1.
103
INTERCEPT
Ova funkcija na osnovu poznatih parova vrijednosti (x i , y i ) izraunava slobodan lan b
regresijskog pravca y = m*x+b. Slobodan lan b i koeficijent pravca m odgovaraju rjeenju
sistema normalnih jednaina
n
b n m
x y
i
i 1
i 1
x m x x y
2
i
i 1
i 1
i 1
dobijenog metodom najmanjih kvadrata. Tako dobijamo:

n
1
n
i 1
yi
m
n
xi y m x
i 1
x y x y
n x ( x )
i 1
i 1
2
i
i 1
i 1
i 1
Sintaksa
INTERCEPT (known_y's ; known_'s)
Prvi argument known_y's predstavlja vrijednosti zavisne varijable. Drugi argument
known_x's odgovara vrijednostima nezavisne varijable. Funkcija INTERCEPT je osjetljiva
na promjenu mjesta argumentima; ako prvo upiemo vrijednosti x i , pa onda y i postavljena
vrijednost e odgovarati slobodnom lanu c, regresijskog pravca x = d* y+c.
Napomene
Argumenti moraju biti brojevi, nazivi, polja, ili reference koje sadre brojeve.
Ako argument, zapisan u obliku polja ili reference, sadri tekst, logike vrijednosti ili
prazne elije, te se vrijednosti zanemaruju; meutim, elije sa nulom su ukljuene.
Ako known_y's i known_x's sadre razliit broj podataka ili uopte ne sadre podatke,
funkcija INTERCEPT postavlja vrijednost greke #N/A.
Jednaina presjeka regresijskog pravca sa y-osom, glasi
1
INTERCEPT(y i ; x i ) b
n
i 1
m
yi
n
x y m x
i
i 1
gdje je m nagib, odnosno koeficijent regresijskog pravca y = m*x+b.
104
Primjer 1.
U jednoj kompaniji su zabiljeeni podaci o obimu proizvodnje u tonama (x) i ukupnim
trokovima (y) u 103 NJ(novanih jedinica):
Odrediti slobodan lan b , odnosno fiksne trokove u funkciji ukupnih trokova.

Rjeenje
Poto je kretanje ukupnih trokova problino linearno, polazimo od funkcije y p = mx+b.
Rjeavanjem sistema normalnih jednaina, dobijamo sljedei izraz za b:
6
1
b
6
i 1
1
yi
6
x y x y
i
i 1
i 1
i 1
x ( x )
2
i
i 1
i 1
i 1
Koritenjem gotovih Excelovih funkcija AVERAGE, SUMPRODUCT, SUMSQ i SUM (na

slici 1.) izraunate su vrijednosti za sume u izrazu za b.
Slika 1.
Njihovim uvrtavanjem, dobijamo:
6
1
b
6
i 1
1
yi
6
x
i
i1
x y x y
i
i 1
i1
i 1
x ( x )
2
i
i 1
123,667 39,333
6 29531 236 742

74,286
6 9558 236 2
i 1
Dakle, slobodan lan b , odnosno fiksni trokovi, iznose: 74286 NJ.

Kako se do ove vrijednsti moe doi direktno bez prethodnog izraunavanja gornjih suma?
Jednostavno, posredstvom ugraene Excelove funkcije INTERCEPT, kao na slici 2.
Slika 2.
105
Primjer 2.
Za dati skup empirijskih vrijednosti (x i ,y i ) i=1,2,,8 odrediti parametar b u funkciji tranje
oblika y = b*xm tradicionalno, i posredstvom funkcije INTERCEPT.
Rjeenje
Sistem normalnih jednaina za ovu funkciju tranje glasi:
8
8 log10b m
log10 xi
i 1
log10 yi
log 10 b
i 1
log
10
x i m
i 1
(log
10
xi)
i 1
log
10
x i log 10 y i
i 1
ili u rijeenom obliku

8
8
m
log 10 x i log 10 y i
i1
log
( log x )
i 1
(log
i 1
10
x i )2
log 10 x i
10
yi
log 10 b
i1
10
1
8
log 10 y i
i 1
m
8
log
10
xi
i 1
i 1
Prema vrijednostima koje odgovaraju logaritamskim sumama u tabeli na slici 3. moemo

izraunati parametar log 10 b.
Slika 3.
Dakle, imamo:
8
1
log 10 b
8
i 1
1
log 10 y i
8
log
8
10
xi
i1
i 1
log 10 x i
i1
(log
i 1
log
i 1
10
xi) (
log
10
xi)
10
yi
i 1
29,0915966 2 12,60552052 8 45,41712565 12,60552052 29,0915966 2
4,65489701
8
8
8 20,51562169 12,60552052 2
b 10 4,65489701 45174,88027
Posredstvom funkcije INTERCEPT do vrijednosti za parametar b dolazimo kao na slici 4.
b 10 4,65489701 45174,88027
45174,88 =POWER(10;INTERCEPT(LOG10(B2:B9);LOG10(A2:A9)))=b
Slika 4.
106
KURT
Ova funkcija odgovara mjeri splotenosti Fisher's g2 i predstavlja jednu alternativnu mjeru
spljotenosti, odnosno izraunava kurtosis skupa podataka. Formula za njeno izraunavanje
glasi:
KURT
n1
(n 1) (n - 1)
( 2 3
)
n 1
(n 2) (n - 3)
gdje
m4
m 22
1
n
(x x)
i
i 1
n
i 1
(x i x) 2
m2 2
n1 2
s
n
odgovara poznatom koeficijentu spljotenosti 4. Normalna kriva ima koeficijent

splotenosti jednak tri i predstavlja osnov za mjeru spljotenosti. Kod izduenih raspodjela
(leptokurtik) koeficijent spljotenosti je vei od tri a kod raspodjela koje su spljotenije od
normalne raspodjele ( platikurtik) ovaj koeficijent je manji od tri.
Sintaksa
KURT (number1 ; number2 ; ...)
Number1,number2, ... su 1 do 30 argumenata za koje elimo izraunati kurtosis; moemo
koristiti i jednodimenzionalno polje ili referencu na polje umjesto argumenata odvojenih
separatorom.
Napomene
Argumenti moraju biti brojevi ili nazivi, polja, ili reference koje sadre brojeve.
Ako argument u vidu polja ili reference sadri tekst, logiku vrijednost, ili prazne elije,
te se vrijednosti zanemaruju; meutim, elije s vrijednosti nula se ukljuuju.
Ako postoji manje od 4 podatka, ili ako je standardna devijacija uzorka jednako nula,
KURT postavlja vrijednost greke #DIV/0!.
Izraz za kurtosis moemo napisati i u obliku:
n
xi x
3 (n 1)2
1
x i x 2
; s
n 1 i 1
s
(n 2) (n 3)
i 1
gdje je s - standardna devijacija uzorka.
Za mjeru splotenosti rasporeda frekvencija (kurtosis) koristimo se kolinikom etvrtog
centralnog momenta i etvrtim stepenom standardne devijacije (ili kvadratom varijanse),
odnosno koeficijentom 4 koji moemo izraunati posredstvom poznate vrijednosti
funkcije KURT, prema obrascu:
n (n 1)
KURT
(n 1) (n 2) (n 3)
(n - 2) (n 3)
n 1
KURT 3
(n 1) (n 1)
n 1
Na malim uzorcima ova statistika nije pouzdana ocjena spljotenosti; kada se radi o
velikim uzorcima i jedna i druga formula daju zadovoljavajue rezultate.
107
Primjer 1.
Na sljedeim podacima izraunati kurtosis:
1
3
4
5
6
1
3
4
5
6
2
3
4
5
6
2
4
4
5
6
2
4
4
5
6
3
4
4
5
6
3
4
4
5
7
3
4
5
5
7
3
4
5
5
7
3
4
5
6
8
4
2
6
6
7
4
2
8
4
5
8
6
8
8
7
7
6
8
6
2
5
2
8
5
6
3
2
4
5
5
2
3
5
6
4
2
4
5
4
1
2
4
5
7
1
1
5
2
7
6
4
4
5
3
5
4
4
6
3
5
4
4
2
3
5
4
4
5
3
6
4
4
5
5
4
4
4
3
5
3
4
4
8
5
5
4
4
3
5
6
4
4
3
5
7
4
4
3
5
8
Rjeenje
Na Slici 1. date su vrijednosti i sintakse funkcije KURT posredstvom koje smo izraunali
odgovarajui kurtosis.
Slika 1.
Prebrojavanja vrijednosti po ovim grupama podataka izvrili smo posredstvom funkcije
FREQUENCY i iste grafiki prikazali. Nije teko zapaziti da podaci u polju elija B1:K5
imaju normalni raspored (mezokurtik), u polju elija B7:K11 spljoteniji raspored od
normalnog (platikurtik) a u polju elija M1:V5 izdueniji oblik u odnosu na normalni
raspored (leptokurtik).
15
fm
10
fp
10
6
4
2
0
0
1
25
fl
20
15
10
5
0
1
108
LARGE
Ova funkcija postavlja k- tu vrijednost po veliini u skupu podataka.
Sintaksa
LARGE( array ; k)
Array je polje ili opseg podataka u kojem elimo odrediti k-tu vrijednost po veliini.
K je k -ta vrijednost od najvee u polju ili opsegu elija s podacima.
Napomene
Ako je argument array prazan, LARGE postavlja vrijednost greke #NUM!.
Ako je k 0 ili ako je k vei od broja podataka, LARGE postavlja vrijednost greke
#NUM!.
Ako je n broj podataka u opsegu, tada LARGE(array;1) postavlja najveu, a LARGE(array;n)
najmanju vrijednost.
Primjer 1.
U argumentu array koji sadri podatke
postaviti 5-tu vrijednost po veliini poev od najvee.
Rjeenje
Peta vrijednost po veliini u polju elija A1:O1, poevi od najvee, jeste vrijednost 7,1.
Na slici 1. data je odgovarajua sintaksa funkcije LARGE koja nam obezbjeuje da u datom
skupu vrijednosti pronaemo odgovarajuu, odnosno 5-tu vrijednost, u smjeru od najvee ka
najmanjoj. Dakle, ako poredamo sve vrijednosti u argumentu array po veliini i ponemo ih
prebrojavati od najvee prema najmanjoj 5- ta vrijednost e biti vrijednost 7,1.
Slika 1.
Funkciju LARGE moemo iskoristiti da nam poreda date vrijednosti iz opsega podataka u
smjeru od najvee do najmanje ili od najmanje do najvee vrijednosti.
Vrijednosti za k emo postaviti u prvom sluaju od 1 do 15 koliko ima ukupno vrijednosti u
argumentu array a u drugom sluaju od 15 do 1. Selektovanjem polja elija koje ima isti broj
elija kao i argument array i selektovanjem za k ovako oznaenih vrijednosti koritenjem
formule polja moemo u jednom potezu dobiti poredane vrijednosti. Pogledati sliku 2.
109
Slika 2.
Primjer 2.
Podatke na slici 3. srediti po veliini, u smjeru od najmanjeg prema najveem, i oznaiti 12-tu
vrijednost. Koristiti funkciju LARGE.
Slika 3.
Rjeenje
Na slici 4. je pokazano kako se posredstvom funkcije LARGE dati podaci mogu urediti po
veliini u smjeru od najmanjeg prema najveem. Polje elija A11:J14 sadri ureene podatke.
Slika 4.
Dvanaesta vrijednost u skupu ureenih vrijednosti po veliini od najvee prema najmanjoj je
vrijednost 15. Sintaksa, posredstvom koje smo uredili vrijednosti iz polja elija A1:J4, ima
vitiaste zagrade koje ukazuju na formulu polja. Snaga funkcije LARGE ogleda se u tome to
mi zapravo nemoramo podatke prvo urediti po veliini da bismo odredili neku poziciju jer to
umjesto nas automatski radi Excelova ugraena funkcija. Sintaksa, posredstvom koje
odreujemo vrijednost koja ima dvanaestu poziciju je: = LARGE(A1:J4 ; 12) = 15.
110
LINEST
Posredstvom ove, izuzetno korisne funkcije, veoma jednostavno moemo izraunati statistiku
regresijskog pravca u odnosu prema datim podacima, saglasno metodi najmanjih kvadrata.
Koristimo je kod proste i viestruke regresije; kako postavlja polje vrijednosti ovu funkciju
unosimo kao formulu polja, za ije aktiviranje je potrebno istovremeno pritisnuti tri tipke na
tastaturi raunara: Ctrl, Shift, i Enter.
Sintaksa
LINEST (known_y's ; known_x's ; const ; stats)
Known_y's predstavlja polje poznatih y vrijednosti.
Const je logika vrijednost kojom navodimo da li je konstanta b =0.
Stats je logika vrijednost koja navodi da li e biti postavljena dodatna regresijska statistika.
Ako je stats TRUE, i kada imamo sluaj viestruke linearne regresije, funkcija LINEST
postavlja dodatnu regresijsku statistiku prema sljedeem redoslijedu:
Ako je stat FALSE ili izostavljen, LINEST postavlja samo koeficijente m i konstantu b.
Mnoge pojave javljaju se pod uticajem vie od jednog faktora. Posredstvom regresione
analize pri prouavanju meusobnih relacija moemo ustanoviti dvije ili vie nezavisnih
promjenljivih. U takvim sluajevima imamo viedimenzionalne rasporede koje moemo
aproksimirati viestrukim ili multiplim regresionim modelima.
U statistici veina koritenih matematikih formula za izraavanje linearnih relacija izmeu
jedne zavisne i dvije ili vie nezavisnih varijabli su jednaine oblika:
y p mk x k mk 1 x k 1 ... m2 x 2 m1 x 1 b
111
Ovdje je y p varijabla koju elimo da prognoziramo ili predvidimo. Veliine x 1 , x 2 , , x k

predstavljaju nezavisne varijable a m 1 , m 2 , , m k predstavljaju koeficijente, numerike
konstante koji se moraju matematiki odrediti iz datih podataka. Naravno i kod viestruke
regresije se pridravamo kriterija najmanjih kvadrata koji se ogleda u minimalnoj vrijednosti
izraza:
n
y (m x
i
mk 1 x (k 1)i ... m 2 x 2i m 1 x 1i b)
ki
i 1
u kojem
y i (mk x ki mk 1 x (k 1)i ... m 2 x 2i m 1 x 1i b)

predstavlja razliku izmeu y i vrijednosti i prognoziranih y p vrijednosti koje se dobijaju na
temelju vrijednosti x ki ; ; x 2i ; x 1i . Najednostavniji sluaj viestruke regresije imamo sa
dvije varijable x 2 i x 1 . Jednaina tada dobija oblik: y p = m 2 x 2 +m 1 x 1 +b.
Jasno je da emo u ovom modelu imati sistem normalnih jednaina
n
m2
2i
m1
i 1
(x
2i
x 1i ) m1
2
1i
2
2i
m1
i 1
i 1
i 1
i 1
m2
nb
1i
i 1
m2
(x
1i
x 2i ) b
i 1
x x
1i
i 1
i 1
1i
x x
2i
i 1
yi
2i
yi
i 1
od tri jednaine, koje moramo rijeiti, da bismo dobili vrijednosti koeficijenata m 2 , m 1 , i

konstantu b . U ovom sistemu jednaina x ki ; ; x 2i ; x 1i , y i , predstavljaju vrijednosti datih
taaka podataka a n odgovara broju podataka svake varijable.
Uopteni model koji bi imao m k varijabli x ,imao bi k+1 jednaina.
Ako je stats TRUE, i imamo sluaj proste linearne regresije, funkcija LINEST postavlja
dodatnu regresijsku statistiku prema redoslijedu:
Ako je stat FALSE ili izostavljen, LINEST tada postavlja
samo koeficijent m i konstantu b.
Regresijski pravac y p = m 1 x + b = mx + b koji najbolje predstavlja take na dijagramu

rasipanja, takoe je saglasan metodi najmanjih kvadrata; dakle, koristimo kriterij najmanjih
kvadrata koji moemo iskazati kao minimalnu suma kvadrata vertikalnih rastojanja datih
taaka do regresijskog pravca y p = m*x +b:
n
(m x b y )
i
i 1
Potreban uslov da gornji izraz dostigne minimum, moemo izraziti kao:

112
L
2
b
(m x b y ) 0
L
2
m
i 1
(m x b y ) x
i
i 1
odakle se dobija sistem normalnih jednaina

n
x nb y
i
i 1
i 1
xi yi (
i 1
i 1
i 1
x x y
i
i 1
i 1
i 1
iz kojeg izraunavamo parametre m i b:
2
i
xi) (
y )
i
i 1
x )
i
b y m x
i 1
koji odgovaraju ugraenim Excelovim funkcijama SLOPE i INTERCEPT.

Statistike se b i se 1 odgovaraju vrijednostima standardne greke za konstantu b (se b = #N/A
kada je const FALSE) i standardne greke za koeficijent m 1 (m), respektivno.
Njihove vrijednosti odgovaraju izrazima:
n
se
(y m x b)
i
i 1 i
n2
1
x
( n
)
n (x x)2
i
se
1
i 1
(y m x b)
i
1
i 1 i
n
2
n2
(x i x)
i 1
Statistika r2 oznaava koeficijent determinacije kojim uporeujemo procijenjene y p i stvarne

vrijednosti y i , i poprima vrijednost u intervalu od 0 do 1. Ovaj koeficijent moemo izraziti u
n
n
obliku:
1
2
(
x i y i x y)2
(y p y)
n i 1
ss reg
r 2 in1
n
n
ss resid ss reg
1
1
2
2
2
2
yi2 y )
(y i y)
(
xi x )(
n i 1
n i 1
i 1
Statistika se y odgovara standardnoj greki regresije; moe se izraziti u obliku:

n
se y
(y m x b)
i
i 1 i
n2
F statistiku moemo koristiti kako bi odredili da li se posmatrani odnosi izmeu zavisne i

nezavisnih varijabli dogaaju sluajno; vrijednost ove statistike odgovara izrazu:
ss reg
F
1
ss resid
n 2
Stepene slobode (df) koristimo za raunanje kritinih vrijednosti za F raspodjelu.
Regresijski zbir kvadrata (ss reg ) i rezidualni zbir kvadrata (ss resid ) odgovaraju izrazima:
n
ss reg
(y
i 1
y)
ss resid
(y y )
i
i 1
113
Primjer 1.
Na osnovu datih podataka treba nai funkciju ukupnih trokova proizvodnje kompanije A:
Rjeenje
Iz datih podataka
vidimo da ukupni
trokovi rastu priblino
srazmjerno sa porastom
proizvodnje.
To znai da serija x i serija y imaju tendenciju stalnog porasta. U ovom sluaju moemo
konstruisati pravu liniju, koja e biti funkcija ukupnih trokova, i ta prava prikazae nam
prosjean odnos izmeu obima proizvodnje x i ukupnih trokova y.
Opti oblik funkcije ukupnih trokova e biti: y = m*x+b. Nepoznati parametri m i b,
tradicionalno se izraunavaju iz sistema normalnih jednaina:
n
b n m

i 1
yi
i 1
xi
xi m
i 1
i 1
x i2
x y
i
i 1
odnosno odgovaraju rjeenju sljedee matrine jednaine:

n
n
b
m n

xi
i 1

i 1
n
i 1
xi
x i2
yi
i 1
n
xi yi
i 1
24,5 10750 480,7142857

b 7
m 24,5 92,75 39735 301,4285714

Na slici 1. pokazano je, kako se posredstvom funkcije LINEST raunaju parametri m i b:

Prije pozivanja
funkcije, potrebno je
selektovati dvije elije
(D2, i E2 na slici 1.).
2500
2000
1500
1000
500
0
1,5
2,5
3,5
4,5
5,5
Slika 1.
Zahvaljujui ovoj izuzetno korisnoj funkciji, mi izbjegavamo gornji raun, a koji
je spomenut samo radi demonstriranja raspoloive snage funkcije LINEST.
Dakle, funkcija ukupnih trokova proizvodnje ovog artikla je: y = 301,4286*x + 480,7143.
U Excelu postoji jo nekoliko ugraenih funkcija posredstvom kojih moemo izraunati
koeficijent pravca m ( funkcija SLOPE) i slobodan lan b ( funkcija INTERCEPT).
114
Primjer 2.
Ispitivana je veza izmeu proizvodnog uinka radnika istih kvalifikacija, na istim radnim
mjestima, sa duinama proizvodnog iskustva na tim radnim mjestima. Nakon izvrenog
grupisanja dobijeni su sljedei podaci:
Navrena godina
proizvodnog
iskustva
2
4
6
8
10
Nacrtati dijagram rasprenja i

postaviti dodatnu regresijsku
statistiku pravca posredstvom
funkcije LINEST.
Dobijene rezultate u dodatnoj
regresijskoj statistici povezati sa
odgovarajuim izrazima.
Proizvodni uinak u
jedinicama proizvoda,
za 8 sati rada
27
30
28
32
33
Rjeenje
Dijagram rasprenja, dat je na slici 2.

y
Slika 2.
Dodatnu regresijsku statistiku postavljamo pomou funkcije LINEST, kao na slici 3.
Slika 3.
Prvo smo selektovali elije A8:B12 i onda pozvali funkciju LINEST,
koju smo aktivirali kao formulu polja istovremenim pritiskom na
tri tipke tastature raunara: Ctrl, Shift, i Enter.
Na slici 3. prikazan je regresijski pravac (koji smo dodali ukljuenjem
opcije prikaza jednaine pravca) i sintaksa funkcije LINEST.
U prvom redu izlazne tablice u eliji A8, vrijednost 0,7 odgovara koeficijentu regresijskog
115
pravca m. Vrijednost u eliji B8 odgovara slobodnom lanu b. Odgovarajui izrazi, glase:

5
x y ( x ) ( y )
i 1
i 1
i 1
i 1
x )
i
0,7 ;
b y 0,7 x 25,8
i 1
Vrijednosti u elijama A9 i B9 odgovaraju standardnim grekama koeficijenta pravca i

slobodnog lana, odnosno izrazima:
5
se
1
(y 0,7 x 25,8)
i
1 i 1 i
n
2
3
(x i x)
i 1
2
0,23 ; se
(y 0,7 x 25,8)
i
i 1 i
1
x
) 1,53
n
5 (x x)2
i
i 1
elije A10 i B10 sadre vrijednosti koeficijenta determinacije i standardne greke regresije.
Odgovarajui izrazi su:
r2
1
(
5
1
(
5
x
i 1
x y x y)
i
i 1
1
2
x )(
5
se y
0,7538 ;
(y 0,7 x 25,8)
i
i 1 i
y )
1,461
i 1
Vrijednosti u elijama A11 i B11 odgovaraju F vrijednosti i broju stepeni slobode df = n-2=3.
Izraz za F vrijednost, glasi:
ss reg
19,6
F 1
9,1875
ss resid
6,4
3
n 2
Regresijski zbir kvadrata (ss reg ) i rezidualni zbir kvadrata (ss resid ) odgovaraju izrazima:
5
ss reg
(y
y) 19,6
ss resid
(y y )
i
6,4
i 1
i 1
i nalaze se u elijama A12 i B12.

Na slici 4. prikazan je prozor funkcije LINEST sa ukljuenom dodatnom statistikom.
Slika 4.
116
Primjer 3.
Jedan kolekcionar starih satova zna da njihova cijena linearno raste sa njihovom starou.
Osim toga on pretpostavlja da aukciona cijena ovih satova e linearno rasti sa porastom broja
ponuda. Uzorak od 32 aukcione cijene, godine starosti satova i broj ponuda, dati su na slici 5.
Starost satova
u godinama, x 1
Broj
Aukciona Starost satova
Broj
ponuda, x 2 cijena u $, y u godinama, x 1 ponuda, x 2
127
115
127
150
156
182
156
132
137
113
137
117
137
153
117
126
13
12
7
9
6
11
12
10
9
9
15
11
8
6
13
10
1235
1080
845
1522
1047
1979
1822
1253
1297
946
1713
1024
1147
1092
1152
1336
170
182
162
184
143
159
108
175
108
179
111
187
111
115
194
168
Aukciona
cijena u $, y
14
8
11
10
6
9
14
8
6
9
15
8
7
7
5
7
2131
1550
1884
2041
845
1483
1055
1545
729
1792
1175
1593
785
744
1356
1262
Slika 5.
Izraunati na tradicionalan nain i posredstvom ugraene funkcije LINEST
koeficijente b, m 1 , i m 2 u regresionoj jednaini: y p = m 2 *x 2 + m 1 x 1 + b.
Rjeenje
Naem primjeru, odgovara sistem normalnih jednaina
32
32
m2
x 2i m1
i 1
2i
x 1i m1
32
2
1i
i 1
x 22i m1
i 1
32
x x
1i
i 1
32
32
i1
32
i 1
m2
i 1
32
m2
32
x 1i 32b
32
x 1i x 2i b
i 1
1i
yi
i 1
32
x 2i
i 1
2i
yi
i 1
ijim rjeavanjem, dobijamo:

32
m1
32
( x 2i x 2 )2
i1
32
( x 1i x 1 ) ( y i y)
i 1
i1
32
(x
32
1i
x 1)
i1
32
m2
(x
i 1
i 1
1i
x 1)
(x
2i
x 2 ) ( y i y)
32
b y m1 x 1 m2 x 2 .
1i
x 1)
i 1
2i
i 1
( x 1i x 1 ) ( x 2 i x 2 )
(x
1i
( x 2i x 2 )
x 2 ) ( y i y)
32
x 1 ) (x 2i x 2 )
i 1
32
i 1
32
32
i 1
(x
(x
i1
( x 2i x 2 )2
32
32
( x 1i x 1 ) ( x 2 i x 2 )
(x
1i
i 1
32
(x
1i
x 1 ) (x 2i
i 1
x 2 )
x 1 ) ( y i y)
Prema podacima na slici 5. raunamo:

117
x1
1
32
32
x 1i 144,9375
i 1
32
( x 1i x 1 )2 23265,875
i 1
32
(x
i 1
x2
1
32
32
(x
2i
32
x 2i 9,53125
i 1
x 1 ) ( y i y) 243822,75
1
32
32
y 1326,875
i
i1
x 2 )2 249,96875
i 1
32
32
1i
( x
1i
x 1) ( x 2i x 2 ) 611,9375
i1
m1
249,96875 243822,75 611,9375 13689,125

12,7405741
23265,875 249,96875 ( 611,9375) 2
m2
23265,875 13689,125 611,9375 243822,75

85,9529844
23265,875 249,96875 ( 611,9375) 2
(x
2i
x 2 ) (y i y) 13689,125
i 1
b 1326,875 12,7405741 144,9375 85,9529844 9,53125 1338,9513.
Sada emo pokazati kako se do ovih vrijednosti dolazi posredstvom ugraene funkcije
LINEST. Pretpostavimo da se podaci za x 1 nalaze u polju elija A2:A33, za x 2 u polju elija
B2:B33, i za y, u polju elija C2:C33. Potrebno je samo selektovati tri prazne elije
( na slici 6. selektovane su elije F1, G1, i H1) za smjetaj rezultata koji odgovaraju
vrijednostima koeficijenata m 2 , m 1 , i b.
Slika 6.
Dakle, regresiona jednaina u naem primjeru glasi: y p = 85,953*x 2 +12,7406*x 1 -1338,9513.
Iz ove jednaine moemo zakljuiti da svaka godina starosti poveava cijenu sata za 12,74$,
a svaka nova ponuda za 85,95$.
Naravno, upisivanjem logike vrijednosti TRUE u argument stats, mogli smo odrediti i
dodatnu regresijsku statistiku koja odgovara podacima na slici 5.
Vrijednost za y, pomou poznatih parova x 1 i x 2 , moemo predvidjeti posredstvom ugraene
funkcije TREND. Naprimjer za x 1 = 200 i x 2 = 20, prognozirana vrijednost za y je:
a za x 1 = 205 i x 2 = 19, prognozirana vrijednost je:
118
Primjer 4.
Menader za prodaju u jednoj kompaniji je odabrao uzorak od 10 prodavaca. Snimio je broj
jedinica koje su oni prodali proli mjesec, broj poziva koji su pri tome napravili, i broj
razliitih prodatih proizvoda.
Na slici 7. broj prodatih jedinica je
oznaen kao zavisna varijabla y, a broj
poziva i broj razliitih prodatih proizvoda
kao nezavisne varijable x1 i x2.
Odrediti regresionu jednainu i dodatnu
regresijsku statistiku.
Slika 7.
Rjeenje
Na osnovu podataka na slici 7. moemo izraunati:
y
28
x1
14
x2 x1 -x1 x2 -x2 y -y (x1 -x1)*(x2 -x2) (x1 -x1)*(y -y) (x2-x2)*(y -y) (x1 -x1)2 (x2 -x2)2
2
-5,9
-1,5 -12,8
8,85
75,52
19,2
34,81
2,25
66
35
15,1
1,5
25,2
22,65
380,52
37,8
228,01
38
22
2,1
0,5
-2,8
1,05
-5,88
-1,4
4,41
0,25
70
29
9,1
0,5
29,2
4,55
265,72
14,6
82,81
0,25
Pr.
1
2,25
22
-13,9
-0,5
-18,8
6,95
261,32
9,4
193,21
0,25
27
15
-4,9
-0,5
-13,8
2,45
67,62
6,9
24,01
0,25
28
17
-2,9
-0,5
-12,8
1,45
37,12
6,4
8,41
0,25
47
20
0,1
0,5
6,2
0,05
0,62
3,1
0,01
0,25
14
12
-7,9
-1,5
-26,8
11,85
211,72
40,2
62,41
2,25
10
68
29
9,1
1,5
27,2
13,65
247,52
40,8
82,81
2,25
408 199 35
73,5
1541,8
177
720,9
10,5
Uvrtavanjem odgovarajuih vrijednosti u izraze za m1 , m2, i b, dobijamo:

10
m1
10
i1
( x 1i x 1 ) ( y i y)
i 1
10
1i
x 1)
i 1
m1
i 1
2i
x 2 ) ( y i y)
i 1
( x 2i x 2 )
(x
i1
10
1i
x 1)
(x
10
i 1
( x 1i x 1 ) ( x 2 i x 2 )
10
2i
x 2 ) ( y i y)
i1
(x
10
1i
(x
10
1i
x 1 ) (x 2i x 2 )
i 1
10
i 1
m2
(x
10,5 1541,8 73,5 177

1,467054264
720,9 10,5 73,5 2
10
m2
( x 1i x 1 ) ( x 2 i x 2 )
i 1
10
(x
10
10
( x 2i x 2 ) 2
x 1)
i 1
720,9 177 73,5 1541,8

6,587763012
720,9 10,5 73,5 2
1i
i 1
( x 2i x 2 )
(x
10
(x
i 1
1i
x 1 ) (x 2i
x 2 )
x 1 ) ( y i y)
b y m1 x 1 m2 x 2 40,8 1,467054264 * 19,9 6,587763012 * 3,5 11,45155039
119
Zahvaljujui ugraenoj funkciji LINEST sav ovaj raun preskaemo jer ga negdje u pozadini
umjesto nas uradi ova izuzetno korisna funkcija. Dovoljno je samo selektovati tri prazne
elije ako elimo izraunati koeficijente, ili 3x5 polje elija (slika 8.) ako elimo izraunati i
dodatnu statistiku i pozvati LINEST u pomo; nakon upisa argumenata potrebno je aktivirati
formulu polja istovremenim pritiskom na tri tipke tastature raunara: Ctrl, Shift, i Enter.
Slika 8.
U ovom primjeru imamo n = 10 opaanja (10 prodavaca). Ukupan broj stepeni slobode je
n -1 = 10-1 = 9. Broj stepeni slobode df u naoj izlaznoj tablici jednak je: n-(k+1) = n-(2+1) =
10-3 = 7, jer imamo dvije nezavisne varijable (k = 2). Prepoznajemo, u prvom redu se nalaze
koeficijenti b (elija H1), m1 (elija G1), i m2 (elija F1).
Ocjena standardne greke sey , odgovara vrijednosti izraza:
se y
i 1
y (m x m x b)
i
2 2i
1 1i
10
i 1
y (m x m x b)
i
2 2i
1 1i
7,889067
7
Do ove vrijednosti moemo doi i posredstvom gotove Excelove funkcije STEYX prema
sljedeoj sintaksi:
nk 1
Dakle, potrebno je izvriti jednu korekciju sa kvadratnim korijenom kolinika (n-2)/(n-k-1).

Ukupna suma kvadrata devijacija y vrijednosti od njihove aritmetike sredine je:
10
(y y)
i
3863,6 DEVSQ(B3 : B12)
i 1
i jednaka je zbiru suma kvadrata devijacija ssreg i ssresid(= sstotal-ssreg) u naoj izlaznoj tablici.
Sume kvadrata devijacija ssreg i ssresid odgovaraju izrazima:
10
ss reg
(y p y) 3427,938 DEVSQ(TREND(B3 : B12; C3 : D12)) ; ss resid

2
(y y )
i
435,6617
i 1
i 1
Kvadrat multiple korelacije odgovara vrijednosti izraza:

10
R2 1
10
(y i y p ) 2
i1
10
(y
y) 2
i 1
10
(y y) (y y)
i
i 1
ss reg
ss resid ss reg
3427,938
3427,938
0,887239
3427,938 435,6617
3863,6
i 1
120
Vrijednost za F statistiku odgovara izrazu:

ss reg
3427,938
2
k
27,53922
F
ss resid
435,6617
7
n (k 1)
i moemo je koristiti kako bi odredili da li se posmatrani odnosi izmeu zavisne i nezavisnih

varijabli dogaaju sluajno.
Standardne greke konstante b, i koeficijenata m1 i m2 , izraunavamo kao na slici 9.
X X
T
XT
se y
X X
T
Slika 9.
Izlazna tablica u Excelu, dobijena posredstvom alata za analizu podataka Regression, prema
podacima u naem primjeru, data je na slici 10.
Slika 10.
Multipli koeficijent determinacije R Square je mjera proporcije ukupne varijacije koja je
objanjena regresionom jednainom. Pozitivni kvadratni korijen iz multiplog koeficijenta
determinacije zovemo multipli korelacioni koeficijent i u izlaznoj tablici odgovara oznaci
Multiple R. Nepristrasna ocjena multiplog koeficijenta determinacije populacije
Adjusted R Square odgovara izrazu:
10
(y y ) /(n k 1) 435,76617 SS
1
1
Adjusted R Square 1
3863,6
SS
(y y) /(n 1)
9
i
i 1
Re sidual
10
Total
/ df Re sidual
/ df Total
0,855022143
i1
121
Analiza varijanse (ANOVA) se koristi u svrhu sveobuhvatnog testiranja statistike

znaajnosti regresione jednaine. Ovdje testiramo da li su svi pravi regresioni koeficijenti u
jednaini jednaki nuli. Ako je nulta hipoteza istinita (da su svi pravi regresioni koeficijenti
jednaki nuli), tada odnos:
n
(y
n
ss reg
y) 2 / k
i 1
(y y )
i
/(n k 1)
i 1
k
ss resid
nk 1
ima F raspodjelu sa k i (n-k-1) stepeni slobode. Ako ovaj odnos premauje kritinu vrijednost
F , gdje je eljeni nivo znaajnosti, tada nultu hipotezu odbacujemo. Ako nije tako, onda
nultu hipotezu treba prihvatiti. U naem primjeru eljeni nivo znaajnosti = 5%.
Krajnja izlazna tablica sadri vrijednosti regresionih koeficijenata i odgovarajue im
standardne greke. Moe se dokazati da statistika:
t Stat i
Coefficients i M i
, i Intercept, x 1 , x 2 ,...
S tan dard Errori
ima Studentovu t raspodjelu sa df = n - k - 1 stepeni slobode, gdje je n broj opaanja, odnosno

broj podataka a k broj nezavisnih varijabli. Mi su teoretski koeficijenti za xi.
Razmatramo sljedee hipoteze: Ho: Mi=0 , H1: Mi 0. Ako prihvatimo nultu hipotezu Ho mi
zakljuujemo da je Mi=0, i xi moemo iskljuiti iz regresione jednaine. Ako prihvatimo
alternativnu hipotezu H1, mi zakljuujemo da je Mi 0 i da je odgovarajua varijabla xi
znaajna za objanjenje zavisne varijable u dobijenoj regresionoj jednaini.
U naem primjeru, na nivou znaajnosti = 5%, kritinu vrijednost 2,36 moemo
izraunati prema sintaksi: =TINV(5%;7). Odnosi u koloni t Stat imaju n-k-1=7 stepeni
slobode. Na slici 11. je prikazana ova Studentova t raspodjela.
t Stat Intercept
11,45155039
1,240530349
9,231173101
1,467054264
2,671624157
0,549124494
6,587763012
1,447852393
4,550023915
t Stat x 1
t Stat x 2
2,5%
2,5%
U koloni P-value imamo odgovarajue

vjerovatnoe, koje uporeujemo sa nivoom = 5%,
tako da odmah moemo zakljuiti da li je odreena
varijabla znaajna u objanjavanju zavisne varijable
u regresionoj jednaini.
Slika 11.
Mi zakljuujemo na nivou znaajnosti = 5% da x1 (broj poziva) moe biti ukljuen kao
znaajna varijabla u objanjenju zavisne varijable y (broj prodatih jedinica). Ovaj zakljuak
moemo donijeti odmah na osnovu vrojednosti 0,03192 u koloni P-value, jer je jedino ova
vrijednost manja od nivoa znaajnosti .
Kolone Lower 95% i Upper 95% sadre donju i gornju granicu intervala povjerenja pojedinih
koeficijenata. Primjera radi, granice intervala za koeficijent m1 uz x1, odreujemo kao:
Granice intervala odreujemo, kao:
Coefficientsi t/2*Standard Errori

122
U nastavku su prikazani rezultati regresione analize na podacima u naem primjeru, u

nekoliko softverskih paketa.
Minitab 12.1.
Regression Analysis
The regression equation is
Y = - 11,5 + 1,47 X1 + 6,59 X2
Predictor
Constant
X1
X2
Coef
-11,452
1,4671
6,588
S = 7,889
StDev
9,231
0,5491
4,550
R-Sq = 88,7%
T
-1,24
2,67
1,45
P
0,255
0,032
0,191
R-Sq(adj) = 85,5%
Analysis of Variance
Source
Regression
Residual Error
Total
DF
2
7
9
SS
3427,9
435,7
3863,6
MS
1714,0
62,2
F
27,54
P
0,000
SPSS 10.
b
Variables Entered/Removed
Model
1
Variables
Entered
X2, X1 a
Variables
Removed
Method
Enter
a. All requested variables entered.

b. Dependent Variable: Y
Model Summary
Change Statistics
Model
1
R
R Square
,942a
,887
Adjusted
R Square
,855
Std. Error of
the Estimate
7,8891
R Square
Change
,887
F Change
27,539
df1
df2
Sig. F Change
,000
a. Predictors: (Constant), X2, X1
ANOVA b
Model
1
Regression
Residual
Total
Sum of
Squares
3427,94
df
Mean Square
1713,969
435,662
62,237
3863,60
F
27,539
Sig.
,000a
a. Predictors: (Constant), X2, X1

b. Dependent Variable: Y
Coefficients
Model
1
Unstandardized
Coefficients
(Constant)
X1
X2
B
-11,452
1,467
6,588
Std. Error
9,231
,549
4,550
Standardi
zed
Coefficie
nts
Beta
,634
,343
t
-1,241
Sig.
,255
2,672
,032
1,448
,191
95% Confidence Interval for B
Lower Bound
-33,280
,169
-4,171
Upper Bound
10,377
2,766
17,347
a. Dependent Variable: Y
123
NCSS 97
Dependent
Regression Equation Section

Independent
Regression
Variable
Coefficient
Intercept
-11,45155
x1
1,467054
x2
6,587763
R-Squared
0,887239
Standard
Error
9,231174
0,5491245
4,550024
T-Value
(Ho: B=0)
-1,2405
2,6716
1,4479
Regression Coefficient Section

Independent
Regression
Variable
Coefficient
Intercept
-11,45155
x1
1,467054
x2
6,587763
T-Critical
2,364624
Standard
Error
9,231174
0,5491245
4,550024
Lower
95,0% C.L.
-33,27981
0,1685812
-4,171334
Prob
Level
0,254743
0,031924
0,190920
Decision
(5,0%)
Accept Ho
Reject Ho
Accept Ho
Upper
95,0% C.L.
10,37671
2,765527
17,34686
Power
(5,0%)
0,189593
0,632147
0,240906
Standardized
Coefficient
0,0000
0,6337
0,3434
Analysis of Variance Section

Sum of
Squares
16646,4
3427,938
435,6617
3863,6
Mean
Square
16646,4
1713,969
62,23738
429,2889
Root Mean Square Error

Mean of Dependent
Coefficient of Variation
Sum |Press Residuals|
7,889067
40,8
0,1933595
90,57936
R-Squared
Adj R-Squared
Press Value
Press R-Squared
0,8872
0,8550
1002,279
0,7406
Normality Tests Section

Assumption
Skewness
Kurtosis
Omnibus
Value
0,5854
-0,5546
0,6502
Probability
0,558306
0,579169
0,722446
Decision(5%)
Accepted
Accepted
Accepted
Source
Intercept
Model
Error
Total(Adjusted)
DF
1
2
7
9
F-Ratio
Prob
Level
Power
(5,0%)
27,5392
0,000481
0,966421
STATISTICA 5.0
124
Primjer 5.
Poznato je da u uslovima ustaljenog i ravnomjernog teenja vode u otvorenim tokovima,
proticaj vode Q predstavlja funkciju vodostaja (dubine), h. Ova veza odreena na osnovu
mjerenja proticaja i vodostaja u prirodi ima presudan uticaj na procjenu koliina voda na
odreenom mjernom profilu i u hidrolokoj praksi se naziva kriva proticaja. Jedan od esto
koritenih matematikih oblika kojim se izraava proticaj Q u funkciji vodostaja h je:
Q p b (h h 0 )m
gdje su m i b parametri modela a h o vodostaj pri kojem nema teenja, to jest proticaj Q jednak
je nuli. U naem primjeru uzet emo h 0 = 9 cm. Na osnovu pretpostavljenih podataka
o proticaju i vodostaju rijeke "A"(odnose se na parove (h,Q) u razliitim vremenskim
trenucima) na odreenoj vodomjernoj stanici, posredstvom funkcije LINEST, odrediti
parametre m i b.
Rjeenje
Vodostaj Proticaj
m
Postupkom logaritmovanja izraza: Q p b (h 9)
3
h (cm)
Q (m /s)
dobijamo njegovu linearnu formu: log 10 Q p log 10 b m log 10 (h 9)
18
0,02
koji nas upuuje na koji nain treba upisati argumente funkcije, kao i
20
0,08
na formu izlaznih rezultata. Sasvim je oito da se oba argumenta,
38
0,62
odnosno podaci i o proticaju i o vodostaju, moraju unijeti u
45
1,43
logaritamskom obliku, kao i to da e izlazni rezultati koje postavlja
54
1,86
funkcija LINEST, odgovarati parametrima: m, i log 10 b.
67
4,23
U naem modelu, parametri m i b imaju vrijednosti: m = 2,616898 i
55
2,08
b
= 0,000099399. Dakle, proticaj Q u funkciji vodostaja h odgovara
62
3,26
formuli: Q p 0,000099399 (h 9)2,616898
56
2,41
Odgovarajui sistem normalnih jednaina, glasi:
75
6,5
61
3,06
70
76
6,43
143
31,5
118
19,9
15
15 log10b m
15
log10 (hi 9)
i 1
log
10
15
10
i 1
15
log 10 b
log Q
(h i 9) m
i 1
log
(h i 9)
2
10
i 1
15
log
10
(h i 9) log 10 Q i
i1
Rjeenje ovog sistema odgovara vrijednostima m i log 10 b:
log 10 b
log 10 (hi 9)
i1
15
2
log 10 (hi 9)
i1
15
15
15
log
i 1
10
(hi 9)
i 1
log 10 (hi 9) log 10 Q i
15
log
15
i1
10
Qi
log 10 b - 4,00262
m 2,616898
Kako je: log10b -4,00262 b 10

0,000099399 .
Do odgovarajueg rjeenja, posredstvom funkcije LINEST, dolazimo u nekoliko poteza.
Zapravo, potrebno je
selektovati dvije prazne
elije i pravilno unijeti
argumente funkcije
LINEST, i imati na umu
da rezultati odgovaraju
logaritmu parametra b i
parametru m.
Iz logaritamske vrijednosti
izraunavamo vrijednost
za parametar b.
-4,00262
125
Posredtvom sintakse:
{=LINEST(LOG10(B2:B16);LOG10(A2:A16-9);;1)}
moemo odrediti i dodatnu regresijsku statistiku:
2,616898 -4,00262
0,071875 0,12082
0,990288 0,084357
1325,616
13
9,433118 0,092508
log 10 b
se log b
se m
se log
r2
F
se reg
df 13
df 15 2 13
10
10 Q
df
se resid
Dobijeni rezultati odgovaraju sljedeim izrazima, odnosno sintaksama:

15
15
15
log 10 (h i 9) log 10 Q i
i 1
15
log 10 (h i 9)
i1
15
15
i 1
log 10 (hi 9)2
15
i 1
se
10
i 1
2
log 10 (h i - 9)
15
15 2
log
(log Q log Q )
10 i
10 pi
i 1
Qi
; log 10 b log 10 Q i m log 10 (hi 9)
logaritamska
transformacija
log (hi 9) log 10 (hi 9)
i 1 10
15
0,071875
{=SQRT( DEVSQ( LOG10(B2:B16)-TREND( LOG10(B2:B16) ; LOG10(A2:A16 - 9))) / DEVSQ(LOG10(A2:A16-9))/13)}

15
se
(log Q log Q )
10 i
10 pi
i 1
2
1
log (h 9)
10
i

15 15
log (h 9) log (h 9)
10 i
10 i
i1
13
0,12082
2
0,12082={=SQRT(DEVSQ(LOG10(B2:B16)-TREND(LOG10(B2:B16);LOG10(A2:A169)))/13*(1/15+AVERAGE(LOG10(A2:A16-9))^2/DEVSQ(LOG10(A2:A16-9))))}
15
r2
(log
10
Q pi log 10 Q i ) 2
i1
15
(log
10
Q i log 10 Q i ) 2
ss reg
ss resid ss reg
9,433118
0,990288
9,525626
r 0,990288 0,995132
imamo visoku krivolinijsku povezanost izmeu h i Q
i1
0,990288 =RSQ(LOG10(B2:B16);LOG10(A2:A16-9))
15
se y
(log Q log Q )
10 i
10 pi
i 1
15 2
2
0,084357
0,084357 =STEYX(LOG10(B2:B16);TREND(LOG10(B2:B16);LOG10(A2:A16-9)))
0,084357 =STEYX(LOG10(B2:B16);LOG10(A2:A16-9))
126
15
(log
ss resid
10
Q i log 10 Q pi )2 0,092508
i 1
0,092508={=DEVSQ(LOG10(B2:B16)-TREND(LOG10(B2:B16);LOG10(A2:A16-9)))}
15
ss reg
(log
i 1
10
Q pi log 10 Q i )2 9,433118
9,433118=DEVSQ(TREND(LOG10(B2:B16);LOG10(A2:A16-9)))
15
ss total
(log 10 Q i log 10 Q i )2 9,525626
i 1
2,616898
-4,00262
0,071875
0,12082
0,990288 0,084357
1325,616
9,525626={=DEVSQ(LOG10(B2:B16))}
13
9,433118 0,092508
ss reg
1 9,433118 13 1325,616
ss resid
0,092508
15 2
Primjer 6.
Poznato je da u uslovima ustaljenog i ravnomjernog teenja vode u otvorenim tokovima,
proticaj vode Q predstavlja funkciju vodostaja (dubine), h. Ova veza odreena na osnovu
mjerenja proticaja i vodostaja u prirodi ima presudan uticaj na procjenu koliina voda na
odreenom mjernom profilu i u hidrolokoj praksi se naziva kriva proticaja. Takoe, jedan od
esto koritenih matematikih oblika kojim se izraava proticaj Q u funkciji vodostaja h je
polinom drugog stepena:
Q p m2 h 2 m1 h b
gdje su m 2 , m 1 i b parametri modela. Na osnovu pretpostavljenih podataka

o proticaju i vodostaju rijeke "A"(odnose se na parove (h,Q) u razliitim vremenskim
trenucima) na odreenoj vodomjernoj stanici, posredstvom funkcije LINEST, odrediti
parametre m 2 , m 1 i b.
Rjeenje
Vodostaj
Proticaj
Q p 0,00216 h 2 0,0958 h 1,05435
h (cm)
Q (m /s)
3
18
0,02
20
0,08
38
0,62
45
1,43
54
1,86
67
4,23
55
2,08
62
3,26
56
2,41
75
6,5
61
3,06
70
76
6,43
143
31,5
118
19,9
127
Primjer 7.
Gotovo neizbjean ulazni podatak kod analize i projektovanja niza hidrotehnikih objekata, a
specijalno projektovanja sistema za odvodnju kinih voda sa urbanih prostora i saobraajnica
su podaci o visinama i vjerovatnoama javljanja kia. Oblici tih podataka mogu biti vrlo
razliiti, iako je moda u inenjerskoj praksi danas najraireniji oblik da se kie prikazuju u
obliku familija krivih, intenzitet kie - trajanje kie - povratni period javljanja (vjerovatnoa
javljanja), koje se skraeno nazivaju ITP krive. Kod odreivanja analitikih izraza za ITP
krive postupak je takav da se za izabrane povratne periode nalazi analitiki odnos izmeu
intenziteta kie i trajanja kie odvojeno za svaki povratni period, ili se analitiki izrazi za ITP
krive odreuju ne samo za jedan povratni period T nego za sve povratne periode obuhvaene
analizom. U tom sluaju najee se koristi sljedei izraz:
T m1
i p b m2
t
gdje su: T - povratni period javljanja kie, t - trajanje kie, a b, m 1 , i m 2 parametri modela.
Na osnovu podataka o intenzitetima, trajanju i povratnim periodima javljanja kia za
kiomjernu stanicu "S", potrebno je odrediti parametre b, m 1 , i m 2 za dati model.
i
T
t
i
(l/s/ha) (godina) (minuta)
158
2
10
192
10
20
280
100
30
82
50
139
50
60
186
10
232
20
20
65
40
104
10
50
163
100
60
218
10
291
50
20
79
40
128
20
50
265
10
10
340
100
20
97
40
158
50
50
308
20
10
78
30
124
10
40
192
100
50
365
50
10
96
30
152
20
40
47
60
420
100
10
118
30
194
50
40
58
60
103
20
150
10
30
228
100
40
69
60
126
20
185
20
30
55
50
88
10
60
154
20
240
50
30
67
50
111
20
60
Rjeenje
Gornji izraz emo logaritamskom transformacijom, linearizirati:
ln i p ln b m 1 ln T m 2 ln t
odnosno, pripremiti za rad sa gotovom Excelovom funkcijom LINEST koja e nam za uzvrat
samo u nekoliko poteza omoguiti da saznamo vrijednosti parametara b, m 1 , i m 2 .
Dakle, u izlaznim rezultatima imaemo vrijednosti za: -m 2 , m 1 , i ln(b). Posredstvom funkcije
LINEST ( kao na slici 12.), izraunavamo:
m 2 =0,6
m 1 =0,3
b = EXP(G2)
b=521,2215
T (u godinama)
t (u minitama)
i p 521,2215
Slika 12.
T 0 ,3
t 0 ,6
128
Primjer 8.
7 prodavnica.
y
x2
x1
120
150
180
30
75
60
75
4,2
4,2
5
3
3
3,2
3,4
2
1,5
2,5
1,5
0,5
1,5
1
a) Ocijeniti parametre odgovarajueg regresionog

modela
b) Ocijeniti prosjean obim prometa za prodavnicu sa
poslovnim prostorom od 470 m2, koja je udaljena
2,5 km od centra. Formirajte 95% interval povjerenja
za prosjean promet ako je se y p 6,91534 .
c) Ocijeniti koeficijente viestruke linearne korelacije i
determinacije, i izraunajte korigovani koeficijent
viestruke determinacije
Rjeenje
Pretpostavimo da se podaci iz tabele nalaze u polju elija kao na slici 13. Na istoj slici, u
selektovanom polju elija formata 3x5, prikazani su i rezultati postavljeni posredstvom
gotove Excelove funkcije LINEST.
m2 m1
se 2
se 1
b
se b
r2 se y #N/A
F
df #N/A
ss reg ss resid #N/A
Dio izlaznih rezultata koje postavlja

alat za analizu podataka Regression:
Multiple R
0,989614359
R Square
0,979336579
Adjusted R Square
0,969004869
Standard Error
9,381046437
Observations
Slika 13.
a) Ocijenu parametara regresionog modela imamo u elijama E1, F1, i G1. Dakle,
odgovarajua regresiona jednaina, glasi: y p = - 37,2581*x 2 + 91,93548*x 1 - 187,016.
b) Prosjean obim prometa za prodavnicu sa poslovnim prostorom od 470 m2, koja je
udaljena 2,5 km od centra grada moemo ocijeniti posredstvom funkcije TREND:
151,9355 = TREND( A2:A8 ; B2:C8 ; {4,7 \ 2,5})
95% interval povjerenja, za prosjean promet ako je se yp = 6,91534, kree se u granicama:
132,7354=151,9355-2,77645*6,91534
171,1356=151,9355+2,77645*6,91534
pri emu je: 2,776451=TINV(5%;7-3).

c) Koeficijenti viestruke linearne korelacije i determinacije, iznose:
Multiple R = 0,989614359
R Square 0,979336579
Adjusted R Square 0,969004869
129
Primjer 9.
7 prodavnica.
y
x2
x1
120
150
180
30
75
60
75
4,2
4,2
5
3
3
3,2
3,4
2
1,5
2,5
1,5
0,5
1,5
1
Izraunati standardnu greku ocjene prosjene

vrijednosti zavisne promjenljive se y p i formirati 95%
interval povjerenja za prosjean obim prometa za
sljedee vrijednosti x 1 i x 2 :
Poslovni prostor
x1
Udaljenost od centra
x2
4,7
3,7
4
2,5
1
2
Rjeenje
Pretpostavimo da se podaci iz tabele nalaze u polju elija A2:C8, kao na slici 14.
Slika 14.
Prosjean obim prometa za prodavnicu sa poslovnim prostorom od 470 m2, koja je udaljena
2,5 km od centra grada moemo ocijeniti posredstvom funkcije TREND:
151,9355 = TREND( A2:A8 ; B2:C8 ; {4,7 \ 2,5})
Standardnu greku ocjene prosjene vrijednosti zavisne promjenljive se y p izraunavamo
prema izrazu:
1
n
pri emu je: X 0 matrica parova novih vrijednosti x 1 i x 2 , X matrica koja obuhvata date
podatke iz tabele, a n broj opaanja (veliina uzorka); Oznaka T ukazuje na transponovanu
matricu. Tako za x 1 = 4,7 (odgovara poslovnom prostoru od 470 m2) i x 2 =2,5, izraunavamo:
se y p se y X 0 T ( X T X) 1 X 0
novi x 2 x 2
1
novi x 1 x 1
se y p 9,381046437 0 0,985714286 1 1
1
1
T
4,2 2 1 4,2 2
4,2 1,5 1 4,2 1,5

5 2,5 1 5 2,5
0
1

3
1,5 1 3
1,5 0,985714286 6,91534
3 0,5 1 3 0,5
1

3,2 1,5 1 3,2 1,5
3,4 1 1 3,4 1
Dakle, 95% interval povjerenja za prosjean promet 151,9355 kree se u granicama:

132,7354=151,9355-2,77645*6,91534
171,1356=151,9355+2,77645*6,91534
pri emu je: 2,776451=TINV(5%;7-3).

130
Izraunavanje standardne greke ocjene prosjene vrijednosti zavisne promjenljive se y p u

Excelu, prikazano je na slici 15.
Slika 15.
Za par novih vrijednosti x 1 = 3,7 i x 2 = 1, (slika 16.) izraunata standardna greka ocjene
prosjene vrijednosti zavisne promjenljive iznosi: se y p = 6,100658.
95% interval povjerenja:

DG: 98,95 ; GG: 132,82
Slika 16.
I na kraju za x 1 = 4 i x 2 = 2, izraunata standardna greka ocjene prosjene vrijednosti zavisne
promjenljive, iznosi: se y p = 4,912244.
se y p
9,381046437 0 0,285714 0,5 1
1
1
4,2 2
4,2 1,5
5 2,5
3
1,5
3 0,5
3,2 1,5
3,4 1
1
1
1
1
1
1
1,5
5 2,5
3
1,5
3 0,5
3,2 1,5
3,4 1
4,2
4,2
1
0,285714 7 4,912244
0,5
95% interval povjerenja:
DG: 92,57 ; GG: 119,84
131
Primjer 10.
Podaci o prodanim koliinama jednog prehrambenog artikla u kg, cijeni i iznosu novca
potroenom za oglaavanje proizvoda dati su u tabeli:
Ocijeniti jednainu regresije koja opisuje
potranju za ovim prehrambenim artiklom.
Pretpostaviti da se niti jedan kilogram ovog
artikla ne proda dok ne stigne nova isporuka, a
to je za mjesec dana. Zatim je prvog dana
prodaje zabiljeeno: y0 = 100, x01=80, i x02 = 7.
Ispitati da li se funkcija potranje promijenila
od prethodne poiljke ovog prehrambenog
artikla.
Pokazati kako se moe izraunati standardna
greka regresije.
Rjeenje
Jednainu regresije koja opisuje potranju za ovim prehrambenim artiklom moemo veoma
jednostavno ocijeniti posredstvom funkcije LINEST, kao na slici 17.
Slika 17.
Dakle, jednaina regresije glasi: yp=m2*x2+m1*x1+b = 11,25*x2-1,307857*x1+116,1568.
To znai da ocjenjujemo da bi smanjenje cijene artikla za 10 feninga po kilogramu , uz
nepromijenjene trokove oglaavanja, dovelo do porasta prodaje za oko 13 kg, dok bi porast
trokova oglaavanja za 1 KM uz nepromijenjene cijene, prouzrokovao poveanje prodaje za
neto vie od 11 kilograma.
Pretpostavili smo da se niti jedan kilogram ovog artikla nije prodao dok nije stigla nova
isporuka za mjesec dana i da je prvog dana prodaje zabiljeeno: y0 = 100, x01=80, i x02 = 7.
Prognoziranu vrijednost prodanih koliina artikla za x01=80, i x02 = 7 izraunavamo
posredstvom funkcije TREND, ili pomou ve izraunate regresijske jednaine:
90,25 =TREND(A2:A13;B2:C13;{80\7})
Standardnu greku prognozirane vrijednosti se y 0 moemo izraunati posredstvom izraza:
se y 0 se y X 0 T ( X T X) 1 X 0
1
1
n
X 0 x 01 x 1
x 02 x 2
X T0 0 x 01 x 1
x 02 x 2
pri emu je se y standardna greka regresije.

132
Posredstvom ugraenih Excelovih funkcija, dobili smo: se y 0 = 5,776148 (slika 18).

XT X
X
X X
X T0
X0
Slika 18.
Standardnu greku prognozirane vrijednosti se y 0 moemo izraunati i posredstvom izraza:
2
n
n
n
n

n
2
x 2 n
x 12i
x 1i 2 x x 1 x 02 x 2
x 1i
x 2i n
x 1i x 2i
01
i 1
i1

1
i 1
i 1
i 1
se 2y se 2y ( 1
T
T
0
n
Det ( X X)
Det ( X X)
2
n
n

x 01 x 1 2 n x 22i x 2i
i 1
se 2y
COVAR x 1 x 2
i 1

2
2
x 02 x 2 se 22 x 01 x 1 se 21 2 x 01 x 1 x 02 x 2 n2
se 2y
)
se
y
Det ( X T X)
n
Det ( X T X)
02
pri emu je:
Det( X X)

2
1i
i 1
i 1
x 2i 2

x 1i
i1
x 2i
i 1
i 1
x 1i x 2i n
i 1

x 1i x 2i

i 1
x 1i
x 22i n
i 1
x
x 21i
i 1
2
2i
i 1
Interval povjerenja uz 95% vjerovatnou sada moemo konstruisati :

77,18343547 =90,25-TINV(5%;12-3)*5,776148
103,3165645 =90,25+TINV(5%;12-3)*5,776148
Ovaj interval ukljuuje opaenu vrijednost y0 =100.

Standardna greka regresije, odgovara izrazu:
( y Xm)T ( y Xm)
se y
nk 1
Sintaksa posredstvom koje smo izraunali ovu greku prikazana je na slici 19.
( y Xm)T ( y Xm)
se y
5,25452
nk 1
Slika 19.
Posredstvom gotove Excelove funkcije STEYX standardnu greku regresije moemo
izraunati prema sljedeoj sintaksi:
5,25451981 =STEYX(D1:D12;TREND(D1:D12;B1:C12))*SQRT(10/9)
133
Primjer 11.
Za jedan proizvod zabiljeena je sljedea empirijska zavisnost izmeu prosjenih trokova y pt
i proizvodnje x:
Nai funkciju prosjenih i ukupnih trokova.

Rjeenje
Na prikazanom dijagramu rasprenja moemo vidjeti da kretanje prosjenih trokova ima
priblino parabolinu tendenciju. Poimo od funkcije oblika: y pt = m 2 * x2 + m 1 * x + b.
Rjeenje u matrinoj formi, glasi:
12
10
8
6
4
2
0
0
10
11
b

m1
m2

x x
x x
n
xi
i1
n
2
i
i 1
n
i1
n
2
i
i 1
i1
n
i1
n
3
i
i1
i 1
xi2
xi3
xi4
x
y
x
y
i1
2
i
i 1
n
i 1
Mi smo se na slici 20. posluili ugraenim Excelovim funkcijama, koje izvode razna
matrina raunanja kako bismo pronali koeficijente m 2, m 1 , i b.
Slika 20.
Funkcija prosjenih trokova glasi: y pt = 0,352273 * x2 - 4,22045* x + 15,35.
Posredstvom funkcije LINEST veoma brzo dolazimo do vrijednosti za koeficijente m 2, m 1 , i
b, odnosno do funkcije prosjenih trokova, to je prikazano na slici 21.
Funkcija ukupnih
trokova glasi:
y u t = 0,352273 * x3 4,22045* x2 + 15,35*x.
Slika 21.
134
Primjer 12.
Za jedan proizvod zabiljeena je sljedea empirijska zavisnost izmeu prosjenih trokova y pt
i proizvodnje x:
Nai funkciju prosjenih trokova posredstvom dijagrama rasprenja.

Rjeenje
Na prikazanom dijagramu rasprenja (slika 22.) moemo vidjeti da kretanje prosjenih
trokova ima priblino parabolinu tendenciju oblika: y pt = m 2 * x2 + m 1 * x + b.
Potrebno je samo dodati
regresionu liniju:
Slika 22.
i ukljuiti opciju prikaza regresione jednaine, kao na slici 23.
Slika 23.
Tako, veoma jednostavno, dobijamo funkciju prosjenih trokova:
14
12
ypt = 0,3523x2 - 4,2205x + 15,35

R2 = 0,9409
10
8
6
y pt
y ut
x
2
0
0
10
11
135
Primjer 13.
isti dohodak po radniku, vrijednost opreme po radniku i broj proizvodnih radnika u sedam
preduzea dati su u tabeli:
3
Vrijednost opreme po radniku u 10 $ Broj proizvodnih radnika
ist dohodak po radniku u 10 $
Preduzee
x1
x2
20
50
40
60
40
80
70
80
70
90
10
80
130
12
100
140
15
Ocijeniti prosjean ist dohodak po radniku za vrijednost opreme po radniku x 1 = 60 i

100 proizvodnih radnika (x 2 ), te formirati 95% interval povjerenja za prosjenu i
individualnu vrijednost zavisne promjenljive.
Rjeenje
Prosjean ist dohodak po radniku za vrijednost opreme po radniku x 1 = 90 i x 2 =100
moemo izraunati posredstvom funkcije TREND, kao na slici 24.
Slika 24.
Standardna greka ocjene prosjene vrijednosti zavisne promjenljive, odgovara izrazu:
n
se y p
se 2y
n
x 02 x 2 se 2 x 01 x 1 se 2 x 01 x 1 x 02 x 2
2
2
1

x 1i
i 1
i 1
x
2
1i
i1
se y p
i 1
x x
x 2i n
x 22i
1i
2i
i 1
i 1
x 1i x 2i
se b2
0,38472
420 630 7 42900
100 0,01137 2 900 0,01382 2 600
0,45628 2 0,34641435
7
29800 63500 1840410000
95% interval povjerenja za prosjenu vrijednost zavisne promjenljive je:

11,888 - TINV(5%;7-3)*0,34641435 = 10,9262431
11,888 + TINV(5%;7-3)*0,34641435 = 12,849848
95% interval povjerenja za individualnu vrijednost zavisne promjenljive je:
11,888 - TINV(5%;7-3)*0,5176973 =10,4506844
11,888 + TINV(5%;7-3)*0, 5176973 = 13,3254
136
Primjer 14.
Podaci za ilustrativni primjer odnose se na prodaju jednog proizvoda u 000 komada u 1989.
godini (zavisna varijabla) na 10 podruja. Prodaja se posmatra u zavisnosti o prosjenoj
prodajnoj cijeni (prva nezavisna varijabla) i prosjenom linom dohotku po stanovniku
(druga nezavisna varijabla). Vrijednosti varijabli date su u tabeli, na slici 25.
Slika 25.
Posredstvom funkcije LINEST postaviti dodatnu regresijsku statistiku i napisati regresijsku
jednainu sa ocijenjenim parametrima koji odgovaraju analiziranom primjeru. Takoe,
izraunati prognoziranu vrijednost zavisne varijable y, za x 1 = 50 i x 2 = 60, te postaviti 95%
intervale povjerenja za prognoziranu i individualnu vrijednost zavisne promjenljive y.
Rjeenje
Dodatna regresijska statistika (postavljena posredstvom funkcije LINEST ) prikazana je na
slici 26. iz koje, izmeu ostalog, moemo proitati odgovarajuu regresijsku jednainu.
Slika 26.
Dakle, regresijska jednaina glasi: y p =1,945937448*x 2 -0,882225896*x 1 +13,93810092.
Koeficijent m 1 = -0,88223 uz prvu nezavisnu varijablu x 1 nam ukazuje da e se prosjena
vrijednost prodaje y p smanjiti za oko 882 komada ovog proizvoda ako se cijena po komadu
povea za 1$, uz uslov da se druga nezavisna varijabla ne mijenja. Takoe, moemo rei da
e se prosjena vrijednost prodaje y p poveati za oko 882 komada ovog proizvoda ako se
cijena po komadu smanji za 1$, uz uslov da se prosjeni lini dohotak po stanovniku ne
mijenja. Koeficijent m 2 = 1,945937 uz drugu nezavisnu varijablu x 2 nam ukazuje da e se
prosjena vrijednost prodaje y p poveati za oko 1946 komada ovog proizvoda ako se
prosjeni lini dohotak po stanovniku povea za 1000$, uz uslov da se cijena po komadu ne
mijenja. Alternativno, ako se dohodak smanji za 1000$, prosjena vrijednost prodaje ovog
137
proizvoda y p e se smanjiti za oko 1946 komada ako cijene ostanu nepromijenjene.

Prognoziranu vrijednost zavisne varijable y, za x 1 = 50 i x 2 = 60 moemo izraunati ako u
regresijsku jednainu za x 1 i x 2 uvrstimo ove vrijednosti ili direktno posredstvom funkcije
TREND, kao na slici 27.
Slika 27.
Standardne greke za prognoziranu i individualnu vrijednost zavisne promjenljive y moemo
izraunati posredstvom izraza:
n
se y p
se 2y
x 02 x 2 se 2 x 01 x 1 se 2 x 01 x 1 x 02 x 2
2
2
1

x 1i
i1
i 1
se y p
se y
x 02 x 2 se 22 x 01 x 1 se 21 2 n x 01 x 1 x 02 x 2
2
n
2
se y 0 se y
se 2y
n
x 22i
x 2i
i 1
2i
se 21
se 21
DEVSQ x 2
1i
i1
COVAR x 1 x 2
x 02 x 2 se 22 x 01 x 1 se 21 2 n x 01 x 1 x 02 x 2
2
x x
i 1
x 2i n
COVAR x 1 x 2
DEVSQ x 2
se 21
Uvrtavanjem vrijednosti iz postavljene dodatne regresijke statistike

se y =11,45622 ; se 1 =0,294073 ; se 2 = 0,307786 ; x 01 =50 ;x 1 = 40 ;
x 02 =60 ;x 2 = 49 ; n = 10; COVAR(x 1 ;x 2 ) = 16,9 ; DEVSQ(x 2 )=1404
dobijamo: se y p 5,562814803 , se y 0 12,73538216.
Kako je 2,36462256= TINV(5%;10-3), to 95% intervali povjerenja su:
73,42909558 99,73701034 za prognoziranu vrijednost zavisne promjenljive, te
56,468681 116,6974249 za individualnu vrijednost.
se y 0 se 2y se 2yp
se y i se y moemo izraunati i pomou sljedeih izraza:
p
se y p
se 2y
n
x 02 x 2 se 2 x 01 x 1 se 2 x 01 x 1 x 02 x 2
2
2
1

x 1i
i1
x x
x 2i n
i1
se 2y
n
x 02 x 2 se 22 x 01 x 1 se 21 2 n x 01 x 1 x 02 x 2
se y 0 se y
2
se 2y
n
2
1i
1i
i1
COVAR x 1 x 2
DEVSQ x 1
x 02 x 2 se 22 x 01 x 1 se 21 2 n x 01 x 1 x 02 x 2
2
x x
i1
se y p
1i
i 1
2i
se 22
se 22
COVAR x 1 x 2
DEVSQ x 1
se 22
138
LOGEST
Posredstvom ove izuzetno korisne funkcije koju koristimo u regresijskoj analizi
izraunavamo eksponencijalnu krivu koja najbolje odgovara datim podacima saglasno
metodi najmanjih kvadrata. Koristimo je kod proste i viestruke regresije; kako postavlja
polje vrijednosti ovu funkciju unosimo kao formulu polja, za ije aktiviranje je potrebno
istovremeno pritisnuti tri tipke na tastaturi raunara: Ctrl, Shift, i Enter. Jednaina krive je:
y bmx ili y bm 1 x 1 m 2 x 2 ...mk x k
za viestruke x vrijednosti, gdje je zavisna varijabla y funkcija nezavisne, odnosno nezavisnih
varijavli x. Vrijednosti m su baze za odgovarajuu vrijednost eksponenta x, a b je konstanta.
Varijable y, x i m mogu biti vektori. Funkcija LOGEST postavlja polje: {mk;mk-1;...;m1;b}.
Sintaksa
LOGEST( known_y's ; known_x's ; const ; stats)
Const je logika vrijednost kojom navodimo da li je konstanta b = 1.
Stats je logika vrijednost koja navodi da li e biti postavljena dodatna regresijska statistika.
Ako je stats TRUE, i kada imamo sluaj viestruke regresije, funkcija LOGEST postavlja
dodatnu regresijsku statistiku prema sljedeem redoslijedu:
Ako je stat FALSE ili izostavljen, LINEST postavlja samo koeficijente m i konstantu b.
Mnoge pojave javljaju se pod uticajem vie od jednog faktora. Posredstvom regresione
analize pri prouavanju meusobnih relacija moemo ustanoviti dvije ili vie nezavisnih
promjenljivih.
U takvim sluajevima imamo viedimenzionalne rasporede koje moemo aproksimirati
viestrukim ili multiplim regresionim modelima. Matematika formula za izraavanje relacije
izmeu jedne zavisne i dvije ili vie nezavisnih varijabli u ovom sluaju je jednaina oblika:
ln(y p ) ln(mk ) x k ln(mk 1 ) x k 1 ... ln(m2 ) x 2 ln(m1 ) x 1 ln(b)

139
Ovdje je yp varijabla koju elimo da prognoziramo ili predvidimo. Veliine x1, x2, , xk
predstavljaju nezavisne varijable a m1, m2, , mk predstavljaju koeficijente, numerike
konstante koji se moraju matematiki odrediti iz datih podataka. Naravno i kod viestruke
regresije se pridravamo kriterija najmanjih kvadrata koji se ogleda u minimalnoj vrijednosti
izraza:
ln(y i ) (ln(mk ) x ki ln(mk 1 ) x (k 1)i ... ln(m 2 ) x 2i ln(m 1 ) x 1i ln( b))
u kojem
n
ln(y ) (ln(m ) x
i
ln(mk 1 ) x (k 1)i ... ln(m 2 ) x 2i ln(m 1 ) x 1i ln(b))
ki
i 1
predstavlja razliku izmeu ln(yi ) vrijednosti i prognoziranih ln( yp) vrijednosti koje se
b m 2 x 2 m 1 x 1 sluaj
.
dobijaju na temelju vrijednosti xki ; ; x2i ; x1iy.pNajednostavniji
viestruke regresije
imamo sa dvije varijable x2 i x1. Jednaina tada dobija oblik:
Jasno je da emo u ovom modelu imati sistem normalnih jednaina
n
ln(m 2 )
x 2i ln(m 1 )
i 1
x 1i nln(b)
i 1
(x 2i x 1i ) ln(m 1 )
i 1
i 1
x 21i ln(b)
i 1
ln(m 2 )
i 1
ln(m 2 )
ln(y )
x 22i ln(m 1 )
x 1i
i 1
i 1
i 1
ln( y i )
i 1
n
(x 1i x 2i ) ln(b)
1i
x 2i
2i
ln( y i )
i 1
od tri jednaine, koje moramo rijeiti, da bismo dobili vrijednosti koeficijenata ln(m2),
ln(m1), i konstantu ln(b ). U ovom sistemu jednaina x2i ; x1i, yi, predstavljaju vrijednosti datih
taaka podataka a n odgovara broju podataka svake varijable.
Uopteni model koji bi imao mk varijabli x ,imao bi k+1 normalnih jednaina.
Ako je stats TRUE, i imamo sluaj proste regresije, funkcija LOGEST postavlja dodatnu
regresijsku statistiku prema redoslijedu:
Ako je stat FALSE ili izostavljen, LOGEST tada postavlja

samo koeficijent m i konstantu b.
Eksponencijalna kriva ln(yp )= x * ln(m1 ) + ln(b )= x*ln(m) + ln(b) koja najbolje

predstavlja take na dijagramu rasipanja, takoe je saglasna metodi najmanjih kvadrata;
dakle, koristimo kriterij najmanjih kvadrata koji moemo iskazati kao minimalnu suma
kvadrata vertikalnih rastojanja datih taaka do regresijske krive yp = bmx:
n
(x ln(m) ln(b) ln(y ))

i
i 1
Potreban uslov da gornji izraz dostigne minimum, moemo izraziti kao:

140
L
2
ln(b)
L
2
ln(m)
(ln(m) x ln(b) ln(y )) 0

i
i 1
(ln(m) x ln(b) ln(y )) x 0

i
i 1
odakle se dobija sistem normalnih jednaina

n
ln(m)
x i n ln(b)
i 1
ln(m)
ln(y i )
i 1
i 1
iz kojeg izraunavamo parametre m i b:

n
ln(m)
i 1
i 1
i 1
x ln(y )
xi
i 1
i 1
x ln(y ) x ln(y )
x i2 ln(b)
i 1
x )
i
ln(b) ln(y i ) ln(m) x
i 1
koji odgovaraju ugraenim Excelovim funkcijama SLOPE i INTERCEPT kada su vrijednosti

zavisne varijable y izraene kao ln(y).
Statistike seb i se1 odgovaraju vrijednostima standardne greke za konstantu ln(b) (seb = #N/A
kada je const FALSE) i standardne greke za koeficijent ln(m), respektivno.
Njihove vrijednosti odgovaraju izrazima:
n
se
(ln(y i ) ln(m) x ln(b))

i
i 1
n2
1
x
( n
);
n (x x)2
i
i 1
se
1

i
1
i 1
n
2
n2
(x x)
i 1 i
Statistika r2 oznaava koeficijent determinacije kojim uporeujemo procijenjene yp i stvarne

vrijednosti yi , i poprima vrijednost u intervalu od 0 do 1. Ovaj koeficijent moemo izraziti u
obliku: n
n
1
2
x iln(y i ) x ln(y i )2
(
(ln(y p ) ln(y i ))
n i 1
ss reg
r 2 i n1
n
n
ss resid ss reg
2
1
1
2
2
2
(ln(y i ) ln(y i )
(
xi x )(
(ln(y i ))2 ln(y i ) )
n i 1
n i 1
i 1
Statistika sey odgovara standardnoj greki regresije; moe se izraziti u obliku:

n
2
i
i 1
se y
n2
F statistiku moemo koristiti kako bi odredili da li se posmatrani odnosi izmeu zavisne i
nezavisnih varijabli dogaaju sluajno; vrijednost ove statistike odgovara izrazu:
ssreg
F 1
ssresid
n 2
Stepene slobode (df) koristimo za raunanje kritinih vrijednosti za F raspodjelu.

Regresijski zbir kvadrata (ssreg) i rezidualni zbir kvadrata (ssresid) odgovaraju izrazima:
n
ss reg
(ln(y ) ln(y )
p
i 1
ss resid
(ln(y ) ln(y ))
i
i 1
141
Primjer 1.
Pojava je u periodu od 1982. do 1988. godine pokazala sljedee kretanje:
Godine
1982
1983
1984
1985
1986
1987
1988
Nivo
pojave (y)
40
50
80
100
150
250
415
Primjenom odgovarajueg trenda:

a) i b)
a) ustanoviti prosjenu godinju stopu

promjene nivoa pojave;
b) predvidjeti nivo pojave u naredne
dvije godine
Rjeenje
Pojava je tokom ovog perioda imala intenzivan rast. Kolinik nivoa pojave u 1988. i 1982.
godini iznosi 415/40 = 10,375.
Grafiki prikaz pojave upuuje na primjenu
500
eksponencijalnog trenda.
400 y
300
Jednainu trenda iz datih podataka, moemo
200
veoma jednostavno pronai posredstvom
100
funkcije LOGEST, na identian nain, kao i kod
0
funkcije LINEST. Potrebno je prvo selektovati dvije 1981 1982 1983 1984 1985 1986 1987 1988 1989
prazne elije a zatim pozvati funkciju LOGEST, kao na slici 1.
y b mx
y 113,92 1,474 x
Slika 1.
Jednaina eksponencijalnog trenda je: y = 113,92*1,474x kada godine raunamo od -3 do 3.
Kada se godine raunaju poevi od 1, nije ih potrebno unositi jer ih funkcija LOGEST
podrazumijeva; u ovom sluaju jednaina trenda je y = 24,12518*1,474x.
a) Prosjena godinja stopa poveanja pojave je: 47,68% (GEOMEAN(I3:I8)).
b) U naredne dvije godine predvia se nivo pojave: y 1989 =537,9344 i y 1990 = 792,9789.
142
LOGINV
Pretpostavimo da nam je poznata vjerovatnoa koja odgovara lognormalnoj raspodjeli,
odnosno izrazu
(u)2
1 ln x 2 2
LOGNORMDIST( x ; ; )
du
e
2
ali nam je vrijednost x- a nepoznata.
elimo li je izraunati u tome nam pomae funkcija LOGINV prema sintaksi
LOGINV(p;;).
poznato :
LOGNORMDIST(x;; )
poznato :
LOGNORMDIST
x ?
Sintaksa
LOGINV( probability ; mean ; standard_dev )
Probability (p) je vjerovatnoa pridruena lognormalnoj raspodjeli.
Mean () je srednja vrijednost od ln(x). Standard_dev () je standardna devijacija od
ln(x).
Napomene
Ako bilo koji argument nije brojani podatak, LOGINV postavlja vrijednost greke
#NAME?.
Ako je probability < 0 ili > 1, LOGINV postavlja vrijednost greke #NUM!.
Ako je standard_dev 0, LOGINV postavlja vrijednost greke #NUM!.
Vrijednost x-a odgovara vrijednosti sljedeih izraza:
EXP( NORMSINV( p )) e NORMSINV( p )
EXP( NORMINV( p; ; TRUE )) e NORMINV( p; ; ;TRUE )
Primjer 1. LOGINV(0,414354;2;0,25) 7 x
LOGINV(0,414354;2;0,25) 7 x
poznato :p 0,414354
LOGNORMDIST(x;; )
poznato :
LOGNORMDIST
x ?
LOGINV(0,414354;2;0,25) 7 x
p 0,414354
x ?
143
LOGNORMDIST
Neka sluajna varijabla U ima normalnu raspodjelu N(,2). Tada sluajna varijabla X = eU
ima funkciju raspodjele F(x) = P( X x ) = P(eU x) = P( U lnx ), x > 0, odnosno
lognormalnu raspodjelu od x, prema izrazu:
1 ln x
F(x)
e
2
(u)2
2 2
du LOGNORMDIST( x ; ; )
LOGNORMDIST(x;; )
LOGNORMDIST
Sintaksa
LOGNORMDIST( x ; mean ; standard_dev)
X je vrijednost za koju vrednujemo funkciju. Mean () je srednja vrijednost od ln(x).
Standard_dev () je standardna devijacija od ln(x).
Napomene
Ako neki argument nije broj, LOGNORMDIST postavlja vrijednost greke #NAME?.
Ako je x 0 ili standard_dev 0, LOGNORMDIST postavlja vrijednost greke
#NUM!.
ln(x) -
2
Lognormalna raspodjela se moe napisati i u obliku:
u
z
1
ln(x)
LOGNORMDIST(x ; ; ) NORMSDIST
Funkciju gustine moemo napisati u obliku:
du
(lnx 2)
1
f(x)
e 2 NORMDIST(ln x ; ; ; FALSE)/x
x 2
Takoe vrijedi sljedea relacija izmeu normalne i lognormalne raspodjele:
LOGNORMDIST(x ; mean ; standard_dev) NORMDIST(ln x ; mean ; standard_dev; TRUE)

Primjer 1.
(u 2)2
ln 7
1
2
LOGNORMDIST(7;2;0,25)
e 2 0,25 du NORMDIST(ln 7 ; 2 ; 0,25; TRUE) 0,414354
0,25 2
ln(x)
ln 7 - 2
LOGNORMDIS T(7;2;0,25 )
1
2
0,25
u2
ln(7) 2
0,25
0,216359
du NORMSDIST( (ln 7 - 2) / 0,25 ) 0,414354
144
MAX
Ova funkcija postavlja najveu brojanu vrijednost u poznatom skupu brojeva.
Sintaksa
MAX ( number1 ; number2 ; ...)
Number1, number2, ... su 1 do 30 argumenata u kojima elimo da pronaemo najveu
brojanu vrijednost.
Napomene
Moemo navesti argumente koji su brojevi, prazne elije, logike vrijednosti ili tekstualni
prikazi brojeva. Argumenti, koji su vrijednost greke ili tekst koji ne moe biti preveden u
broj, uzrokuju greke.
Ako je argument polje ili referenca, koriteni su samo brojevi u tom polju ili referenci.
Prazne elije, logike vrijednosti ili tekst u polju ili referenci su zanemareni. Ako logike
vrijednosti i tekst ne smiju biti zanemareni, koristimo funkciju MAXA.
Ako argumenti ne sadre brojeve, funkcija MAX postavlja nulu.
Primjer 1.
Izmjerene su sljedee vrijednosti nekog obiljeja X: 14, 16, 17, 20, 37, 39, i 42.
Koristei funkciju MAX postaviti najveu vrijednost.
Rjeenje
Pretpostavimo da se izmjerene vrijednosti nalaze u polju elija A1:G1 , kao na slici 1.
Funkcija MAX postavlja kao rezultat brojanu vrijednost 42 koja odgovara najveoj
vrijednosti meu izmjerenim vrijednostima obiljeja X.
Slika 1.
Do ovog rezultata smo mogli doi i posredstvom neke od sljedeih sintaksi funkcije MAX:
Primjer 2.
145
MAXA
Izraunava najveu vrijednost u popisu argumenata; uz brojeve, uporeuju se i tekst i logike
vrijednosti kao to su TRUE i FALSE.
Sintaksa
MAXA ( value1 ; value2 ; ... )
Value1, value2,... su 1 do 30 vrijednosti meu kojima elimo pronai najveu.
Napomene
Za argumente moemo navesti brojeve, prazne elije, logike vrijednosti ili tekstualne
prikaze brojeva. Argumenti koji su vrijednosti greke uzrokuju greke. Ako kod
izraunavanja ne smiju biti ukljuene tekstualne ili logike vrijednosti, koristimo funkciju
radnog lista MAX.
Ako je argument polje ili referenca, koriste se samo vrijednosti u tom polju ili referenci.
Prazne elije i tekstualne vrijednosti u polju ili u referenci se ignoriu.
Vrijednost TRUE vrednuje se kao 1, a FALSE kao nula.
Ako argumenti ne sadre nikakve vrijednosti, MAXA postavlja nulu.
Primjer 1.
Prema podacima na slici 1. pronai najveu.
Slika 1.
Posredstvom funkcije MAXA, lako pronalazimo najveu vrijednost u polju elija A1:J15.
146
MEDIAN
Medijana je ona vrijednost obiljeja koja se nalazi u sredini serije koja je ureena po veliini,
odnosno to je ona vrijednost obiljeja koja dijeli sumu svih frekvencija na dva jednaka dijela.
Ako su vrijednosti obiljeja poredane po veliini x 1 x 2 x 3 x 4 x n , i od njih
obrazovana serija negrupisanih podataka, pri odreivanju medijane treba razlikovati sluajeve
kada je broj lanova neparan i paran broj:
1
(x n x n 1 ) , za parno n
2
2
Medijana 2
x
,
za neparno n.
n 1
2
Sintaksa
MEDIAN(number1 ; number2 ; ...)
Number1, number2,... su 1 do najvie 30 argumenata.
Napomene
Argumenti trebaju biti brojevi ili nazivi, polja, odnosno reference koje sadre brojeve.
Microsoft Excel ispituje sve brojeve u svakom argumentu upisanom u obliku polja ili
reference. Ako argument upisan u obliku polja ili reference sadri tekst, logike
vrijednosti ili prazne elije, te se vrijednosti zanemaruju; meutim, elije s vrijednou
nula su ukljuene.
Funkcija MEDIAN do rezultata dolazi na sljedei nain:
Proizvod (n-1)*k (pri emu k predstavlja k-ti procenat vrijednosti u opsegu, i u
sluaju medijane iznosi 50 % = 0,5), treba rastaviti na cijeli dio j i ostatak g. U sluaju
kada nema ostatka, odnosno kada je g = 0:
MEDIAN x j 1
U sluaju kada ima ostatka, odnosno kada je g > 0:
MEDIAN x j 1 0,5 (x j 2 - x j 1 )
Zanimljivo je istai da na vrijednost medijane utiu samo sredinji podaci iz datog

statistikog ureenog niza. Medijana je neosjetljiva na ekstremne vrijednosti u datom nizu
podataka, to znai da se nee promijeniti ako se po volji najmanji podatak smanji ili
najvei povea. Ona ima jo jednu interesantnu osobinu koja se ogleda u tome da je suma
apsolutnih vrijednosti odstupanja datih podataka od njene vrijednosti minimalna; podesna
je kao mjera vrijednosti distribucije na otvorenim intervalima.
Ako je raspodjela frekvencija data po klasama, izraunavanje medijane moemo izvesti
tako da se prvo odredi klasni interval u kome se nalazi medijana, odnosno dok ne
naiemo na sume frekvencija koje ispunjavaju uslov:
n
f 1 f 2 f 3 ... f M 1 f 1 f 2 f 3 ... f M
2
U ovakvim sluajevima, kada imamo klase irine d, medijana se izraunava prema
obrascu:
gdje je : L M donja granica medijanskog intervala ,
Medijana L M d
M 1
f
i 1
fM
f M frekvencija medijanskog intervala i

M- 1
f zbirna frekvencija prethodnih intervala.

i
i 1
147
Primjer 1.
Pretpostavimo da su nai podaci:
9
4
1
9
4
6
9
7
5
9
9
1
2
9
6
6
5
1
3
2
7
4
1
4
1
7
1
5
3
8
1
9
1
7
Potrebno je izraunati medijanu.
Rjeenje
Nai podaci poredani u rastuem redu izgledaju kao na Slici 1.
Slika 1.
Vidimo da imamo 35 upisanih vrijednosti. Aktiviranjem funkcije MEDIAN (Slika 2.)
dolazimo do vrijednosti medijane, koja u naem primjeru iznosi 5.
Slika 2.
Na Slici 3. prikazan je odgovarajui boxplot.
Boxplot of X
9
8
7
6
MEDIAN 5
5
4
3
2
1
(35 - 1) * 50% 17 j
MEDIAN x j 1 x18 5
Slika 3.
148
MIN
Ova funkcija postavlja najmanju brojanu vrijednost u poznatom skupu brojeva.
Sintaksa
MIN ( number1 ; number2 ; ...)
Number1, number2, ... su 1 do 30 argumenata u kojima elimo da pronaemo najmanju
brojanu vrijednost.
Napomene
Moemo navesti argumente koji su brojevi, prazne elije, logike vrijednosti ili tekstualni
prikazi brojeva. Argumenti, koji su vrijednost greke ili tekst koji ne moe biti preveden u
broj, uzrokuju greke.
Ako je argument polje ili referenca, koriteni su samo brojevi u tom polju ili referenci.
Prazne elije, logike vrijednosti ili tekst u polju ili referenci su zanemareni. Ako logike
vrijednosti i tekst ne smiju biti zanemareni, umjesto MIN koristimo funkciju MiNA.
Ako argumenti ne sadre brojeve, funkcija MIN postavlja nulu.
Primjer 1.
Izmjerene su sljedee vrijednosti nekog obiljeja X: 14, 16, 17, 20, 37, 39, i 42.
Koristei funkciju MIN postaviti najmanju vrijednost.
Rjeenje
Pretpostavimo da se izmjerene vrijednosti nalaze u polju elija A1:G1 , kao na slici 1.
Funkcija MIN postavlja kao rezultat brojanu vrijednost 14 koja odgovara najmanjoj
vrijednosti meu izmjerenim vrijednostima obiljeja X.
Slika 1.
Do ovog rezultata smo mogli doi i posredstvom neke od sljedeih sintaksi funkcije MIN:
Primjer 2.
149
MINA
Izraunava najmanju vrijednost u popisu argumenata; pored brojeva, uporeuju se i tekst i
logike vrijednosti kao to su TRUE i FALSE.
Sintaksa
MINA ( value1 ; value2 ; ... )
Value1, value2,... su 1 do 30 vrijednosti meu kojima elimo pronai najmanju.
Za argumente moemo navesti brojeve, prazne elije, logike vrijednosti ili tekstualne
prikaze brojeva. Argumenti koji su vrijednosti greke uzrokuju greke. Ako kod
izraunavanja ne smiju biti ukljuene tekstualne ili logike vrijednosti, koristimo funkciju
radnog lista MIN.
Ako je argument polje ili referenca, koriste se samo vrijednosti u tom polju ili referenci.
Prazne elije i tekstualne vrijednosti u polju ili u referenci ignoriu se.
Vrijednost TRUE vrednuje se kao 1; a FALSE kao 0 (nula).
Ako argumenti ne sadre nikakve vrijednosti, MINA postavlja nulu.
Primjer 1.
Prema podacima na Slici 1. pronai najmanju vrijednost.
Slika 1.
Posredstvom funkcije MINA, lako pronalazimo najmanju vrijednost u polju elija A1:J15.
150
MODE
Postavlja onu vrijednost obiljeja koja u posmatranoj seriji ima najveu frekvenciju, odnosno
vrijednost koja se najee javlja u seriji.
Sintaksa
MODE( number1 ; number2 ; ...)
Number1, number2, ... su 1 do 30 argumenata.
Napomene
Argumenti trebaju biti brojevi, nazivi, polja ili reference koje sadre brojeve.
Ako argument koji je polje ili referenca sadri tekst, logike vrijednosti, ili prazne elije
te se vrijednosti zanemaruju; elije sa vrijednou nula se ukljuuju.
Modus je ona vrijednost obiljeja kojoj odgovara najvea frekvencija, odnosno onaj lan
niza koji u seriji ima najveu frekvenciju; moe se desiti da ima vie modalnih vrijednosti
obiljeja, ili da ga nema. Primjera radi, u seriji 2, 2, 4, 4, 5, 7, 7, 7, 8, 8, 9, 10 modus je
vrijednost obiljeja 7, jer je to lan niza koji se ponavlja najvie (3 puta), odnosno lan
niza koji ima najveu frekvenciju. Serija: 2, 2, 4, 5, 5, 6, 8 ima dva modusa 2 i 5. Ako
posmatrana serija ne sadri vrijednosti koje se ponavljaju, funkcija MODE postavlja
Modus predstavlja pozicionu srednju vrijednost i kada se govori o srednjoj vrijednosti kao
tipinoj vrijednosti onda se misli na modalnu vrijednost.
Ako je data raspodjela frekvencija po klasama, odnosno intervalima, modus se nalazi u
onom intervalu koji ima najveu frekvenciju, i moe uzeti neku od vrijednosti izmeu
donje i gornje granice tog klasnog intervala. Dakle, modus se odreuje, polazei od
intervala sa najveom frekvencijom, koji nazivamo modalnim, pomou obrasca:
Modus L M 0 d
f M 0 f M 01
f M 0 - f M 01 f M 0 - f M 01
gdje je : L M 0 donja granica modalnog intervala ;

f M 0 frekvencija modalnog intervala ;
f M 0 1 frekvencija intervala ispred modalnog;
f M 0 1 frekvencija intervala iza modalnog;
d irina modalnog razreda.
Pri koritenju modusa treba imati u vidu da na njegovu veliinu utie nain grupisanja
podataka. Kako se formiranje grupnih intervala moe izvesti na razne naine, to se
promjenom veliine grupnih intervala ili grupnih granica pri istoj duini intervala mogu
dobiti razliite vrijednosti modusa. Kada ekstremne vrijednosti imaju najveu frekvenciju
u takvim sluajevima modus gubi svojstvo pokazatelja centralne tendencije.
Priblina vrijednost modusa moe se odrediti i grafikim putem tako to se poetna i
krajnja vrijednost modalnog intervala, dijagonalno spoji sa gornjom granicom ispred
modalnog, odnosno donjom granicom iza modalnog intervala. Apscisa take presjeka
ovako povuenih dijagonala odgovara priblinoj vrijednosti modusa.
Modus je pogodan pokazatelj rasporeda unimodalnih serija a posebno kada je frekvencija
modalne vrijednosti velika. U takvim sluajevima modus je tipina vrijednost koja vjerno
pokazuje centralnu tendenciju posmatrane serije.
151
Primjer 1.
Pretpostavimo da su nai podaci:
9
4
1
9
4
6
9
7
5
9
9
1
2
9
6
6
5
1
3
2
7
4
1
4
1
7
1
5
3
8
1
9
1
7
Potrebno je izraunati modus.

Rjeenje
Nai podaci poredani u rastuem redu (za izraunavanje modusa nije potrebno poredati
podatke po vrijednostima) izgledaju kao na Slici 1.
Slika 1.
Vidimo da imamo 35 upisanih vrijednosti. Aktiviranjem funkcije MODE (Slika 2.)
dolazimo do vrijednosti modusa, koja u naem primjeru iznosi 1 (8 puta se pojavljuje broj 1).
1 =MODE(A5:AI5)
Slika 2.
Na Slici 3. prikazan je odgovarajui bar graf:
C hart of X
9
8
7
Count
6
5
4
3
2
1
0
6
X
Slika 3.
152
NEGBINOMDIST
Ova funkcija odgovara funkciji negativne binomne raspodjele koja izraunava vjerovatnou
da e se broj neuspjeha number_f = x dogoditi prije broja uspjeha number_s = r, kada je
vjerovatnoa uspjeha probability_s = p konstantna.
Sintaksa
NEGBINOMDIST ( number_f ; number_s ; probability_s )
Number_f (=x) je broj neuspjeha. Number_s (=r) je broj potrebnih uspjeha. Probability_s
(= p) je vjerovatnoa uspjeha.
Napomene
Brojevima number_f i number_s odbacuju se decimale kako bi postali cijeli brojevi.
Ako neki argument nije broj NEGBINOMDIST postavlja vrijednost greke #NAME?.
Ako je probability_s < 0 ili je > 1, NEGBINOMDIST postavlja vrijednost greke #NUM!.
Ako je (number_f + number_s - 1) 0, NEGBINOMDIST postavlja vrijednost greke
#NUM!.
Izraz za negativnu binomnu raspodjelu je:
x r 1 r
p (1 p)x
NEGBINOMDIST(number_f x ;number_s r ; probability_s p)
r
1
Ova funkcija je slina binomnoj raspodjeli osim to je broj uspjeha r stalan, a broj
pokuaja x+r promjenljiv; kao i kod binomne raspodjele, pretpostavlja se da su pokuaji
nezavisni.
Specijalan sluaj negativne binomne raspodjele kada je broj potrebnih uspjeha r = 1
imamo geometrijsku raspodjelu kod koje je funkcija p.m.f. oblika:
NEGBINOMDIST(number_f x ;number_s r 1 ; probability_s p) p (1 p)x
Primjer 1.
2 10 1
0,8 10 0,2 2 0,2362
NEGBINOMDIST(x 2 ; r 10 ; p 80%)
10 1
0,236223
0,25
0,2
0,15
11
0 , 8
9
10
0 ,2
0,1
0,05
0
10 11 12 13 14 15 16 17 18 19 20 21 22
x r 2 10 12
Primjer 2.
NEGBINOMDIST(x 2 ; r 1 ; p 60%) 0,6 0,4 2 0,096
153
NORMDIST
Za neprekidnu sluajnu promjenljivu X, koja moe uzimati sve vrijednosti iz intervala
(- ; ) kaemo da se podvrgava normaloj raspodjeli ako je njena funkcija gustine oblika:
1
f(x)
e
2
2
(x )
2 2 NORMDIST(x ; mean ; standard_dev ; FALSE)
Funkcija normalne raspodjele NORMDIST definisana je za sve realne brojeve i sve

pozitivne brojeve , i odgovara izrazu:
2
x o (x )
1
2
F(xo)
e 2 dx NORMDIST(x x o ; mean ; standard_dev ; TRUE)
Sintaksa
NORMDIST(x ; mean ; standard_dev ; cumulative)

X je vrijednost za koju elimo izraunati funkciju NORMDIST. Mean () je aritmetika
sredina raspodjele. Standard_dev () je standardna devijacija raspodjele. Cumulative je
logika vrijednost koja odreuje oblik funkcije. Ako je cumulative TRUE, vrijednost funkcije
NORMDIST odgovara vjerovatnoi, odnosno povrini ispod funkcije gustine; ako je FALSE,
izraunata vrijednost odgovara ordinati funkcije gustine f(x).
Napomene
Funkcija gustine f(x) je parna funkcija u odnosu na srednju vrijednost , i pozitivna u
cijelom domenu x(-,); x-osa predstavlja asimptotu za funkciju f(x) kada x .
Prevojne take funkcije gustine f(x) odgovaraju vrijednostima x = ; vrijednosti
funkcije u prevojnim takama x = - i x = + iznose 60,7 % od maksimalne
vrijednosti.
Izraz: 1 /( 2 ) predstavlja maksimalnu vrijednost funkcije gustine u modalnoj taki x = .
irina zvona d predstavlja rastojanje izmeu vrijednosti funkcije gustine f(x) koje iznose
d 2 2 .
36,8% od maksimalne vrijednosti, pa je vrijednost irine zvona jednaka
Ako mean ili standard_dev nije broj, NORMDIST postavlja vrijednost greke
#NAME?.
Ako je standard_dev 0, NORMDIST postavlja vrijednost greke #NUM!.
Ako je mean = 0 i standard_dev = 1, izraunata vrijednost za NORMDIST odgovara
vrijednosti standardne normalne raspodjele NORMSDIST, odnosno obrascu:
z2
zo
1
F(z o)
e 2 dz NORMDIST(x z o ; o ; 1 ; TRUE)
2 -
Grafiki prikaz funkcije gustune f(x) i funkcije raspodjele F(x) dati su na Slici 1.
f(x)
F(x o)
(x )2
xo
2
1
F(x o)
e 2 dx
2
xo
1
2
2
(x )
e 2 2
F(x o)
xo
Slika 1.
154
Primjer 1.
Na0.8slici 2. dati su prikazi normalne raspodjele: f(x)
1
e
2
2
(x )
2
2
za = 3, i = 2, 1, i 0,5.
0.6
0.4
0.2
01
1.5
2.5
3
x
3.5
4.5
Izraunati maksimalne ordinate ovih funkcija

gustine normalne raspodjele, posredstvom
ugraene Excelove funkcije
NORMDIST(x;mean;standard_dev;cumulative).
Slika 2.
Rjeenje
Posredstvom funkcije NORMDIST vrijednosti ordinata funkcije gustine normalne raspodjele
moemo izraunati prema sljedeim sintaksama:
f(3)
1
e
2 2
x - 3 2
8
0,19947114
0.2
0.18
0.16
0.14
0.12
1 f(3)
e
2
0.4
3
x
x - 3 2
2
0,39894228
0.35
0.3
0.25
0.2
0.15
0.1
0.05
f(3)
0.8
3
x
2
1
e- 2 x - 3 0,797884561
0,5 2
0.6
0.4
0.2
01
3
x
Maksimalne vrijednosti funkcija gustine normalne raspodjele

dostie za vrijednost x = =3.
Dakle, sintaksa funkcije NORMDIST za argument cumulative koristi logiku vrijednost
FALSE. Da smo umjesto logike vrijednosti FALSE koristili TRUE sa nepromijenjenim
ostalim argumentima rezultati bi u sva tri sluaja bili identini i jednaki 0,5. Ovaj rezultat
odgovara povrini ispod pojedinih funkcija gustina od - do srednje vrijednosti x = =3.
155
Primjer 2.
Na0.8slici 3. dati su prikazi normalne raspodjele: f(x)
1
e
2
2
(x )
2
2
za = 3, i = 2, 1, i 0,5.
0.6
0.4
Demonstrirati pravilo jedne sigme na datim

normalnim raspodjelama posredstvom funkcije
NORMDIST(x;mean;standard_dev;cumulative).
0.2
01
1.5
2.5
3
x
3.5
4.5
Slika 3.
Rjeenje
Za normalnu raspodjelu kod koje je = 3, i = 2, pravilo jedne sigme moemo ilustrirati
posredstvom funkcije NORMDIST, prema sljedeoj sintaksi:
68,269% =NORMDIST(5;3;2;TRUE) -NORMDIST(1;3;2;TRUE)
5 1
e
2 2
1 5
e
2 2 1
x - 3 2
8
dx 84,13%
x - 3 2
8
dx 68,27%
84,134474% 15,865526% 68,27%
68,27%
1
1 1
e
2 2
x - 3 2
8
dx 15,87%
Za normalnu raspodjelu kod koje je = 3, i = 1, pravilo jedne sigme moemo izraziti

sintaksom:
68,269% =NORMDIST(4;3;1;TRUE) - NORMDIST(2;3;1;TRUE)
Kod normalne raspodjele sa parametrima = 3, i = 0,5, pravilo jedne sigme odgovara
sljedeoj sintaksi, odnosno izrazu:
68,269% =NORMDIST(3,5;3;0,5;TRUE) - NORMDIST(2,5;3;0,5;TRUE)
4
1
2
3 ,5
1
0 ,5 2
2 x 3 2
x32
dx
dx 68,27%
68,27%
2 ,5
2,5
68,27%
3,5
156
NORMINV
Pretpostavimo da je poznata vjerovatnoa, odnosno vrijednost povrine ispod normalne
raspodjele sa poznatim parametrima i , u intervalu (- , x o ). elimo li izraunati
odgovarajuu vrijednost x o u tome nam pomae funkcija NORMINV (Slika 1.)
2
xo (x )
1
2
F(xo)
e 2 dx probability NORMINV(probability ; mean ; standard_dev ) xo.
2
1
f(x)
e
2
F(x o )
2
(x )
2 2
F(x o ) probability
xo ?
(x )2
xo
2
1
F(x o)
e 2 dx
2
poznato :
xo ?
xo ?
Slika 1.
Sintaksa
NORMINV( probability; mean; standard_dev)
Probability (p) je vjerojatnoa, odnosno vrijednost povrine ispod normalne raspodjele sa
poznatim parametrima i , u intervalu (- , x). Mean () je aritmetika sredina raspodjele
a standard_dev () standardna devijacija raspodjele.
Napomene
Ako neki argument nije broj, NORMINV postavlja vrijednost greke #NAME?.
Ako je probability < 0 ili > 1, NORMINV postavlja vrijednost greke #NUM!.
Ako je standard_dev 0, NORMINV postavlja vrijednost greke #NUM!.
Ako je =0 i = 1, funkcija NORMINV odgovara vrijednostima x-a, odnosno
vrijednostima
z-a, standardne normalne raspodjele; tada vrijedi: NORMINV(p;0;1)=NORMSINV(p).
NORMINV koristi iterativnu tehniku za izraunavanje vrijednosti funkcije i zadatoj se
vrijednosti vjerojatnoe pribliava, sve dok rezultat ne doe unutar 3x10-7. Ako
NORMINV ne konvergira nakon 100 iteracija, funkcija postavlja vrijednost greke
#N/A.
Primjer 1.
2
x - (x - 10)
Data je normalna raspodjela sa parametrima = 10 i = 2.
1 o
8 dx 0,75
F(x )
e
Kojoj vrijednosti x o odgovara povrina ispod ove krive od 0,75 ? o 2 2
Rjeenje
Vrijednost x o izraunavamo posredstvom funkcije NORMINV, prema sintaksi:
Provjera:
1 11,34898 F(11,34898 )
e
2 2
(x - 10)2
8
dx 0,75
157
NORMSDIST
Ova funkcija predstavlja poseban sluaj funkcije NORMDIST(x;mean;standard_dev;TRUE).
Ako je mean = 0 i standard_dev = 1, izraunata vrijednost za NORMDIST odgovara
vrijednosti standardne normalne raspodjele NORMSDIST, odnosno izrazu:
z2
zo
1
F(z o)
e 2 dz NORMDIST(x z o ; o ; 1 ; TRUE)
2 -
Grafiki prikazi funkcije gustune f(z) i funkcije raspodjele F(z), dati su na slici 1.
f(z)
F(z o)
z2
1 2
e
2
F(z o)
zo
z2
zo
1
F(z o)
e 2 dz
2 -
zo
zo
Slika 1.
Sintaksa
NORMSDIST( z )
z je vrijednost za koju elimo izraunati vjerovatnou standardne normalne raspodjele.
Napomene
Ako z nije broj funkcija NORMSDIST postavlja vrijednost greke #NAME?.
Funkcija gustine standardne normalne raspodjele
f(z)
z2
1 2
e
, -z
2
odgovara sintaksi: NORMDIST(x = z ; mean=0 ; standard_dev = 1 ; FALSE).

Dakle, ako elimo izraunati ordinate funkcije gustine to moemo uiniti posredstvom
funkcije NORMDIST tako to za logiku vrijednost cumulative uvrstimo FALSE.
Maksimalna vrijednost funkcije f(z), odgovara izrazu:
f(z 0)
1
NORMDIST(0;0;1;FALSE) 0,398942
2
Primjer 1.
Izraunati vjerovatnou, odnosno povrinu ispod funkcije gustine standardne normalne
raspodjele f(z) u intervalu (- , 0). Kolika je vrijednost funkcije f(z) za z =1 ?
Rjeenje: Povrina ispod funkcije gustine f(z) u intervalu (- , 0), jednaka je 0,5 = 50 %.
2
zo 0 z
1
F(z o 0)
e 2 dz NORMDIST(x z o ; o ; 1 ; TRUE) NORMSDIST(z o 0) 0,5
2 -
f(z 1)
1
e 0,5 NORMDIST(1;0;1;FALSE) 0,241971
2
ordinata funkcije f(z)
158
NORMSINV
Pretpostavimo da nam je poznata vjerovatnoa F(z o ), odnosno povrina ispod standardne
normalne raspodjele f(z) u intervalu (- , z o ). elimo li znati kojoj vrijednosti z o odgovara
ova povrina, odgovor nam objezbjeuje funkcija NORMSINV.
Izraunata vrijednost za NORMSINV odgovara z o - vrijednosti standardne normalne
z
raspodjele:
z
F(z o )
1
2
dz probability z o NORMSINV(probability)
Grafiki prikazi funkcije gustune f(z) i funkcije raspodjele F(z), dati su na slici 1.
f(z)
F(z o)
z2
1 2
e
2
F(z o)
zo ?
z2
zo
1
F(z o)
e 2 dz
2 -
zo ?
zo ?
Slika 1.
Sintaksa
NORMSINV( probability)
Probability je vjerojatnoa koja odgovara standardnoj normalnoj raspodjeli.
Napomene
Ako probability nije broj, NORMSINV postavlja vrijednost greke #NAME?.
Ako je probability < 0 ili ako je > 1, NORMSINV postavlja vrijednost greke #NUM!.
NORMSINV koristi iterativnu tehniku za izraunavanje funkcije. Datoj vrijednosti
argumenta probability, funkcija NORMSINV se pribliava sve dok rezultat ne doe
unutar 3 x 10-7. Ako NORMSINV ne konvergira nakon 100 iteracija, postavlja se
Ako je poznata vrijednost funkcije gustine standardne normalne raspodjele
z2
1 2
f(z)
e
, -z
2
u taki z, koju ne poznajemo, tada istu moemo odrediti posredstvom izraza:

z 2 LN( 2 f(z))
Primjer 1.
Povrina ispod funkcije gustine standardne normalne raspodjele f(z) u intervalu (- , z o )
jednaka je 0,5. Izraunati odgovarajuu vrijednost z o . Kojoj vrijednosti z odgovara vrijednost
2
funkcije f(z) = 0,241971 ?
zo z
1
2 dz 0 ,5 z NORMINV( 0 ,5) 0.
Rjeenje:
F(z o )
e
o
2 -
Vrijednost z o jednaka je 0.
f(z)
2
z
1
e 2 0 ,241971 z 2 LN ( 2 0 ,241971 ) 1 .
2
vrijednosti z
159
PEARSON
Ovu funkciju koristimo da izraunamo Pearsonov produkt moment koeficijent korelacije
(zove se jo koeficijent korelacije ili korelacija) za parove varijabli. Koeficijent korelacije
je mjera stepena linearne povezanosti izmeu dvije varijable; njegove vrijednosti nalaze se u
opsegu od ukljuivo -1 do ukljuivo 1. Ako jedna varijabla pokazuje tendenciju rasta a druga
opadanja, koeficijent korelacije ima negativnu vrijednost. Tendencija zajednikog rasta ili
opadanja varijabli ima za rezultat pozitivnu vrijednost korelacije.
Sintaksa
PEARSON(array1 ; array2)
Array1 je polje vrijednosti prve varijable. Array2 je polje vrijednosti druge varijable.
Izraz za Pearsonov produkt moment koeficijent korelacije glasi:
n
x y x y
i
i 1
i 1
i 1
x )
i
i 1
i 1
i 1
y )
i
i 1
gdje n oznaava broj parova vrijednosti (x i , y i ) a x i i y i vrijednosti u poljima array1 i

array2.
Napomene
Argumenti moraju biti brojevi ili nazivi, polja konstanti ili reference koje sadre brojeve.
Ako argument koji je polje ili referenca sadri tekst, logike vrijednosti ili prazne elije,
Ako su polja vrijednosti array1 i array2 prazna ili imaju razliit broj podataka, funkcija
PEARSON postavlja vrijednost greke #N/A.
Primjer 1.
Na sluajan nain odabrano je sedam proizvoda jedne kompanije. Izmjerene duine i teine
tih proizvoda date su na slici 1.
Slika 1.
Izraunati koeficijent korelacije, r.
Rjeenje
Koeficijent korelacije moemo izraunati na tradicionalan nain, posredstvom izraza:
7
xi
3
4
6
7
10
13
16
yi
9
11
14
15
16
17
19
xi
9
16
36
49
100
169
256
xi yi
27
44
84
105
160
221
304
yi
81
121
196
225
256
289
361
=59 =101 =635 =945 =1529
i 1
x ( x )
i
i1
x y x y
i 1
i1
i 1
y ( y )
i
i 1
i1
7 945 59 101
0,943
7 635 3481 7 1529 10201
Posredstvom ugraene Excelove funkcije

PEARSON ovu vrijednosti izraunavamo, kao
na Slici 2.
160
19
teine
17
16
15
14
11
9
duine
0
10
15
20
Slika 2.
Ovu postavljenu vrijednost potvrditi emo i u statistikom softveru Minitab 12.1. Prozor sa
rezultatom koji odgovara vrijednosti koeficijenta korelacije, dat je na slici 3.
Slika 3.
Primjer 2.
Na grupi od pet studenata zabiljeene su vrijednosti dvaju obiljeja X i Y. Pokazati da se u
ovom sluaju radi o potpunoj funkcionalnoj vezi izmeu vrijednosti ovih obiljeja.
Rjeenje: Vrijednost koeficijenta korelacije r = 1(Slika 4.) ukazuje na savrenu povezanost.
y = 2x + 5
20
15
r =1
10
5
0
0
Slika 4.
161
Primjer 3.
7 prodavnica. Ocijeniti koeficijente viestruke linearne korelacije R i determinacije R2
posredstvom ugraenih Excelovih funkcija PEARSON i TREND.
Redni
Obim
broj prometa
i
y
Poslovni
prostor
x1
Udaljenost Vrijednosti
od centra reg. modela
x2
yp
y - y p (y - y p ) 2
y - y
(y -y ) 2
120
4,2
124,59677
-4,59677
21,13033
21,42857
459,1837
150
4,2
1,5
143,22581
6,774194
45,8897
51,42857
2644,898
180
2,5
179,51613
0,483871
0,234131
81,42857
6630,612
30
1,5
32,903226
-2,90323
8,42872
-68,5714
4702,041
75
0,5
70,16129
4,83871
23,41311
-23,5714
555,6122
60
3,2
1,5
51,290323
8,709677
75,85848
-38,5714
1487,755
75
3,4
88,306452
-13,3065
177,0617
-23,5714
555,6122
690
690
352,0161
17035,71
Rjeenje
Koeficijent viestruke linearne korelacije R je relativna mjera koja pokazuje stepen slaganja
varijacija u uzorku izmeu zavisne promjenljive y i grupe nezavisnih promjenljivih, u naem
primjeru x 1 i x 2 . Ovaj koeficijent uvijek poprima nenegativne vrijednosti: 0 R 1.
Koeficijent viestruke linearne korelacije R jednak je pozitivnom kvadratnom korijenu
koeficijenta viestruke determinacije R2:
7
(y y )
i
R R 1
i 1
7
(y y)
i
352,0161
1
0,99336579 0,9896
17035,71
gdje:
y p m2 x 2 m1 x 1 b
odgovara regresionom modelu
i 1
Vrijednosti regresionog modela, u gornjoj tabeli, izraunali smo pomou TREND funkcije.
Vrijednost koeficijenta R posredstvom funkcije PEARSON, izraunavamo kao na slici 5.
Vrijednost R = 0,9896 ukazuje na

visoku linearnu povezanost
izmeu zavisne promjenljive y i
nezavisnih promjenljivih x 1 i x 2 .
Slika 5.
Vrijednost koeficijenta viestruke determinacije R2 iznosi:
Koeficijent viestruke determinacije R2
moemo odrediti i pomou vrijednosti prostih
koeficijenata korelacije, izraunatih
posredstvom funkcije PEARSON:
2

1 rx21 x 2
0,979336579=PEARSON(A2:A8;TREND(A2:A8;B2:C8))
R 0,97933657 9 0,989614
0,979336579
0,953623137 =PEARSON(A2:A8;B2:B8)
0,617817217 =PEARSON(A2:A8;C2:C8)
0,810356418 =PEARSON(B2:B8;C2:C8)
162
PERCENTILE
Ova funkcija postavlja vrijednost do koje se ili ispod koje se nalazi k % podataka.
k%
podataka
Sintaksa
PERCENTILE( array; k)
Array je polje podataka; k je procentualna vrijednost u intervalu od 0(nula) do 1(jedan).
Postoji 99 procenata i u jednoj idealnoj situaciji 99 procenata dijeli podatke na 100 jednakih
(n 1) k j g
(n 1) k j g
PERCENTILE
g0
g0
PERCENTILE x j1
PERCENTILE x j1 g (x j 2 x j1 )
dijelova. Mnogo ee procenti nee dijeliti podatke na jednake dijelove. Postoji nekoliko
dogovora oko naina izraunavanja procenata i prema svim tim dogovorima podaci se moraju
poredati od najmanjeg ka najveem a k-ti procenat je onda vrijednost do koje se ili ispod koje
se nalazi k - procenata podataka. Funkcija PERCENTILE postavlja vrijednost koristei
funkciju empirijske raspodjele sa interpolacionim metodom, koji se sastoji u tome da se broj
vrijednosti n umanji za jedan i pomnoi sa odreenim brojem k. Dobijeni proizvod se
rastavlja na cijeli dio j i ostatak g. U odnosu na ostatak g koji moe biti nula, ili vei od
nule, imamo sljedee sluajeve:
Napomene
Ako je argument array prazan ili sadri vie od 8191 taaka podataka, PERCENTILE
postavlja vrijednost greke #NUM!.
Ako k nije broj funkcija PERCENTILE postavlja vrijednost greke #VALUE!.
Ako je k < 0 ili ako je k > 1, PERCENTILE postavlja vrijednost greke #NUM!.
Ako k nije viekratnik od 1/(n - 1),
PERCENTILE interpolacijom odreuje vrijednost k-tog procenta.
Primjer 1.
Podaci se nalaze u polju A1:K1. Posredstvom funkcije PERCENTILE izraunati do koje
vrijednosti se nalazi 20% podataka.
1
2
A
0
B
1
C
2
D
E
F
3
4
5
2 =PERCENTILE(A1:K1;20%)
G
6
H
7
I
8
J
9
K
10
(11 1) 20% 2 0
j 2, g 0
.
.
.
.
.
.
.
.
.
.
.
+---------+---------+---------+---------+---------+
0
1
2
3
4
5
6
7
8
9
10
PERCENTILE x
j1
x 2
3
Dakle, do vrijednosti 2 se nalazi 20% podataka.

Pretpostavimo da podaci u polju A1:K1 nisu poredani po veliini. Da li e rezultat koji
postavlja funkcija PERCENTILE biti isti?
1
2
A
8
B
10
C
5
D
E
F
7
2
4
G
6
H
3
I
0
J
9
K
1
Naravno, rezultat je isti. Funkcija PERCENTILE (negdje u svojoj pozadini) poreda podatke
po veliini i postavi odgovarajuu vrijednost do koje se, ili ispod koje se nalazi k% podataka.
163
Primjer 2.
1
2
A
0
B
0,5
C
0,8
D
E
F
2,3
2,8
4
0,8 =PERCENTILE(A1:K1;20%)
G
8
H
12
I
15
J
19
K
20
(11 1) 20% 2 0
x 3 = 0,8
j 2, g 0
PERCENTILE x
10
j1
x 3 0,8
20
k=20%
Sasvim je oigledno da vrijednost koju postavlja funkcija PERCENTILE zavisi od broja

podataka i zadanog procenta k. U ovom primjeru je k = 20%, n = 11. Kako je j = 2, a g = 0,
to e trea vrijednost po veliini odgovarati zadanom procentu.
Koji podatak odgovara 50-tom procentu, odnosno medijani?
1
2
A
0
B
0,5
C
0,8
D
E
F
2,3
2,8
4
G
8
H
12
I
15
J
19
K
20
Podatak u sredini x 6 (vrijednost 4) odgovara 50-tom procentu, odnosno medijani jer se lijevo
(11 1) 5 0 % 5 0
i desno od njega nalazi po 5 podataka iz danog skupa podataka.
j 5, g 0
PERCENTILE
...
.. .
.
.
.
. .
+---------+---------+---------+---------+---------+
j 1
x6 4
Primjer 3.
Na podacima u polju A1:E10 izraunati vrijednost koja odgovara 10-tom procentu.
(50 1) 0,1 4 0,9 ; g 0,9 0; PERCENTILE x 0,9 (x x ) 63 0,9 (64 - 63) 63,9
5
5
6
Primjer 4.
Na jednom fakultetu izmjerena je visina (u cm) za 150 studenata III godine (polje A1:O10).
Postaviti vrijednosti koje odgovaraju 25-tom i 50-tom procentu.
1
2
3
4
5
6
7
8
9
10
A
171
170
170
168
169
170
171
170
169
171
B
170
169
171
169
169
169
171
171
170
170
C
172
170
170
171
170
171
170
171
169
171
D
170
172
172
170
171
169
171
171
167
170
E
169
171
171
170
168
169
168
171
170
169
F
170
170
170
169
170
171
170
169
170
171
G
170
170
170
170
170
171
170
169
171
167
H
169
170
169
170
169
169
169
169
169
170
I
170
169
168
171
170
170
171
169
170
169
J
172
169
170
169
170
169
170
172
172
172
K
167
171
171
170
170
170
170
171
170
170
L
170
171
171
171
170
169
171
169
170
169
M
171
172
171
169
170
169
171
171
171
171
N
170
171
169
169
169
170
169
169
169
168
O
172
170
170
170
170
170
169
170
168
171
169 =P E R C E N T ILE (A 1:O 10;0,25)

170 =P E R C E N T ILE (A 1:O 10;0,5)
50%
podat aka
170
cm
Vidimo da 25% studenata ima manju, odnosno 75% studenata ima veu visinu od 169 cm. Medijana
iznosi 170 cm to ukazuje da 50% studenata ima manju i 50% veu visinu od 170 cm.
164
Primjer 5.
Ilustrirati izraunavanje za Q1, Q2 i Q3 (prvi, drugi i trei kvartil) koristei razliite metode
raunanja koje koriste specijalizovani statistiki softveri Statistica, Minitab, SPSS i NCSS na
sljedeim sortiranim podacima: 1, 2, 4, 7, 8, 9 , 10, 12, 13.
Vidjeli smo da proraunska tablica Excel kao metod za izraunavanje procenata koristi
funkciju empirijske raspodjele sa interpolacijom (funkcija PERCENTILE), koja na gornjim
podacima postavlja sljedee vrijednosti za Q1, Q2 i Q3:
(9 1) 0,25 2 2 0
j 2, g 0
Q1 x j1 x 3 4
1
2
3
4
5
6
A
1
x1
B
2
x2
(9 1) 0,5 4 4 0
j 4, g 0
Q 2 x j1 x 5 8
C
4
x3
D
7
x4
E
8
x5
4 =PERCENTILE(A1:I1;1/4)
(9 1) 0,75 6 6 0
j 6, g 0
Q 3 x j1 x 7 10
F
9
x6
G
10
x7
H
12
x8
I
13
x9
Statistiki softver Statistica koristi sljedee metode za izraunavanje procenata:
(n 1) k j g
g0
PERCENTILE x j1
(n 1) k j g
g0
PERCENTILE x j1 g (x j 2 x j1 )
Vidimo da Statistica koristi est razliitih metoda za izraunavanje procenata.

165
Dakle, za izraunavanje procenata odreenom metodom neophodno je selektovati

odgovarajuu opciju. Na prethodnoj slici u Statistici je odabran Excelov metod izraunavanja
procenata, koji postavlja iste vrijednosti kao i funkcija PERCENTILE:
Variable
Podaci
Descriptive Statistics (Spreadsheet1)

Median
Lower
Upper
Quartile
Quartile
8,000000
4,000000
10,00000
(9 1) 0,5 4 4 0
j 4, g 0
(9 1) 0,25 2 2 0
j 2, g 0
(9 1) 0,75 6 6 0
j 6, g 0
Q 2 x j1 x 5 8
Q1 x j1 x 3 4
Q 3 x j1 x 7 10
Q2
12
Podaci
Weighted Average at X nk Percentile Metod:

Izraz n*k (n puta k) se rastavlja kao: nk = j + g gdje je j cijeli dio od nk, a g ostatak.
Odgovarajui procenat se izraunava prema izrazu:
nk j g
PERCENTILE (1 g) x j g x j1
Na podacima u naem primjeru, dobijamo: Q 1 = 2,5 ; Q 2 = 7,5 ; Q 3 = 9,75.

Variable
Podaci

Median
Lower
Upper
Quartile
Quartile
7,500000
2,500000
9,750000
Q
2
12
Podaci
Weighted Average at X (n+1) k Percentile Metod:

Izraz (n+1)*k se rastavlja kao: (n+1)k = j + g gdje je j cijeli dio od (n+1)k, a g ostatak.
(n 1) k j g
PERCENTILE (1 g) x j g x j1
Na podacima u naem primjeru, dobijamo: Q 1 = 3 ; Q 2 = 8 ; Q 3 = 11.

Variable
Podaci

Median
Lower
Upper
Quartile
Quartile
8,000000
3,000000
11,00000
Q
2
12
Podaci
166
Empirical distribution function metod:

nk j g
PERCENTILE x j1 , ako je g 0.
nk j g
PERCENTILE x j , ako je g 0

Median
Lower
Upper
Quartile
Quartile
8,000000
4,000000
10,00000
Variable
Podaci
Q2
12
Podaci
Empirical distribution function with averaging metod:

nk j g
nk j g
PERCENTILE
x j x j1
2
PERCENTILE x j1 , ako je g 0.
, ako je g 0

Median
Lower
Upper
Quartile
Quartile
8,000000
4,000000
10,00000
Variable
Podaci
Q2
12
Podaci
Closest observation metod:
Cijeli dio od nk +1/2 odgovara j. Odgovarajui procenat se izraunava prema izrazu:
PERCENTILE x j

Q
Q
2
Variable
Podaci

Median
Lower
Upper
Quartile
Quartile
8,000000
2,000000
10,00000
12
Podaci
167
U Minitabu 12.1 dobijamo sljedee vrijednosti za prvi, drugi i trei kvartil:

Variable
Podaci
N
9
Mean
7,33
Median
8,00
TrMean
7,33
Variable
Podaci
Minimum
1,00
Maximum
13,00
Q1
3,00
Q3
11,00
StDev
4,24
SE Mean
1,41
13
12
10
9
8
7
10
Podaci
Podaci
10
5
4
2
1
0
Ovi box-grafovi odgovaraju metodi X (n+1)k.
U istom programu karakteristini box-graf odgovara Excelovoj metodi, itd.

------------------------------------I
+
I-----------------------------------------+---------+---------+---------+---------+-- Podaci
2,5
5,0
7,5
10,0
12,5
Rezultati u SPSS v11:
PODACI
Percent
11,1
Valid Percent
11,1
Cumulative
Percent
11,1
11,1
11,1
22,2
11,1
11,1
33,3
Statistics
Frequency
Valid
PODACI
N
Valid
Missing
11,1
11,1
44,4
8,00
11,1
11,1
55,6
25
3,00
11,1
11,1
66,7
50
8,00
10
11,1
11,1
77,8
12
11,1
11,1
88,9
75
11,00
13
11,1
11,1
100,0
Total
100,0
100,0
Median
Percentiles
NCSS97:
Q u a r tile S e c tio n o f P o d a c i
1 0 th
P a r a m e te r
P e r c e n tile
V a lu e
1
95% LC L
95% U C L
2 5 th
P e r c e n tile
4
5 0 th
P e r c e n tile
8
2
12
7 5 th
P e r c e n tile
10
9 0 th
P e r c e n tile
13
168
PERCENTRANK
Ova funkcija postavlja poloaj x vrijednosti u skupu podataka kao procenat skupa podataka.
Sintaksa
PERCENTRANK( array ; x ; significance )
Array je skup brojeva. X je vrijednost za koju elimo odrediti poloaj u datom skupu
brojeva. Significance je vrijednost kojom odreujemo na koliki broj cifara treba postaviti
vrijednost procenta. Ako ispustimo significance, funkcija PERCENTRANK koristi tri cifre
(0,xxx %).
Napomene
Ako je argument array prazan, PERCENTRANK izraunava vrijednost greke #NUM!.
Ako je significance < 1, PERCENTRANK izraunava vrijednost greke #NUM!.
Ako vrijednost x nije jednaka nekoj od vrijednosti u argumentu array, PERCENTRANK
interpolacijom izraunava odgovarajui procenat.
Primjer 1.
Na slici 1. dati su podaci koji su ustanovljeni na sluajnom uzorku od n = 10 puaa.
Odrediti odgovarajui procenat za vrijednost x = 20 ( dvadeset dnevno ispuenih cigareta).
Slika 1.
Rjeenje
Na istoj slici dato je i rjeenje, odnosno odgovarajui procenat za vrijednost x = 20, u polju
brojeva B2:B11, koji se odnose na broj dnevno ispuenih cigareta za deset osoba iz uzetog
uzorka. Ako pogledamo sintaksu funkcije PERCENTILE moemo lako ouiti relaciju izmeu
ove i funkcije PERCENTRANK.
Ako je PERCENTILE(array;k)=d PERCENTRANK(array;d)=k.
(n 1) k j g
9 0,6666 6
g0
PERCENTILE x 7 20
PERCENTILE x j 1
g0
(n 1) k j g
g0
PERCENTILE x j 1 g (x j 2 x j 1 )
169
PERMUT
Ako su n i k cijeli brojevi, takvi da je 0 k n tada jednakost
n!
(n k)!
odgovara broju varijacija bez ponavljanja. Kada elimo da obrazujemo varijacije k - te klase
od n elemenata, najprije obrazujemo kombinacije k - te klase, a zatim u njima permutujemo
elemente i zbog toga moemo rei da su varijacije permutovane kombinacije.
Ovaj izraz odgovara Excelovoj funkciji PERMUT.
Vkn n (n 1) (n 2) ... (n k 1)
Sintaksa
PERMUT ( number ; number_chosen )
Number odgovara cijelom broju n. Number_chosen odgovara cijelom broju k.
Napomene
Vrijednostima argumenata odbacuju se decimale.
Ako number ili number_chosen nisu numerike vrijednosti, funkcija PERMUT
postavlja vrijednost greke #NAME?.
Ako je number 0 ili je number_chosen < 0, PERMUT postavlja vrijednost greke
#NUM!.
Ako je number < number_chosen, PERMUT izraunava vrijednost greke #NUM!.
Varirati n datih elemenata u slogove k-te klase bez ponavljanja znai sloiti po k
elemenata na sve mogue naine i u svim moguim rasporedima, ali tako da se u svakom
slogu svaki element javlja najvie jedanput. Dakle, kod varijacije je bitno i prisustvo i
mjesto elemenata u slogu.
Dakle, izraz za funkciju PERMUT, odgovara broju varijacija bez ponavljanja:
PERMUT(number n;number_chosen k) Vkn n (n 1) (n 2) ... (n k 1)
n!
(n k)!
Kada je number = number_chosen = n, broj varijacija bez ponavljanja odgovara izrazu:

n!
n! , gdje je 0! 1.
0!
odnosno broju permutacija bez ponavljanja; permutovati n elemenata znai izvriti sve
mogue rasporede koje ti elementi mogu zauzeti. U svakom takvom rasporedu pojavljuju
se svi elementi a svaki takav slog zove se permutacija. To znai da je kod permutacija kao
i kod varijacija bitno i prisustvo i mjesto svakog elementa. Pri obrazovanju permutacija
polazi se od najnieg ili poetnog sloga iz kojeg se postupno izvode vii slogovi. Broj
permutacija bez ponavljanja moemo izraunati i posredstvom ugraene funkcije
FACT(n) iz kategorije matematikih funkcija. Kada se jedan element javlja vie puta u
jednoj permutaciji onda imamo permutacije sa ponavljanjem. Ako imamo n elemenata od
kojih je k1,k2,,km istih, pri emu je k1+k2++km n,
broj razliitih permutacija jednak je
PERMUT(number n;number_chosen n)
n!
MULTINOMIAL(k 1 ;k 2 ;...;k m )
k 1 !k 2 !... k m !
gdje funkcija MULTINOMIAL pripada kategoriji matematikih funkcija.
170
Ako su n i k cijeli brojevi, takvi da je 0 k n onda vrijedi sljedea jednakost:
Vkn
n!
PERMUT(n;k)
, odnosno : COMBIN(n;k)
k! k! (n k)!
k!
gdje nCk odgovara broju kombinacija.
Primjer 1.
Neka je A = {a , b , c } skup od n = 3 elementa, i k = 2.
Onda je B = { {a , b} , {b , a } , {a , c} , {c , a }, {b , c } , {c , b } } skup svih varijacija
klase 2 u skupu A od 3 elementa. Kako je broj elemenata skupa B jednak 6, moemo
zakljuiti da je broj varijacija jednak 6. Posredstvom funkcije PERMUT, broj varijacija
raunamo kao na Slici 1.
n Ck
PERMUT(number 3;number_chosen 2)
V23
3!
326
1!
Slika 1.
Koristiemo program Mathematica da pokaemo kako se u njemu mogu izraunati varijacije
klase 2 u skupu od 3 elementa:
In[3]:=
Permutationsa, b, c, 2
Out[3]= a,
b, a, c, b, a, b, c, c, a, c, b
Primjer 2.
Neka je A = {a , b , c, d } skup od n = 4 elementa, i k = 4.
Onda je B skup svih permutacija bez ponavljanja; broj elemenata skupa B jednak je 4! = 24.
PERMUT(num ber 4; number_cho sen 4)

4 3 2 1 24
In[1]:=
Permutationsa, b, c, d, 4
Out[1]= a,
a,
b,
c,
d,
b, c,
d, b,
c, d,
b, a,
a, c,
d,
c,
a,
d,
b,
a, b, d, c, a, c, b, d, a, c, d, b,
a, d, c, b, b, a, c, d, b, a, d, c, b, c, a, d,
b, d, a, c, b, d, c, a, c, a, b, d, c, a, d, b,
c, b, d, a, c, d, a, b, c, d, b, a, d, a, b, c,
d, b, a, c, d, b, c, a, d, c, a, b, d, c, b, a
171
POISSON
Za sluajnu varijablu X kaemo da ima Poissonovu raspodjelu ako je njena funkcija p.m.f.
oblika:
e 2,7183
x e
f ( x)
, x 0, 1, 2, 3, ...
x!
Ojlerova konstanta
gdje je > 0.
Poissonovu raspodjelu nazivamo i raspodjelom rijetkih
dogaaja, jer se za velike n (broj pokuaja n ) i male p (p 0 ) binomna raspodjela
aproksimira ovom raspodjelom.
Sintaksa
POISSON( x ; mean ; cumulative )
X odgovara broju dogaaja. Mean = = n * p je oekivana vrijednost raspodjele.
Cumulative je logika vrijednost koja odreuje oblik Poissonove funkcije; ako je jednaka
k
x e
TRUE , POISSON odgovara izrazu
POISSON(x;mean ; TRUE)
k!
k 0
i izraunava Poissonovu raspodjelu da e broj sluajnih dogaaja koji se dogode, biti izmeu
nula i x ukljuivo. Ako je logika vrijednost cumulative jednaka FALSE, funkcija POISSON
postavlja vjerojatnou da e broj dogaaja biti tano x prema izrazu:
POISSON(x;mean n p;FALSE)
x e
, x 0, 1, 2, 3, ...
x!
Napomene
Ako x nije cijeli broj, odbacuju mu se decimale.
Ako x ili mean nije broj, POISSON postavlja vrijednost greke #NAME?.
Ako je x 0, POISSON postavlja vrijednost greke #NUM!.
Ako je mean 0, POISSON postavlja vrijednost greke #NUM!.
Na osnovu poznate injenice da je
k
k
e
, ( R) lako se pokazuje da vrijedi :
e 1
k!
k!
k 0
k 0
Ako je broj pokuaja u binomnoj raspodjeli n 100 i n*p < 10, onda x ima binomnu
raspodjelu koja se moe aproksimirati Poissonovom raspodjelom sa parametrom =n*p.
Poissonova raspodjela moe biti koritena kao matematiki model da se opie
vjerovatnoa, npr. dolazaka autobomila na benzinsku pumpu, aviona na aerodrom, i tako
dalje.
Primjer 1.
Neka sluajna varijabla X ima Poissonovu raspodjelu kod koje je = 4.
Izraunati vjerovatnou: a) P( X = 6 ) ; b) P( X 6 ).
Rjeenje
4 6 e 4
a) POISSON(6;mean 4;FALSE)
0,1042
6!
6
4 k e 4
b) POISSON(6;mean 4; TRUE)
0,8893
k!
k 0
0,2
0,15
0,1
0,05
0
0
9 10
172
Grafiki prikaz Poissonovih vjerovatnoa za x = 0, 1, 2, 3, 4, 5, i 6 dat je na slici 1.
0,2
0,15
k 0
0,1
4 k e 4
k!
0,05
0
0
9 10
Slika 1.
Suma svih ovih vjerovatnoa odgovara vjerovatnoi P( X 6).
Primjer 2.
Vjerovatnoa da u toku jednog sata doe poziv na telefonsku centralu od bilo kojeg od 500
telefonskih pretplatnika iznosi 0,0075. Kolika je vjerovatnoa da u jednom satu doe poziv
od: a) 5 pretplatnika, i b) najvie 5 pretplatnika ?
Rjeenje
U ovom sluaju je n = 500, p = 0,0075, pa je mean = = n*p = 500*0,0075 = 3,75. Kako
je ova vrijednost manja od 10 to su ispunjeni uslovi za primjenu Poisson-ove aproksimacije
sluajne binomne varijable. Posredstvom funkcije POISSON (slika 2.) izraunata je
vjerovatnou pod a), da u jednom satu doe poziv od tano x = 5 pretplatnika.
0,25
0,2
0,145335
0,15
0,1
0,05
0
0 1 2 3 4 5 6 7 8 9 10 11 12
3,75 5 e 3,75
0,145335
5!
Slika 2.
Vjerovatnoa pod b), da doe poziv najvie od 5 pretplatnika jednaka je vrijednosti sljedee
0,25
5
sintakse, odnosno izraza:
3,75k e 3,75
0,2
POISSON(5;mean 3,75; TRUE)
k!
0,15
k 0
3,75k e 3,75
0,822883
k!
k 0
0,1
0,05
0
0
9 10 11 12
173
PROB
Izraunava vjerovanou da su vrijednosti u intervalu izmeu dvaju granica.
Sintaksa
PROB ( x_range ; prob_range ; lower_limit ; upper_limit )
X_range je opseg brojanih vrijednosti x. Prob_range je skup vjerovatnoa koje
odgovaraju vrijednostima u argumentu x_range. Lower_limit je donja granica vrijednosti.
Upper_limit je mogua gornja granica vrijednosti.
Napomene
Ako je bilo koja vrijednost u argumentu prob_range 0 ili > 1, funkcija PROB postavlja
Ako je zbir vrijednosti u argumentu prob_range 1, PROB postavlja vrijednost greke
#NUM!.
Ako je argument upper_limit isputen, PROB izraunava vjerovatnoa ija je vrijednost
jednaka donjoj granici, odnosno argumentu.
Ako argumenti x_range i prob_range sadre razliiti broj vrijednosti, funkcija PROB
postavlja vrijednost greke #N/A.
Ako gornja granica upper_limit nije zadata, funkcija izraunava vjerovatnou da su
vrijednosti u argumentu x_range jednake donjoj granici lower_limit.
Primjer 1.
Pretpostavimo da binomni eksperiment sa n = 12 pokuaja ima vjerovatnou uspjeha
p = 0,22. Kolika je vjerovatnoa uspjeha u ovoj raspodjeli izmeu 3 i 8 ?
Rjeenje
Vjerovatnoa uspjeha raspodjele u granicama izmeu 3 i 8 jednaka je 0,51122 i odgovara
izrazu:
8
i 0
12
0,22 i 0,78 12 i
i
12
i 0,22
0,78 12 i
i 0
U proraunskoj tablici Excel, do ove vrijednosti dolazimo veoma jednostavno posredstvom

ugraene funkcije PROB, kao na slici 1.
Slika 1.
174
QUARTILE
Ova funkcija izraunava kvartile skupa podataka koristei funkciju empirijske raspodjele sa
interpolacionim metodom, koji se sastoji u tome da se broj vrijednosti n umanji za jedan i
pomnoi sa odreenim brojem p koji predstavlja odgovarajui procenat vrijednosti u datom
opsegu.
Dobijeni proizvod se rastavlja na cijeli dio j i ostatak g. U odnosu na ostatak g koji moe
biti nula ili vei od nule imamo sljedee sluajeve:
(n 1) p j g
(n 1) p j g
g0
g0
QUARTILE x j 1
QUARTILE x j 1 g (x j 2 x j 1 )
Sintaksa
QUARTILE ( array; quart )
Array je polje brojanih vrijednosti za koje elimo izraunati vrijednost kvartila.
Argument quart pokazuje koja se vrijednost izraunava.
Ako je quart jednak:
funkcija QUARTILE izraunava:
0
Minimalnu vrijednost
1
Prvi kvartil (25-ti procenat)
2
Vrijednost medijane (50-ti % )
3
Trei kvartil (75-ti procenat)
4
Maksimalnu vrijednost
Napomene
Ako je argument array prazan ili sadri vie od 8191 vrijednosti, funkcija QUARTILE
izraunava vrijednost greke #NUM!.
Ako quart nije cijeli broj, odbacuju se decimale.
Ako je quart < 0 ili je vei od 4, QUARTILE izraunava vrijednost greke #NUM!.
Primjer 1.
Na sljedeem skupu podataka o godinjim plaama (u hiljadama NJ) izraunati sve
vrijednosti funkcije QUARTILE u odnosu na vrijednosti argumenta quart.
Rjeenje
Minimalna i maksimalna vrijednost u skupu podataka odgovaraju vrijednostima argumenta
quart = 0 i 4 (slika 1.).
Slika 1.
Prvi kvartil (Q1 ) izraunavamo za vrijednost argumenta quart = 1:
(16 1) 0,25 3 0,75

g 0,75 0
QUARTILE x 4 0,75 (x 5 x 4 ) 19,2 0,75 (20,5 19,2) 20,175
175
Drugi kvartil (Q2 ) predstavlja medijanu i izraunavamo ga za vrijednost argumenta quart = 2:
(16 1) 0,5 7 0,5

g 0,5 0
QUARTILE x 8 0,5 (x 9 x 8 ) 23,8 0,5 (24,1 23,8) 23,95
Trei kvartil (Q3 ) izraunavamo za vrijednost argumenta quart = 3:
(16 1) 0,75 11 0,25

g 0,25 0
QUARTILE x 12 0,25 (x 13 x 12 ) 26,8 0,25 (27 26,8) 26,85
Pored ovog metoda dosta esto se u statistikoj literaturi koristi i metod funkcije empirijske
raspodjele sa usrednjavanjem koji s koji se sastoji u tome da se broj vrijednosti n pomnoi sa
odreenim brojem p koji predstavlja odgovarajui procenat vrijednosti u datom opsegu.
Dobijeni proizvod se rastavlja na cijeli dio j i ostatak g. U odnosu na ostatak g koji moe
biti nula ili vei od nule imamo sljedee sluajeve:
n p j g
n p j g
g0
QUARTILE
x j x j 1
g0
QUARTILE x j 1
2
Razlika u raunanju se reflektuje na prvi i trei kvartil. Q1 i Q3 izraunati ovom metodom
imaju sljedee vrijednosti:
16 0,25 4 0
g0
QUARTILE
x4 x5
19,2 20,5
19,85
2
2
16 0,75 12 0
g0
QUARTILE
x 13 x 14
27 28,5
26,9
2
2
Procedura raunanja kvartila se sastoji u tome da se podaci poredaju od najmanjeg ka

najveem i izrauna medijana koja predstavlja drugi kvartil. Zatim se izrauna prvi kvartil
kao medijana donje polovine podataka bez ukljuivanja medijane Q2. Trei kvartil se rauna
kao medijana gornje polovine podataka takoe bez ukljuivanja medijane Q2. Moemo
napisati:
176
RANK
Ova funkcija nam daje mogunost da date podatke poredamo po veliini, odnosno rangiramo
ih u smjeru od najveeg prema najmanjem ili obrnuto.
Sintaksa
RANK ( number ; ref ; order )
Number je broj iji poloaj elimo odrediti. Ref je polje popisa brojeva ili referenca na
popis brojeva; vrijednosti koje nisu brojevi u ref su zanemarene.
Order je broj kojim odreujemo kako treba odrediti poloaj argumenta number.
Ako je nula ili isputen, Excel odreuje poloaj broja, odnosno rang kao da je ref popis
razvrstan u opadajuem redoslijedu.
Kada se razlikuje od nule, Excel odreuje poloaj broja kao da je ref popis razvrstan u
rastuem redoslijedu.
Napomene
Nain na koji funkcija RANK dodjeljuje rang argumentu number naziva se "popular
ranking method" i sastoji se u tome da se duplikatima brojeva pridruuje isti poloaj;
meutim, prisutnost duplikata brojeva utie na rang brojeva koji slijede.
Rang broja je njegova relativna veliina u odnosu na ostale vrijednosti u popisu.
Pored ovog metoda rangiranja postoji i matematiki metod rangiranja (" mathematical
ranking method") koji istim rangovima dodjeljuje njihovu aritmetiku sredinu.
Primjer 1.
Na slici 1. dati su podaci koji su ustanovljeni na sluajnom uzorku od n = 10 puaa koji
istovremeno i piju kafu. Rangirati podatke broja dnevno popuenih cigareta i oljica popijene
kafe u rastuem redoslijedu.
Rjeenje
Na istoj slici dato je rjeenje, odnosno rangirane vrijednosti podataka o broju dnevno
ispuenih cigareta i ispijenih oljica kafe, po Excelovoj metodi .
Slika 1.
Osobe 5, 6, i 7 ispue dnevno po 19 cigareta pa njima pripada rang 4, a rangovi 5 i 6 se
preskau.
177
Osobe 3, i 5 ispiju dnevno po 10 oljica kafe pa njima pripada rang 6, a rang 7 se preskae.
Matematiki metod rangiranja prikazan je na slici 2. i u odnosu na funkciju RANK razlikuje
se u tome to se kod osoba 5, 6, i 7 koje ispue dnevno po 19 cigareta, rang izraunava tako
to se
rangovi 4, 5, i 6 zamjenjuje se aritmetikom sredinom rangova 4, 5, i 6, to odgovar rangu
5; rangovi 4, i 6 se preskau. Na identian nain kod broja dnevno ispijenih oljica kafe
rangovi 6 se zamjenjuju sa rangom 6,5; dakle u ovoj metodi preskaemo rangove 6 i 7.
Slika 2.
Poredani podaci po rangovima su dobra podloga za izraunavanje korelacije ranga izmeu
posmatranih pojava, u naem sluaju izmeu podataka o broju dnevno ispuenih cigareta i
ispijenih oljica kafe. Korelacija ranga izraunava se prema formuli
n
rk 1 6
2
i
i 1
n3 n
pri emu d i oznaava razliku izmeu odgovarajuih rangova prve i druge varijable, a n
ukupan broj rangova; poznat je i po nazivu Spearmanov koeficijent korelacije.
Napomena
Rang korelacija nam daje samo priblinu indikaciju veze izmeu dvije varijable. Postupak
izraunavanja sastoji se u tome da se prvo lanovi niza rangiraju a zatim iz dobijenih
rangova utvrdi koeficijent korelacije ranga prema gornjoj formuli. Ako rangovi dvaju
nizova imaju jednak redoslijed, razlike d i jednake su nuli pa je i njihova suma jednaka
nuli, odnosno koeficijent korelacije ranga jednak je +1. U ovom sluaju postoji najvea
pozitivna korelacija izmeu dvaju varijabli. Ako rangovi drugog niza imaju obrnut
redoslijed od rangova prvog niza tada je koeficijent korelacije ranga jednak je -1. Vidimo
da se vrijednosti koeficijenta korelacije ranga kreu u intervalu [-1,+1]. Vrijednost nula
nam pokazuje da izmeu posmatranih pojava ne postoji povezanost.
U naem primjeru veliina uzorka je n = 10, a sumu razlika odgovarajuih rangova d i 2 = 8 ,
moemo izraunati na jedan od sljedeih naina:
Sada moemo izraunati koeficijent

korelacije ranga, prema Excelovoj metodi:
n
rk 1 6
d
i 1
3
2
i
n n
1 6
8
48
1
0,9515151512
10 10
990
3
178
RSQ
Ova funkcija nam omoguava da izraunamo kvadrat Pearson-ovog produkt - moment
koeficijenta korelacije. Odgovara odnosu varijacije objanjene regresijom i ukupne varijacije
n
r2
(y
y) 2
y) 2
i 1
n
(y
i 1
i poznata je po nazivu koeficijent determinacije ; n odgovara broju parova (x i , y i ), y

aritmetikoj sredini vrijednosti y i , a y p = m*x+b regresijskom pravcu u skladu sa metodom
najmanjih kvadrata. Drugim rijeima koeficijent determinacije r2 je mjera procenta varijacije
u y koju moemo objasniti pomou regresijskog pravca koritenjem x-a kao prediktorske
varijable. Ako je r = 0,8, onda je r2 = 0,64, i mi moemo rei da oko 64% ponaanja
varijable y moe biti objanjeno odgovarajuim ponaanjem x varijable ako koristimo
jednainu regresijskog pravca dobijenu metodom najmanjih kvadrata. Preostalih 36%
ponaanja y varijable zavisi od drugih varijabli pored varijable x.
Sintaksa
RSQ(known_y's ; known_x's)
Known_y's je polje ili opseg vrijednosti y i . Known_x's je polje ili opseg vrijednosti x i .
Napomene
Ako su argumenti known_y's i known_x's prazni ili imaju razliiti broj podataka,
funkcija RSQ postavlja vrijednost greke #N/A.
Ukupna varijacija jednaka jen sumi objanjene
i neobjanjene
varijacije i moe se
n
n
predstaviti izrazom:
2
2
(y y)
(y y)
(y y )2
i 1
i 1
i 1
ukupna varijacija objanjena varijacija neobjanje na varijacija
Koeficijent deteminacije je na omjernoj skali mjerenja, to znai da ga moemo koristiti

za direktno poreenje dvije jaine povezanosti; tako primjera radi moemo kazati da je r2
= 0,8 dva puta vei od koeficijenta determinacije r2 = 0,4.
Koeficijent deteminacije izraen kroz poznate uparene vrijednosti (x i , y i ), glasi:
1
(
n
RSQ(known_ y' s ; known_x' s) r
1
(
n
x
i 1
x y
i
x y) 2
i 1
1
2
x )(
n
y )
i 1
gdje n odgovara broju taaka na dijagramu rasprenja, odnosno scatter dijagramu.

Moe se koristiti i za izraunavanje multiplog, odnosno viestrukog koeficijenta
determinacije nodreenog izrazom:
n
R2 1
(y
y p )2
i 1
n
(y
i 1
y) 2
(y
y) 2
i 1
n
(y
y) 2
varijabili tet objanjen regresijom

ukupna
varijacija
DEVSQ
DEVSQ
yp
y
i 1
179
Pozitivni kvadratni korijen iz multiplog koeficijenta determinacije zovemo multipli

koeficijent korelacije i oznaavamo sa r.
Kada imamo samo dvije nezavisne varijable x u multiploj (viestrukoj) regresiji,
koeficijent multiple determinacije moemo izraunati prema izrazu:
n
m1
1i
x 1 ) ( y i y) m 2
i 1
(x
x 2 ) ( y i y)
2i
i 1
2
m 1 COVAR x 1 y m 2 COVAR x 2 y
VARP y
i 1
Kada imamo k nezavisnih varijabli x, koeficijent multiple determinacije moemo

izraunati prema izrazu:
n
m1
(x 1i x 1 ) ( y i y) ... m k
i 1
(x
i 1
(x
ki
x 2 ) ( y i y)
i 1
m 1 COVAR
... m k COVAR
x 1 y
x k y
VARP y
U multiploj regresiji se uobiajeno koristi i korigovani koeficijent multiple determinacije

koji predstavlja nepristrasnu ocjenu nza populacioni multipli koeficijent determinacije:
A djusted R 2 1
(y
i 1
y p ) 2 /( n k 1)
1 (1 R 2 )
(y
y) 2 /( n 1)
n1
nk 1
2
i 1
2
Multipli koeficijent determinacije moemo izraziti i kao: CORREL yy , odnosno PEARSONyy
p
Primjer 1.
Zabiljeena su sljedea opaanja na uzorku:
Izraunati koeficijent determinacije, r2.

Rjeenje
Koeficijent determinacije odgovara izrazu: r 2
xi
yi
xi2
x i* y i
yi2
16
16
16
25
30
36
15
25
36
42
49
10
100
70
49
=28 =29 =186 =173 =175
r2
xi 2 (
i1
i 1
y )
xi
i1

x i )2 5

i 1
i 1
yi 2 (
i1
x i )2
(5 173 28 29)
53
2809
0,565874
2
2
(5 186 28 ) (5 175 29 ) 146 34 4964
1
(
5
1
(
5
xi yi
i 1
odnosno:
(5
i1
x y x y)
i
1
2
xi 2 x ) (
5
1
( 173 5,6 5,8)2
5
0,565874
1
1
2
2
2
2
(
186
5
,
6
)
175
5
,
8
)
yi y ) 5
5
2
i 1
i1
U proraunskoj tablici Excel do vrijednosti koeficijenta determinacije, moemo doi kao na Sl.1.
Slika 1.
180
Primjer 2.
7 prodavnica. Ocijeniti koeficijente viestruke linearne korelacije R i determinacije R2
posredstvom ugraenih Excelovih funkcija RSQ, SQRT i TREND.
Redni
Obim
broj prometa
i
y
Udaljenost
Trend
od centra vrijednosti
x2
yp
Poslovni
prostor
x1
y - yp
(y - y p ) 2
y - y
(y -y ) 2
120
4,2
124,59677
-4,59677
21,13033
21,42857
459,1837
150
4,2
1,5
143,22581
6,774194
45,8897
51,42857
2644,898
180
2,5
179,51613
0,483871
0,234131
81,42857
6630,612
30
1,5
32,903226
-2,90323
8,42872
-68,5714
4702,041
75
0,5
70,16129
4,83871
23,41311
-23,5714
555,6122
60
3,2
1,5
51,290323
8,709677
75,85848
-38,5714
1487,755
75
3,4
88,306452
-13,3065
177,0617
-23,5714
555,6122
690
690
352,0161
17035,71
Rjeenje
Koeficijent viestruke determinacije R2, iznosi:
7
(y y )
i
R2 1
i 1
7
(y y)
i
352,0161
0,979336579
17035,71
gdje je :
y p m2 x2 m1 x1 b
regresiona jednaina.
i1
Vrijednosti du trenda, u gornjoj tabeli, izraunate su posredstvom TREND funkcije.

Vrijednost koeficijenta R2 posredstvom funkcije RSQ, izraunavamo kao na slici 2.
Vrijednost R2 = 0,979337
ukazuje na visoki %
objanjene varijacije
Slika 2.
Vrijednost koeficijenta viestruke korelacije R iznosi:
0,989614359=SQRT(RSQ(A2:A8;TREND(A2:A8;B2:C8)))
Koeficijent viestruke determinacije

moemo izraunati i pomou vrijednosti
odreenih funkcijma PEARSON i
CORREL:
2

1 rx21 x 2
0,979336579
R 0,97933657 9
0,953623137 =PEARSON(A2:A8;B2:B8)
0,617817217 =PEARSON(A2:A8;C2:C8)
0,810356418 =PEARSON(B2:B8;C2:C8)
0,953623137 =CORREL(A2:A8;B2:B8)
0,617817217 =CORREL(A2:A8;C2:C8)
0,810356418 =CORREL(B2:B8;C2:C8)
181
SKEW
Ova funkcija odgovara mjeri asimetrije Fisher's g1 i predstavlja jednu alternativnu mjeru
asimetrije.
Formula za njeno izraunavanje glasi:
SKEW
n (n 1) 1
n2
gdje
m3
3
2
m2
n
1
(x
x) 3
i 1
n
i 1
(x i x )
odgovara poznatom koeficijentu asimetrije 3 .

Sintaksa
SKEW ( number1 ; number2; ...)
Number1, number2,...su 1do 30 argumenata za koje elimo izraunati asimetriju. Moemo
koristiti jednodimenzionalno polje ili referencu na polje umjesto argumenata odvojenih
separatorom.
Napomene
Argumenti moraju biti brojevi ili nazivi, polja ili reference koje sadre brojeve.
te su vrijednosti zanemarene; meutim, elije s vrijednou nula su ukljuene.
Ako su zadate manje od tri take podataka ili je standardna devijacija uzorka nula, SKEW
postavlja vrijednost greke #DIV/0!.
Izraz za asimetriju moemo napisati i u obliku:
n
SKEW
(n 1) (n 2)
i 1
xi x
gde je : s
n- 1
x
i 1
x
2
n
m2
n- 1
Za ocjenu oblika rasporeda uzimamo centralne momente u odnosu prema standardnoj

devijaciji odgovarajueg stepena. Kako je prvi centralni moment uvijek jednak nuli to se
uzima sljedei neparni centralni moment, dakle trei. Koeficijent asimetrije jednak je nuli
za simetrine rasporede. Ako je raspodjela vjerovatnoa asimetrina nadesno tada kaemo
da se radi o pozitivnoj asimetriji i koeficijent asimetrije ima pozitivnu vrijednost. U tom
sluaju aritmetika sredina je vea od medijane a ova od modusa. Kada imamo lijevu
asimetriju koeficijent asimetrije ima negativnu vrijednost i tada imamo relaciju da je
aritmetika sredina manja od medijane a ova manja od modusa. Naravno pri tome treba
istai, da to je apsolutna vrijednost koeficijenta asimetrije vea to je i raspodjela
asimetrinija.
Koeficijent 3 moemo izraunati preko poznate vrijednosti funkcije SKEW, prema
n2
obrascu:
3
SKEW
Primjer 1.
n (n 1)
Na podacima pod a), b), i c) izraunati asimetriju i dati grafiki prikaz.
182
Rjeenje
Funkcija SKEW (slika 1.) na podacima pod a) postavlja vrijednost nula, to ukazuje na
simetrinu raspodjelu oko njene sredine. Na istoj slici dat je i odgovarajui grafiki prikaz.
Slika 1.
Na slici 2. vidimo da se radi o desno asimetrinoj raspodjeli.
Slika 2.
Raspodjela podataka pod b) je vie razvuena prema pozitivnim vrijednostima i funkcija
SKEW ima pozitivnu vrijednost.
Na podacima pod c) funkcija SKEW postavlja negativnu vrijednost.
Slika 3.
Ovdje se radi o lijevo asimetrinoj raspodjeli.
183
SLOPE
Ova funkcija na osnovu poznatih parova vrijednosti (x i , y i ) izraunava nagib m regresijskog
n
n
n
pravca y = m*x +b, prema izrazu:
n
xi yi
xi
yi
m

n x ( x )
i 1
i 1
i 1
2
i
i 1
i 1
y
x
y
Sintaksa
SLOPE ( known _y's ; known_x's )
Prvi argument known_y's predstavlja vrijednosti zavisne varijable. Drugi argument
known_x's odgovara vrijednostima nezavisne varijable. Funkcija SLOPE je osjetljiva na
promjenu mjesta argumentima; ako prvo upiemo vrijednosti x i , pa onda y i postavljena
vrijednost e odgovarati nagibu d, regresijskog pravca x = d* y+c.
Napomene
Ako argument, zapisan u obliku polja ili reference, sadri tekst, logike vrijednosti ili
prazne elije, te se vrijednosti zanemaruju; meutim, elije sa nulom su ukljuene.
Ako known_y's i known_x's sadre razliit broj podataka ili uopte ne sadre podatke,
funkcija SLOPE postavlja vrijednost greke #N/A. n
n
n
Jednaina za SLOPE, glasi:
n
xi yi
xi
yi
SLOPE(known_y' s;known_x' s) m
i 1
i 1
i 1
i 1
x )
i
i 1
Ako promijenimo mjesta argumentima, tada funkcija SLOPE postavlja nagib d,

n
n
n
regresijskog pravca x = d* y+c prema obrascu:
n
xi yi
xi
yi
SLOPE(known_x' s;known_y' s) d
i 1

i 1
y
i 1
i 1
y )
i
i 1
184
Primjer 1.
U jednoj kompaniji su zabiljeeni podaci o obimu proizvodnje u tonama (x) i ukupnim
trokovima (y) u 103 NJ(novanih jedinica):
Odrediti koeficijent proporcionalnosti funkcije ukupnih trokova m, odnosno koeficijent

regresijskog pravca y = m*x+b.
Poto je kretanje ukupnih trokova problino linearno, polazimo od funkcije y p = mx+b.
Rjeavanjem sistema normalnih jednaina, dobijamo sljedei izraz za m:
6
6
m
x y x y
i
i 1
i 1
x ( x )
2
i
i 1
i 1
i 1
Koritenjem gotovih Excelovih funkcija SUMPRODUCT, SUMSQ i SUM (na slici 1.)
izraunate su vrijednosti za sume u izrazu za m.
Slika 1.
Njihovim uvrtavanjem, dobijamo:
6
6
m
x y x y
i
i 1
i 1
i 1
x ( x )
2
i
i 1
6 29531 236 742

1,25545
6 9558 236 2
i 1
Dakle, koeficijent proporcionalnosti funkcije ukupnih trokova m, iznosi: 1255,45 NJ.

Kako se do ove vrijednsti moe doi direktno bez prethodnog izraunavanja gornjih suma?
Jednostavno, posredstvom ugraene Excelove funkcije SLOPE, kao na slici 2.
Slika 2.
Koeficijent m =1,25545 pokazuje da se ukupni trokovi uveavaju za 1255,45 NJ za svako
poveavanje proizvodnje od jedne jedinice (u naem primjeru po toni).
Izraz 1,25545*x predstavlja tzv. varijabilne trokove, koji zavise od obima proizvodnje.
185
Primjer 2.
Za dati skup empirijskih vrijednosti (x i ,y i ) i=1,2,,8 odrediti parametar m u funkciji tranje
oblika y = b*xm tradicionalno, i posredstvom funkcije SLOPE.
Rjeenje
Sistem normalnih jednaina za ovu funkciju tranje glasi:
8
8 log10b m
log10 xi
i 1
log10 yi
log 10 b
i 1
log
10
x i m
i 1
(log
10
xi)
i 1
log
10
x i log 10 y i
i 1
ili u rijeenom obliku

8
8
m
i1
log
( log x )
i 1
log 10 x i
(log
10
x i )2
i 1
10
yi
log 10 b
i1
10
1
8
i 1
log 10 y i
m
8
log
10
xi
i 1
i 1
Prema vrijednostima koje odgovaraju logaritamskim sumama u tabeli na slici 3. moemo

izraunati parametar m.
Slika 3.
Dakle, imamo:
8
8
m
(log 10 x i log 10 y i )
i1
log 10 x i
i 1
(log
i 1
i 1
log
10
x i )2 (
log
10
x i )2
10
yi
8 45,41712565 12,60552052 29,09159662

0,64635
8 20,51562169 12,60552052 2
i1
Posredstvom funkcije SLOPE do vrijednosti za parametar m, dolazimo kao na slici 4.
Slika 4.
186
SMALL
Izraunava k-tu najmanju vrijednost u skupu podataka.
Sintaksa
SMALL( array; k)
Array je polje ili opseg brojanih podataka za koji elimo odrediti k-tu najmanju vrijednost.
K je k-ta vrijednost u smjeru od najmanje prema najveoj u polju ili opsegu podataka.
Napomene
Ako je argument array prazan, funkcija SMALL izraunava vrijednost greke #NUM!.
Ako je k 0 ili prelazi broj taaka podataka, SMALL izraunava vrijednost greke
#NUM!.
Ako je n broj taaka podataka u argumentu array, SMALL (array ;1) jednak je najmanjoj
vrijednosti, a SMALL (array ; n) najveoj vrijednosti.
Primjer 1.
U argumentu array koji sadri podatke
postaviti 4-tu vrijednost po veliini poev od najmanje.
Rjeenje
etvrta vrijednost po veliini u polju elija A1:O1, poevi od najmanje, jeste vrijednost 4.
Na slici 1. data je odgovarajua sintaksa funkcije SMALL koja nam obezbjeuje da u datom
skupu vrijednosti pronaemo odgovarajuu, odnosno 4-tu vrijednost, u smjeru od najmanje
prema najveoj. Dakle, ako poredamo sve vrijednosti u argumentu array po veliini i
ponemo ih prebrojavati od najmanje prema najveoj 4- ta vrijednost e biti vrijednost 4.
Slika 1.
Funkciju SMALL moemo iskoristiti da nam poreda date vrijednosti iz opsega podataka u
smjeru od najmanje prema najveoj ili od najvee do najmanje vrijednosti.
U prvom sluaju vrijednosti za k emo postaviti od 1 do 15 (A1:O1) koliko ima ukupno
vrijednosti u argumentu array, a u drugom sluaju od 15 do 1. Selektovanjem polja elija koje
ima isti broj elija kao i argument array i selektovanjem za k ovako oznaenih vrijednosti, te
koritenjem formule polja, moemo u jednom potezu dobiti poredane vrijednosti.
187
Vrijednosti poredane od najvee prema najmanjoj prikazane su na slici 2.
Slika 2.
Primjer 2.
Podatke na slici 3. srediti po veliini, u smjeru od najmanjeg prema najveem, i oznaiti 10 tu vrijednost. Koristiti funkciju SMALL.
Slika 3.
Rjeenje
Na slici 4. je pokazano kako se posredstvom funkcije SMALL dati podaci mogu urediti po
veliini u smjeru od najmanjeg prema najveem. Polje elija A11:J14 sadri ureene podatke.
Slika 4.
Deseta vrijednost u skupu ureenih vrijednosti po veliini od najmanje prema najveoj jeste
vrijednost 5. Sintaksa, posredstvom koje smo uredili vrijednosti iz polja elija A1:J4, ima
vitiaste zagrade koje ukazuju na formulu polja. Snaga funkcije SMALL ogleda se u tome to
mi zapravo nemoramo podatke prvo urediti po veliini da bismo odredili neku poziciju jer to
umjesto nas automatski radi ova, ugraena Excelova funkcija. Sintaksa, posredstvom koje
odreujemo vrijednost koja ima desetu poziciju je: = SMALL(A1:J4 ; 10) = 5.
Primjeri 3, i 4.
188
STANDARDIZE
Svaku normalnu raspodjelu sa aritmetikom sredinom i standardnom devijacijom
moemo transformisati u standardnu normalnu raspodjelu sa aritmetikom sredinom 0 i
standardnom devijacijom 1, pomou formule:
z
x
x mean
STANDARDIZE(x;mean; standard_dev)
standard_dev
Sintaksa
STANDARDIZE (x ; mean ; standard_dev )
X je vrijednost koju normaliziramo. Mean () je aritmetika sredina a standard_dev ()
standardna devijacija, originalne normalne raspodjele.
Napomene
Oblik svake normalne raspodjele zavisi od njegove aritmetike sredine i standardne
devijacije , jer u biti, aritmetika sredina moe biti locirana bilo gdje na x -osi, a irina
zvona krive zavisi od veliine standardne devijacije. Kako bismo izbjegli izraunavanje
povrine ispod svake od ovih razliitih krivih pribjegavamo postupku standardizacije
normalnih raspodjela tako da tablicu povrina ispod standardne normalne raspodjele
moemo koristiti za sve normalne raspodjele, odnosno za sve razliite kombinacije i .
Ako je standard_dev 0, STANDARDIZE postavlja vrijednost greke #NUM!.
Kada x slijedi normalnu raspodjelu, odgovarajuu x vrijednost za poznatu z vrijednost
moemo pronai posredstvom relacije x = z * + . Takoe, moemo napisati:
x vrijednost u izvornoj raspodjeli

x
x
x
odgovarajua z vrijednost
z0
z0
z0
Primjer 1.
Jedan uenik je izraunao da mu u prosjeku treba 20 minuta sa standardnom devijacijom 4
minute da ide pjeice od kue do razreda. Jednom je ostavio 22 minute, drugi put 18 minuta a
trei put 20 minuta. Koliko je to standardnih devijacija od prosjene vrijednosti? Da li je z
vrijednost pozitivna ili negativna?
Rjeenje
Broj standardnih devijacija od aritmetike sredine dat je pomou z vrijednosti:
a) z
x
22 20
STANDARDIZ
4
E(22; mean 20; standard_d ev 4) 0,5
Ovdje je z vrijednost pozitivna i mi je oekujemo zato to je 22 minute vie od 20.

b) z
x
18 2 0
STANDARDIZ
E(18; mean
20; standard_d
ev 4) 0,5
Sada je z vrijednost negativna zato to je 18 manje od 20 minuta.

c) z
x
20 20
STANDARDIZ
E(20; mean
20; standard_d
ev 4) 0
Mi oekujemo ovaj rezultat zato to je 20 minuta jednaka i prosjena vrijednost a z

vrijednost za aritmetiku sredinu mean = uvijek je jednaka nuli.
189
STDEV
Ova funkcija postavlja standardnu devijaciju baziranu na uzorku, prema formuli:
1
s
n 1
x x
1
; x
n
i 1
i 1
gdje je n - veliina uzorka, x i - pojedinane vrijednosti obiljeja u uzorku,x - aritmetika

sredina uzorka. Standardna devijacija je mjera irine rasprenosti vrijednosti obiljeja oko
njihove aritmetike sredine i koristi se kao standard za mjerenje varijabiliteta rezultata.
Sintaksa
STDEV( number1 ; number2 ; ...)
Number1, number2,... su 1 do 30 argumenata kojima smo obuhvatili vrijednosti obiljeja
uzetog uzorka; umjesto argumenata odvojenih separatorima moemo koristiti i
jednodimenzionalno polje ili referencu na polje. Logike vrijednosti TRUE i FALSE, kao i
tekst, zanemaruju se kod izraunavanja. Ako ne smiju biti zanemareni, tada koristimo
funkciju radnog lista STDEVA.
Napomene
Funkcija STDEV pretpostavlja da njeni argumenti odgovaraju uzorku.
Standardna devijacija s, daje nam najbolju ocjenu za standardnu devijaciju populacije , i
zove se nepristrasna ocjena za .
2
2
n
n
n
n
STDEV odgovara izrazu:

1
2
2
S TDEV s
n1
x
i 1
i 1
i 1
n (n 1)
i
i 1
n i 1
n1
i koristi se kada imamo negrupisane podatke. U sluaju grupisanih podataka,

odgovarajua formula za standardnu devijaciju s, glasi:
1
s
n 1
f x x
i 1
1
x
n
f x
i
i 1
; n
i 1
i u Excelu je moemo izraunati posredstvom ugraenih matematikih funkcija SUM i
SQRT.
Kada imamo sve vrijednosti posmatranog obiljeja, onda umjesto s = STDEV, izraunavamo
standardnu devijaciju osnovnog skupa (populacije) = STDEVP.

Primjer 1.
Na uzorku su izmjerene sljedee vrijednosti obiljeja X: 2, 3, 5, 5, 6, 8, 8, 11.
Izraunati standardnu devijaciju s.
Rjeenje
Za klasino raunanje standardne devijacije s, prvi korak predstavlja izraunavanje
aritmetike sredine, prema formuli:
x
i 1
2 3 5 5 6 8 8 11
48
6
8
8
zatim, izraunavanje sume kvadrata devijacija opaenih vrijednosti od njihove aritmetike

sredine:
8
2 6 2 3 6 2 5 6 2 5 6 2 6 6 2 8 6 2 8 6 2 1 1 6 2
i 1
( 4 ) 2 ( 3 ) 2 ( 1) 2 ( 1) 2 0
16 9 1 1 0 4 4 25 60
190
Za izraunavanje varijanse, potrebno je podijeliti sumu kvadriranih devijacija sa n - 1 = 7:
s
81
2
x i 62 60 8,571529
i 1
Pozitivni kvadratni korijen iz varijanse odgovara traenoj standardnoj devijaciji s:
s 8,571529 2,9277.
Na slici 1. je pokazano kako se do ovog rezultata za s, moe doi posredstvom ugraene
funkcije STDEV.
Slika 1.
Vrijednosti obiljeja X, moemo upisati i drugaije:
Primjer 2.
Teine malih proizvoda (u gramima) u jednom sluajno selektovanom uzorku su:
6, 3, 7, 4, 5, 4, i 6. Izraunati standardnu devijaciju uzorka.
Standardna devijacija teina sluajno odabranih proizvoda u uzorku jednaka je 1,41 gram.
Teine u
gr
(x)
6
3
7
4
5
4
6
=35
x -x
(x -x)2
1
-2
2
-1
0
-1
1
1
4
4
1
0
1
1
12
1
x
7
x 6 3 7 47 5 4 6 357 5 gr
i
i 1
71
x 5
i
i1
1 4 4 1 0 1 1
2 1,41 gr
6
Slika 2.
191
Primjer 3.
Teine sluajno odabranih proizvoda sa proizvodne linije su (u kilogramima):
Izraunati standardnu devijaciju.
Rjeenje
Primjenom obrasca za izraunavanje standardne devijacije na uzorku, dobijamo:
s
61
x i 89,752
i 1
(90,3 89,75)2 (89,8 89,75)2 ... (90,6 89,75)2

1,321741
5
pri emu je :
90,3 89,8 87,9 91,4 88,5 90,6 538,5
89,75
6
6
Dakle, standardna devijacija teine sluajno odabranih proizvoda je 1,32 kg.
Na slici 3. je pokazano kako se do ove vrijednosti moe doi posredstvom gotove Excelove
funkcije STDEV.
x
Slika 3.
Koristili smo referencu na polje elija A1:A6 u jednom, i pridruivanje imena "teine", ovom
polju elija, u drugom primjeru; imenovanje polja elija A1:A6, prikazano je na slici 4.
Slika 4.
Primjer 4.
Izvrili smo 10 mjerenja pulsa (elije A1:J1) jednog ovjeka i dobili vrijednosti:
Izraunati standardnu devijaciju.
Rjeenje: 3,33 = STDEV (A1 : J1 ).
1
s
10
x 64
i
3, 33
i1
192
Primjer 5.
Satnice u uzorku honorarno zaposlenih u jednoj kompaniji su: $3, $9, $5, $6, $8, i $11.
Kolika je standardna devijacija?
Rjeenje
Koritenjem kvadrata devijacija satnica od njihove aritmetike sredine, i direktnom formulom
(na slici 5.) pokazano je kako se moe izraunati standardna devijacija na ovom uzorku.
Takoer, na istoj slici, izraunata je standardna devijacija i posredstvom funkcije STDEV.
Satnica u
$
(x)
3
9
5
6
8
11
=42
x -x
(x -x)2
-4
2
-2
-1
1
4
16
4
4
1
1
16
42
42
7
6
1
s
61
x 7
i
i1
42
8,4 2,898
5
Satnica u
$
(x)
3
9
5
6
8
11
9
81
25
36
64
121
=42
336
i 1
x2
1
x
6
2
i
i1
xi
61
1764
336
6
5
336 294
5
42
8,4 2,898
5
Slika 5.
Primjer 6.
Sljedeih pet vrijednosti su u uzorku: 11, 6, 10, 6, i 7. Izraunati standardnu devijaciju uzorka
posredstvom funkcije STDEV, i na tradicionalan nain koritenjem kvadrata devijacija
opaenih vrijednosti od njihove aritmetike sredine.
s
Slika 6.
Standardna devijacija je: 2,3452078.
Aritmetika sredina uzorka je:x = 40/5 = 8.
x 8
i
i 1
22
2,345
4
(x)
x -x
(x -x)
11
6
10
6
7
3
-2
2
-2
-1
9
4
4
4
1
=40
22
193
STDEVA
Procjenjuje standardnu devijaciju baziranu na uzorku; tekst i logike vrijednosti kao to su
TRUE i FALSE ukljuuju se kod izraunavanja.
Sintaksa
STDEVA ( value1 ; value2 ; ... )
Value1, value2,... su 1 do 30 vrijednosti koje odgovaraju uzorku; moemo koristiti i polje ili
referencu na polje umjesto argumenata razdvojenih separatorom.
Napomene
STDEVA podrazumijeva rad sa uzorcima. Ako nai podaci predstavljaju cijelu populaciju,
tada moramo raunati standardnu devijaciju koritenjem funkcije STDEVPA.
Vrijednosti u argumentu koje sadre TRUE, vrednuju se kao 1, a FALSE, kao 0 (nula).
Ako kod izraunavanja ne smiju biti ukljuene tekstualne ili logike vrijednosti, tada
koristimo funkciju radnog lista STDEV.
Standardna devijacija izraunava se koritenjem "nepristrasne" ili "n-1" metode prema
n
(x x)
i
i 1
n 1
izrazu:
gdje n odgovara veliini uzorka.
Primjer 1.
Odgovori 150 ispitanika (odabranih sluajno) u jednoj anketi, dati su na slici 1. Potvrdni
odgovori oznaeni su sa logikom vrijednou TRUE, a odreni sa FALSE. Izraunati
standardnu devijaciju na ovako zabiljeenim odgovorima.
Slika 1.
Rjeenje
Standardnu devijaciju, izraunavamo prema sintaksi:
194
STDEVP
Ova funkcija postavlja standardnu devijaciju baziranu na populaciji, prema formuli:
i 1
1

N
i 1
gdje je N - veliina populacije, x i - pojedinane vrijednosti obiljeja populacije, aritmetika sredina populacije. Standardna devijacija je mjera irine rasprenosti vrijednosti
obiljeja x i oko njihove aritmetike sredine .
Sintaksa
STDEVP( number1 ; number2 ; ...)
populacije; umjesto argumenata odvojenih separatorima moemo koristiti i
funkciju radnog lista STDEVPA.
Napomene
Funkcija STDEVP pretpostavlja da njeni argumenti odgovaraju populaciji.
STDEVP odgovara izrazu:
N
N
1
x i 2 1
S TDEVP
x i2 2
N
i 1
i 1
i koristi se kada imamo negrupisane podatke. U sluaju grupisanih podataka,

odgovarajua formula za standardnu devijaciju , glasi:
1

N
f i x i 2 ;
i 1
f x
i
; N
i 1
i 1

SQRT.
Za velike uzorke, funkcije STDEVP i STDEV postavljaju priblino jednake vrijednosti.
Primjer 1.
Starost svih pacijenata koji se nalaze na izolovanom odjelu jedne bolnice su:
38, 26, 13, 41, i 22 godine. Izraunati standardnu devijaciju .
Rjeenje
Za klasino raunanje standardne devijacije , prvi korak predstavlja izraunavanje
5
38 26 13 41 22 140
x
28 godina
5
5
5
aritmetike sredine prema formuli: 1
i 1
zatim, sume kvadrata

devijacija godina starosti svih pacijenata od njihove aritmetike
5
2
sredine:
x 6 38 28 2 26 28 2 13 28 2 41 28 2 22 28 2 534
i1
Standardnu devijaciju , izraunavamo prema formuli:

Starost u god.
(x)
38
26
13
41
22
x -x
10
-2
-15
13
-6
(x -x)
100
4
225
169
36
=140
534
x 2 8
i
i 1
534
10 ,33441 godina
5
195
Primjer 2.
Izraunati standardnu devijaciju trenda na podacima prikazanima na slici 1.
Rjeenje
Standardna devijacija trenda predstavlja drugi korijen iz
prosjenog zbira kvadrata odstupanja frekvencija niza
od trend vrijednosti.
Izraz za standardnu devijaciju linearnog trenda je:
1
t
n
(y y )
i
ti
i 1
Slika 1.
Posredstvom funkcije STDEVP, standardnu devijaciju trenda na datim podacima moemo
izraunati kao na slici 2.
Slika 2.
Standardna devijacija trenda, odgovara izrazu:
1
t
8
(y y )
i
ti
i 1
1,080261212 MSD 1,16696

Vidi se da kvadrat izraunate vrijednosti odgovara
mjeri MSD, koju smo izraunali posredstvom
statistikog programa MINITAB 12.1.
Vrijednosti trenda koje odgovaraju datoj jednaini
linearnog trenda obuhvatili smo u samom argumentu
funkcije STDEVP, tako da ih nismo morali posebno
izraunavati. Dakle, za izraunavanje standardne
devijacije trenda dovoljno je poznavati samo
vrijednosti y i . Isto smo to mogli uraditi i prilikom
izraunavanja mjere MAD, prema sintaksi:
196
STDEVPA
Izraunava standardnu devijaciju baziranu na cijeloj populaciji zadanoj argumentima,
ukljuujui tekst i logike vrijednosti.
Sintaksa
STDEVPA ( value1 ; value2 ; ... )
Value1, value2,... su 1 do 30 vrijednosti koje obuhvataju populaciju; moemo koristiti i polje
ili referencu na polje umjesto argumenata razdvojenih separatorom.
Napomene
STDEVPA podrazumijeva cijelu populaciju. Ako nai podaci pretstavljaju uzorak,
moramo raunati standardnu devijaciju posredstvom funkcije STDEVA.
Vrijednosti argumenta koje odgovaraju TRUE vrednuju se kao 1, a FALSE kao 0 (nula).
Ako kod izraunavanja ne smiju biti ukljuene tekstualne ili logike vrijednosti tada
koristimo funkciju radnog lista STDEVP.
Za velike uzorke STDEVA i STDEVPA imaju priblino istu vrijednost.
Standardna devijacija izraunava se koritenjem "pristrasne" ili "n" metode prema
formuli:
n
(x x)
i
i 1
gdje n odgovara veliini uzorka.

Primjer 1.
Bernulijeva raspodjela data je na slici 1. Logika vrijednost TRUE = 1, a FALSE = 0.
Izraunati standardnu devijaciju posredstvom funkcije STDEVP.
Slika 1.
Rjeenje
Standardna devijacija odgovara sintaksi:
pq p( 1 p)
0,333333 * 0,666666 0,471405
197
STEYX
Neka regresijski pravac y t = m*x+b izraunat u skladu sa metodom najmanjih kvadrata
predvia vrijednost y. Tada y- y t predstavlja razliku izmeu y vrijednosti iz para (x ,y) i
predviene y vrijednosti koja se nalazi na ovom regresijskom pravcu, za istu vrijednost x-a.
Ova razlika poznata je kao rezidual; da bismo izbjegli tekoe povezane sa predznakom ovih
razlika pribjegavamo postupku kvadriranja. Sumu svih kvadrata dijelimo sa n-2 (broj parova
taaka u dijagramu rasprenja umanjen za dva), i iz tako dobijenog izraza izvlaimo
kvadratni korijen. Tako dolazimo do izraza
n
STEYX
(y
y t )2
i 1
je n 3
, gdje
n 2
koji odgovara ocjeni standardne greke.

Sintaksa
STEYX( known_y's ; known_x's )
Known_y's je polje ili opseg zavisnih taaka podataka. Known_x's je polje ili opseg
nezavisnih taaka podataka. Argumenti upisani ovim redoslijedom odreuju standardnu
greku y od x koja u odnosu na poznate vrijednosti parova (x i ,y i ), odgovara izrazu:
n
STEYX(know n_y' s; known_x' s)
n (n 2)
i 1
y )
i
i 1
y )
n x ( x )
i 1
(n
xi yi
xi
i 1
i 1
i1
i1
Napomene
Argumenti moraju biti brojevi ili nazivi, polja ili reference koje sadre brojeve.
te su vrijednosti zanemarene; meutim, elije s vrijednou nula su ukljuene.
Ako su known_y's i known_x's prazni ili imaju razliiti broj taaka podataka, funkcija
STEYX postavlja vrijednost greke #N/A.
Funkcija STEYX je osjetljiva na promjenu pozicija za argumente known_y's i known_x's;
ako prvo upiemo argument known_x's, zatim known_y's funkcija postavlja vrijednost
koja odgovara standardnoj greki x od y, odnosno izrazu:
n
STEYX(know n_x' s; known_y' s)
n (n 2)
x
i1
(n
x)
i
i1
y )
n y ( y )
i1
xi yi
i 1
i1
xi
i1
i1
U ovom sluaju regresijski pravac x t = n*y +k izraunat u skladu sa metodom

najmanjih kvadrata predvia vrijednost x. Tada x - x t predstavlja razliku izmeu x
vrijednosti iz para (x ,y) i predviene x vrijednosti koja se nalazi na ovom regresijskom
pravcu, za istu vrijednost y-a. Uz izraunate vrijednosti na regresijskom pravcu izraz za
standardnu greku x od y moemo napisati i u obliku:
n
STEYX
(x
x t)2
i 1
n 2
, gdje
je n 3
198
Primjer 1.
Na sljedeim podacima izraunati standardnu greku:
Broj
prodatih
jedinica
Broj
poziva
28
66
38
70
22
27
28
47
14
68
14
35
22
29
15
17
20
12
29
Rjeenje
Na Slici 1. prikazano je rjeenje (8,41226) koje odgovara ocjeni standardne greke.
Slika 1.
Na istoj slici se moe vidjeti i pozicija koja odgovara ocjeni standardne greke kod primjene
funkcije LINEST, kao i sintaksa koja u sebi ukljuuje i funkciju trend, prema izrazu:
10
STEYX
(y
i 1
y t )2
10 2
Posredstvom funkcije trend, ovu greku moemo izraunati i kod multiple regresije (Slika 2.):
Slika 2.
199
TDIST
Engleski matematiar W.S.Gosset je pod pseudonimom "Student" 1908 godine definisao
raspodjelu vjerovatnoe koju nazivamo Studentovom ili t - raspodjelom.
Izraz za funkciju gustine t - raspodjele, glasi:
df 1
f(t)
df
df
2
df 1
t2 2
1
, - t
df

gdje je oznaka za gama funkciju, a df oznaka za broj stepeni

slobode t - raspodjele. Funkcija TDIST izraunava vjerovatnou
koja odgovara ovoj raspodjeli.
Sintaksa
TDIST(x ; deg_freedom ; tails)
X je brojana vrijednost na kojoj vrednujemo raspodjelu. Deg_freedom (df) je cijeli broj koji
oznaava broj stepeni slobode, jedini parametar raspodjele. Tails navodi broj krakova
raspodjele. Ako je tails = 1, TDIST izraunava vjerovatnou koja odgovara raspodjeli sa jednim
krakom, koja nas zanima kada se radi o jednostranim testovima; ako je tails = 2, TDIST
izraunava povrinu koja odgovara raspodjeli sa dva kraka koja je interesantna u sluajevima
kada imamo dvostrani test.
Napomene
Ako bilo koji argument nije broj TDIST izraunava vrijednost greke #NAME?.
Ako je deg_freedom < 1, TDIST izraunava vrijednost greke #NUM!.
Argumentima deg_freedom i tails odbacuju se decimale.
Ako je tails = 1, TDIST izraunava vjerovatnou prema izrazu:
TDIST(x; deg_freedo
m;1)
df 1

2
df
df
2
t2
df
df 1
2
dt
x
Ako je tails = 2, TDIST odgovara vjerovatnoi, odnosno vrijednosti izraza:
TDIST(x; deg_freedo m;2) 1
-x
df

2
df
df
2
t2
df
df 1
2
dt
Ako je tails bilo koja vrijednost razliita od 1 ili 2, TDIST izraunava vrijednost greke #NUM!.
Funkcija gustine f(t) je parna funkcija i vea od nule; maksimalnu vrijednost dostie za t = 0.
Poto je funkcija f(t) parna funkcija, aritmetika sredina (za df > 1 ) je nula, zato su
centralni momenti jednaki obinim, a svi neparni momenti jednaki su nuli.
Varijansa Studentovog rasporeda jednaka je:
df
2
, za df 2
df - 2
200
Za sluaj kada je broj stepeni slobode df = 1 , ova raspodjela odgovara Koijevoj raspodjeli
(Caushy) koja je interesantna zato jer nema konano oekivanje pa ni bilo koji moment
vieg reda. Funkcija gustine ove raspodjele, glasi:
f(t)
t2
1
df
etvrti centralni moment jednak je:
, - t .
3 (df)2
.
(df 2) (df 4)
Koeficijent spljotenosti 2 jednak je
m4
6
3
2
m2
df 4
i kada df , 2 3 , to znai da imamo sluaj normalnog rasporeda; ovo moemo
izraziti kao:
t2
1
limf(t)
e 2
df
2
m4
Primjer 1.
Izraunati vjerovatnou, odnosno povrinu ispod Studentove t - raspodjele desno od
vrijednosti x = 1, posredstvom funkcije TDIST za df = 8 stepeni slobode.
Rjeenje
9
9

2 2
t
2
1
TDIST(1;8; 1)
dt 0,173296754
8
8 4
1
TDIST(1;8;1) 0,173296754
df 8
x1
Slika 1.
Primjer 2.
Izraunati vjerovatnou, odnosno povrinu ispod Studentove t - raspodjele lijevo od vrijednosti
x = -1, i desno od x = 1, posredstvom funkcije TDIST za df = 18 stepeni slobode.
Rjeenje
19
19
1

2 2
t
2

1 dt 0,330565
TDIST(1;18;2) 1
18
18 9
1
TDIST(1;18;2) 0,330565
df 18
-1
1
201
TINV
Pretpostavimo da je poznata vjerovatnoa p koja odgovara Studentovoj t - raspodjeli, prema
izrazu:
df 1
TDIST(x; deg_freedo m;2) 1
df
df
2
2
t2
df
df 1
2
dt
p TDIST(x; df;2) poznato

p
p
2
2
-x
elimo li izraunati odgovarajuu vrijednost x-a to moemo

uiniti posredstvom ugraene funkcije TINV.
Sintaksa
TINV( probability ; deg_freedom)
Probability (p) je vjerovatnoa koja odgovara Studentovoj
t -raspodjeli sa dva kraka. Deg_freedom (df) je broj stepeni slobode.
Napomene
Vrijednosti x za poznatu vjerovatnou p i broj stepeni slobode df =deg_freedom
odgovaraju funkciji TINV prema sintaksi: x = TINV(probability = p;deg_freedom = df).
Posredstvom funkcije TINV moemo izraunati i vrijednosti x-a koje odgovaraju
vrijednostima Studentove t - raspodjele, prema izrazu:
df 1
2
df
df
2
p probability 50% poznato
t2
1
df
x
df 1
dt p
x ?
p
x TINV(2 probability; deg_freedom)
x
Ako bilo koji argument nije broj TINV izraunava vrijednost greke #NAME?.
Ako je probability < 0 ili je > 1, TINV izraunava vrijednost greke #NUM!.
Ako deg_freedom nije cijeli broj, odbacuju se decimale.
Ako je deg_freedom < 1, TINV izraunava vrijednost greke #NUM!.
Funkcija TINV je izuzetno pogodna za jednostavno kreiranje tablica t - raspodjele.
TINV koristi iterativnu metodu za izraunavanje funkcije. Poznatoj vrijednosti
vjerovatnoe, funkcija TINV iterira sve dok rezultat ne bude unutar 3 * 10- 7.
Ako TINV ne konvergira nakon 100 iteracija, funkcija postavlja vrijednost greke #N/A.
Primjer 1.
Izraunati kritne vrijednosti koje odgovaraju Studentovoj t - raspodjeli za 15 stepeni slobode
i prag znaajnosti = 10%.
Rjeenje
Kritne vrijednosti koje odgovaraju Studentovoj t - raspodjeli za 15 stepeni slobode i prag
znaajnosti = 10% izraunavamo posredstvom funkcije TINV prema sintaksi:
x 1,753051
df 15
poznato
5%
2
5%
2
-x
x TINV(probability 10%; deg_freedom 15) 1,753051
202
Primjer 2.
Date su aritmetike sredine, standardne devijacije, i veliine dva nezavisna sluajna uzorka:
Prvi uzorak : x 1 20,1 ; s 1 8,7 ; n 1 12
Drugi uzorak : x 2 18,9 , s 2 7,5 , n 2 12
Poznata je t - vrijednost od 0,362 koja odgovara uzorakoj statistici razlike aritmetikih

sredina. Izraunati kritine vrijednosti t - raspodjele i dati ocjenu dvostranog testa za prag
znaajnosti = 5 %, gdje su nulta i alternativna hipoteza formulisane kao:
Nulta hipoteza H 0 : 1 2
Alternativna hipoteza H 1 : 1 2
Rjeenje
Kritine vrijednosti t - raspodjele za sluaj dvostranog testa za prag znaajnosti = 5 %,
izraunavamo posredstvom funkcije TINV, kao na slici 1.
2,5%
2
2,5%
2
-x
t 0,362
x t 0 2,0739
Slika 1.
Kako se t vrijednost 0,362 nalazi u intervalu (-x=-2,0739, x=2,0793) to nemamo razloga da
odbacimo nultu hipotezu.
Primjer 3.
Poznata je t - vrijednost od minus 2 koja odgovara uzorakoj statistici razlike aritmetikih
sredina. Izraunati kritinu vrijednost t - raspodjele i dati ocjenu lijevog jednostranog testa
za prag znaajnosti = 10 %, i df = 17, gdje su nulta i alternativna hipoteza formulisane kao:
Nulta hipoteza H 0 : 1 2
Alternativna hipoteza H 1 : 1 2
Rjeenje
Kritinu vrijednost t - raspodjele za sluaj lijevog jednostranog testa za prag znaajnosti
= 10 %, izraunavamo posredstvom funkcije TINV, kao na slici 2.
10%
-x
Slika 2.
Kako se t vrijednost minus dva nalazi u intervalu (-, -1,333), odnosno u kritinoj oblasti
testa to odbacujemo nultu i usvajamo alternativnu hipotezu.
203
TREND
Ova funkcija se koristi u analizi vremenskih serija, odnosno kod jednostavne i viestruke
regresije i ima za cilj da postavlja vrijednosti du linije trenda, odnosno linije regresije.
Sintaksa
TREND( known_y's ; known_x's ; new_x's ; const )
Known_x's je polje poznatih x vrijednosti.
New_x's su nove x - vrijednosti za koje elimo da TREND postavi odgovarajue y vrijednosti.
New_x's mora ukljuiti kolonu ili red za svaku nezavisnu varijablu, kao i known_x's.
Ako je known_y's jedna kolona, known_x's i new_x's moraju imati isti broj kolona. Ako
je known_y's u jednom redu, known_x's i new_x's moraju imati isti broj redova.
Ako ispustimo new_x's, pretpostavlja se da je isti kao i known_x's.
Ako ispustimo known_x's i new_x's, pretpostavlja se da su polje {1; 2 ; 3 ; ...}, koje je
Const je logika vrijednost kojom navodimo da li je konstanta b = 0.
Napomena:
U statistici veina koritenih matematikih formula za izraavanje linearnih relacija
izmeu jedne zavisne i dvije ili vie nezavisnih varijabli su jednaine oblika:
y p m k x k m k 1 x k 1 ... m 2 x 2 m1 x1 b
Ovdje je y p varijabla koju elimo prognozirati ili predvidjeti. Veliine x 1 , x 2 , , x k
predstavljaju nezavisne varijable a m 1 , m 2 , , m k numerike konstante koje se
moraju matematiki odrediti iz datih podataka. Posredstvom gotove Excelove funkcije
LINEST (koju koristimo kod proste i viestruke regresije, kao i u analizi vremenskih
serija) izraunavamo vrijednosti koeficijenata m i konstante b, prema sljedeem
redoslijedu:
m k , m k 1 ,..., m 2 , m1 , b
Trend model k-tog stepena jednak je regresijskom modelu, pa se i analizira opisanim

metodama regresijske analize; treba imati na umu da ulogu regresorske varijable x u
trend modelu ima varijabla vrijeme.
Posredstvom funkcije TREND moemo izraunati vrijednosti varijable y p u odnosu

prema datim podacima bez prethodnog izraunavanja koeficijenata m i konstante b.
204
Kada imamo samo jednu nazavisnu varijablu x, predviena vrijednost y p postavljena

funkcijom TREND, pomou poznatih vrijednosti (x i , y i ) i za novu vrijednost x,
odgovara vrijednosti koju postavlja funkcija FORECAST.
Naravno ukoliko nezavisna varijabla x predstavlja vrijeme tada govorimo o linearnom
trendu, odnosno predvianju vrijednosti du linearnog trenda.
Model linearnog trenda analizira se na isti nain kao i model proste linearne regresije.
Funkciju TREND moemo koristiti kod viestruke regresije za prilagoavanje
polinomskoj krivoj koritenjem modela regresijskog polinoma, pri emu se ista
varijabla stepenuje na razliite potencije. Pretpostavimo da kolona A sadri y vrijednosti a kolona B, x 1 = x vrijednosti; moemo unijeti x 2 =x^2 u kolonu C, x 3
=x^3 u kolonu D, x 4 =x^4 u kolonu E i tako dalje, i tada funkcija TREND
izraunava odnos kolone B do E prema koloni A.
Funkcija postavlja polje vrijednosti i zato je unosimo kao formulu polja za ije
aktiviranje je potrebno istovremeno pritisnuti tipke Ctrl, Shift, i Enter.
Primjer 1.
Dati su podaci o proizvodnji odreene robe(u tonama) od 1984. do 1990. godine:
Godine:
1984 1985 1986 1987 1988 1989 1990
Proizvodnja: 36
24
26
37
39
53
78
Posredstvom funkcije TREND postaviti vrijednosti du linearnog i kvadratnog trenda u

odnosu prema datim podacima iz vremenske serije.
Rjeenje
Pretpostavimo da se podaci o vremenskoj seriji nalaze u proraunskoj tablici kao na slici, da
smo godine zamijenili sa varijablom x (od 1 do 7), i da smo proizvodnju oznaili sa y.
1
2
3
4
5
6
7
8
9
A
x
1
2
3
4
5
6
7
B
2
x
1
4
9
16
25
36
49
C
y
36
24
26
37
39
53
78
D
Vrijednosti du lineanog trenda
20,75
27,79
34,82
41,86
48,89
55,93
62,96
{=TREND(C2:C8)}
E
Vrijednosti du kvadratnog trenda
34,26
27,79
26,71
31,05
40,79
55,93
76,48
{=TREND(C2:C8;A2:B8)}
Za postavljanje vrijednosti koje pripadaju linearnom trendu bilo je potrebno samo selektovati
polje elija D2:D8 i pozvati ugraenu Excelovu funkciju TREND (sintaksa je data na slici).
Za postavljanje vrijednosti koje pripadaju kvadratnom trendu bilo je potrebno dodati kolonu
x2, pored kolone x, selektovati polje elija E2:E8, i pozvati ugraenu Excelovu funkciju
TREND prema prikazanoj sintaksi: =TREND(C2:C8;A2:B8). Za postavljanje vrijednosti
potrebno je istovremeno pritisnuti tipke Ctrl, Shift, i Enter na tastaturi raunara.
U nastavku je prikazano da su vrijednosti du linearnog i kvadratnog trenda identine i u
sluaju ako se koristimo izvornim podacima date vremenske serije.
1
2
3
4
5
6
7
8
9
A
x
1984
1985
1986
1987
1988
1989
1990
B
2
x
3936256
3940225
3944196
3948169
3952144
3956121
3960100
C
y
36
24
26
37
39
53
78
D
Vrijednosti du lineanog trenda
20,75
27,79
34,82
41,86
48,89
55,93
62,96
{=TREND(C2:C8;A2:A8)}
E
Vrijednosti du kvadratnog trenda
34,26
27,79
26,72
31,05
40,79
55,93
76,47
{=TREND(C2:C8;A2:B8)}
205
Nakon aktiviranja, Excel formuli dodaje vitiaste zagrade to ukazuje na to da se radi o

formuli polja. Ako elimo da izrazimo u matematikoj formi linearni i kvadratni trend onda
emo se posluiti mogunostima funkcije LINEST, kao na slici ispod:
m
7,035714286
Linearni trend
b
13,71428571
{=LINEST(C2:C8)}
m2
Kvadratni trend
m1
2,702380952
-14,58333333
{=LINEST(C2:C8;A2:B8)}
46,14285714
Do ovih trend modela moemo doi i posredstvom grafikog prikaza podataka o proizvodnji i
dodavanjem odgovarajueg trenda, kao na slici:
Grafiki prikazi u Minitabu 12.1 dati su u nastavku:

Trend Analysis for y
Trend Analysis for y

Linear Trend Model
Quadratic Trend Model
Yt = 13,7143 + 7,03571*t
Yt = 46,1429 - 14,5833*t + 2,70238*t**2

80
80
Actual
Actual
Fits
Fits
70
70
Actual
Actual
Fits
Fits
60
50
50
40
40
30
MAPE:
MAD:
MSD:
30
MAPE:
MAD:
MSD:
20
1
22,1942
8,6531
97,2602
20
1
7,35637
2,63265
9,62585
Time
Time
80
70
60
y
60
50
40
30
20
Godine
1984
1985
1986
1987
1988
1989
1990
206
TRIMMEAN
Ova funkcija postavlja rezultat koji odgovara aritmetikoj sredini datog polja vrijednosti
array nakon simetrinog iskljuenja jednog broja podataka, odreenog argumentom percent.
Sintaksa
TRIMMEAN( array ; percent )
Array je polje vrijednosti iz kojeg elimo odbaciti neke vrijednosti i izraunati aritmetiku
sredinu.
Percent je procentualna vrijednost [0,1] izraena u odnosu na dati skup podataka,
odnosno polje vrijednosti array i predstavlja broj taaka koje treba iskljuiti iz skupa
podataka kod izraunavanja.
Napomene
Ako je percent < 0 ili > 1, TRIMMEAN postavlja vrijednost greke #NUM!.
TRIMMEAN zaokruuje broj iskljuenih taaka podataka na najblii manji viekratnik
broja 2. Ako je percent = 0,1 , 10 % od 30 taaka podataka koje smo obuhvatili
argumentom array jednako je 3 take. Zbog simetrije, funkcija TRIMMEAN iskljuuje
jednu najmanju i jednu najveu vrijednost; ako je percent = 0,2 tada se 6 taaka
odbacuju iz skupa podataka od 30 taaka (30 x 0,2), tri najmanje i tri najvee
vrijednosti, itd.
Primjer 1.
Argument array ima sljedee vrijednosti: 1, 4, 5, 7, 8, 9, 10, 12, 13, 14, i 18. Izraunati
funkciju TRIMMEAN za vrijednost argumenta percent 20% i 40%.
Rjeenje
Vrijednosti: 1, 4, 5, 7, 8, 9, 10, 12, 13, 14, i 18 nalaze se u polju A1:K1 (slika 1.).
Slika 1.
Broj iskljuenih taaka podataka je najblii manji viekratnik broja 2.
U prvom sluaju 20% * 11 = 2,2 pa je najmanji viekratnik broja 2 jednako 2, to znai da

odbacujemo jednu najmanju i jednu najveu vrijednost. Aritmetika sredina preostalih
podataka ( polje B1:J1) iznosi 9,111. U drugom sluaju, po analogiji, odbacujemo 4 take pa
funkcija TRIMMEAN odgovara aritmetikoj sredini AVERAGE(C1:I1) = 9,143.
207
Primjer 2.
Poznate su vrijednosti uzorka:
Izraunati aritmetiku sredinu uz odbacivanje 10% vrijednosti.

Rjeenje
Za klasino izraunavanje aritmetike sredine, uz zadani procenat vrijednosti koje treba
odstaniti iz raunanja, potrebno je prije svega vrijednosti uzorka poredati po veliini.
Proizvod zadanog procenta i broja vrijednosti u uzorku odreuje koliko vrijednosti treba
eliminisati iz ovog skupa. Na slici 2. je pokazano kako se moe izraunati ova aritmetika
sredina, uz prethodno simetrino odbacivanje 10% vrijednosti iz uzorka ( 10%*20 = 2,
odbacuje se jedna vrijednost sa vrha i jedna sa dna) posredstvom funkcije TRIMMEAN
x 2 x 2 ... x 19
18
20 20 ... 78
1
18
18
19
x 35
i
i 2
Slika 2.
Naravno, funkcija TRIMMEAN ne zahtijeva prije izraunavanja da nai izvorni podaci budu
poredani. Na slici 3. je pokazano da je rezultat isti i uz neki drugi raspored vrijednosti uzorka.
Slika 2.
Funkcija TRIMMEAN umjesto nas, negdje u pozadini, poredala je sve vrijednosti uzorka po
veliini i odstranila dvije, najmanju i najveu.
208
TTEST
Izraunava vjerovatnou povezanu sa Studentovim t - testom.
Sintaksa
TTEST(array1 ; array2 ; tails ; type)
Array1 je prvi skup podataka. Array2 je drugi skup podataka. Tails navodi broj krakova
raspodjele. Ako je tails = 1, funkcija TTEST izraunava vjerovatnou koja odgovara
jednostranom testu. Ako je tails = 2, TTEST izraunava vjerovatnou koja odgovara
dvostranom testu. Type odreuje koji tip t-testa e biti izveden.
Ako je type jednak 1, TTEST je izveden kao upareni t - test koji se obino koristi kod
testiranja razlike izmeu aritmetikih sredina osnovnih skupova (populacija) kada su
opaanja uparena. Tipini primjeri uparenih podataka ukljuuju mjerenja na blizancima ili na
istim objektima prije i poslije sprovedenog tretmana.
Kada su uzorci izvueni nezavisno iz dvije populacije za koje pretpostavljamo da imaju
jednake varijanse tada je type jednak 2, funkcija TTEST izvodi t - test dva-uzorka
pretpostavljena jednakost varijansi. I na kraju kada su uzorci izvueni nezavisno iz dvije
populacije za koje pretpostavljamo da imaju razliite varijanse tada je type jednak 3, funkcija
TTEST izvodi t - test dva-uzorka pretpostavljena nejednakost varijansi.
Napomene
Ako array1 i array2 imaju razliit broj taaka podataka i type = 1 (uparen), TTEST
postavlja vrijednost greke #N/A.
Argumentima tails i type odbacuju se decimale.
Ako argumenti tails ili type nisu brojevi, TTEST izraunava vrijednost greke #NAME?.
Ako je argument tails bilo koja vrijednost razliita od 1 ili 2, TTEST postavlja vrijednost
greke #NUM!.
Primjer 1.
Deset parova blizanaca sluajno je odabrano i od njih su formirane eksperimentalna i
kontrolna grupa, pri emu je sluajno selektovan po jedan lan iz svakog para blizanaca da
pripadne ili jednoj ili drugoj grupi. U eksperimentalnoj grupi djeca su 7 mjeseci bila
snabdjevena sa raznim edukacionim pomagalima za razliku od kontrolne grupe. Za svaki par
blizanaca na Slici 1. u polju elija B2:B11 i C2:C11 dati su podaci u mjesecima starosti kada su
djeca poela itati.
Slika 1.
209
Potrebno je posredstvom uparenog t-testa testirati nultu hipotezu Ho: 1 = 2 , nasuprot

alternativnoj hipotezi H 1 : 1 2 (gdje je aritmetika sredina populacije), za nivo
znaajnosti = 5%.
Rjeenje
Na slici 1. mi smo posredstvom funkcije TTEST izraunali p-vrijednost koja odgovara
vjerovatnoi dvostranog t-testa. Pojasnit emo kako se dolazi do ove vrijednosti.
Prvo emo izraunati vrijednost izraza
t
x1 x2 d
sd
d d
sd
d
n
sd
; d x1 x2
pri emu izraz

n
sd
(x
x 2i ) ( x 1 x 2 )
1i
i 1
n1
i 1
n1
odgovara standardnoj devijaciji razlika opaenih vrijednosti. Sada emo pokazati kako se
jednostavno dolazi do vrijednosti za d i s d posredstvom funkcija AVERAGE i STDEV:
Dakle, imamo: d = - 1,3 i s d = 1,25167.

Uvrtavajui ove vrijednosti u izraz za t, dobijamo:
- 1,3
d
n
10 -3,28439
1,25167
sd
Na osnovu dobijenih podataka lako zakljuujemo da dobijena t -vrijednost, odnosno
t Stat = - 3,28439 pada u kritino podruje pa stoga nultu hipotezu Ho: d = 0 treba
odbaciti. Kritine vrijednosti t- raspodjele za d.f. = n- 1 = 10-1 = 9 stepeni slobode jednake
su: 2,2621588. Sada emo potvrditi na raun posredstvom ugraenog alata za analizu
podataka pod nazivom t-Test: Paired Two Sample for Means.
Izlazna tablica data je na Slici 2.
t
Slika 2.
Vrijednost t Stat = -3,2843925 odgovara vrijednosti t, P(T< = t) two-tail = 0,00946267
vjerovatnoi dvostranog testa (vidi sliku 1.), a t Critical two-tail kritinim vrijednostima za
nivo zna. = 5%.
210
Primjer 2.
Grupi od 12 pacijenata koji se lijee od povienog maksimalnog arterijskog krvnog pritiska
dat je lijek za snienje tog pritiska. Vrijednosti maksimalnog arterijskog krvnog pritiska u
mmHg prije lijeenja i poslije uzimanja lijeka date su na slici 3.
Slika 3.
Sa rizikom = 5% testirati hipotezu da upotrijebljeni lijek sniava maksimalni arterijski
krvni pritisak pacijenata.
Rjeenje
Na slici 3. dati su nam upareni podaci i kao veza njihovog uparivanja slue nam pacijenti.
Dakle, u naem primjeru imamo n = 12 parova mjerenja. Primjenom t - testa na ovim
uparenim podacima, dobijamo sljedeu izlaznu tablicu (slika 4.) iz koje moemo proitati
odgovarajue vjerovatnoe koje se odnose na jednosmjerni i dvosmjerni t -test.
Slika 4.
Vjerovatnoa za dvosmjerni (dvostrani t-test) od 0,00338349 odgovara sljedeoj sintaksi
funkcije TTEST: =TTEST(B3:M3 ; B2:M2 ; 2 ; 1). Dakle, ova vjerovatnoa odgovara testiranju
nulte hipoteze Ho: 1 = 2 (Hypothesized Mean Difference = 0) , nasuprot alternativnoj
hipotezi H 1 : 1 2 (gdje je aritmetika sredina populacije), za nivo znaajnosti = 5%.
Kako testiramo hipotezu da upotrijebljeni lijek sniava maksimalni arterijski krvni pritisak
pacijenata, alternativna hipoteza je H 1 : 1 < 2 . Vjerovatnoa za lijevi jednosmjerni t - test
(lijevi jednostrani t-test) od 0,001691745 odgovara sintaksi funkcije TTEST:
=TTEST(B3:M3 ; B2:M2 ; 1 ; 1). Kako je ova izraunata vjerovatnoa manja od = 5% to
odbacujemo nultu hipotezu o jednakosti aritmetikih sredina izmjerenih vrijednosti
maksimalnog arterijskog krvnog pritiska dvaju raspodjela, prije lijeenja i nakon uzimanja
lijeka, i usvajamo alternativnu hipotezu da je aritmetika sredina vrijednosti maksimalnog
arterijskog krvnog pritiska nakon uzimanja lijeka, manja na nivou znaajnosti = 5%.
Dakle, sa rizikom = 5%, moemo rei da upotrijebljeni lijek sniava maksimalni arterijski
krvni pritisak pacijenata. Kritina vrijednost -1,796 za lijevi jednosmjerni t- test odgovara
sintaksi = -TINV(2*5%;11). Izraunata vrijednost za t -statistiku odgovara vrijednosti izraza
211
x1 x2 d
sd
pri emu izraz
d
n -3,7197 ; d x 1 x 2 31,67
sd
d d
sd
i 1
29,49 s 21 s 22 2 r s 1 s 2
n 1
odgovara standardnoj devijaciji razlika opaenih vrijednosti.
Dakle, u naem primjeru potrebno je bilo samo izraunati vjerovatnou prema sintaksi na
slici 5. Kako je vrijednost vjerovatnoe 0,001691745 manja od nivoa znaajnosti od 5% to
odbacujemo nultu i usvajamo alternativnu hipotezu H 1 .
t - 3,7197
Slika 5.
Vjerovatnoa koju izraunavamo posredstvom funkcije TTEST, u naem primjeru , odgovara
povrini ispod Studentove t - raspodjele u intervalu (- , -3,7197):
df 1
11 1
t Stat
)
) 3,7197
(
df 1
2
t
t2
2
2
2
TTEST
(1 )
dt
(1 ) 6 dt 0,001691745
11
11
df
df
11 ( )
df ( )
2
2
(
Izlazna tablica za upareni T-Test u statistikom softveru Minitab 12.1 data je na slici 6.
Slika 6.
212
Primjer 3.
Tim kardio-hirurga u jednoj bolnici u SAD-u zna da mnogi pacijenti koji se trebaju
podvrgnuti korektivnoj operaciji na srcu imaju opasnost irenja zabrinutosti do zakazanog
termina operacije. Odjel psihijatrije u toj bolnici je zapoeo novi program savjetovanja u
namjeri da smanji zabrinutost. Test zabrinutosti dat je pacijentima koji znaju da se moraju
podvrgnuti operaciji na srcu. Svaki je pacijent uestvovao na seriji predavanja sa osobljem
psihijatrije. Na kraju predvienih predavanja svaki je pacijent ponovno testiran kako bi se
odredio nivo zabrinutosti. Izvueni su rezultati za sluajan uzorak od devet pacijenata i
prikazani slikom 7. Vei rezultat znai vei nivo zabrinutosti.
Imamo
sluajan uzorak
od 9 pacijenata
Imamo parove
mjerenja na istim
pacijentima prije
i poslije
predavanja o
zabrinutosti
Slika 7.
Da li na osnovu datih podataka moemo zakljuiti da savjetovanje o
zabrinutosti smanjuje zabrinutost pacijenata? Koristiti nivo znaajnosti = 1%.
Rjeenje
U naem primjeru imamo n = 9 parova mjerenja. Primjenom odgovarajueg t - testa, na
datim podacima, dobijamo izlaznu tablicu kao na slici 8.
Slika 8.
Na istoj slici prikazan je i nain unoenja ulaznih podataka, kao i ukljuene izlazne opcije.
Izlazna tablica koju smo odredili sa apsolutnom adresom $F$1, sadri sljedee rezultate:
elije G4 i H4 sadre vrijednosti koje odgovaraju aritmetikim sredinama na podacima u
polju elija B2:B10, odnosno C2:C10 (slika 7.). Slino, elije G5 i H5 sadre vrijednosti
varijansi. Broj stepeni slobode u eliji G9 jednak je: df = n-1 = 9-1 = 8.
Sadraj elije G10, odgovara izrazu:
t Stat
x1 x2 d
sd
116, 33 83
22,9238
33, 33
3 4,36228 ; d x 1 x 2 33, 33
22,9238
213
Do ove vrijednosti moemo doi i posredstvom sintaksi na slici 9.
i 1
di
Slika 9.
i 1
33, 33
i 1
22,9238
91
8
9
U naem primjeru mi elimo da testiramo tvrdnju da savjetovanje o zabrinutosti smanjuje
zabrinutost, to znai da je nivo zabrinutosti prije, vei od nivoa zabrinutosti poslije
savjetovanja. Vidimo i da je aritmetika sredina razlika nivoa pozitivna, pa emo za
alternativnu hipotezu, uzeti hipotezu: H 1 : d > 0. Naravno, nulta hipoteza je H 0 : d = 0.
Vjerovatnoa za desni jednosmjerni test od 0,0012 odgovara sintaksi funkcije TTEST:
=TTEST(B2:B10 ; C2:C10 ; 1 ; 1 ) kao na slici 10.
d
33, 33 ; s d
Slika 10.
Kako je ova izraunata vjerovatnoa manja od = 1% to odbacujemo nultu i usvajamo
alternativnu hipotezu, te zakljuujemo da savjetovanje o zabrinutosti smanjuje zabrinutost na
nivou znaajnosti = 1%. Dakle, sa rizikom = 1%, moemo rei da savjetovanje o
zabrinutosti smanjuje zabrinutost pacijenata. Kritina vrijednost 2,896467 za desni
jednosmjerni t- test odgovara sintaksi = TINV(2*1%;8), i manja je od izraunate vrijednosti
t Stat = 4,36228. Vjerovatnoa koju postavlja funkcija TTEST, u naem primjeru, odgovara
povrini ispod Studentove t - raspodjele u intervalu (4,36228; ):
(4,5)
TTEST
8 (4)
(1
4 ,36228
t 2 4,5
) dt 0,00120
8
214
Vjerovatnoa za dvosmjerni (dvostrani t-test) od 0,0024 odgovara sljedeoj sintaksi

funkcije TTEST: =TTEST(B2:B10 ; C2:C10 ; 2 ; 1 )).
Izlazna tablica za upareni T-Test u statistikom softveru Minitab 12.1 data je na slici 11.
Slika 11.
Izlazna tablica za upareni T-Test u statistikom softveru SPSS 10 data je na slici 12.
215
Pretpostavimo, da smo umjesto smjera "B-A", testirali smjer "d = A - B". Vrijednosti razlike
nivoa zabrinutosti ("d = A - B") date su na slici 13.
Slika 13.
Izlazna tablica, koja odgovara ovako unesenim podacima, data je na slici 14.
Slika 14.
Vidimo da je aritmetika sredina razlika nivoa negativna, pa emo sada za alternativnu
hipotezu, uzeti hipotezu: H 1 : d < 0. Dakle, imamo tip lijevo-jednosmjernog testa. Naravno,
vjerovatnoa i za lijevi jednosmjerni test iznosi 0,001202634, to odgovara sintaksi funkcije
TTEST, kao na slici 15.
Slika 15.
216
Primjer 4.
Ocijenjeni broj gledalaca ( u milionima) dvije TV mree, NBC i CBS, u vremenu
od 8:00 do 20:30 dat je na slici 16.
Slika 16.
Da li ova informacija ukazuje na postojanje razlike (ili vee ili manje) u broju ljudi koji
gledaju CBS u poreenju sa NBC za vrijeme ovog vremenskog intervala?
Koristiti nivo znaajnosti 1%.
Rjeenje
Oito je da se ovdje radi o dvosmjernom testu jer nas ne zanima smjer razlike ve njeno
postojanje. Odgovarajuu vjerovatnou za ovaj tip testa moemo izraunati, kao na slici 17.
Slika 17.
Kako je vjerovatnoa 0,898 koja odgovara t-testu vea od nivoa znaajnosti od 1% mi
nemamo razloga da odbacimo nultu hipotezu koja pretpostavlja ne postojanje razlike u
prosjenom broju ljudi koji gledaju CBS u poreenju sa brojem ljudi koji gledaju NBC.
Izlazna tablica data je na slici 18.
Slika 18.
217
Primjer 5.
Broj otkucaja srca u minuti kod 10 lica na poetku i na kraju eksperimenta dat je na slici 19.
Slika 19.
Ispitati da li je provedeni eksperiment znaajno uticao na prosjeno smanjenje broja otkucaja
srca. Koristiti nivoe znaajnosti : 5% i 1%.
Rjeenje
Testiramo smjer razlike "Na poetku - Na kraju" i uoavamo da ove razlike imaju pozitivnu
tendenciju. Dakle, kao alternativu imaemo hipotezu H 1 : d >0.
Izraunata statistika t Stat = 2,8552 (slika 19.) nalazi se desno od kritine vrijednosti 1,833
to nam ukazuje na statistiku znaajnost postignutog rezultata na nivou = 5%. Naravno, isti
zakljuak smo mogli donijeti i na osnovu sadraaja elije E11, odnosno vrijednosti
vjerovatnoe od 0,00946 koja je manja od 5%.
Na slici 20. data je izlazna tablica sa kritinim vrijednostima za = 1%.
Slika 20.
Kako je izraunata statistika t Stat = 2,8552 (slika 20.) desno od kritine vrijednosti 2,8214 to
nam ukazuje na statistiku znaajnost postignutog rezultata i na nivou = 1%. Naravno, isti
zakljuak smo mogli donijeti i na osnovu sadraaja elije E11, odnosno vrijednosti
vjerovatnoe od 0,00946 koja je manja od 1%.
Do zakljuka smo mogli doi i direktno posredstvom funkcije TTEST:
218
Primjer 6.
Sluajni uzorak od n 1 = 16 lokaliteta u jednom regionu dao je sljedee informacije o pojavi
lisijeg bjesnila blizu ovih lokaliteta: x 1 : 1,8, 8, 8, 7, 8, 8, 1, 3, 3, 3, 2, 5, 1, 4, 6.
Drugi sluajni uzorak na n 2 = 15 lokaliteta u drugom regionu dao je sljedee informacije o
pojavi lisijeg bjesnila blizu ovih lokaliteta: x 2 : 1,1, 3, 1, 4, 8, 5, 4, 4, 4, 2, 2, 5, 6, 9.
Da li ova informacija ukazuje na postojanje razlike (ili vee ili manje) u prosjenom broju
pojave lisijeg bjesnila izmeu ova dva regiona? Koristiti nivo znaajnosti 5%.
Rjeenje
U ovom primjeru se radi o testiranju razlike aritmetikih sredina na malim uzorcima. Uzorci
veliina n 1 = 16 i n 2 = 15 su nezavisni i izvueni iz populacija sa sredinama 1 i 2 ,
respektivno. Takoe pretpostavljamo da su osnovni skupovi, odnosno populacije normalno
rasporeene, i pretpostavljamo da su standardne devijacije 1 i 2 ovih populacija jednake.
Neka uzorak iz x 1 populacije veliine n 1 ima standardnu devijaciju s 1 , a uzorak iz x 2
populacije veliine n 2 , standardnu devijaciju s 2 . Mi ocjenjujemo zajedniku standardnu
devijaciju za dvije populacije, koritenjem zajednike varijanse pomou vrijednosti s 1 2 i s 2 2
prema izrazu:
(n 1 1) s 21 (n 2 1) s 22
2
s
n1 n2 2
Najbolja ocjena zajednike (pooled) standardne devijacije je onda:
s
(n 1 1) s 21 (n 2 1) s 22
n1 n2 2
Nulta hipoteza se obino postavlja tako da vidimo da li se moe odbaciti. Kada testiramo
razliku aritmetikih sredina, nultu hipotezu H o postavljamo tako da nema razlike, odnosno:
H o : d = 1 - 2 =0 ili ekvivalentno, H o : 1 = 2 .
U naem primjeru, mi elimo da provjerimo postojanje razlike, ili vee ili manje u
prosjenom broju pojave lisijeg bjesnila izmeu ova dva regiona, pa je H 1 : 1 2 .
Pod pretpostavkom da je 1 = 2 i uz istinitost nulte hipoteze, mogue je pokazati da
x1 x2
t
1
1
s
n1 n2
ima t raspodjelu sa df = n 1 +n 2 -2 stepeni slobode. Poreenjem ove uzorake statistike sa

kritinim vrijednostima izvodimo zakljuak na test.
Na slici 21. dat je

rezultat funkcije
TTEST u odnosu na
podatke u naem
primjeru.
Slika 21.
219
U proraunskoj tablici Excel postoji ugraen alat za analizu ovakvih problema pod nazivom:
t - Test: Two-Sample Assuming Equal Variances. Odreivanje ulaznih i izlaznih opcija
moemo vidjeti na slici 22.
Slika 22.
Rezultati izlazne tablice dati su na slici 23.
s1
x1
n1
n2
x2
s 22
s2
n1 n2 2
4,75 3,933
t Stat
1
1
6,96322
16 15
Slika 23.
Kritine vrijednosti za dvostrani t test su: t Critical two-tail = 2,04523. Odgovarajua t
vrijednost, koja odgovara razlici aritmetikih sredina 4,75-3,9333 iznosi 0,86112 (sadraj
elije D10, na slici 23.). Kako se ova vrijednost ne nalazi u kritinoj oblasti to nemamo
razloga da odbacimo nultu hipotezu H o . Ako zakljuujemo na osnovu odgovarajue
vjerovatnoe dvostranog t- testa (0,396235178) moemo rei da je ova vrijednost vea od
postavljenog praga znaajnosti = 5% to nam opet daje za pravo da ne odbacimo nultu
hipotezu. Dakle, mi nemamo dovoljno podataka da bismo mogli donijeti drugaiji zakljuak.
220
Rezultati u izlaznoj Excelovoj tablici koji odgovaraju tipu testa t-Test: Two - Sample
Assuming Equal Variances korespondiraju sljedeim izrazima:
n1
16
x x
1i
x1
i 1
n1
1i
i 1
16
n2
15
x x
2i
x2
i 1
n2
2i
i 1
15
n1
s 21
(x
1i
x 1)
i 1
n1 1
s
2
(x
1 1 3 1 4 ... 5 6 9
3,933 AVERAGE(B 2 : B 16)
15
16
n2
s 22
1 8 8 8 7 ... 1 4 6
4,75 AVERAGE( A 2 : A 17)
16
(x
1i
i 1
7,933 VAR( A 2 : A 17)
15
15
2i
x2)
i 1
n2 1
(x
2i
3,933)2
i 1
5,923809524 VAR(B 2 : B 16)
14
(n 1 1) s 21 (n 2 1) s 22
n1 n2 2
(n 1 1) s 21 (n 2 1) s 22
t Stat
4,75)2
n1 n2 2
15 7,933 14 5,923809524
6,963218391
29
DEVSQ( A 2 : A 17) DEVSQ(B 2 : B 16)

6,963218391
df
x1 x2
4,75 3,933
0,861121823
1
1
1
1
s
6,963218391 ( )
n 1 n2
16 15
P(T<=t) one-tail
t Critical two-tail
P(T<=t) two-tail
t Critical one-tail
0,198
0,025
0,025
0,05
0,86
TDIST(0,86;29;1)
15
29 14,5
2,045
1,699
2,045
0,198
0,198
0,86
15
0,86
t2
15
t2
1
1 29 dt 0,198 TDIST(1,699;29;1) 29 14,5
29
0 ,86
1,699
15
TDIST(0,86;29;2) 1
29 14,5
0 ,86
15
dt 0,05
15
t2
1
dt 0,396
29
0 ,86
TDIST(2,045;29;2) 0,05
221
Izlazna tablica u MINITABU 12.1, koja odgovara naem primjeru, data je na slici 24.
Two sample T for x1 vs x2
x1
x2
N
16
15
Mean
4,75
3,93
StDev
2,82
2,43
SE Mean
0,70
0,63
95% CI for mu x1 - mu x2: ( -1,12; 2,76)

T-Test mu x1 = mu x2 (vs not =): T = 0,86
Both use Pooled StDev = 2,64
P = 0,40
DF = 29
Slika 24.
Izlazne tablice u SPSS 10 koja odgovaraju naem primjeru date su na slici 25.
Group Statistics
VAR00001
VAR00002
1,00
2,00
16
15
Mean
4,7500
3,9333
Std.
Deviation
2,8166
2,4339
Std. Error
Mean
,7042
,6284
Independent Samples Test

Levene's Test for
Equality of
Variances
VAR00001
Equal variances
assumed
Equal variances
not assumed
F
2,012
Sig.
,167
t-test for Equality of Means
Sig.
(2-tailed)
df
Mean
Difference
Std. Error
Difference
95% Confidence
Interval of the
Difference
Lower
Upper
,861
29
,396
,8167
,9484
-1,1230
2,7563
,865
28,821
,394
,8167
,9438
-1,1141
2,7475
Slika 25.
Izlazni rezultati u programu Statistica 5.0 dati su na slici 26.
Slika 26.
222
Primjer 7.
Postavljena je hipoteza da se potrebno vrijeme za obradu jednog proizvoda moe smanjiti
novim postupkom obrade. Na sluajan nain odabrani su proizvodi obraeni jednim i drugim
postupkom obrade i uoena su sljedea vremena obrade u minutima, prikazana na slici 27.
Slika 27.
Na istoj slici data je i izlazna Excelova tablica sa rezultatima koji odgovaraju tipu testa,
t-Test: Two - Sample Assuming Equal Variances, za nivo znaajnosti = 5%.
Komentarisati rezultate u izlaznoj Excelovoj tablici, te na istim podacima dati izlaznu tablicu
u Minitabu12.1, u programu Statistica 5.0 , odnosno u programu NCSS 97.
Rjeenje
Postavljenu hipotezu moemo odmah provjeriti posredstvom funkcije TTEST, za dati nivo
znaajnosti = 5%, kao na slici 28.
Slika 28.
Ovaj rezultat odgovara sadraju elije D11, na slici 27. Kako je dobijena vjerovatnoa 8,1%
vea od praga znaajnosti = 5% to moemo zakljuiti da se vrijeme obrade starim nainom
223
obrade statistiki znaajno ne razlikuje od vremena obrade novim nainom obrade. Sada
emo se vratiti komentaru rezultata u izlaznoj Excelovoj tablici, na slici 27.
Kako su uzorci mali (n 1 = 8, i n 2 = 7) i kako se moe prihvatiti da se raspodjela vremena
obrade podvrgava normalnoj raspodjeli, to moemo izabrati pomenuti tip t-testa na malim
uzorcima uz pretpostavku jednakosti varijansi osnovnih skupova. Ovu pretpostavku moemo
provjeriti pomou testa prikazanog na slici 29.
Slika 29.
Kako je kritina vrijednost F Critical one tail = 4,2067 vea od izraunate F = 1,93 to
moemo smatrati da je ispunjen preduslov o jednakosti varijansi.
U prethodnom primjeru su dati tradicionalni izrazi koji odgovaraju rezultatima u izlaznoj
Excelovoj tablici u ovom primjeru emo sadraje elija zamijeniti sa sintaksama
odgovarajuih funkcija, to vidimo na slici 30.
Slika 30.
Dakle, zakljuak o postavljenoj hipotezi moemo donijeti na osnovu vjerovatnoe koja
odgovara vrijednosti koju postavlja funkcija TTEST (slika 28.), uporeujui je sa pragom
znaajnosti , odnosno na osnovu izraunate vrijednosti t koja odgovara izrazu:
x1 x2
16,25 13,85714286
t Stat
1,482985596
1
1
1 1
s
9,71978022 ( )
n 1 n2
8 7
224
uporeujui je sa kritinom vrijednou t Critical one tail = 1,77093 poto se radi o

jednosmjernom testu. Kako je 1,4829 < 1,7709 to nemamo osnova da odbacimo nultu
hipotezu o jednakosti srednjih vremena obrade proizvoda na stari i novi nain. Drugim
rijeima prosjena razlika od 2,39 minuta izmeu primijenjnih postupaka obrade nije
statistiki znaajna i moe se smatrati da je nastala sluajno.
Izlazna tablica u statistikom paketu Minitab 12.1 data je na slici 31.
Two Sample T-Test and Confidence Interval
Two sample T for x1 vs x2
x1
x2
N
8
7
Mean
16,25
13,86
StDev
3,54
2,54
SE Mean
1,3
0,96
95% CI for mu x1 - mu x2: ( -1,1; 5,88)

T-Test mu x1 = mu x2 (vs >): T = 1,48 P = 0,081
Both use Pooled StDev = 3,12
DF = 13
Slika 31.
Izlazni rezultati u paketu Statistica 5.0 dati su na slici 32.
Slika 32.
Slijedi dio izvjetaja u statistikom paketu NCSS 97 :
225
VAR
Ova funkcija izraunava varijansu uzorka prema formuli:
1
s
n1
2
i 1
n1
i 1
xi 1
i 1
xi
gdje su: n - veliina uzorka, x i - pojedinane vrijednosti obiljeja u uzorku, x - aritmetika

sredina uzorka.
Sintaksa
VAR( number1 ; number2 ; ...)
uzetog uzorka; umjesto argumenata odvojenih separatorima moemo koristiti i
tekst, zanemaruju se kod izraunavanja; ako ne smiju biti zanemareni, tada koristimo funkciju
radnog lista VARA.
Napomene
Funkcija VAR pretpostavlja da njeni argumenti odgovaraju uzorku i moemo je
2
n
predstaviti izrazom:
n
2
n
n1
VAR s 2
xi
i 1
n (n 1)
i 1
i 1
kada imamo negrupisane podatke. U sluaju grupisanih podataka, odgovarajua formula

za varijansu s2, glasi:
1
s
n1
2
f x x
i 1
1
x
n
f x
i
; n
i 1
i 1

SQRT.
Primjer 1.
Izmjerene su sljedee vrijednosti obiljeja X, na uzorku: 2, 3, 5, 5, 6, 8, 8, 11.
Izraunati varijansu s2.
Rjeenje
Za klasino raunanje varijanse s2, prvi korak predstavlja izraunavanje aritmetike sredine,
8
prema formuli:
2 3 5 5 6 8 8 11 48
1
x
i 1
zatim, izraunavanje sume kvadriranih razlika vrijednosti obiljeja od aritmetike sredine:

8
6 2 2 6 2 3 6 2 5 6 2 5 6 2 6 6 2 8 6 2 8 6 2 1 1 6 2
i 1
( 4 ) 2 ( 3 ) 2 ( 1) 2 ( 1) 2 0 2 2 2 2 2 5 2 16 9 1 1 0 4 4 25 60
i na kraju, da bismo izraunali varijansu potrebno je gornju sumu kvadriranih razlika

podijeliti sa veliinom uzorka umanjenom za jedan, odnosno sa : n - 1 = 8 - 1 = 7.
s2
81
x
i 1
6 2
60
8,571429
7
226
Posredstvom funkcije VAR, vrijednost za varijansu moemo izraunati kao na slici 1.
Slika 1.
Primjer 2.
Na osnovu podataka (slika 2.) o dnevnim prodajama u dva restorana u jednom gradu
izraunate su njihove varijanse. Podaci se odnose na ukupnu prodaju u novanim jedinicama
za svaki od 12 sluajno odabranih dana u toku estomjesenog perioda.
s
12 1
2
s
12 1
2
12
x 1349
i
280978,9
i 1
12
x 1267
i
266294,2
i 1
Slika 2.
Primjer 3.
Na slici 3. izraunate su varijanse prema podacima o uzetim uzorcima.
s
10 1
2
10
x 38,4
i
226,933
i 1
s2
Slika 3.
10 1
10
x 42,1 249,88
i
i 1
227
Primjer 4.
Satnice u uzorku honorarno zaposlenih u jednoj kompaniji su: $3, $9, $5, $6, $8, i $11.
Kolika je varijansa?
Rjeenje
Koritenjem kvadrata devijacija satnica od njihove aritmetike sredine, i direktnom formulom
(na slici 4.) pokazano je kako se moe izraunati varijansa (s2 ) na ovom uzorku.
Takoer, na istoj slici, izraunata je varijansa i posredstvom funkcije VAR.
Satnica u
$
(x)
3
9
5
6
8
11
=42
x -x
(x -x)2
-4
2
-2
-1
1
4
16
4
4
1
1
16
42
42
7
6
s
61
2
x 7
i
i 1
42
8,4
5
Satnica u
$
(x)
3
9
5
6
8
11
9
81
25
36
64
121
=42
336
s2
i1
x2
1
x
6
2
i
i1
xi
61
1764
336
6 42 8,4
5
5
Slika 4.
Primjer 5.
Sljedeih pet vrijednosti su u uzorku: 11, 6, 10, 6, i 7. Izraunati varijansu uzorka (s2 )
posredstvom funkcije VAR, i na tradicionalan nain koritenjem kvadrata devijacija opaenih
vrijednosti od njihove aritmetike sredine.
s2
Slika 5.
Varijansa uzorka (s2 ) je: 5,5.
Aritmetika sredina uzorka je:x = 40/5 = 8.
x 8
i
i1
22
5,5
4
(x)
x -x
(x -x)
11
6
10
6
7
3
-2
2
-2
-1
9
4
4
4
1
=40
22
228
VARA
Postavlja varijansu uzorka; uz brojeve kod raunanja se ukljuuju i tekst i logike vrijednosti
kao to su TRUE i FALSE .
Sintaksa
VARA ( value1 ; value2 ; ... )
Value1, value2,... su 1 do 30 vrijednosti argumenata koje odgovaraju uzorku.
Napomene
STDEVA podrazumijeva uzorak. Ako nai podaci predstavljaju populaciju, varijansu
moramo raunati posredstvom funkcije VARPA.
Vrijednosti argumenta TRUE vrednuju se kao 1, a FALSE kao nula; ako kod raunanja ne
smiju biti ukljuene tekstualne ili logike vrijednosti, tada koristimo funkciju radnog lista
VAR.
VARA koristi sljedeu formulu:
n
x ( x ) (x x)
i
i 1
i 1
n (n 1)
Primjer 1.
Prema podacima na slici 1. izraunati varijansu.
i 1
n 1
Slika 1.
Varijansa, prema podacima na Slici 1. jednaka je 0,375659955.
229
VARP
Ova funkcija postavlja varijansu baziranu na populaciji, prema formuli:
1

N
2
x
i
1

N
i 1
i 1
gdje je N - veliina populacije, x i - pojedinane vrijednosti obiljeja populacije, aritmetika sredina populacije. Varijansa 2 je prosjek kvadrata odstupanja x i oko njihove
aritmetike sredine .
Sintaksa
VARP( number1 ; number2 ; ...)
populacije; umjesto argumenata odvojenih separatorima moemo koristiti i
funkciju radnog lista VARPA.
Napomene
Funkcija VARP pretpostavlja da njeni argumenti odgovaraju cijeloj populaciji i odgovara
N
N
izrazu:
1
1
2
2
2
2
VARP
i 1
i 1
kada imamo negrupisane podatke. U sluaju grupisanih podataka, odgovarajua formula

za varijansu glasi:
2
f i x i 2 ;
i 1
fi xi ; N
i 1
i 1

SQRT.
Primjer 1.
Populaciju sainjavaju sljedee vrijednosti obiljeja X: 2, 3, 5, 5, 6, 8, 8, 11.
Izraunati varijansu 2.
Rjeenje
Za klasino raunanje varijanse 2, prvi korak predstavlja izraunavanje aritmetike sredine
, prema formuli:

i 1
2 3 5 5 6 8 8 11
48
6
8
8
zatim, izraunavamo sumu kvadrata odstupanja:

8
6 2 2 6 2 3 6 2 5 6 2 5 6 2 6 6 2 8 6 2 8 6 2 1 1 6 2
i 1
( 4 ) 2 ( 3 ) 2 ( 1) 2 ( 1) 2 0 2 2 2 2 2 5 2 16 9 1 1 0 4 4 25 60
Varijansa 2, jednaka je:
i 1
x i
6 2
60
7 ,5
8
230
Primjer 2.
Ovih sedam vrijednosti sainjava populaciju: 7, 5, 9, 6, 4, 5, i 6. Potrebno je izraunati
varijansu pomou kvadrata devijacija ovih vrijednosti od njihove aritmetike sredine i
pomou kvadrata individualnih vrijednosti. Pokazati kako se varijansa moe izraunati u
proraunskoj tablici Excel.
Rjeenje
Varijansu pomou kvadrata devijacija vrijednosti od njihove aritmetike sredine
izraunavamo prema formuli:
Vrijednosti
(x)
7
5
9
6
4
5
6
x-
1
-1
3
0
-2
-1
0
(x-)2
1
1
9
0
4
1
0
x=42
(x -)=0
(x -) =16
1

N
2
x
i
i 1
1

7
x 6
i
i 1
16
2,285714
7
pri emu je:
xi
i 1
x 427 6
i
i 1
(x)2=1764
Formula za varijansu pomou kvadrata individualnih vrijednosti je:

Vrijednosti
(x)
7
5
9
6
4
5
6
x=42
(x)2=1764
x
49
25
81
36
16
25
36
x2=268
1
2
N
i 1
1
x i2
N
i 1
1
xi
2
i
i 1
1764
49
268
36 38,285714 36 2,285714
7
42 = SUM(A2:A8)
1764 = 422 = SUM(A2:A8)^2
268 = SUMSQ(A2:A8)
Standardna devijacija izraunata posredstvom funkcije VARP prikazana je na slici 1.
Slika 1.
Naravno, sva izraunavanja umjesto nas, negdje u pozadini, uradi gotova
Excelova funkcija VARP.
231
Primjer 3.
Izraunati varijansu trenda na podacima (slika 2.):
Rjeenje
Varijansa trenda predstavlja prosjeni zbir kvadrata
odstupanja frekvencija niza od trend vrijednosti.
Izraz za varijansu linearnog trenda je:
2t
1
n
(y y )
i
ti
i 1
Slika 2.
Posredstvom funkcije VARP, varijansu trenda na datim
podacima moemo izraunati kao na slici 3.
Slika 3.
Varijansa trenda, odgovara izrazu:
1
t
8
2
(y y )
i
ti
i 1
1,16696 MSD
Vidi se da izraunata vrijednosti odgovara

mjeri MSD, koju smo izraunali posredstvom
statistikog programa MINITAB 12.1.
Vrijednosti trenda koje odgovaraju datoj jednaini
linearnog trenda obuhvatili smo u samom argumentu
funkcije VARP, tako da ih nismo morali posebno
izraunavati. Dakle, za izraunavanje varijanse
trenda dovoljno je poznavati samo vrijednosti y i .
232
VARPA
Izraunava varijansu baziranu na populaciji; uz brojeve, kod raunanja se ukljuuju i tekst
i logike vrijednosti TRUE i FALSE.
Sintaksa
VARPA ( value1 ; value2 ; ... )
Value1, value2,... su 1 do 30 vrijednosti argumenata koje odgovaraju populaciji.
Napomene
VARPA podrazumijeva da su njeni argumenti osnovni skup (populacija). Ako nai
podaci predstavljaju uzorak, varijansu raunamo posredstvom funkcije VARA.
Vrijednosti u argumentu TRUE vrednuju se kao 1, a FALSE kao 0. Ako kod raunanja
ne smiju biti ukljuene tekstualne ili logike vrijednosti, koristimo funkciju radnog
lista VARP.
Izraz za funkciju VARPA, glasi:
n
x ( x ) (x x)
i
i 1
i 1
Primjer 1.
Prema podacima na Slici 1. izraunati varijansu.
i 1
Slika 1.
Varijansa, prema podacima na slici 1. jednaka je 0,238622222.
233
WEIBULL
Posredstvom ove funkcije moemo izraunati vjerovatnou koja odgovara Weibullovoj
raspodjeli i koja je definisana integralom
x
u
x

WEIBULL( x ; alpha ; beta ; TRUE) u 1 e du 1 e
0
i ordinatu funkcije gustine prema izrazu:
x
, za x 0
x
WEIBULL( x; alpha ; beta ; FALSE)
, za x 0
1
x e
gdje su alpha i beta parametri raspodjele.

Sintaksa
WEIBULL ( x ; alfa ; beta ; cumulative )
X je vrijednost na kojoj vrednujemo funkciju. Alfa je parametar oblika a beta parametar
razmjere.
Cumulative je logika vrijednost TRUE ili FALSE, kojom odreujemo da li se radi o
funkciji gustine ili funkciji raspodjele.
Napomene
Ako x, alfa ili beta nisu brojevi, WEIBULL postavlja vrijednost greke #NAME?.
Ako je x < 0, WEIBULL postavlja vrijednost greke #NUM!.
Ako je alfa 0 ili ako je beta 0, WEIBULL postavlja vrijednost greke #NUM!.
Kad je alfa = 1, funkcija WEIBULL odgovara eksponencijalnoj raspodjeli sa: = 1/.
Funkcija inverzne Weibull-ove raspodjele
1
ln
POWER( LN( 1 /(1 p));1 / )
1p
odgovara vrijednosti x za koju integral WEIBULL(x;;;TRUE) ima vrijednost p.
Primjer 1.
Povrina p ispod funkcije gustine odgovara vrijednosti integrala:

9
WEIBULL(6; alpha 9; beta 6; TRUE) 9
6
Ordinata funkcije gustine za x = 6 jednaka je:
u

6
du 1 e 1 0,632121
234
ZTEST
Ova funkcija izraunava odgovarajuu p-vrijednost z-testa, prema izrazu
x x
ZTEST 1 NORMSDIST
n

gdje su: x aritmetika sredina uzorka, n veliina uzorka, poznata standardna

devijacija osnovnog skupa, i x pretpostavljena vrijednost aritmetike sredine osnovnog
skupa ili populacije.
Sintaksa
ZTEST(array ; x ; sigma)
Array je polje ili opseg podataka prema kojima testiramo vrijednost x , odnosno
aritmetiku sredinu osnovnog skupa (populacije) . Ako je ovo polje prazno, funkcija
ZTEST postavlja vrijednost greke #N/A. Sigma je standardna devijacija populacije ;
ako je isputena, zamijenjena je standardnom devijacijom uzorka s.
Primjer 1.
Imamo 9 rezultata mjerenja jedne pojave.
Poznato nam je da mjerenja potiu iz raspodjele koja ima standardnu devijaciju = 0,2.
Kako nam je poznata standardna devijacija, elimo da testiramo aritmetiku sredinu
populacije = 5 na nivou znaajnosti = 5 %, posredstvom z procedure.
Rjeenje
Testiramo nultu hipotezu Ho: = 5, nasuprot alternativnoj hipotezi H 1 : 5. Dakle,
opredijelili smo se za dvostrani z-test.
Aritmetika sredina uzorka iznosi 4,7889 (slika 1.).
Slika 1.
Odgovarajuu p vrijednost 0,0015421 koja odgovara vjerovatnoi dvostranog z -testa,
izraunavamo posredstvom izraza:
Kako je izraunata p vrijednost manja od 5% to odbacujemo nultu i usvajamo alternativnu
hipotezu da je aritmetika sredina populacije razliita od 5.
Da pojasnimo ta smo mi zapravo izraunali. Kako je aritmetika sredina uzorka x =
4,7889 manja od vrijednosti koju testiramo x = = 5, to je vrijednost izraza
xx
x
n
n 3,16667
negativna. Povrina ispod standardne normalne krive u intervalu (- , -3,1667] iznosi

0,000771 i odgovara vrijednosti funkcije NORMSDIST(-3,16667). Kako smo imali
dvostrani test to smo izraunali i povrinu ispod standardne normalne krive u intervalu
[3,1667 , ) koja, takoe iznosi 0,000771. dakle, ukupna povrina ispod standardne
z
235
normalne krive u intervalima (- , -3,1667] i [3,1667 , ) iznosi 2*0,000771 =

0,001542 to odgovara naem rezultatu. Kritine vrijednosti za nivo znaajnosti = 5%
iznose: 1,95996 = NORMSINV(97,5%).
Sada emo isti primjer uraditi i u specijalizovanom statistikom programu Minitab 12.1
radi poreenja sa onim ta moemo uraditi u proraunskoj tablici Excel.
Procedura izvoenja z testa na jednom uzorku je sljedea:
Nakon upisivanja dobijenih rezultata, odabraemo vrstu testa, odnosno test 1-Sample Z
koji se nalazi u dijelu Stat>Basic Statistics>1-Sample Z. Nakon otvaranja ovog prozora na
mjestu Variables upisat emo nae rezultate. Zatim emo upisati vrijednost za aritmetiku
sredinu 5, i standardnu devijaciju 0,2. Pritiskom na dugme OK dobit emo odgovarajue
rezultate.
Na mjestu Alternative upisan je vrijednost not equal to odgovara dvostranom testu.

Sada emo na istim rezultatima sprovesti lijevostrani z-test, koji je u ovom sluaju
loginiji, to znai da e naa alternativna hipoteza biti H 1 : < 5. Kritina vrijednost na
nivou 5% iznosi -1,64484 = NORMSINV(5%). Kako je izraunata vrijednost za z = 3,16667 manja od ove kritine vrijednosti to odbacujemo nultu hipotezu i usvajamo
hipotezu H 1 : < 5. Odgovarajua p-vrijednost za lijevostrani z-test 0,000771 odgovara
vrijednosti izraza:
Odgovarajui izlazni rezultati za sluaj alternativnih hipoteza H 1 : < 5 i H 1 : > 5, u
Minitabu dati su ispod; pretpostavljena je standardna devijacija populacije 0,2.
U sluaju da je vrijednost z x x n x n
na naim podacima bila
pozitivna tada bismo p vrijednost koja odgovara vjerovatnoi z-testa za dvostrani test
izraunali prema sintaksi
odnosno, za lijevostrani z - test prema sintaksi:
236
Tabela 1 Binomni koeficijenti

n
n
n!
n!
COMBIN(n x; x)
COMBIN(n; x)

x x!(n x)! (n x)! x! n x
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
A
B C D
E
n \ x 0 1 2
3
1
1 1
2
1 2
1
3
1 3
3
1
4
1 4
6
4
5
1 5 10
10
6
1 6 15
20
7
1 7 21
35
8
1 8 28
56
9
1 9 36
84
10
1 10 45 120
11
1 11 55 165
12
1 12 66 220
13
1 13 78 286
14
1 14 91 364
15
1 15 105 455
16
1 16 120 560
17
1 17 136 680
18
1 18 153 816
19
1 19 171 969
20
1 20 190 1140
F
4
G
5
H
6
1
5
1
15
6
1
35
21
7
70
56
28
126
126
84
210
252
210
330
462
462
495
792
924
715 1287 1716
1001 2002 3003
1365 3003 5005
1820 4368 8008
2380 6188 12376
3060 8568 18564
3876 11628 27132
4845 15504 38760
I
7
J
8
K
9
L
10
M
11
N
12
O
13
P
14
Q
15
R
16
S
17
T U V
18 19 20
1
8
1
36
9
1
120
45
10
1
330
165
55
11
1
792
495
220
66
12
1
1716
1287
715
286
78
13
1
3432
3003
2002
1001
364
91
14
1
6435
6435
5005
3003
1365
455
105
15
1
11440 12870 11440
8008
4368
1820
560
120
16
1
19448 24310 24310 19448 12376
6188 2380
680
136
17
1
31824 43758 48620 43758 31824 18564 8568 3060
816 153
18
1
50388 75582 92378 92378 75582 50388 27132 11628 3876 969 171 19 1
77520 125970 167960 184756 167960 125970 77520 38760 15504 4845 1140 190 20
Tabela 2. Faktorijel
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
A
n
B
n!
0
1
1
1
2
2
3
6
4
24
5
120
6
720
7
5040
8
40320
9
362880
10
3628800
11
39916800
12
479001600
13
6227020800
14
87178291200
15
1307674368000
16
20922789888000
17
355687428096000
18
6402373705728000
19 121645100408832000
20 2432902008176640000
237
Tabela 3 Binomna kumulativna raspodjela

x
n
BINOMDIST(x; n; p; TRUE) p x (1 - p) n x
i 0 i
A
B
C
D
E
1 n x \ p 0,01 0,05 0,1
0
0,980 0,903 0,810
2 2
1
1,000 0,998 0,990
3
2
1,000 1,000 1,000
4
F
G
H
I
0,15 0,2 0,25 0,3
0,723 0,640 0,563 0,490
0,978 0,960 0,938 0,910
1,000 1,000 1,000 1,000
N
O
P
Q
0,55 0,6 0,65 0,7
0,203 0,160 0,123 0,090
0,698 0,640 0,578 0,510
1,000 1,000 1,000 1,000
R
S
T
U
0,75 0,8 0,85 0,9
0,063 0,040 0,023 0,010
0,438 0,360 0,278 0,190
1,000 1,000 1,000 1,000
V
0,95
0,003
0,098
1,000
G
0,2
0,512
0,896
0,992
1,000
H
0,25
0,422
0,844
0,984
1,000
I
0,3
0,343
0,784
0,973
1,000
J
0,35
0,275
0,718
0,957
1,000
K
0,4
0,216
0,648
0,936
1,000
L
0,45
0,166
0,575
0,909
1,000
M
0,5
0,125
0,500
0,875
1,000
N
0,55
0,091
0,425
0,834
1,000
O
0,6
0,064
0,352
0,784
1,000
P
0,65
0,043
0,282
0,725
1,000
Q
0,7
0,027
0,216
0,657
1,000
R
0,75
0,016
0,156
0,578
1,000
S
0,8
0,008
0,104
0,488
1,000
T
0,85
0,003
0,061
0,386
1,000
U
0,9
0,001
0,028
0,271
1,000
V
0,95
0,000
0,007
0,143
1,000
A
B
C
D
E
F
G
1 n x \ p 0,01 0,05 0,1 0,15 0,2
0
0,961 0,815 0,656 0,522 0,410
2 4
1
0,999 0,986 0,948 0,890 0,819
3
2
1,000 1,000 0,996 0,988 0,973
4
3
1,000 1,000 1,000 0,999 0,998
5
4
1,000 1,000 1,000 1,000 1,000
6
H
0,25
0,316
0,738
0,949
0,996
1,000
I
0,3
0,240
0,652
0,916
0,992
1,000
J
0,35
0,179
0,563
0,874
0,985
1,000
K
0,4
0,130
0,475
0,821
0,974
1,000
L
0,45
0,092
0,391
0,759
0,959
1,000
M
0,5
0,063
0,313
0,688
0,938
1,000
N
0,55
0,041
0,241
0,609
0,908
1,000
O
0,6
0,026
0,179
0,525
0,870
1,000
P
0,65
0,015
0,126
0,437
0,821
1,000
Q
0,7
0,008
0,084
0,348
0,760
1,000
R
0,75
0,004
0,051
0,262
0,684
1,000
S
0,8
0,002
0,027
0,181
0,590
1,000
T
0,85
0,001
0,012
0,110
0,478
1,000
U
0,9
0,000
0,004
0,052
0,344
1,000
V
0,95
0,000
0,000
0,014
0,185
1,000
1
2
3
4
5
6
7
A
B
C
D
E
F
G
H
n x \ p 0,01 0,05 0,1 0,15 0,2 0,25
5
0
0,951 0,774 0,590 0,444 0,328 0,237
1
0,999 0,977 0,919 0,835 0,737 0,633
2
1,000 0,999 0,991 0,973 0,942 0,896
3
1,000 1,000 1,000 0,998 0,993 0,984
4
1,000 1,000 1,000 1,000 1,000 0,999
5
1,000 1,000 1,000 1,000 1,000 1,000
I
0,3
0,168
0,528
0,837
0,969
0,998
1,000
J
0,35
0,116
0,428
0,765
0,946
0,995
1,000
K
0,4
0,078
0,337
0,683
0,913
0,990
1,000
L
0,45
0,050
0,256
0,593
0,869
0,982
1,000
M
0,5
0,031
0,188
0,500
0,813
0,969
1,000
N
0,55
0,018
0,131
0,407
0,744
0,950
1,000
O
0,6
0,010
0,087
0,317
0,663
0,922
1,000
P
0,65
0,005
0,054
0,235
0,572
0,884
1,000
Q
0,7
0,002
0,031
0,163
0,472
0,832
1,000
R
0,75
0,001
0,016
0,104
0,367
0,763
1,000
S
0,8
0,000
0,007
0,058
0,263
0,672
1,000
T
0,85
0,000
0,002
0,027
0,165
0,556
1,000
U
0,9
0,000
0,000
0,009
0,081
0,410
1,000
V
0,95
0,000
0,000
0,001
0,023
0,226
1,000
1
2
3
4
5
6
7
8
A
B
C
D
E
F
G
H
I
n x \ p 0,01 0,05 0,1 0,15 0,2 0,25 0,3
6
0
0,941 0,735 0,531 0,377 0,262 0,178 0,118
1
0,999 0,967 0,886 0,776 0,655 0,534 0,420
2
1,000 0,998 0,984 0,953 0,901 0,831 0,744
3
1,000 1,000 0,999 0,994 0,983 0,962 0,930
4
1,000 1,000 1,000 1,000 0,998 0,995 0,989
5
1,000 1,000 1,000 1,000 1,000 1,000 0,999
6
1,000 1,000 1,000 1,000 1,000 1,000 1,000
J
0,35
0,075
0,319
0,647
0,883
0,978
0,998
1,000
K
0,4
0,047
0,233
0,544
0,821
0,959
0,996
1,000
L
0,45
0,028
0,164
0,442
0,745
0,931
0,992
1,000
M
0,5
0,016
0,109
0,344
0,656
0,891
0,984
1,000
N
0,55
0,008
0,069
0,255
0,558
0,836
0,972
1,000
O
0,6
0,004
0,041
0,179
0,456
0,767
0,953
1,000
P
0,65
0,002
0,022
0,117
0,353
0,681
0,925
1,000
Q
0,7
0,001
0,011
0,070
0,256
0,580
0,882
1,000
R
0,75
0,000
0,005
0,038
0,169
0,466
0,822
1,000
S
0,8
0,000
0,002
0,017
0,099
0,345
0,738
1,000
T
0,85
0,000
0,000
0,006
0,047
0,224
0,623
1,000
U
0,9
0,000
0,000
0,001
0,016
0,114
0,469
1,000
V
0,95
0,000
0,000
0,000
0,002
0,033
0,265
1,000
1
2
3
4
5
6
7
8
9
A
B
C
D
E
F
G
H
I
J
n x \ p 0,01 0,05 0,1 0,15 0,2 0,25 0,3 0,35
7
0
0,932 0,698 0,478 0,321 0,210 0,133 0,082 0,049
1
0,998 0,956 0,850 0,717 0,577 0,445 0,329 0,234
2
1,000 0,996 0,974 0,926 0,852 0,756 0,647 0,532
3
1,000 1,000 0,997 0,988 0,967 0,929 0,874 0,800
4
1,000 1,000 1,000 0,999 0,995 0,987 0,971 0,944
5
1,000 1,000 1,000 1,000 1,000 0,999 0,996 0,991
6
1,000 1,000 1,000 1,000 1,000 1,000 1,000 0,999
7
1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000
K
0,4
0,028
0,159
0,420
0,710
0,904
0,981
0,998
1,000
L
0,45
0,015
0,102
0,316
0,608
0,847
0,964
0,996
1,000
M
0,5
0,008
0,063
0,227
0,500
0,773
0,938
0,992
1,000
N
0,55
0,004
0,036
0,153
0,392
0,684
0,898
0,985
1,000
O
0,6
0,002
0,019
0,096
0,290
0,580
0,841
0,972
1,000
P
0,65
0,001
0,009
0,056
0,200
0,468
0,766
0,951
1,000
Q
0,7
0,000
0,004
0,029
0,126
0,353
0,671
0,918
1,000
R
0,75
0,000
0,001
0,013
0,071
0,244
0,555
0,867
1,000
S
0,8
0,000
0,000
0,005
0,033
0,148
0,423
0,790
1,000
T
0,85
0,000
0,000
0,001
0,012
0,074
0,283
0,679
1,000
U
0,9
0,000
0,000
0,000
0,003
0,026
0,150
0,522
1,000
V
0,95
0,000
0,000
0,000
0,000
0,004
0,044
0,302
1,000
A
B
C
D
E
F
G
H
I
J
K
1 n x \ p 0,01 0,05 0,1 0,15 0,2 0,25 0,3 0,35 0,4
0
0,923 0,663 0,430 0,272 0,168 0,100 0,058 0,032 0,017
2 8
1
0,997 0,943 0,813 0,657 0,503 0,367 0,255 0,169 0,106
3
2
1,000 0,994 0,962 0,895 0,797 0,679 0,552 0,428 0,315
4
3
1,000 1,000 0,995 0,979 0,944 0,886 0,806 0,706 0,594
5
4
1,000 1,000 1,000 0,997 0,990 0,973 0,942 0,894 0,826
6
5
1,000 1,000 1,000 1,000 0,999 0,996 0,989 0,975 0,950
7
6
1,000 1,000 1,000 1,000 1,000 1,000 0,999 0,996 0,991
8
7
1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 0,999
9
8
1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000
10
L
0,45
0,008
0,063
0,220
0,477
0,740
0,912
0,982
0,998
1,000
M
0,5
0,004
0,035
0,145
0,363
0,637
0,855
0,965
0,996
1,000
N
0,55
0,002
0,018
0,088
0,260
0,523
0,780
0,937
0,992
1,000
O
0,6
0,001
0,009
0,050
0,174
0,406
0,685
0,894
0,983
1,000
P
0,65
0,000
0,004
0,025
0,106
0,294
0,572
0,831
0,968
1,000
Q
0,7
0,000
0,001
0,011
0,058
0,194
0,448
0,745
0,942
1,000
R
0,75
0,000
0,000
0,004
0,027
0,114
0,321
0,633
0,900
1,000
S
0,8
0,000
0,000
0,001
0,010
0,056
0,203
0,497
0,832
1,000
T
0,85
0,000
0,000
0,000
0,003
0,021
0,105
0,343
0,728
1,000
U
0,9
0,000
0,000
0,000
0,000
0,005
0,038
0,187
0,570
1,000
V
0,95
0,000
0,000
0,000
0,000
0,000
0,006
0,057
0,337
1,000
A
B
C
D
1 n x \ p 0,01 0,05
0
0,914 0,630
2 9
1
3
0,997 0,929
2
4
1,000 0,992
3
1,000 0,999
5
4
1,000 1,000
6
5
1,000 1,000
7
6
1,000 1,000
8
7
1,000 1,000
9
8
1,000 1,000
10
9
1,000 1,000
11
L
0,45
0,005
0,039
0,150
0,361
0,621
0,834
0,950
0,991
0,999
1,000
M
0,5
0,002
0,020
0,090
0,254
0,500
0,746
0,910
0,980
0,998
1,000
N
0,55
0,001
0,009
0,050
0,166
0,379
0,639
0,850
0,961
0,995
1,000
O
0,6
0,000
0,004
0,025
0,099
0,267
0,517
0,768
0,929
0,990
1,000
P
0,65
0,000
0,001
0,011
0,054
0,172
0,391
0,663
0,879
0,979
1,000
Q
0,7
0,000
0,000
0,004
0,025
0,099
0,270
0,537
0,804
0,960
1,000
R
0,75
0,000
0,000
0,001
0,010
0,049
0,166
0,399
0,700
0,925
1,000
S
0,8
0,000
0,000
0,000
0,003
0,020
0,086
0,262
0,564
0,866
1,000
T
0,85
0,000
0,000
0,000
0,001
0,006
0,034
0,141
0,401
0,768
1,000
U
0,9
0,000
0,000
0,000
0,000
0,001
0,008
0,053
0,225
0,613
1,000
V
0,95
0,000
0,000
0,000
0,000
0,000
0,001
0,008
0,071
0,370
1,000
1
2
3
4
5
A
B
C
D
E
F
n x \ p 0,01 0,05 0,1 0,15
3
0
0,970 0,857 0,729 0,614
1
1,000 0,993 0,972 0,939
2
1,000 1,000 0,999 0,997
3
1,000 1,000 1,000 1,000
J
K
L
M
0,35 0,4 0,45 0,5
0,423 0,360 0,303 0,250
0,878 0,840 0,798 0,750
1,000 1,000 1,000 1,000
E
0,1
0,387
0,775
0,947
0,992
0,999
1,000
1,000
1,000
1,000
1,000
F
0,15
0,232
0,599
0,859
0,966
0,994
0,999
1,000
1,000
1,000
1,000
G
0,2
0,134
0,436
0,738
0,914
0,980
0,997
1,000
1,000
1,000
1,000
H
0,25
0,075
0,300
0,601
0,834
0,951
0,990
0,999
1,000
1,000
1,000
I
0,3
0,040
0,196
0,463
0,730
0,901
0,975
0,996
1,000
1,000
1,000
J
0,35
0,021
0,121
0,337
0,609
0,828
0,946
0,989
0,999
1,000
1,000
K
0,4
0,010
0,071
0,232
0,483
0,733
0,901
0,975
0,996
1,000
1,000
238
A
B
1 n x \ p
0
2 10
1
3
2
4
3
5
4
6
5
7
6
8
7
9
8
10
9
11
10
12
C
0,01
0,904
0,996
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
D
0,05
0,599
0,914
0,988
0,999
1,000
1,000
1,000
1,000
1,000
1,000
1,000
E
0,1
0,349
0,736
0,930
0,987
0,998
1,000
1,000
1,000
1,000
1,000
1,000
F
0,15
0,197
0,544
0,820
0,950
0,990
0,999
1,000
1,000
1,000
1,000
1,000
G
0,2
0,107
0,376
0,678
0,879
0,967
0,994
0,999
1,000
1,000
1,000
1,000
H
0,25
0,056
0,244
0,526
0,776
0,922
0,980
0,996
1,000
1,000
1,000
1,000
I
0,3
0,028
0,149
0,383
0,650
0,850
0,953
0,989
0,998
1,000
1,000
1,000
J
0,35
0,013
0,086
0,262
0,514
0,751
0,905
0,974
0,995
0,999
1,000
1,000
K
0,4
0,006
0,046
0,167
0,382
0,633
0,834
0,945
0,988
0,998
1,000
1,000
L
0,45
0,003
0,023
0,100
0,266
0,504
0,738
0,898
0,973
0,995
1,000
1,000
M
0,5
0,001
0,011
0,055
0,172
0,377
0,623
0,828
0,945
0,989
0,999
1,000
N
0,55
0,000
0,005
0,027
0,102
0,262
0,496
0,734
0,900
0,977
0,997
1,000
O
0,6
0,000
0,002
0,012
0,055
0,166
0,367
0,618
0,833
0,954
0,994
1,000
P
0,65
0,000
0,001
0,005
0,026
0,095
0,249
0,486
0,738
0,914
0,987
1,000
Q
0,7
0,000
0,000
0,002
0,011
0,047
0,150
0,350
0,617
0,851
0,972
1,000
R
0,75
0,000
0,000
0,000
0,004
0,020
0,078
0,224
0,474
0,756
0,944
1,000
S
0,8
0,000
0,000
0,000
0,001
0,006
0,033
0,121
0,322
0,624
0,893
1,000
T
0,85
0,000
0,000
0,000
0,000
0,001
0,010
0,050
0,180
0,456
0,803
1,000
U
0,9
0,000
0,000
0,000
0,000
0,000
0,002
0,013
0,070
0,264
0,651
1,000
V
0,95
0,000
0,000
0,000
0,000
0,000
0,000
0,001
0,012
0,086
0,401
1,000
A
B
1 n x \ p
0
2 11
1
3
2
4
3
5
4
6
5
7
6
8
7
9
8
10
9
11
10
12
11
13
C
0,01
0,895
0,995
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
D
0,05
0,569
0,898
0,985
0,998
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
E
0,1
0,314
0,697
0,910
0,981
0,997
1,000
1,000
1,000
1,000
1,000
1,000
1,000
F
0,15
0,167
0,492
0,779
0,931
0,984
0,997
1,000
1,000
1,000
1,000
1,000
1,000
G
0,2
0,086
0,322
0,617
0,839
0,950
0,988
0,998
1,000
1,000
1,000
1,000
1,000
H
0,25
0,042
0,197
0,455
0,713
0,885
0,966
0,992
0,999
1,000
1,000
1,000
1,000
I
0,3
0,020
0,113
0,313
0,570
0,790
0,922
0,978
0,996
0,999
1,000
1,000
1,000
J
0,35
0,009
0,061
0,200
0,426
0,668
0,851
0,950
0,988
0,998
1,000
1,000
1,000
K
0,4
0,004
0,030
0,119
0,296
0,533
0,753
0,901
0,971
0,994
0,999
1,000
1,000
L
0,45
0,001
0,014
0,065
0,191
0,397
0,633
0,826
0,939
0,985
0,998
1,000
1,000
M
0,5
0,000
0,006
0,033
0,113
0,274
0,500
0,726
0,887
0,967
0,994
1,000
1,000
N
0,55
0,000
0,002
0,015
0,061
0,174
0,367
0,603
0,809
0,935
0,986
0,999
1,000
O
0,6
0,000
0,001
0,006
0,029
0,099
0,247
0,467
0,704
0,881
0,970
0,996
1,000
P
0,65
0,000
0,000
0,002
0,012
0,050
0,149
0,332
0,574
0,800
0,939
0,991
1,000
Q
0,7
0,000
0,000
0,001
0,004
0,022
0,078
0,210
0,430
0,687
0,887
0,980
1,000
R
0,75
0,000
0,000
0,000
0,001
0,008
0,034
0,115
0,287
0,545
0,803
0,958
1,000
S
0,8
0,000
0,000
0,000
0,000
0,002
0,012
0,050
0,161
0,383
0,678
0,914
1,000
T
0,85
0,000
0,000
0,000
0,000
0,000
0,003
0,016
0,069
0,221
0,508
0,833
1,000
U
0,9
0,000
0,000
0,000
0,000
0,000
0,000
0,003
0,019
0,090
0,303
0,686
1,000
V
0,95
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,002
0,015
0,102
0,431
1,000
A
B
1 n x \ p
0
2 12
1
3
2
4
3
5
4
6
5
7
6
8
7
9
8
10
9
11
10
12
11
13
12
14
C
0,01
0,886
0,994
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
D
0,05
0,540
0,882
0,980
0,998
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
E
0,1
0,282
0,659
0,889
0,974
0,996
0,999
1,000
1,000
1,000
1,000
1,000
1,000
1,000
F
0,15
0,142
0,443
0,736
0,908
0,976
0,995
0,999
1,000
1,000
1,000
1,000
1,000
1,000
G
0,2
0,069
0,275
0,558
0,795
0,927
0,981
0,996
0,999
1,000
1,000
1,000
1,000
1,000
H
0,25
0,032
0,158
0,391
0,649
0,842
0,946
0,986
0,997
1,000
1,000
1,000
1,000
1,000
I
0,3
0,014
0,085
0,253
0,493
0,724
0,882
0,961
0,991
0,998
1,000
1,000
1,000
1,000
J
0,35
0,006
0,042
0,151
0,347
0,583
0,787
0,915
0,974
0,994
0,999
1,000
1,000
1,000
K
0,4
0,002
0,020
0,083
0,225
0,438
0,665
0,842
0,943
0,985
0,997
1,000
1,000
1,000
L
0,45
0,001
0,008
0,042
0,134
0,304
0,527
0,739
0,888
0,964
0,992
0,999
1,000
1,000
M
0,5
0,000
0,003
0,019
0,073
0,194
0,387
0,613
0,806
0,927
0,981
0,997
1,000
1,000
N
0,55
0,000
0,001
0,008
0,036
0,112
0,261
0,473
0,696
0,866
0,958
0,992
0,999
1,000
O
0,6
0,000
0,000
0,003
0,015
0,057
0,158
0,335
0,562
0,775
0,917
0,980
0,998
1,000
P
0,65
0,000
0,000
0,001
0,006
0,026
0,085
0,213
0,417
0,653
0,849
0,958
0,994
1,000
Q
0,7
0,000
0,000
0,000
0,002
0,009
0,039
0,118
0,276
0,507
0,747
0,915
0,986
1,000
R
0,75
0,000
0,000
0,000
0,000
0,003
0,014
0,054
0,158
0,351
0,609
0,842
0,968
1,000
S
0,8
0,000
0,000
0,000
0,000
0,001
0,004
0,019
0,073
0,205
0,442
0,725
0,931
1,000
T
0,85
0,000
0,000
0,000
0,000
0,000
0,001
0,005
0,024
0,092
0,264
0,557
0,858
1,000
U
0,9
0,000
0,000
0,000
0,000
0,000
0,000
0,001
0,004
0,026
0,111
0,341
0,718
1,000
V
0,95
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,002
0,020
0,118
0,460
1,000
A
B
1 n x \ p
0
2 15
1
3
2
4
3
5
4
6
5
7
6
8
7
9
8
10
9
11
10
12
11
13
12
14
13
15
14
16
15
17
C
0,01
0,860
0,990
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
D
0,05
0,463
0,829
0,964
0,995
0,999
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
E
0,1
0,206
0,549
0,816
0,944
0,987
0,998
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
F
0,15
0,087
0,319
0,604
0,823
0,938
0,983
0,996
0,999
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
G
0,2
0,035
0,167
0,398
0,648
0,836
0,939
0,982
0,996
0,999
1,000
1,000
1,000
1,000
1,000
1,000
1,000
H
0,25
0,013
0,080
0,236
0,461
0,686
0,852
0,943
0,983
0,996
0,999
1,000
1,000
1,000
1,000
1,000
1,000
I
0,3
0,005
0,035
0,127
0,297
0,515
0,722
0,869
0,950
0,985
0,996
0,999
1,000
1,000
1,000
1,000
1,000
J
0,35
0,002
0,014
0,062
0,173
0,352
0,564
0,755
0,887
0,958
0,988
0,997
1,000
1,000
1,000
1,000
1,000
K
0,4
0,000
0,005
0,027
0,091
0,217
0,403
0,610
0,787
0,905
0,966
0,991
0,998
1,000
1,000
1,000
1,000
L
0,45
0,000
0,002
0,011
0,042
0,120
0,261
0,452
0,654
0,818
0,923
0,975
0,994
0,999
1,000
1,000
1,000
M
0,5
0,000
0,000
0,004
0,018
0,059
0,151
0,304
0,500
0,696
0,849
0,941
0,982
0,996
1,000
1,000
1,000
N
0,55
0,000
0,000
0,001
0,006
0,025
0,077
0,182
0,346
0,548
0,739
0,880
0,958
0,989
0,998
1,000
1,000
O
0,6
0,000
0,000
0,000
0,002
0,009
0,034
0,095
0,213
0,390
0,597
0,783
0,909
0,973
0,995
1,000
1,000
P
0,65
0,000
0,000
0,000
0,000
0,003
0,012
0,042
0,113
0,245
0,436
0,648
0,827
0,938
0,986
0,998
1,000
Q
0,7
0,000
0,000
0,000
0,000
0,001
0,004
0,015
0,050
0,131
0,278
0,485
0,703
0,873
0,965
0,995
1,000
R
0,75
0,000
0,000
0,000
0,000
0,000
0,001
0,004
0,017
0,057
0,148
0,314
0,539
0,764
0,920
0,987
1,000
S
0,8
0,000
0,000
0,000
0,000
0,000
0,000
0,001
0,004
0,018
0,061
0,164
0,352
0,602
0,833
0,965
1,000
T
0,85
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,001
0,004
0,017
0,062
0,177
0,396
0,681
0,913
1,000
U
0,9
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,002
0,013
0,056
0,184
0,451
0,794
1,000
V
0,95
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,001
0,005
0,036
0,171
0,537
1,000
A
B
1 n x \ p
0
2 16
1
3
2
4
3
5
4
6
5
7
6
8
7
9
8
10
9
11
10
12
11
13
12
14
13
15
14
16
15
17
16
18
C
0,01
0,851
0,989
0,999
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
D
0,05
0,440
0,811
0,957
0,993
0,999
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
E
0,1
0,185
0,515
0,789
0,932
0,983
0,997
0,999
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
F
0,15
0,074
0,284
0,561
0,790
0,921
0,976
0,994
0,999
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
G
0,2
0,028
0,141
0,352
0,598
0,798
0,918
0,973
0,993
0,999
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
H
0,25
0,010
0,063
0,197
0,405
0,630
0,810
0,920
0,973
0,993
0,998
1,000
1,000
1,000
1,000
1,000
1,000
1,000
I
0,3
0,003
0,026
0,099
0,246
0,450
0,660
0,825
0,926
0,974
0,993
0,998
1,000
1,000
1,000
1,000
1,000
1,000
J
0,35
0,001
0,010
0,045
0,134
0,289
0,490
0,688
0,841
0,933
0,977
0,994
0,999
1,000
1,000
1,000
1,000
1,000
K
0,4
0,000
0,003
0,018
0,065
0,167
0,329
0,527
0,716
0,858
0,942
0,981
0,995
0,999
1,000
1,000
1,000
1,000
L
0,45
0,000
0,001
0,007
0,028
0,085
0,198
0,366
0,563
0,744
0,876
0,951
0,985
0,997
0,999
1,000
1,000
1,000
M
0,5
0,000
0,000
0,002
0,011
0,038
0,105
0,227
0,402
0,598
0,773
0,895
0,962
0,989
0,998
1,000
1,000
1,000
N
0,55
0,000
0,000
0,001
0,003
0,015
0,049
0,124
0,256
0,437
0,634
0,802
0,915
0,972
0,993
0,999
1,000
1,000
O
0,6
0,000
0,000
0,000
0,001
0,005
0,019
0,058
0,142
0,284
0,473
0,671
0,833
0,935
0,982
0,997
1,000
1,000
P
0,65
0,000
0,000
0,000
0,000
0,001
0,006
0,023
0,067
0,159
0,312
0,510
0,711
0,866
0,955
0,990
0,999
1,000
Q
0,7
0,000
0,000
0,000
0,000
0,000
0,002
0,007
0,026
0,074
0,175
0,340
0,550
0,754
0,901
0,974
0,997
1,000
R
0,75
0,000
0,000
0,000
0,000
0,000
0,000
0,002
0,007
0,027
0,080
0,190
0,370
0,595
0,803
0,937
0,990
1,000
S
0,8
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,001
0,007
0,027
0,082
0,202
0,402
0,648
0,859
0,972
1,000
T
0,85
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,001
0,006
0,024
0,079
0,210
0,439
0,716
0,926
1,000
U
0,9
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,001
0,003
0,017
0,068
0,211
0,485
0,815
1,000
V
0,95
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,001
0,007
0,043
0,189
0,560
1,000
239
A
B
1 n x \ p
0
2 17
1
3
2
4
3
5
4
6
5
7
6
8
7
9
8
10
9
11
10
12
11
13
12
14
13
15
14
16
15
17
16
18
17
19
C
0,01
0,843
0,988
0,999
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
D
0,05
0,418
0,792
0,950
0,991
0,999
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
E
0,1
0,167
0,482
0,762
0,917
0,978
0,995
0,999
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
F
0,15
0,063
0,252
0,520
0,756
0,901
0,968
0,992
0,998
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
G
0,2
0,023
0,118
0,310
0,549
0,758
0,894
0,962
0,989
0,997
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
H
0,25
0,008
0,050
0,164
0,353
0,574
0,765
0,893
0,960
0,988
0,997
0,999
1,000
1,000
1,000
1,000
1,000
1,000
1,000
I
0,3
0,002
0,019
0,077
0,202
0,389
0,597
0,775
0,895
0,960
0,987
0,997
0,999
1,000
1,000
1,000
1,000
1,000
1,000
J
0,35
0,001
0,007
0,033
0,103
0,235
0,420
0,619
0,787
0,901
0,962
0,988
0,997
0,999
1,000
1,000
1,000
1,000
1,000
K
0,4
0,000
0,002
0,012
0,046
0,126
0,264
0,448
0,641
0,801
0,908
0,965
0,989
0,997
1,000
1,000
1,000
1,000
1,000
L
0,45
0,000
0,001
0,004
0,018
0,060
0,147
0,290
0,474
0,663
0,817
0,917
0,970
0,991
0,998
1,000
1,000
1,000
1,000
M
0,5
0,000
0,000
0,001
0,006
0,025
0,072
0,166
0,315
0,500
0,685
0,834
0,928
0,975
0,994
0,999
1,000
1,000
1,000
N
0,55
0,000
0,000
0,000
0,002
0,009
0,030
0,083
0,183
0,337
0,526
0,710
0,853
0,940
0,982
0,996
0,999
1,000
1,000
O
0,6
0,000
0,000
0,000
0,000
0,003
0,011
0,035
0,092
0,199
0,359
0,552
0,736
0,874
0,954
0,988
0,998
1,000
1,000
P
0,65
0,000
0,000
0,000
0,000
0,001
0,003
0,012
0,038
0,099
0,213
0,381
0,580
0,765
0,897
0,967
0,993
0,999
1,000
Q
0,7
0,000
0,000
0,000
0,000
0,000
0,001
0,003
0,013
0,040
0,105
0,225
0,403
0,611
0,798
0,923
0,981
0,998
1,000
R
0,75
0,000
0,000
0,000
0,000
0,000
0,000
0,001
0,003
0,012
0,040
0,107
0,235
0,426
0,647
0,836
0,950
0,992
1,000
S
0,8
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,003
0,011
0,038
0,106
0,242
0,451
0,690
0,882
0,977
1,000
T
0,85
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,002
0,008
0,032
0,099
0,244
0,480
0,748
0,937
1,000
U
0,9
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,001
0,005
0,022
0,083
0,238
0,518
0,833
1,000
V
0,95
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,001
0,009
0,050
0,208
0,582
1,000
A
B
1 n x \ p
0
2 18
1
3
2
4
3
5
4
6
5
7
6
8
7
9
8
10
9
11
10
12
11
13
12
14
13
15
14
16
15
17
16
18
17
19
18
20
C
0,01
0,835
0,986
0,999
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
D
0,05
0,397
0,774
0,942
0,989
0,998
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
E
0,1
0,150
0,450
0,734
0,902
0,972
0,994
0,999
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
F
0,15
0,054
0,224
0,480
0,720
0,879
0,958
0,988
0,997
0,999
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
G
0,2
0,018
0,099
0,271
0,501
0,716
0,867
0,949
0,984
0,996
0,999
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
H
0,25
0,006
0,039
0,135
0,306
0,519
0,717
0,861
0,943
0,981
0,995
0,999
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
I
0,3
0,002
0,014
0,060
0,165
0,333
0,534
0,722
0,859
0,940
0,979
0,994
0,999
1,000
1,000
1,000
1,000
1,000
1,000
1,000
J
0,35
0,000
0,005
0,024
0,078
0,189
0,355
0,549
0,728
0,861
0,940
0,979
0,994
0,999
1,000
1,000
1,000
1,000
1,000
1,000
K
0,4
0,000
0,001
0,008
0,033
0,094
0,209
0,374
0,563
0,737
0,865
0,942
0,980
0,994
0,999
1,000
1,000
1,000
1,000
1,000
L
0,45
0,000
0,000
0,003
0,012
0,041
0,108
0,226
0,391
0,578
0,747
0,872
0,946
0,982
0,995
0,999
1,000
1,000
1,000
1,000
M
0,5
0,000
0,000
0,001
0,004
0,015
0,048
0,119
0,240
0,407
0,593
0,760
0,881
0,952
0,985
0,996
0,999
1,000
1,000
1,000
N
0,55
0,000
0,000
0,000
0,001
0,005
0,018
0,054
0,128
0,253
0,422
0,609
0,774
0,892
0,959
0,988
0,997
1,000
1,000
1,000
O
0,6
0,000
0,000
0,000
0,000
0,001
0,006
0,020
0,058
0,135
0,263
0,437
0,626
0,791
0,906
0,967
0,992
0,999
1,000
1,000
P
0,65
0,000
0,000
0,000
0,000
0,000
0,001
0,006
0,021
0,060
0,139
0,272
0,451
0,645
0,811
0,922
0,976
0,995
1,000
1,000
Q
0,7
0,000
0,000
0,000
0,000
0,000
0,000
0,001
0,006
0,021
0,060
0,141
0,278
0,466
0,667
0,835
0,940
0,986
0,998
1,000
R
0,75
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,001
0,005
0,019
0,057
0,139
0,283
0,481
0,694
0,865
0,961
0,994
1,000
S
0,8
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,001
0,004
0,016
0,051
0,133
0,284
0,499
0,729
0,901
0,982
1,000
T
0,85
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,001
0,003
0,012
0,042
0,121
0,280
0,520
0,776
0,946
1,000
U
0,9
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,001
0,006
0,028
0,098
0,266
0,550
0,850
1,000
V
0,95
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,002
0,011
0,058
0,226
0,603
1,000
A
B
1 n x \ p
0
2 20
1
3
2
4
3
5
4
6
5
7
6
8
7
9
8
10
9
11
10
12
11
13
12
14
13
15
14
16
15
17
16
18
17
19
18
20
19
21
20
22
C
0,01
0,818
0,983
0,999
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
D
0,05
0,358
0,736
0,925
0,984
0,997
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
E
0,1
0,122
0,392
0,677
0,867
0,957
0,989
0,998
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
F
0,15
0,039
0,176
0,405
0,648
0,830
0,933
0,978
0,994
0,999
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
G
0,2
0,012
0,069
0,206
0,411
0,630
0,804
0,913
0,968
0,990
0,997
0,999
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
H
0,25
0,003
0,024
0,091
0,225
0,415
0,617
0,786
0,898
0,959
0,986
0,996
0,999
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
I
0,3
0,001
0,008
0,035
0,107
0,238
0,416
0,608
0,772
0,887
0,952
0,983
0,995
0,999
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
J
0,35
0,000
0,002
0,012
0,044
0,118
0,245
0,417
0,601
0,762
0,878
0,947
0,980
0,994
0,998
1,000
1,000
1,000
1,000
1,000
1,000
1,000
K
0,4
0,000
0,001
0,004
0,016
0,051
0,126
0,250
0,416
0,596
0,755
0,872
0,943
0,979
0,994
0,998
1,000
1,000
1,000
1,000
1,000
1,000
L
0,45
0,000
0,000
0,001
0,005
0,019
0,055
0,130
0,252
0,414
0,591
0,751
0,869
0,942
0,979
0,994
0,998
1,000
1,000
1,000
1,000
1,000
M
0,5
0,000
0,000
0,000
0,001
0,006
0,021
0,058
0,132
0,252
0,412
0,588
0,748
0,868
0,942
0,979
0,994
0,999
1,000
1,000
1,000
1,000
N
0,55
0,000
0,000
0,000
0,000
0,002
0,006
0,021
0,058
0,131
0,249
0,409
0,586
0,748
0,870
0,945
0,981
0,995
0,999
1,000
1,000
1,000
O
0,6
0,000
0,000
0,000
0,000
0,000
0,002
0,006
0,021
0,057
0,128
0,245
0,404
0,584
0,750
0,874
0,949
0,984
0,996
0,999
1,000
1,000
P
0,65
0,000
0,000
0,000
0,000
0,000
0,000
0,002
0,006
0,020
0,053
0,122
0,238
0,399
0,583
0,755
0,882
0,956
0,988
0,998
1,000
1,000
Q
0,7
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,001
0,005
0,017
0,048
0,113
0,228
0,392
0,584
0,762
0,893
0,965
0,992
0,999
1,000
R
0,75
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,001
0,004
0,014
0,041
0,102
0,214
0,383
0,585
0,775
0,909
0,976
0,997
1,000
S
0,8
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,001
0,003
0,010
0,032
0,087
0,196
0,370
0,589
0,794
0,931
0,988
1,000
T
0,85
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,001
0,006
0,022
0,067
0,170
0,352
0,595
0,824
0,961
1,000
U
0,9
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,002
0,011
0,043
0,133
0,323
0,608
0,878
1,000
V
0,95
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,003
0,016
0,075
0,264
0,642
1,000
Primjer:
0,2
1,0
0,58810
0,1
0,5
0,0
x
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
0,0
x
0
1 2
3 4
6 7
x
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
f. g u st.
0 ,0 0 0 0 0 1
0 ,0 0 0 0 1 9
0 ,0 0 0 1 8 1
0 ,0 0 1 0 8 7
0 ,0 0 4 6 2 1
0 ,0 1 4 7 8 6
0 ,0 3 6 9 6 4
0 ,0 7 3 9 2 9
0 ,1 2 0 1 3 4
0 ,1 6 0 1 7 9
0 ,1 7 6 1 9 7
0 ,1 6 0 1 7 9
0 ,1 2 0 1 3 4
0 ,0 7 3 9 2 9
0 ,0 3 6 9 6 4
0 ,0 1 4 7 8 6
0 ,0 0 4 6 2 1
0 ,0 0 1 0 8 7
0 ,0 0 0 1 8 1
0 ,0 0 0 0 1 9
0 ,0 0 0 0 0 1
fu n . ra s.
0 ,0 0 0 0 0
0 ,0 0 0 0 2
0 ,0 0 0 2 0
0 ,0 0 1 2 9
0 ,0 0 5 9 1
0 ,0 2 0 6 9
0 ,0 5 7 6 6
0 ,1 3 1 5 9
0 ,2 5 1 7 2
0 ,4 1 1 9 0
0 ,5 8 8 1 0
0 ,7 4 8 2 8
0 ,8 6 8 4 1
0 ,9 4 2 3 4
0 ,9 7 9 3 1
0 ,9 9 4 0 9
0 ,9 9 8 7 1
0 ,9 9 9 8 0
0 ,9 9 9 9 8
1 ,0 0 0 0 0
1 ,0 0 0 0 0
8 9 10 11 12 13 14 15 16 17 18 19 20
240
Tabela 4. Binomna raspodjela
n
BINOMDIST(x; n; p; FALSE) f(x) p x (1 - p) n x
x
A
B
C
D
E
1 n x \ p 0,01 0,05 0,1
2 2
0
0,980 0,903 0,810
3
1
0,020 0,095 0,180
4
2
0,000 0,003 0,010
F
G
H
I
0,15 0,2 0,25 0,3
0,723 0,640 0,563 0,490
0,255 0,320 0,375 0,420
0,023 0,040 0,063 0,090
A
B
C
D
E
F
1 n x \ p 0,01 0,05 0,1 0,15
2 3
0
0,970 0,857 0,729 0,614
1
3
0,029 0,135 0,243 0,325
4
2
0,000 0,007 0,027 0,057
5
3
0,000 0,000 0,001 0,003
J
K
L
M
0,35 0,4 0,45 0,5
0,423 0,360 0,303 0,250
0,455 0,480 0,495 0,500
0,123 0,160 0,203 0,250
N
O
P
Q
0,55 0,6 0,65 0,7
0,203 0,160 0,123 0,090
0,495 0,480 0,455 0,420
0,303 0,360 0,423 0,490
R
S
T
U
0,75 0,8 0,85 0,9
0,063 0,040 0,023 0,010
0,375 0,320 0,255 0,180
0,563 0,640 0,723 0,810
V
0,95
0,003
0,095
0,903
G
0,2
0,512
0,384
0,096
0,008
H
0,25
0,422
0,422
0,141
0,016
I
0,3
0,343
0,441
0,189
0,027
J
0,35
0,275
0,444
0,239
0,043
K
0,4
0,216
0,432
0,288
0,064
L
0,45
0,166
0,408
0,334
0,091
M
0,5
0,125
0,375
0,375
0,125
N
0,55
0,091
0,334
0,408
0,166
O
0,6
0,064
0,288
0,432
0,216
P
0,65
0,043
0,239
0,444
0,275
Q
0,7
0,027
0,189
0,441
0,343
R
0,75
0,016
0,141
0,422
0,422
S
0,8
0,008
0,096
0,384
0,512
T
0,85
0,003
0,057
0,325
0,614
U
0,9
0,001
0,027
0,243
0,729
V
0,95
0,000
0,007
0,135
0,857
A
B
C
D
E
F
G
1 n x \ p 0,01 0,05 0,1 0,15 0,2
2 4
0
0,961 0,815 0,656 0,522 0,410
3
1
0,039 0,171 0,292 0,368 0,410
4
2
0,001 0,014 0,049 0,098 0,154
5
3
0,000 0,000 0,004 0,011 0,026
6
4
0,000 0,000 0,000 0,001 0,002
H
0,25
0,316
0,422
0,211
0,047
0,004
I
0,3
0,240
0,412
0,265
0,076
0,008
J
0,35
0,179
0,384
0,311
0,111
0,015
K
0,4
0,130
0,346
0,346
0,154
0,026
L
0,45
0,092
0,299
0,368
0,200
0,041
M
0,5
0,063
0,250
0,375
0,250
0,063
N
0,55
0,041
0,200
0,368
0,299
0,092
O
0,6
0,026
0,154
0,346
0,346
0,130
P
0,65
0,015
0,111
0,311
0,384
0,179
Q
0,7
0,008
0,076
0,265
0,412
0,240
R
0,75
0,004
0,047
0,211
0,422
0,316
S
0,8
0,002
0,026
0,154
0,410
0,410
T
0,85
0,001
0,011
0,098
0,368
0,522
U
0,9
0,000
0,004
0,049
0,292
0,656
V
0,95
0,000
0,000
0,014
0,171
0,815
A
B
C
D
E
F
G
H
1 n x \ p 0,01 0,05 0,1 0,15 0,2 0,25
2 5
0
0,951 0,774 0,590 0,444 0,328 0,237
3
1
0,048 0,204 0,328 0,392 0,410 0,396
2
4
0,001 0,021 0,073 0,138 0,205 0,264
3
5
0,000 0,001 0,008 0,024 0,051 0,088
6
4
0,000 0,000 0,000 0,002 0,006 0,015
7
5
0,000 0,000 0,000 0,000 0,000 0,001
I
0,3
0,168
0,360
0,309
0,132
0,028
0,002
J
0,35
0,116
0,312
0,336
0,181
0,049
0,005
K
0,4
0,078
0,259
0,346
0,230
0,077
0,010
L
0,45
0,050
0,206
0,337
0,276
0,113
0,018
M
0,5
0,031
0,156
0,313
0,313
0,156
0,031
N
0,55
0,018
0,113
0,276
0,337
0,206
0,050
O
0,6
0,010
0,077
0,230
0,346
0,259
0,078
P
0,65
0,005
0,049
0,181
0,336
0,312
0,116
Q
0,7
0,002
0,028
0,132
0,309
0,360
0,168
R
0,75
0,001
0,015
0,088
0,264
0,396
0,237
S
0,8
0,000
0,006
0,051
0,205
0,410
0,328
T
0,85
0,000
0,002
0,024
0,138
0,392
0,444
U
0,9
0,000
0,000
0,008
0,073
0,328
0,590
V
0,95
0,000
0,000
0,001
0,021
0,204
0,774
A
B
C
D
E
F
G
H
I
1 n x \ p 0,01 0,05 0,1 0,15 0,2 0,25 0,3
2 6
0
0,941 0,735 0,531 0,377 0,262 0,178 0,118
3
1
0,057 0,232 0,354 0,399 0,393 0,356 0,303
4
2
0,001 0,031 0,098 0,176 0,246 0,297 0,324
5
3
0,000 0,002 0,015 0,041 0,082 0,132 0,185
6
4
0,000 0,000 0,001 0,005 0,015 0,033 0,060
7
5
0,000 0,000 0,000 0,000 0,002 0,004 0,010
6
8
0,000 0,000 0,000 0,000 0,000 0,000 0,001
J
0,35
0,075
0,244
0,328
0,235
0,095
0,020
0,002
K
0,4
0,047
0,187
0,311
0,276
0,138
0,037
0,004
L
0,45
0,028
0,136
0,278
0,303
0,186
0,061
0,008
M
0,5
0,016
0,094
0,234
0,313
0,234
0,094
0,016
N
0,55
0,008
0,061
0,186
0,303
0,278
0,136
0,028
O
0,6
0,004
0,037
0,138
0,276
0,311
0,187
0,047
P
0,65
0,002
0,020
0,095
0,235
0,328
0,244
0,075
Q
0,7
0,001
0,010
0,060
0,185
0,324
0,303
0,118
R
0,75
0,000
0,004
0,033
0,132
0,297
0,356
0,178
S
0,8
0,000
0,002
0,015
0,082
0,246
0,393
0,262
T
0,85
0,000
0,000
0,005
0,041
0,176
0,399
0,377
U
0,9
0,000
0,000
0,001
0,015
0,098
0,354
0,531
V
0,95
0,000
0,000
0,000
0,002
0,031
0,232
0,735
A
B
C
D
E
F
G
H
I
J
1 n x \ p 0,01 0,05 0,1 0,15 0,2 0,25 0,3 0,35
2 7
0
0,932 0,698 0,478 0,321 0,210 0,133 0,082 0,049
3
1
0,066 0,257 0,372 0,396 0,367 0,311 0,247 0,185
4
2
0,002 0,041 0,124 0,210 0,275 0,311 0,318 0,298
5
3
0,000 0,004 0,023 0,062 0,115 0,173 0,227 0,268
6
4
0,000 0,000 0,003 0,011 0,029 0,058 0,097 0,144
7
5
0,000 0,000 0,000 0,001 0,004 0,012 0,025 0,047
8
6
0,000 0,000 0,000 0,000 0,000 0,001 0,004 0,008
7
9
0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,001
K
0,4
0,028
0,131
0,261
0,290
0,194
0,077
0,017
0,002
L
0,45
0,015
0,087
0,214
0,292
0,239
0,117
0,032
0,004
M
0,5
0,008
0,055
0,164
0,273
0,273
0,164
0,055
0,008
N
0,55
0,004
0,032
0,117
0,239
0,292
0,214
0,087
0,015
O
0,6
0,002
0,017
0,077
0,194
0,290
0,261
0,131
0,028
P
0,65
0,001
0,008
0,047
0,144
0,268
0,298
0,185
0,049
Q
0,7
0,000
0,004
0,025
0,097
0,227
0,318
0,247
0,082
R
0,75
0,000
0,001
0,012
0,058
0,173
0,311
0,311
0,133
S
0,8
0,000
0,000
0,004
0,029
0,115
0,275
0,367
0,210
T
0,85
0,000
0,000
0,001
0,011
0,062
0,210
0,396
0,321
U
0,9
0,000
0,000
0,000
0,003
0,023
0,124
0,372
0,478
V
0,95
0,000
0,000
0,000
0,000
0,004
0,041
0,257
0,698
A
B
C
D
E
F
G
H
I
J
K
1 n x \ p 0,01 0,05 0,1 0,15 0,2 0,25 0,3 0,35 0,4
2 8
0
0,923 0,663 0,430 0,272 0,168 0,100 0,058 0,032 0,017
3
1
0,075 0,279 0,383 0,385 0,336 0,267 0,198 0,137 0,090
4
2
0,003 0,051 0,149 0,238 0,294 0,311 0,296 0,259 0,209
5
3
0,000 0,005 0,033 0,084 0,147 0,208 0,254 0,279 0,279
6
4
0,000 0,000 0,005 0,018 0,046 0,087 0,136 0,188 0,232
7
5
0,000 0,000 0,000 0,003 0,009 0,023 0,047 0,081 0,124
8
6
0,000 0,000 0,000 0,000 0,001 0,004 0,010 0,022 0,041
9
7
0,000 0,000 0,000 0,000 0,000 0,000 0,001 0,003 0,008
8
10
0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,001
L
0,45
0,008
0,055
0,157
0,257
0,263
0,172
0,070
0,016
0,002
M
0,5
0,004
0,031
0,109
0,219
0,273
0,219
0,109
0,031
0,004
N
0,55
0,002
0,016
0,070
0,172
0,263
0,257
0,157
0,055
0,008
O
0,6
0,001
0,008
0,041
0,124
0,232
0,279
0,209
0,090
0,017
P
0,65
0,000
0,003
0,022
0,081
0,188
0,279
0,259
0,137
0,032
Q
0,7
0,000
0,001
0,010
0,047
0,136
0,254
0,296
0,198
0,058
R
0,75
0,000
0,000
0,004
0,023
0,087
0,208
0,311
0,267
0,100
S
0,8
0,000
0,000
0,001
0,009
0,046
0,147
0,294
0,336
0,168
T
0,85
0,000
0,000
0,000
0,003
0,018
0,084
0,238
0,385
0,272
U
0,9
0,000
0,000
0,000
0,000
0,005
0,033
0,149
0,383
0,430
V
0,95
0,000
0,000
0,000
0,000
0,000
0,005
0,051
0,279
0,663
A
B
C
D
E
F
G
H
I
J
K
L
1 n x \ p 0,01 0,05 0,1 0,15 0,2 0,25 0,3 0,35 0,4 0,45
2 9
0
0,914 0,630 0,387 0,232 0,134 0,075 0,040 0,021 0,010 0,005
3
1
0,083 0,299 0,387 0,368 0,302 0,225 0,156 0,100 0,060 0,034
4
2
0,003 0,063 0,172 0,260 0,302 0,300 0,267 0,216 0,161 0,111
3
5
0,000 0,008 0,045 0,107 0,176 0,234 0,267 0,272 0,251 0,212
4
6
0,000 0,001 0,007 0,028 0,066 0,117 0,172 0,219 0,251 0,260
5
7
0,000 0,000 0,001 0,005 0,017 0,039 0,074 0,118 0,167 0,213
8
6
0,000 0,000 0,000 0,001 0,003 0,009 0,021 0,042 0,074 0,116
9
7
0,000 0,000 0,000 0,000 0,000 0,001 0,004 0,010 0,021 0,041
10
8
0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,001 0,004 0,008
11
9
0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,001
M
0,5
0,002
0,018
0,070
0,164
0,246
0,246
0,164
0,070
0,018
0,002
N
0,55
0,001
0,008
0,041
0,116
0,213
0,260
0,212
0,111
0,034
0,005
O
0,6
0,000
0,004
0,021
0,074
0,167
0,251
0,251
0,161
0,060
0,010
P
0,65
0,000
0,001
0,010
0,042
0,118
0,219
0,272
0,216
0,100
0,021
Q
0,7
0,000
0,000
0,004
0,021
0,074
0,172
0,267
0,267
0,156
0,040
R
0,75
0,000
0,000
0,001
0,009
0,039
0,117
0,234
0,300
0,225
0,075
S
0,8
0,000
0,000
0,000
0,003
0,017
0,066
0,176
0,302
0,302
0,134
T
0,85
0,000
0,000
0,000
0,001
0,005
0,028
0,107
0,260
0,368
0,232
U
0,9
0,000
0,000
0,000
0,000
0,001
0,007
0,045
0,172
0,387
0,387
V
0,95
0,000
0,000
0,000
0,000
0,000
0,001
0,008
0,063
0,299
0,630
241
A
B
1 n x \ p
2 10
0
3
1
2
4
3
5
6
4
7
5
8
6
9
7
10
8
11
9
12
10
C
0,01
0,904
0,091
0,004
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
D
0,05
0,599
0,315
0,075
0,010
0,001
0,000
0,000
0,000
0,000
0,000
0,000
E
0,1
0,349
0,387
0,194
0,057
0,011
0,001
0,000
0,000
0,000
0,000
0,000
F
0,15
0,197
0,347
0,276
0,130
0,040
0,008
0,001
0,000
0,000
0,000
0,000
G
0,2
0,107
0,268
0,302
0,201
0,088
0,026
0,006
0,001
0,000
0,000
0,000
H
0,25
0,056
0,188
0,282
0,250
0,146
0,058
0,016
0,003
0,000
0,000
0,000
I
0,3
0,028
0,121
0,233
0,267
0,200
0,103
0,037
0,009
0,001
0,000
0,000
J
0,35
0,013
0,072
0,176
0,252
0,238
0,154
0,069
0,021
0,004
0,001
0,000
K
0,4
0,006
0,040
0,121
0,215
0,251
0,201
0,111
0,042
0,011
0,002
0,000
L
0,45
0,003
0,021
0,076
0,166
0,238
0,234
0,160
0,075
0,023
0,004
0,000
M
0,5
0,001
0,010
0,044
0,117
0,205
0,246
0,205
0,117
0,044
0,010
0,001
N
0,55
0,000
0,004
0,023
0,075
0,160
0,234
0,238
0,166
0,076
0,021
0,003
O
0,6
0,000
0,002
0,011
0,042
0,111
0,201
0,251
0,215
0,121
0,040
0,006
P
0,65
0,000
0,001
0,004
0,021
0,069
0,154
0,238
0,252
0,176
0,072
0,013
Q
0,7
0,000
0,000
0,001
0,009
0,037
0,103
0,200
0,267
0,233
0,121
0,028
R
0,75
0,000
0,000
0,000
0,003
0,016
0,058
0,146
0,250
0,282
0,188
0,056
S
0,8
0,000
0,000
0,000
0,001
0,006
0,026
0,088
0,201
0,302
0,268
0,107
T
0,85
0,000
0,000
0,000
0,000
0,001
0,008
0,040
0,130
0,276
0,347
0,197
U
0,9
0,000
0,000
0,000
0,000
0,000
0,001
0,011
0,057
0,194
0,387
0,349
V
0,95
0,000
0,000
0,000
0,000
0,000
0,000
0,001
0,010
0,075
0,315
0,599
A
B
1 n x \ p
0
2 11
1
3
2
4
3
5
4
6
5
7
6
8
7
9
8
10
9
11
10
12
11
13
C
0,01
0,895
0,099
0,005
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
D
0,05
0,569
0,329
0,087
0,014
0,001
0,000
0,000
0,000
0,000
0,000
0,000
0,000
E
0,1
0,314
0,384
0,213
0,071
0,016
0,002
0,000
0,000
0,000
0,000
0,000
0,000
F
0,15
0,167
0,325
0,287
0,152
0,054
0,013
0,002
0,000
0,000
0,000
0,000
0,000
G
0,2
0,086
0,236
0,295
0,221
0,111
0,039
0,010
0,002
0,000
0,000
0,000
0,000
H
0,25
0,042
0,155
0,258
0,258
0,172
0,080
0,027
0,006
0,001
0,000
0,000
0,000
I
0,3
0,020
0,093
0,200
0,257
0,220
0,132
0,057
0,017
0,004
0,001
0,000
0,000
J
0,35
0,009
0,052
0,140
0,225
0,243
0,183
0,099
0,038
0,010
0,002
0,000
0,000
K
0,4
0,004
0,027
0,089
0,177
0,236
0,221
0,147
0,070
0,023
0,005
0,001
0,000
L
0,45
0,001
0,013
0,051
0,126
0,206
0,236
0,193
0,113
0,046
0,013
0,002
0,000
M
0,5
0,000
0,005
0,027
0,081
0,161
0,226
0,226
0,161
0,081
0,027
0,005
0,000
N
0,55
0,000
0,002
0,013
0,046
0,113
0,193
0,236
0,206
0,126
0,051
0,013
0,001
O
0,6
0,000
0,001
0,005
0,023
0,070
0,147
0,221
0,236
0,177
0,089
0,027
0,004
P
0,65
0,000
0,000
0,002
0,010
0,038
0,099
0,183
0,243
0,225
0,140
0,052
0,009
Q
0,7
0,000
0,000
0,001
0,004
0,017
0,057
0,132
0,220
0,257
0,200
0,093
0,020
R
0,75
0,000
0,000
0,000
0,001
0,006
0,027
0,080
0,172
0,258
0,258
0,155
0,042
S
0,8
0,000
0,000
0,000
0,000
0,002
0,010
0,039
0,111
0,221
0,295
0,236
0,086
T
0,85
0,000
0,000
0,000
0,000
0,000
0,002
0,013
0,054
0,152
0,287
0,325
0,167
U
0,9
0,000
0,000
0,000
0,000
0,000
0,000
0,002
0,016
0,071
0,213
0,384
0,314
V
0,95
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,001
0,014
0,087
0,329
0,569
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
1 n x \ p 0,01 0,05 0,1 0,15 0,2 0,25 0,3 0,35 0,4 0,45 0,5 0,55 0,6
0
0,886 0,540 0,282 0,142 0,069 0,032 0,014 0,006 0,002 0,001 0,000 0,000 0,000
2 12
1
0,107 0,341 0,377 0,301 0,206 0,127 0,071 0,037 0,017 0,008 0,003 0,001 0,000
3
2
0,006 0,099 0,230 0,292 0,283 0,232 0,168 0,109 0,064 0,034 0,016 0,007 0,002
4
3
0,000 0,017 0,085 0,172 0,236 0,258 0,240 0,195 0,142 0,092 0,054 0,028 0,012
5
4
0,000 0,002 0,021 0,068 0,133 0,194 0,231 0,237 0,213 0,170 0,121 0,076 0,042
6
5
0,000 0,000 0,004 0,019 0,053 0,103 0,158 0,204 0,227 0,222 0,193 0,149 0,101
7
6
0,000 0,000 0,000 0,004 0,016 0,040 0,079 0,128 0,177 0,212 0,226 0,212 0,177
8
7
0,000 0,000 0,000 0,001 0,003 0,011 0,029 0,059 0,101 0,149 0,193 0,222 0,227
9
8
0,000 0,000 0,000 0,000 0,001 0,002 0,008 0,020 0,042 0,076 0,121 0,170 0,213
10
9
0,000 0,000 0,000 0,000 0,000 0,000 0,001 0,005 0,012 0,028 0,054 0,092 0,142
11
10
0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,001 0,002 0,007 0,016 0,034 0,064
12
11
0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,001 0,003 0,008 0,017
13
12
0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,001 0,002
14
P
0,65
0,000
0,000
0,001
0,005
0,020
0,059
0,128
0,204
0,237
0,195
0,109
0,037
0,006
Q
0,7
0,000
0,000
0,000
0,001
0,008
0,029
0,079
0,158
0,231
0,240
0,168
0,071
0,014
R
0,75
0,000
0,000
0,000
0,000
0,002
0,011
0,040
0,103
0,194
0,258
0,232
0,127
0,032
S
0,8
0,000
0,000
0,000
0,000
0,001
0,003
0,016
0,053
0,133
0,236
0,283
0,206
0,069
T
0,85
0,000
0,000
0,000
0,000
0,000
0,001
0,004
0,019
0,068
0,172
0,292
0,301
0,142
U
0,9
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,004
0,021
0,085
0,230
0,377
0,282
V
0,95
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,002
0,017
0,099
0,341
0,540
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
Q
R
1 n x \ p 0,01 0,05 0,1 0,15 0,2 0,25 0,3 0,35 0,4 0,45 0,5 0,55 0,6 0,65 0,7 0,75
0
0,860 0,463 0,206 0,087 0,035 0,013 0,005 0,002 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000
2 15
1
0,130 0,366 0,343 0,231 0,132 0,067 0,031 0,013 0,005 0,002 0,000 0,000 0,000 0,000 0,000 0,000
3
2
0,009 0,135 0,267 0,286 0,231 0,156 0,092 0,048 0,022 0,009 0,003 0,001 0,000 0,000 0,000 0,000
4
3
0,000 0,031 0,129 0,218 0,250 0,225 0,170 0,111 0,063 0,032 0,014 0,005 0,002 0,000 0,000 0,000
5
4
0,000 0,005 0,043 0,116 0,188 0,225 0,219 0,179 0,127 0,078 0,042 0,019 0,007 0,002 0,001 0,000
6
5
0,000 0,001 0,010 0,045 0,103 0,165 0,206 0,212 0,186 0,140 0,092 0,051 0,024 0,010 0,003 0,001
7
6
0,000 0,000 0,002 0,013 0,043 0,092 0,147 0,191 0,207 0,191 0,153 0,105 0,061 0,030 0,012 0,003
8
7
0,000 0,000 0,000 0,003 0,014 0,039 0,081 0,132 0,177 0,201 0,196 0,165 0,118 0,071 0,035 0,013
9
8
0,000 0,000 0,000 0,001 0,003 0,013 0,035 0,071 0,118 0,165 0,196 0,201 0,177 0,132 0,081 0,039
10
9
0,000 0,000 0,000 0,000 0,001 0,003 0,012 0,030 0,061 0,105 0,153 0,191 0,207 0,191 0,147 0,092
11
10
0,000 0,000 0,000 0,000 0,000 0,001 0,003 0,010 0,024 0,051 0,092 0,140 0,186 0,212 0,206 0,165
12
11
0,000 0,000 0,000 0,000 0,000 0,000 0,001 0,002 0,007 0,019 0,042 0,078 0,127 0,179 0,219 0,225
13
12
0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,002 0,005 0,014 0,032 0,063 0,111 0,170 0,225
14
13
0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,001 0,003 0,009 0,022 0,048 0,092 0,156
15
14
0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,002 0,005 0,013 0,031 0,067
16
15
0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,002 0,005 0,013
17
S
0,8
0,000
0,000
0,000
0,000
0,000
0,000
0,001
0,003
0,014
0,043
0,103
0,188
0,250
0,231
0,132
0,035
T
0,85
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,001
0,003
0,013
0,045
0,116
0,218
0,286
0,231
0,087
U
0,9
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,002
0,010
0,043
0,129
0,267
0,343
0,206
V
0,95
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,001
0,005
0,031
0,135
0,366
0,463
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
Q
R
S
1 n x \ p 0,01 0,05 0,1 0,15 0,2 0,25 0,3 0,35 0,4 0,45 0,5 0,55 0,6 0,65 0,7 0,75 0,8
0
0,851 0,440 0,185 0,074 0,028 0,010 0,003 0,001 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000
2 16
1
0,138 0,371 0,329 0,210 0,113 0,053 0,023 0,009 0,003 0,001 0,000 0,000 0,000 0,000 0,000 0,000 0,000
3
2
0,010 0,146 0,275 0,277 0,211 0,134 0,073 0,035 0,015 0,006 0,002 0,001 0,000 0,000 0,000 0,000 0,000
4
3
0,000 0,036 0,142 0,229 0,246 0,208 0,146 0,089 0,047 0,022 0,009 0,003 0,001 0,000 0,000 0,000 0,000
5
4
0,000 0,006 0,051 0,131 0,200 0,225 0,204 0,155 0,101 0,057 0,028 0,011 0,004 0,001 0,000 0,000 0,000
6
5
0,000 0,001 0,014 0,056 0,120 0,180 0,210 0,201 0,162 0,112 0,067 0,034 0,014 0,005 0,001 0,000 0,000
7
6
0,000 0,000 0,003 0,018 0,055 0,110 0,165 0,198 0,198 0,168 0,122 0,075 0,039 0,017 0,006 0,001 0,000
8
7
0,000 0,000 0,000 0,005 0,020 0,052 0,101 0,152 0,189 0,197 0,175 0,132 0,084 0,044 0,019 0,006 0,001
9
8
0,000 0,000 0,000 0,001 0,006 0,020 0,049 0,092 0,142 0,181 0,196 0,181 0,142 0,092 0,049 0,020 0,006
10
9
0,000 0,000 0,000 0,000 0,001 0,006 0,019 0,044 0,084 0,132 0,175 0,197 0,189 0,152 0,101 0,052 0,020
11
10
0,000 0,000 0,000 0,000 0,000 0,001 0,006 0,017 0,039 0,075 0,122 0,168 0,198 0,198 0,165 0,110 0,055
12
11
13
0,000 0,000 0,000 0,000 0,000 0,000 0,001 0,005 0,014 0,034 0,067 0,112 0,162 0,201 0,210 0,180 0,120
12
14
0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,001 0,004 0,011 0,028 0,057 0,101 0,155 0,204 0,225 0,200
13
15
0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,001 0,003 0,009 0,022 0,047 0,089 0,146 0,208 0,246
14
16
0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,001 0,002 0,006 0,015 0,035 0,073 0,134 0,211
15
17
0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,001 0,003 0,009 0,023 0,053 0,113
16
18
0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,001 0,003 0,010 0,028
T
0,85
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,001
0,005
0,018
0,056
0,131
0,229
0,277
0,210
0,074
U
0,9
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,003
0,014
0,051
0,142
0,275
0,329
0,185
V
0,95
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,001
0,006
0,036
0,146
0,371
0,440
242
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
Q
R
S
T
U
1 n x \ p 0,01 0,05 0,1 0,15 0,2 0,25 0,3 0,35 0,4 0,45 0,5 0,55 0,6 0,65 0,7 0,75 0,8 0,85 0,9
0
2 17
0,843 0,418 0,167 0,063 0,023 0,008 0,002 0,001 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000
1
3
0,145 0,374 0,315 0,189 0,096 0,043 0,017 0,006 0,002 0,001 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000
2
4
0,012 0,158 0,280 0,267 0,191 0,114 0,058 0,026 0,010 0,004 0,001 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000
3
5
0,001 0,041 0,156 0,236 0,239 0,189 0,125 0,070 0,034 0,014 0,005 0,002 0,000 0,000 0,000 0,000 0,000 0,000 0,000
4
6
0,000 0,008 0,060 0,146 0,209 0,221 0,187 0,132 0,080 0,041 0,018 0,007 0,002 0,001 0,000 0,000 0,000 0,000 0,000
5
7
0,000 0,001 0,017 0,067 0,136 0,191 0,208 0,185 0,138 0,087 0,047 0,021 0,008 0,002 0,001 0,000 0,000 0,000 0,000
6
8
0,000 0,000 0,004 0,024 0,068 0,128 0,178 0,199 0,184 0,143 0,094 0,052 0,024 0,009 0,003 0,001 0,000 0,000 0,000
7
9
0,000 0,000 0,001 0,007 0,027 0,067 0,120 0,168 0,193 0,184 0,148 0,101 0,057 0,026 0,009 0,002 0,000 0,000 0,000
10
8
0,000 0,000 0,000 0,001 0,008 0,028 0,064 0,113 0,161 0,188 0,185 0,154 0,107 0,061 0,028 0,009 0,002 0,000 0,000
11
9
0,000 0,000 0,000 0,000 0,002 0,009 0,028 0,061 0,107 0,154 0,185 0,188 0,161 0,113 0,064 0,028 0,008 0,001 0,000
10
12
0,000 0,000 0,000 0,000 0,000 0,002 0,009 0,026 0,057 0,101 0,148 0,184 0,193 0,168 0,120 0,067 0,027 0,007 0,001
11
13
0,000 0,000 0,000 0,000 0,000 0,001 0,003 0,009 0,024 0,052 0,094 0,143 0,184 0,199 0,178 0,128 0,068 0,024 0,004
12
14
0,000 0,000 0,000 0,000 0,000 0,000 0,001 0,002 0,008 0,021 0,047 0,087 0,138 0,185 0,208 0,191 0,136 0,067 0,017
15
13
0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,001 0,002 0,007 0,018 0,041 0,080 0,132 0,187 0,221 0,209 0,146 0,060
16
14
0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,002 0,005 0,014 0,034 0,070 0,125 0,189 0,239 0,236 0,156
17
15
0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,001 0,004 0,010 0,026 0,058 0,114 0,191 0,267 0,280
18
16
0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,001 0,002 0,006 0,017 0,043 0,096 0,189 0,315
19
17
0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,001 0,002 0,008 0,023 0,063 0,167
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
Q
R
S
T
U
1 n x \ p 0,01 0,05
0,1
0,15
0,2
0,25
0,3
0,35
0,4
0,45
0,5
0,55
0,6
0,65
0,7
0,75
0,8
0,85
0,9
2 18
0
0,835 0,397 0,150 0,054 0,018 0,006 0,002 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000
1
3
0,152 0,376 0,300 0,170 0,081 0,034 0,013 0,004 0,001 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000
2
4
0,013 0,168 0,284 0,256 0,172 0,096 0,046 0,019 0,007 0,002 0,001 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000
5
3
0,001 0,047 0,168 0,241 0,230 0,170 0,105 0,055 0,025 0,009 0,003 0,001 0,000 0,000 0,000 0,000 0,000 0,000 0,000
6
4
0,000 0,009 0,070 0,159 0,215 0,213 0,168 0,110 0,061 0,029 0,012 0,004 0,001 0,000 0,000 0,000 0,000 0,000 0,000
5
7
0,000 0,001 0,022 0,079 0,151 0,199 0,202 0,166 0,115 0,067 0,033 0,013 0,004 0,001 0,000 0,000 0,000 0,000 0,000
6
8
0,000 0,000 0,005 0,030 0,082 0,144 0,187 0,194 0,166 0,118 0,071 0,035 0,015 0,005 0,001 0,000 0,000 0,000 0,000
9
7
0,000 0,000 0,001 0,009 0,035 0,082 0,138 0,179 0,189 0,166 0,121 0,074 0,037 0,015 0,005 0,001 0,000 0,000 0,000
10
8
0,000 0,000 0,000 0,002 0,012 0,038 0,081 0,133 0,173 0,186 0,167 0,125 0,077 0,038 0,015 0,004 0,001 0,000 0,000
9
11
0,000 0,000 0,000 0,000 0,003 0,014 0,039 0,079 0,128 0,169 0,185 0,169 0,128 0,079 0,039 0,014 0,003 0,000 0,000
10
12
0,000 0,000 0,000 0,000 0,001 0,004 0,015 0,038 0,077 0,125 0,167 0,186 0,173 0,133 0,081 0,038 0,012 0,002 0,000
13
11
0,000 0,000 0,000 0,000 0,000 0,001 0,005 0,015 0,037 0,074 0,121 0,166 0,189 0,179 0,138 0,082 0,035 0,009 0,001
14
12
0,000 0,000 0,000 0,000 0,000 0,000 0,001 0,005 0,015 0,035 0,071 0,118 0,166 0,194 0,187 0,144 0,082 0,030 0,005
13
15
0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,001 0,004 0,013 0,033 0,067 0,115 0,166 0,202 0,199 0,151 0,079 0,022
14
16
0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,001 0,004 0,012 0,029 0,061 0,110 0,168 0,213 0,215 0,159 0,070
17
15
0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,001 0,003 0,009 0,025 0,055 0,105 0,170 0,230 0,241 0,168
16
18
0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,001 0,002 0,007 0,019 0,046 0,096 0,172 0,256 0,284
17
19
0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,001 0,004 0,013 0,034 0,081 0,170 0,300
18
20
0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,002 0,006 0,018 0,054 0,150
V
0,95
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,001
0,008
0,041
0,158
0,374
0,418
V
0,95
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,001
0,009
0,047
0,168
0,376
0,397
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
Q
R
S
T
U
V
1 n x \ p 0,01 0,05 0,1 0,15 0,2 0,25 0,3 0,35 0,4 0,45 0,5 0,55 0,6 0,65 0,7 0,75 0,8 0,85 0,9 0,95
2 20
0
0,818 0,358 0,122 0,039 0,012 0,003 0,001 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000
3
1
0,165 0,377 0,270 0,137 0,058 0,021 0,007 0,002 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000
4
2
0,016 0,189 0,285 0,229 0,137 0,067 0,028 0,010 0,003 0,001 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000
5
0,001 0,060 0,190 0,243 0,205 0,134 0,072 0,032 0,012 0,004 0,001 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000
3
6
4
0,000 0,013 0,090 0,182 0,218 0,190 0,130 0,074 0,035 0,014 0,005 0,001 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000
7
5
0,000 0,002 0,032 0,103 0,175 0,202 0,179 0,127 0,075 0,036 0,015 0,005 0,001 0,000 0,000 0,000 0,000 0,000 0,000 0,000
6
0,000 0,000 0,009 0,045 0,109 0,169 0,192 0,171 0,124 0,075 0,037 0,015 0,005 0,001 0,000 0,000 0,000 0,000 0,000 0,000
8
9
7
0,000 0,000 0,002 0,016 0,055 0,112 0,164 0,184 0,166 0,122 0,074 0,037 0,015 0,004 0,001 0,000 0,000 0,000 0,000 0,000
10
8
0,000 0,000 0,000 0,005 0,022 0,061 0,114 0,161 0,180 0,162 0,120 0,073 0,035 0,014 0,004 0,001 0,000 0,000 0,000 0,000
11
0,000 0,000 0,000 0,001 0,007 0,027 0,065 0,116 0,160 0,177 0,160 0,119 0,071 0,034 0,012 0,003 0,000 0,000 0,000 0,000
9
12
10
0,000 0,000 0,000 0,000 0,002 0,010 0,031 0,069 0,117 0,159 0,176 0,159 0,117 0,069 0,031 0,010 0,002 0,000 0,000 0,000
13
11
0,000 0,000 0,000 0,000 0,000 0,003 0,012 0,034 0,071 0,119 0,160 0,177 0,160 0,116 0,065 0,027 0,007 0,001 0,000 0,000
14
12
0,000 0,000 0,000 0,000 0,000 0,001 0,004 0,014 0,035 0,073 0,120 0,162 0,180 0,161 0,114 0,061 0,022 0,005 0,000 0,000
13
0,000 0,000 0,000 0,000 0,000 0,000 0,001 0,004 0,015 0,037 0,074 0,122 0,166 0,184 0,164 0,112 0,055 0,016 0,002 0,000
15
16
14
0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,001 0,005 0,015 0,037 0,075 0,124 0,171 0,192 0,169 0,109 0,045 0,009 0,000
17
0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,001 0,005 0,015 0,036 0,075 0,127 0,179 0,202 0,175 0,103 0,032 0,002
15
18
16
0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,001 0,005 0,014 0,035 0,074 0,130 0,190 0,218 0,182 0,090 0,013
19
17
0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,001 0,004 0,012 0,032 0,072 0,134 0,205 0,243 0,190 0,060
20
18
0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,001 0,003 0,010 0,028 0,067 0,137 0,229 0,285 0,189
21
19
0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,002 0,007 0,021 0,058 0,137 0,270 0,377
20
0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,001 0,003 0,012 0,039 0,122 0,358
22
0,2
f( x)
0 ,1 9 1 6 3 9
0,1
x
0,0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
n
BINOMDIST( x; n; p; FALSE) f(x) p x (1 - p) n x
x
20
BINOMDIST( 6;20;0,3) f(6) 0,3 6 0,7 14 0,1916
6
243
Tabela 5. Poissonova raspodjela

Vrijednosti u tabeli izraunate su posredstvom ugraene Excelove funkcije POISSON
prema inicijalnoj sintaksi(u eliji B2): =POISSON($A2 ;B$1;0).
f(x)
x e
, x 0, 1, 2, 3, ...,7
x!
f(x)
0,904837
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0,0
x
0
Kada upisana formula =POISSON($A2;B$1;0) postavi rezultat u selektovanoj eliji B2,

potrebno je ponovo oznaiti ovu eliju, a zatim miem (uz dranje lijeve tipke) koji pokazuje
na donji desni ugao elije (pojavi se crni znak plus), povui prvo po irini a zatim po duini
tabele. Vrijednosti u tabeli postavljaju se tako u samo nekoliko poteza nakon definisanja
formata tabele.
1
2
3
4
5
6
7
8
9
A
B
C
D
E
F
G
H
I
x\
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0
0,9048374 0,8187308 0,7408182 0,6703200 0,6065307 0,5488116 0,4965853 0,4493290
1
0,0904837 0,1637462 0,2222455 0,2681280 0,3032653 0,3292870 0,3476097 0,3594632
2
0,0045242 0,0163746 0,0333368 0,0536256 0,0758163 0,0987861 0,1216634 0,1437853
3
0,0001508 0,0010916 0,0033337 0,0071501 0,0126361 0,0197572 0,0283881 0,0383427
4
0,0000038 0,0000546 0,0002500 0,0007150 0,0015795 0,0029636 0,0049679 0,0076685
5
0,0000001 0,0000022 0,0000150 0,0000572 0,0001580 0,0003556 0,0006955 0,0012270
6
0,0000000 0,0000001 0,0000008 0,0000038 0,0000132 0,0000356 0,0000811 0,0001636
7
0,0000000 0,0000000 0,0000000 0,0000002 0,0000009 0,0000030 0,0000081 0,0000187
J
0,9
0,4065697
0,3659127
0,1646607
0,0493982
0,0111146
0,0020006
0,0003001
0,0000386
K
1
0,3678794
0,3678794
0,1839397
0,0613132
0,0153283
0,0030657
0,0005109
0,0000730
1
2
3
4
5
6
7
8
9
10
11
A
B
C
D
E
F
G
H
I
J
K
x\
1,1
1,2
1,3
1,4
1,5
1,6
1,7
1,8
1,9
2
0
0,3328711 0,3011942 0,2725318 0,2465970 0,2231302 0,2018965 0,1826835 0,1652989 0,1495686 0,1353353
1
0,3661582 0,3614331 0,3542913 0,3452357 0,3346952 0,3230344 0,3105620 0,2975380 0,2841804 0,2706706
2
0,2013870 0,2168598 0,2302894 0,2416650 0,2510214 0,2584275 0,2639777 0,2677842 0,2699714 0,2706706
3
0,0738419 0,0867439 0,0997921 0,1127770 0,1255107 0,1378280 0,1495874 0,1606705 0,1709819 0,1804470
4
0,0203065 0,0260232 0,0324324 0,0394720 0,0470665 0,0551312 0,0635746 0,0723017 0,0812164 0,0902235
5
0,0044674 0,0062456 0,0084324 0,0110521 0,0141200 0,0176420 0,0216154 0,0260286 0,0308622 0,0360894
6
0,0008190 0,0012491 0,0018270 0,0025788 0,0035300 0,0047045 0,0061244 0,0078086 0,0097730 0,0120298
7
0,0001287 0,0002141 0,0003393 0,0005158 0,0007564 0,0010753 0,0014873 0,0020079 0,0026527 0,0034371
8
0,0000177 0,0000321 0,0000551 0,0000903 0,0001418 0,0002151 0,0003161 0,0004518 0,0006300 0,0008593
9
0,0000022 0,0000043 0,0000080 0,0000140 0,0000236 0,0000382 0,0000597 0,0000904 0,0001330 0,0001909
1
2
3
4
5
6
7
8
9
10
11
12
13
14
A
B
C
D
E
F
G
H
I
J
K
x\
2,1
2,2
2,3
2,4
2,5
2,6
2,7
2,8
2,9
3
0
0,1224564 0,1108032 0,1002588 0,0907180 0,0820850 0,0742736 0,0672055 0,0608101 0,0550232 0,0497871
1
0,2571585 0,2437669 0,2305953 0,2177231 0,2052125 0,1931113 0,1814549 0,1702682 0,1595673 0,1493612
2
0,2700164 0,2681436 0,2651846 0,2612677 0,2565156 0,2510447 0,2449641 0,2383754 0,2313726 0,2240418
3
0,1890115 0,1966387 0,2033082 0,2090142 0,2137630 0,2175721 0,2204677 0,2224837 0,2236602 0,2240418
4
0,0992310 0,1081513 0,1169022 0,1254085 0,1336019 0,1414218 0,1488157 0,1557386 0,1621537 0,1680314
5
0,0416770 0,0475866 0,0537750 0,0601961 0,0668009 0,0735394 0,0803605 0,0872136 0,0940491 0,1008188
6
0,0145870 0,0174484 0,0206138 0,0240784 0,0278337 0,0318671 0,0361622 0,0406997 0,0454571 0,0504094
7
0,0043761 0,0054838 0,0067731 0,0082555 0,0099406 0,0118363 0,0139483 0,0162799 0,0188322 0,0216040
8
0,0011487 0,0015080 0,0019473 0,0024766 0,0031064 0,0038468 0,0047075 0,0056980 0,0068267 0,0081015
9
0,0002680 0,0003686 0,0004976 0,0006604 0,0008629 0,0011113 0,0014123 0,0017727 0,0021997 0,0027005
10
0,0000563 0,0000811 0,0001145 0,0001585 0,0002157 0,0002889 0,0003813 0,0004964 0,0006379 0,0008102
11
0,0000107 0,0000162 0,0000239 0,0000346 0,0000490 0,0000683 0,0000936 0,0001263 0,0001682 0,0002210
12
0,0000019 0,0000030 0,0000046 0,0000069 0,0000102 0,0000148 0,0000211 0,0000295 0,0000406 0,0000552
244
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
A
x\
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
A
x\
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
A
x\
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
A
x\
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
B
3,1
0,0450492
0,1396525
0,2164614
0,2236768
0,1733495
0,1074767
0,0555296
0,0245917
0,0095293
0,0032823
0,0010175
0,0002868
0,0000741
0,0000177
0,0000039
C
3,2
0,0407622
0,1304391
0,2087025
0,2226160
0,1780928
0,1139794
0,0607890
0,0277893
0,0111157
0,0039523
0,0012647
0,0003679
0,0000981
0,0000242
0,0000055
D
3,3
0,0368832
0,1217145
0,2008288
0,2209117
0,1822522
0,1202864
0,0661575
0,0311886
0,0128653
0,0047173
0,0015567
0,0004670
0,0001284
0,0000326
0,0000077
E
3,4
0,0333733
0,1134691
0,1928975
0,2186172
0,1858246
0,1263607
0,0716044
0,0347793
0,0147812
0,0055840
0,0018986
0,0005868
0,0001663
0,0000435
0,0000106
F
3,5
0,0301974
0,1056908
0,1849590
0,2157855
0,1888123
0,1321686
0,0770983
0,0385492
0,0168653
0,0065587
0,0022955
0,0007304
0,0002130
0,0000574
0,0000143
G
3,6
0,0273237
0,0983654
0,1770577
0,2124693
0,1912223
0,1376801
0,0826081
0,0424841
0,0191179
0,0076471
0,0027530
0,0009010
0,0002703
0,0000749
0,0000192
H
3,7
0,0247235
0,0914770
0,1692325
0,2087201
0,1930661
0,1428689
0,0881025
0,0465685
0,0215379
0,0088545
0,0032762
0,0011020
0,0003398
0,0000967
0,0000256
I
3,8
0,0223708
0,0850089
0,1615170
0,2045882
0,1943588
0,1477127
0,0935513
0,0507850
0,0241229
0,0101852
0,0038704
0,0013370
0,0004234
0,0001238
0,0000336
J
3,9
0,0202419
0,0789435
0,1539397
0,2001217
0,1951186
0,1521925
0,0989251
0,0551154
0,0268688
0,0116431
0,0045408
0,0016099
0,0005232
0,0001570
0,0000437
K
4
0,0183156
0,0732626
0,1465251
0,1953668
0,1953668
0,1562935
0,1041956
0,0595404
0,0297702
0,0132312
0,0052925
0,0019245
0,0006415
0,0001974
0,0000564
B
4,1
0,0165727
0,0679480
0,1392933
0,1903676
0,1951267
0,1600039
0,1093360
0,0640397
0,0328203
0,0149515
0,0061301
0,0022849
0,0007807
0,0002462
0,0000721
0,0000197
C
4,2
0,0149956
0,0629814
0,1322610
0,1851654
0,1944237
0,1633159
0,1143211
0,0685927
0,0360111
0,0168052
0,0070582
0,0026949
0,0009432
0,0003047
0,0000914
0,0000256
D
4,3
0,0135686
0,0583448
0,1254413
0,1797992
0,1932842
0,1662244
0,1191275
0,0731783
0,0393333
0,0187926
0,0080808
0,0031589
0,0011319
0,0003744
0,0001150
0,0000330
E
4,4
0,0122773
0,0540203
0,1188447
0,1743055
0,1917360
0,1687277
0,1237337
0,0777754
0,0427765
0,0209130
0,0092017
0,0036807
0,0013496
0,0004568
0,0001436
0,0000421
F
4,5
0,0111090
0,0499905
0,1124786
0,1687179
0,1898076
0,1708269
0,1281201
0,0823629
0,0463292
0,0231646
0,0104241
0,0042644
0,0015991
0,0005536
0,0001779
0,0000534
G
4,6
0,0100518
0,0462384
0,1063484
0,1630676
0,1875277
0,1725255
0,1322696
0,0869200
0,0499790
0,0255448
0,0117506
0,0049139
0,0018837
0,0006665
0,0002190
0,0000672
H
4,7
0,0090953
0,0427478
0,1004573
0,1573832
0,1849252
0,1738297
0,1361666
0,0914261
0,0537129
0,0280500
0,0131835
0,0056330
0,0022062
0,0007976
0,0002678
0,0000839
I
4,8
0,0082297
0,0395028
0,0948067
0,1516907
0,1820288
0,1747477
0,1397981
0,0958616
0,0575170
0,0306757
0,0147243
0,0064252
0,0025701
0,0009489
0,0003254
0,0001041
J
4,9
0,0074466
0,0364883
0,0893962
0,1460138
0,1788670
0,1752896
0,1431532
0,1002072
0,0613769
0,0334163
0,0163740
0,0072939
0,0029783
0,0011226
0,0003929
0,0001284
K
5
0,0067379
0,0336897
0,0842243
0,1403739
0,1754674
0,1754674
0,1462228
0,1044449
0,0652780
0,0362656
0,0181328
0,0082422
0,0034342
0,0013209
0,0004717
0,0001572
B
5,1
0,0060967
0,0310934
0,0792882
0,1347899
0,1718571
0,1752943
0,1490001
0,1085573
0,0692052
0,0392163
0,0200003
0,0092729
0,0039410
0,0015461
0,0005632
0,0001915
0,0000610
0,0000183
C
5,2
0,0055166
0,0286861
0,0745840
0,1292788
0,1680625
0,1747850
0,1514803
0,1125282
0,0731434
0,0422606
0,0219755
0,0103884
0,0045017
0,0018007
0,0006688
0,0002319
0,0000754
0,0000230
D
5,3
0,0049916
0,0264554
0,0701069
0,1238556
0,1641087
0,1739552
0,1536604
0,1163429
0,0770772
0,0453899
0,0240566
0,0115909
0,0051193
0,0020871
0,0007901
0,0002792
0,0000925
0,0000288
E
5,4
0,0045166
0,0243895
0,0658518
0,1185332
0,1600198
0,1728213
0,1555392
0,1199874
0,0809915
0,0485949
0,0262412
0,0128821
0,0057969
0,0024080
0,0009288
0,0003344
0,0001128
0,0000358
F
5,5
0,0040868
0,0224772
0,0618124
0,1133228
0,1558188
0,1714007
0,1571173
0,1234493
0,0848714
0,0518659
0,0285262
0,0142631
0,0065373
0,0027658
0,0010865
0,0003984
0,0001370
0,0000443
G
5,6
0,0036979
0,0207080
0,0579825
0,1082340
0,1515276
0,1697109
0,1583969
0,1267175
0,0887022
0,0551925
0,0309078
0,0157349
0,0073429
0,0031631
0,0012652
0,0004724
0,0001653
0,0000545
H
5,7
0,0033460
0,0190720
0,0543552
0,1032749
0,1471667
0,1677701
0,1593816
0,1297821
0,0924698
0,0585642
0,0333816
0,0172977
0,0082164
0,0036026
0,0014668
0,0005574
0,0001986
0,0000666
I
5,8
0,0030276
0,0175598
0,0509235
0,0984520
0,1427555
0,1655963
0,1600765
0,1326348
0,0961602
0,0619699
0,0359426
0,0189515
0,0091599
0,0040867
0,0016931
0,0006547
0,0002373
0,0000810
J
5,9
0,0027394
0,0161627
0,0476800
0,0937707
0,1383118
0,1632080
0,1604878
0,1352683
0,0997604
0,0653985
0,0385851
0,0206956
0,0101754
0,0046180
0,0019462
0,0007655
0,0002823
0,0000980
K
6
0,0024788
0,0148725
0,0446175
0,0892351
0,1338526
0,1606231
0,1606231
0,1376770
0,1032577
0,0688385
0,0413031
0,0225290
0,0112645
0,0051990
0,0022281
0,0008913
0,0003342
0,0001180
B
6,1
0,0022429
0,0136815
0,0417286
0,0848481
0,1293933
0,1578598
0,1604908
0,1398563
0,1066404
0,0722785
0,0440899
0,0244498
0,0124287
0,0058319
0,0025410
0,0010334
0,0003940
0,0001414
0,0000479
0,0000154
C
6,2
0,0020294
0,0125825
0,0390057
0,0806117
0,1249481
0,1549357
0,1601002
0,1418030
0,1098973
0,0757071
0,0469384
0,0264562
0,0136690
0,0065191
0,0028870
0,0011933
0,0004624
0,0001686
0,0000581
0,0000190
D
6,3
0,0018363
0,0115687
0,0364415
0,0765271
0,1205302
0,1518680
0,1594614
0,1435153
0,1130183
0,0791128
0,0498411
0,0285453
0,0149863
0,0072626
0,0032682
0,0013726
0,0005405
0,0002003
0,0000701
0,0000232
E
6,4
0,0016616
0,0106340
0,0340287
0,0725945
0,1161513
0,1486736
0,1585852
0,1449922
0,1159937
0,0824844
0,0527900
0,0307142
0,0163809
0,0080644
0,0036866
0,0015730
0,0006292
0,0002369
0,0000842
0,0000284
F
6,5
0,0015034
0,0097724
0,0317602
0,0688137
0,1118222
0,1453689
0,1574829
0,1462342
0,1188153
0,0858110
0,0557772
0,0329592
0,0178529
0,0089265
0,0041444
0,0017959
0,0007296
0,0002790
0,0001007
0,0000345
G
6,6
0,0013604
0,0089784
0,0296288
0,0651834
0,1075526
0,1419694
0,1561664
0,1472426
0,1214751
0,0890818
0,0587940
0,0352764
0,0194020
0,0098503
0,0046437
0,0020432
0,0008428
0,0003272
0,0001200
0,0000417
H
6,7
0,0012309
0,0082471
0,0276278
0,0617021
0,1033511
0,1384904
0,1546476
0,1480199
0,1239667
0,0922863
0,0618318
0,0376612
0,0210275
0,0108372
0,0051864
0,0023166
0,0009701
0,0003823
0,0001423
0,0000502
I
6,8
0,0011138
0,0075737
0,0257505
0,0583678
0,0992252
0,1349463
0,1529391
0,1485694
0,1262840
0,0954146
0,0648819
0,0401088
0,0227283
0,0118887
0,0057745
0,0026178
0,0011126
0,0004450
0,0001681
0,0000602
J
6,9
0,0010078
0,0069537
0,0239903
0,0551778
0,0951816
0,1313507
0,1510533
0,1488954
0,1284223
0,0984571
0,0679354
0,0426140
0,0245031
0,0130055
0,0064098
0,0029485
0,0012716
0,0005161
0,0001978
0,0000718
K
7
0,0009119
0,0063832
0,0223411
0,0521293
0,0912262
0,1277167
0,1490028
0,1490028
0,1303774
0,1014047
0,0709833
0,0451712
0,0263498
0,0141884
0,0070942
0,0033106
0,0014484
0,0005964
0,0002319
0,0000854
245
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
A
B
C
D
E
F
G
H
I
J
K
x\
7,1
7,2
7,3
7,4
7,5
7,6
7,7
7,8
7,9
8
0
0,0008251 0,0007466 0,0006755 0,0006113 0,0005531 0,0005005 0,0004528 0,0004097 0,0003707 0,0003355
1
0,0058582 0,0053754 0,0049314 0,0045233 0,0041481 0,0038034 0,0034868 0,0031959 0,0029289 0,0026837
2
0,0207968 0,0193515 0,0179997 0,0167361 0,0155555 0,0144530 0,0134241 0,0124641 0,0115691 0,0107348
3
0,0492190 0,0464436 0,0437993 0,0412824 0,0388887 0,0366144 0,0344551 0,0324068 0,0304652 0,0286261
4
0,0873638 0,0835985 0,0799338 0,0763724 0,0729164 0,0695673 0,0663261 0,0631932 0,0601687 0,0572523
5
0,1240565 0,1203818 0,1167034 0,1130312 0,1093746 0,1057423 0,1021421 0,0985814 0,0950666 0,0916037
6
0,1468002 0,1444582 0,1419891 0,1394051 0,1367182 0,1339402 0,1310824 0,1281558 0,1251710 0,1221382
7
0,1488974 0,1485856 0,1480743 0,1473711 0,1464838 0,1454208 0,1441906 0,1428021 0,1412644 0,1395865
8
0,1321464 0,1337270 0,1351178 0,1363183 0,1373286 0,1381498 0,1387835 0,1392321 0,1394986 0,1395865
9
0,1042489 0,1069816 0,1095956 0,1120839 0,1144405 0,1166598 0,1187370 0,1206678 0,1224488 0,1240769
10
0,0740167 0,0770268 0,0800048 0,0829421 0,0858304 0,0886614 0,0914275 0,0941209 0,0967345 0,0992615
11
0,0477744 0,0504175 0,0530941 0,0557974 0,0585207 0,0612570 0,0639992 0,0667403 0,0694730 0,0721902
12
0,0282665 0,0302505 0,0322989 0,0344084 0,0365754 0,0387961 0,0410662 0,0433812 0,0457364 0,0481268
13
0,0154379 0,0167541 0,0181371 0,0195863 0,0211012 0,0226808 0,0243238 0,0260287 0,0277936 0,0296165
14
0,0078292 0,0086164 0,0094572 0,0103528 0,0113042 0,0123124 0,0133781 0,0145017 0,0156836 0,0169237
15
0,0037058 0,0041359 0,0046025 0,0051074 0,0056521 0,0062383 0,0068674 0,0075409 0,0082600 0,0090260
16
0,0016445 0,0018611 0,0020999 0,0023622 0,0026494 0,0029632 0,0033049 0,0036762 0,0040784 0,0045130
17
0,0006868 0,0007882 0,0009017 0,0010282 0,0011689 0,0013247 0,0014969 0,0016867 0,0018952 0,0021238
18
0,0002709 0,0003153 0,0003657 0,0004227 0,0004870 0,0005593 0,0006404 0,0007309 0,0008318 0,0009439
19
0,0001012 0,0001195 0,0001405 0,0001646 0,0001922 0,0002237 0,0002595 0,0003001 0,0003459 0,0003974
20
0,0000359 0,0000430 0,0000513 0,0000609 0,0000721 0,0000850 0,0000999 0,0001170 0,0001366 0,0001590
21
0,0000122 0,0000147 0,0000178 0,0000215 0,0000257 0,0000308 0,0000366 0,0000435 0,0000514 0,0000606
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
A
B
C
D
E
F
G
H
I
J
K
x\
8,1
8,2
8,3
8,4
8,5
8,6
8,7
8,8
8,9
9
0
0,0003035 0,0002747 0,0002485 0,0002249 0,0002035 0,0001841 0,0001666 0,0001507 0,0001364 0,0001234
1
0,0024587 0,0022522 0,0020627 0,0018889 0,0017295 0,0015833 0,0014493 0,0013265 0,0012139 0,0011107
2
0,0099576 0,0092339 0,0085602 0,0079333 0,0073503 0,0068082 0,0063044 0,0058364 0,0054017 0,0049981
3
0,0268855 0,0252392 0,0236831 0,0222133 0,0208258 0,0195169 0,0182829 0,0171201 0,0160250 0,0149943
4
0,0544432 0,0517404 0,0491425 0,0466479 0,0442549 0,0419614 0,0397653 0,0376641 0,0356556 0,0337372
5
0,0881980 0,0848542 0,0815765 0,0783685 0,0752333 0,0721736 0,0691915 0,0662889 0,0634670 0,0607269
6
0,1190672 0,1159674 0,1128475 0,1097159 0,1065806 0,1034488 0,1003277 0,0972237 0,0941427 0,0910903
7
0,1377778 0,1358475 0,1338049 0,1316591 0,1294192 0,1270943 0,1246930 0,1222241 0,1196957 0,1171161
8
0,1395000 0,1392437 0,1388225 0,1382420 0,1375079 0,1366264 0,1356037 0,1344465 0,1331615 0,1317556
9
0,1255500 0,1268665 0,1280252 0,1290259 0,1298686 0,1305541 0,1310836 0,1314588 0,1316819 0,1317556
10
0,1016955 0,1040305 0,1062609 0,1083818 0,1103883 0,1122765 0,1140427 0,1156837 0,1171969 0,1185801
11
0,0748849 0,0775500 0,0801787 0,0827642 0,0853001 0,0877798 0,0901974 0,0925470 0,0948230 0,0970201
12
0,0505473 0,0529925 0,0554569 0,0579350 0,0604209 0,0629089 0,0653931 0,0678678 0,0703270 0,0727650
13
0,0314949 0,0334260 0,0354071 0,0374349 0,0395060 0,0416166 0,0437631 0,0459413 0,0481470 0,0503758
14
0,0182220 0,0195781 0,0209914 0,0224609 0,0239858 0,0255645 0,0271956 0,0288774 0,0306077 0,0323844
15
0,0098399 0,0107027 0,0116152 0,0125781 0,0135919 0,0146570 0,0157735 0,0169414 0,0181606 0,0194307
16
0,0049814 0,0054851 0,0060254 0,0066035 0,0072207 0,0078781 0,0085768 0,0093178 0,0101018 0,0109297
17
0,0023735 0,0026458 0,0029418 0,0032629 0,0036104 0,0039854 0,0043893 0,0048233 0,0052886 0,0057863
18
0,0010681 0,0012053 0,0013565 0,0015227 0,0017049 0,0019041 0,0021215 0,0023581 0,0026149 0,0028932
19
0,0004553 0,0005202 0,0005926 0,0006732 0,0007627 0,0008619 0,0009714 0,0010922 0,0012249 0,0013704
20
0,0001844 0,0002133 0,0002459 0,0002827 0,0003242 0,0003706 0,0004226 0,0004805 0,0005451 0,0006167
21
0,0000711 0,0000833 0,0000972 0,0001131 0,0001312 0,0001518 0,0001751 0,0002014 0,0002310 0,0002643
22
0,0000262 0,0000310 0,0000367 0,0000432 0,0000507 0,0000593 0,0000692 0,0000805 0,0000935 0,0001081
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
A
B
C
D
E
F
G
H
I
J
K
x\
9,1
9,2
9,3
9,4
9,5
9,6
9,7
9,8
9,9
10
0
0,0001117 0,0001010 0,0000914 0,0000827 0,0000749 0,0000677 0,0000613 0,0000555 0,0000502 0,0000454
1
0,0010162 0,0009296 0,0008502 0,0007776 0,0007111 0,0006502 0,0005944 0,0005434 0,0004967 0,0004540
2
0,0046235 0,0042760 0,0039536 0,0036547 0,0033777 0,0031209 0,0028831 0,0026628 0,0024588 0,0022700
3
0,0140247 0,0131130 0,0122563 0,0114515 0,0106960 0,0099870 0,0093220 0,0086984 0,0081141 0,0075667
4
0,0319062 0,0301600 0,0284959 0,0269111 0,0254030 0,0239688 0,0226058 0,0213112 0,0200823 0,0189166
5
0,0580692 0,0554943 0,0530023 0,0505929 0,0482658 0,0460201 0,0438552 0,0417699 0,0397630 0,0378333
6
0,0880716 0,0850913 0,0821536 0,0792623 0,0764208 0,0736322 0,0708992 0,0682241 0,0656090 0,0630555
7
0,1144931 0,1118343 0,1091469 0,1064379 0,1037139 0,1009813 0,0982461 0,0955138 0,0927898 0,0900792
8
0,1302359 0,1286094 0,1268833 0,1250645 0,1231603 0,1211776 0,1191233 0,1170044 0,1148274 0,1125990
9
0,1316830 0,1314674 0,1311127 0,1306230 0,1300025 0,1292561 0,1283885 0,1274048 0,1263102 0,1251100
10
0,1198315 0,1209500 0,1219348 0,1227856 0,1235024 0,1240859 0,1245368 0,1248567 0,1250471 0,1251100
11
0,0991334 0,1011582 0,1030904 0,1049259 0,1066612 0,1082931 0,1098188 0,1112360 0,1125424 0,1137364
12
0,0751761 0,0775546 0,0798950 0,0821919 0,0844401 0,0866345 0,0887702 0,0908427 0,0928475 0,0947803
13
0,0526233 0,0548848 0,0571557 0,0594311 0,0617062 0,0639762 0,0662363 0,0684814 0,0707069 0,0729079
14
0,0342051 0,0360672 0,0379677 0,0399037 0,0418721 0,0438694 0,0458923 0,0479370 0,0499999 0,0520771
15
0,0207511 0,0221212 0,0235400 0,0250063 0,0265190 0,0280764 0,0296770 0,0313188 0,0329999 0,0347181
16
0,0118022 0,0127197 0,0136826 0,0146912 0,0157456 0,0168459 0,0179917 0,0191828 0,0204187 0,0216988
17
0,0063176 0,0068836 0,0074852 0,0081234 0,0087990 0,0095130 0,0102658 0,0110583 0,0118909 0,0127640
18
0,0031939 0,0035183 0,0038673 0,0042422 0,0046439 0,0050736 0,0055321 0,0060206 0,0065400 0,0070911
19
0,0015297 0,0017036 0,0018930 0,0020988 0,0023220 0,0025635 0,0028243 0,0031054 0,0034077 0,0037322
20
0,0006960 0,0007837 0,0008802 0,0009864 0,0011029 0,0012305 0,0013698 0,0015216 0,0016868 0,0018661
21
0,0003016 0,0003433 0,0003898 0,0004415 0,0004989 0,0005625 0,0006327 0,0007101 0,0007952 0,0008886
22
0,0001248 0,0001436 0,0001648 0,0001887 0,0002155 0,0002455 0,0002790 0,0003163 0,0003578 0,0004039
23
0,0000494 0,0000574 0,0000666 0,0000771 0,0000890 0,0001025 0,0001177 0,0001348 0,0001540 0,0001756
24
0,0000187 0,0000220 0,0000258 0,0000302 0,0000352 0,0000410 0,0000476 0,0000550 0,0000635 0,0000732
246
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
A
B
C
D
E
F
G
H
I
J
K
x\
11
12
13
14
15
16
17
18
19
20
0,0000167 0,0000061 0,0000023 0,0000008 0,0000003 0,0000001 0,0000000 0,0000000 0,0000000 0,0000000
0
0,0001837 0,0000737 0,0000294 0,0000116 0,0000046 0,0000018 0,0000007 0,0000003 0,0000001 0,0000000
1
2
0,0010105 0,0004424 0,0001910 0,0000815 0,0000344 0,0000144 0,0000060 0,0000025 0,0000010 0,0000004
3
0,0037050 0,0017695 0,0008277 0,0003803 0,0001721 0,0000768 0,0000339 0,0000148 0,0000064 0,0000027
4
0,0101887 0,0053086 0,0026899 0,0013310 0,0006453 0,0003073 0,0001441 0,0000666 0,0000304 0,0000137
0,0224152 0,0127406 0,0069937 0,0037268 0,0019358 0,0009833 0,0004898 0,0002398 0,0001156 0,0000550
5
0,0410946 0,0254813 0,0151530 0,0086959 0,0048395 0,0026223 0,0013879 0,0007195 0,0003661 0,0001832
6
0,0645772 0,0436822 0,0281413 0,0173917 0,0103703 0,0059937 0,0033706 0,0018500 0,0009937 0,0005235
7
8
0,0887936 0,0655233 0,0457297 0,0304355 0,0194443 0,0119875 0,0071625 0,0041625 0,0023600 0,0013087
9
0,1085255 0,0873644 0,0660540 0,0473442 0,0324072 0,0213111 0,0135292 0,0083251 0,0049822 0,0029082
10
0,1193781 0,1048373 0,0858702 0,0662818 0,0486108 0,0340977 0,0229996 0,0149852 0,0094662 0,0058163
0,1193781 0,1143679 0,1014829 0,0843587 0,0662874 0,0495967 0,0355448 0,0245212 0,0163508 0,0105751
11
0,1094299 0,1143679 0,1099398 0,0984185 0,0828592 0,0661289 0,0503552 0,0367818 0,0258888 0,0176252
12
13
0,0925945 0,1055704 0,1099398 0,1059891 0,0956068 0,0813894 0,0658490 0,0509286 0,0378374 0,0271156
14
0,0727528 0,0904889 0,1020870 0,1059891 0,1024359 0,0930164 0,0799596 0,0654796 0,0513508 0,0387366
15
0,0533521 0,0723911 0,0884754 0,0989232 0,1024359 0,0992175 0,0906208 0,0785755 0,0650443 0,0516489
16
0,0366796 0,0542933 0,0718862 0,0865578 0,0960336 0,0992175 0,0962846 0,0883975 0,0772401 0,0645611
0,0237338 0,0383247 0,0549718 0,0712829 0,0847356 0,0933812 0,0962846 0,0935973 0,0863272 0,0759542
17
0,0145040 0,0255498 0,0397019 0,0554423 0,0706130 0,0830055 0,0909355 0,0935973 0,0911231 0,0843936
18
19
0,0083971 0,0161367 0,0271644 0,0408522 0,0557471 0,0698994 0,0813633 0,0886711 0,0911231 0,0888353
20
0,0046184 0,0096820 0,0176569 0,0285965 0,0418103 0,0559195 0,0691588 0,0798040 0,0865670 0,0888353
21
0,0024192 0,0055326 0,0109305 0,0190644 0,0298645 0,0426053 0,0559857 0,0684035 0,0783225 0,0846051
0,0012096 0,0030178 0,0064589 0,0121319 0,0203622 0,0309857 0,0432617 0,0559665 0,0676422 0,0769137
22
0,0005785 0,0015745 0,0036507 0,0073846 0,0132797 0,0215553 0,0319760 0,0437998 0,0558783 0,0668815
23
0,0002651 0,0007872 0,0019775 0,0043077 0,0082998 0,0143702 0,0226497 0,0328499 0,0442370 0,0557346
24
25
0,0001167 0,0003779 0,0010283 0,0024123 0,0049799 0,0091969 0,0154018 0,0236519 0,0336201 0,0445876
26
0,0000494 0,0001744 0,0005141 0,0012989 0,0028730 0,0056596 0,0100704 0,0163744 0,0245685 0,0342982
27
0,0000201 0,0000775 0,0002475 0,0006735 0,0015961 0,0033539 0,0063406 0,0109163 0,0172890 0,0254061
0,0000079 0,0000332 0,0001149 0,0003368 0,0008551 0,0019165 0,0038497 0,0070176 0,0117318 0,0181472
28
0,0000030 0,0000137 0,0000515 0,0001626 0,0004423 0,0010574 0,0022567 0,0043558 0,0076864 0,0125153
29
30
0,0000011 0,0000055 0,0000223 0,0000759 0,0002211 0,0005639 0,0012788 0,0026135 0,0048680 0,0083435
31
0,0000004 0,0000021 0,0000094 0,0000343 0,0001070 0,0002911 0,0007013 0,0015175 0,0029836 0,0053829
32
0,0000001 0,0000008 0,0000038 0,0000150 0,0000502 0,0001455 0,0003726 0,0008536 0,0017715 0,0033643
33
0,0000000 0,0000003 0,0000015 0,0000064 0,0000228 0,0000706 0,0001919 0,0004656 0,0010200 0,0020390
0,0000000 0,0000001 0,0000006 0,0000026 0,0000101 0,0000332 0,0000960 0,0002465 0,0005700 0,0011994
34
0,0000000 0,0000000 0,0000002 0,0000010 0,0000043 0,0000152 0,0000466 0,0001268 0,0003094 0,0006854
35
36
0,0000000 0,0000000 0,0000001 0,0000004 0,0000018 0,0000067 0,0000220 0,0000634 0,0001633 0,0003808
37
0,0000000 0,0000000 0,0000000 0,0000002 0,0000007 0,0000029 0,0000101 0,0000308 0,0000839 0,0002058
38
0,0000000 0,0000000 0,0000000 0,0000001 0,0000003 0,0000012 0,0000045 0,0000146 0,0000419 0,0001083
0,0000000 0,0000000 0,0000000 0,0000000 0,0000001 0,0000005 0,0000020 0,0000067 0,0000204 0,0000556
39
0,0000000 0,0000000 0,0000000 0,0000000 0,0000000 0,0000002 0,0000008 0,0000030 0,0000097 0,0000278
40
0,0000000 0,0000000 0,0000000 0,0000000 0,0000000 0,0000001 0,0000003 0,0000013 0,0000045 0,0000135
41
42
0,0000000 0,0000000 0,0000000 0,0000000 0,0000000 0,0000000 0,0000001 0,0000006 0,0000020 0,0000065
43
0,0000000 0,0000000 0,0000000 0,0000000 0,0000000 0,0000000 0,0000001 0,0000002 0,0000009 0,0000030
44
0,0000000 0,0000000 0,0000000 0,0000000 0,0000000 0,0000000 0,0000000 0,0000001 0,0000004 0,0000014
0,0000000 0,0000000 0,0000000 0,0000000 0,0000000 0,0000000 0,0000000 0,0000000 0,0000002 0,0000006
45
0,0000000 0,0000000 0,0000000 0,0000000 0,0000000 0,0000000 0,0000000 0,0000000 0,0000001 0,0000003
46
47
0,0000000 0,0000000 0,0000000 0,0000000 0,0000000 0,0000000 0,0000000 0,0000000 0,0000000 0,0000001
Sadraj elije H25:

0,0319760=POISSON(23;17;0)
f(x)
0,10
f( x)
17 x e 17
, x 0, 1, 2, 3, ...,47
x!
17 23 e 17
f(23)
23!
x 23 ; 17
f(23)
17 23 e 17
0,0319760
23!
0,0319760
0,05
0,00
0
23
47
247
Tabela 6. Poissonova kumulativna raspodjela

Vrijednosti u tabeli izraunate su (u samo nekoliko poteza) posredstvom ugraene Excelove
funkcije POISSON, prema inicijalnoj sintaksi (u eliji B2): =POISSON($A2 ;B$1;1).
x e
x!
x 0
k
POISSON(x; mean ; TRUE)
x
k
Primjer:
1,0
1,0
0,93714
0,9
0,77248
0,8
0,7
0,5
0,6
0,5
0,40657
0,4
x
0
0,0
x
0
1
2
3
4
5
6
7
8
9
A
B
C
D
E
F
G
H
I
x\
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0
0,9048374 0,8187308 0,7408182 0,6703200 0,6065307 0,5488116 0,4965853 0,4493290
1
0,9953212 0,9824769 0,9630637 0,9384481 0,9097960 0,8780986 0,8441950 0,8087921
2
0,9998453 0,9988515 0,9964005 0,9920737 0,9856123 0,9768847 0,9658584 0,9525774
3
0,9999962 0,9999432 0,9997342 0,9992237 0,9982484 0,9966419 0,9942465 0,9909201
4
0,9999999 0,9999977 0,9999842 0,9999388 0,9998279 0,9996055 0,9992145 0,9985887
5
1,0000000 0,9999999 0,9999992 0,9999960 0,9999858 0,9999611 0,9999100 0,9998157
6
1,0000000 1,0000000 1,0000000 0,9999998 0,9999990 0,9999967 0,9999911 0,9999793
7
1,0000000 1,0000000 1,0000000 1,0000000 0,9999999 0,9999998 0,9999992 0,9999979
J
0,9
0,4065697
0,7724824
0,9371431
0,9865413
0,9976559
0,9996565
0,9999566
0,9999952
K
1
0,3678794
0,7357589
0,9196986
0,9810118
0,9963402
0,9994058
0,9999168
0,9999898
1
2
3
4
5
6
7
8
9
10
11
A
B
C
D
E
F
G
H
I
J
K
x\
1,1
1,2
1,3
1,4
1,5
1,6
1,7
1,8
1,9
2
0
0,3328711 0,3011942 0,2725318 0,2465970 0,2231302 0,2018965 0,1826835 0,1652989 0,1495686 0,1353353
1
0,6990293 0,6626273 0,6268231 0,5918327 0,5578254 0,5249309 0,4932455 0,4628369 0,4337490 0,4060058
0,9004163 0,8794871 0,8571125 0,8334977 0,8088468 0,7833585 0,7572232 0,7306211 0,7037204 0,6766764
2
0,9742582 0,9662310 0,9569045 0,9462747 0,9343575 0,9211865 0,9068106 0,8912916 0,8747022 0,8571235
3
0,9945647 0,9922542 0,9893370 0,9857467 0,9814241 0,9763177 0,9703852 0,9635933 0,9559186 0,9473470
4
0,9990321 0,9984998 0,9977694 0,9967989 0,9955440 0,9939597 0,9920006 0,9896220 0,9867808 0,9834364
5
6
0,9998512 0,9997489 0,9995964 0,9993777 0,9990740 0,9986642 0,9981249 0,9974306 0,9965539 0,9954662
7
0,9999799 0,9999630 0,9999357 0,9998935 0,9998304 0,9997396 0,9996123 0,9994385 0,9992065 0,9989033
8
0,9999976 0,9999951 0,9999909 0,9999837 0,9999723 0,9999546 0,9999283 0,9998903 0,9998366 0,9997626
9
0,9999997 0,9999994 0,9999988 0,9999978 0,9999959 0,9999929 0,9999880 0,9999806 0,9999696 0,9999535
1
2
3
4
5
6
7
8
9
10
11
12
13
14
A
B
C
D
E
F
G
H
I
J
K
x\
2,1
2,2
2,3
2,4
2,5
2,6
2,7
2,8
2,9
3
0
0,1224564 0,1108032 0,1002588 0,0907180 0,0820850 0,0742736 0,0672055 0,0608101 0,0550232 0,0497871
1
0,3796149 0,3545701 0,3308542 0,3084410 0,2872975 0,2673849 0,2486604 0,2310782 0,2145906 0,1991483
2
0,6496314 0,6227137 0,5960388 0,5697087 0,5438131 0,5184296 0,4936245 0,4694537 0,4459632 0,4231901
3
0,8386428 0,8193524 0,7993471 0,7787229 0,7575761 0,7360016 0,7140922 0,6919374 0,6696234 0,6472319
4
0,9378739 0,9275037 0,9162493 0,9041314 0,8911780 0,8774235 0,8629079 0,8476761 0,8317771 0,8152632
5
0,9795509 0,9750902 0,9700243 0,9643275 0,9579790 0,9509628 0,9432683 0,9348897 0,9258262 0,9160821
6
0,9941379 0,9925387 0,9906381 0,9884059 0,9858127 0,9828299 0,9794305 0,9755894 0,9712833 0,9664915
7
0,9985140 0,9980224 0,9974112 0,9966614 0,9957533 0,9946662 0,9933788 0,9918693 0,9901155 0,9880955
8
0,9996627 0,9995305 0,9993584 0,9991380 0,9988597 0,9985130 0,9980864 0,9975672 0,9969422 0,9961970
9
0,9999307 0,9998991 0,9998561 0,9997985 0,9997226 0,9996243 0,9994986 0,9993399 0,9991419 0,9988975
10
0,9999870 0,9999802 0,9999705 0,9999570 0,9999384 0,9999133 0,9998799 0,9998363 0,9997798 0,9997077
11
0,9999978 0,9999964 0,9999944 0,9999915 0,9999874 0,9999816 0,9999735 0,9999626 0,9999480 0,9999286
12
0,9999996 0,9999994 0,9999990 0,9999985 0,9999976 0,9999964 0,9999946 0,9999921 0,9999886 0,9999839
248
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
A
B
C
D
E
F
G
H
I
J
K
x\
3,1
3,2
3,3
3,4
3,5
3,6
3,7
3,8
3,9
4
0
0,0450492 0,0407622 0,0368832 0,0333733 0,0301974 0,0273237 0,0247235 0,0223708 0,0202419 0,0183156
1
0,1847017 0,1712013 0,1585976 0,1468424 0,1358882 0,1256891 0,1162006 0,1073797 0,0991854 0,0915782
2
0,4011631 0,3799037 0,3594265 0,3397399 0,3208472 0,3027468 0,2854331 0,2688967 0,2531251 0,2381033
3
0,6248399 0,6025197 0,5803382 0,5583571 0,5366327 0,5152161 0,4941532 0,4734848 0,4532468 0,4334701
4
0,7981895 0,7806125 0,7625904 0,7441816 0,7254450 0,7064384 0,6872194 0,6678436 0,6483654 0,6288369
5
0,9056662 0,8945919 0,8828768 0,8705424 0,8576136 0,8441185 0,8300883 0,8155563 0,8005579 0,7851304
6
0,9611958 0,9553809 0,9490344 0,9421468 0,9347119 0,9267266 0,9181908 0,9091076 0,8994830 0,8893260
7
0,9857875 0,9831702 0,9802229 0,9769261 0,9732611 0,9692107 0,9647593 0,9598926 0,9545985 0,9488664
8
0,9953168 0,9942859 0,9930882 0,9917073 0,9901263 0,9883286 0,9862972 0,9840155 0,9814672 0,9786366
9
0,9985991 0,9982381 0,9978055 0,9972913 0,9966851 0,9959757 0,9951517 0,9942007 0,9931104 0,9918678
10
0,9996166 0,9995028 0,9993622 0,9991898 0,9989806 0,9987287 0,9984278 0,9980711 0,9976512 0,9971602
11
0,9999033 0,9998708 0,9998292 0,9997767 0,9997110 0,9996297 0,9995298 0,9994081 0,9992611 0,9990848
12
0,9999774 0,9999689 0,9999576 0,9999429 0,9999240 0,9999000 0,9998696 0,9998315 0,9997844 0,9997263
13
0,9999951 0,9999930 0,9999902 0,9999864 0,9999814 0,9999748 0,9999663 0,9999553 0,9999413 0,9999237
14
0,9999990 0,9999985 0,9999979 0,9999970 0,9999957 0,9999941 0,9999918 0,9999889 0,9999851 0,9999801
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
A
B
C
D
E
F
G
H
I
J
K
x\
4,1
4,2
4,3
4,4
4,5
4,6
4,7
4,8
4,9
5
0
0,0165727 0,0149956 0,0135686 0,0122773 0,0111090 0,0100518 0,0090953 0,0082297 0,0074466 0,0067379
1
0,0845206 0,0779770 0,0719134 0,0662976 0,0610995 0,0562903 0,0518431 0,0477325 0,0439348 0,0404277
0,2238140 0,2102380 0,1973547 0,1851423 0,1735781 0,1626387 0,1523004 0,1425392 0,1333311 0,1246520
2
0,4141815 0,3954034 0,3771539 0,3594478 0,3422960 0,3257063 0,3096836 0,2942299 0,2793449 0,2650259
3
0,6093083 0,5898270 0,5704381 0,5511838 0,5321036 0,5132340 0,4946088 0,4762588 0,4582119 0,4404933
4
5
0,7693122 0,7531429 0,7366625 0,7199115 0,7029304 0,6857595 0,6684385 0,6510064 0,6335015 0,6159607
6
0,8786482 0,8674640 0,8557900 0,8436452 0,8310506 0,8180291 0,8046051 0,7908046 0,7766547 0,7621835
7
0,9426879 0,9360567 0,9289683 0,9214206 0,9134135 0,9049490 0,8960312 0,8866662 0,8768619 0,8666283
8
0,9755082 0,9720678 0,9683016 0,9641971 0,9597427 0,9549280 0,9497441 0,9441831 0,9382388 0,9319064
0,9904597 0,9888730 0,9870942 0,9851101 0,9829073 0,9804729 0,9777941 0,9748588 0,9716552 0,9681719
9
0,9965898 0,9959312 0,9951751 0,9943118 0,9933313 0,9922235 0,9909777 0,9895832 0,9880292 0,9863047
10
0,9988747 0,9986261 0,9983339 0,9979924 0,9975957 0,9971374 0,9966106 0,9960083 0,9953230 0,9945469
11
12
0,9996554 0,9995694 0,9994658 0,9993420 0,9991949 0,9990210 0,9988169 0,9985784 0,9983014 0,9979811
13
0,9999016 0,9998741 0,9998402 0,9997988 0,9997484 0,9996876 0,9996145 0,9995274 0,9994240 0,9993020
14
0,9999737 0,9999655 0,9999552 0,9999424 0,9999263 0,9999066 0,9998823 0,9998527 0,9998169 0,9997737
15
0,9999934 0,9999911 0,9999882 0,9999845 0,9999797 0,9999737 0,9999662 0,9999568 0,9999452 0,9999310
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
A
B
C
D
E
F
G
H
I
J
K
x\
5,1
5,2
5,3
5,4
5,5
5,6
5,7
5,8
5,9
6
0
0,0060967 0,0055166 0,0049916 0,0045166 0,0040868 0,0036979 0,0033460 0,0030276 0,0027394 0,0024788
1
0,0371902 0,0342027 0,0314470 0,0289061 0,0265640 0,0244059 0,0224180 0,0205874 0,0189022 0,0173513
2
0,1164783 0,1087867 0,1015540 0,0947579 0,0883764 0,0823884 0,0767732 0,0715108 0,0665822 0,0619688
3
0,2512683 0,2380655 0,2254096 0,2132910 0,2016992 0,1906224 0,1800481 0,1699629 0,1603529 0,1512039
4
0,4231254 0,4061280 0,3895182 0,3733108 0,3575180 0,3421500 0,3272148 0,3127183 0,2986648 0,2850565
0,5984197 0,5809130 0,5634734 0,5461321 0,5289187 0,5118609 0,4949849 0,4783147 0,4618728 0,4456796
5
0,7474199 0,7323933 0,7171338 0,7016713 0,6860360 0,6702578 0,6543664 0,6383911 0,6223606 0,6063028
6
0,8559771 0,8449216 0,8334767 0,8216587 0,8094853 0,7969753 0,7841486 0,7710259 0,7576289 0,7439798
7
0,9251824 0,9180650 0,9105538 0,9026502 0,8943567 0,8856775 0,8766183 0,8671861 0,8573893 0,8472375
8
0,9643987 0,9603256 0,9559437 0,9512451 0,9462225 0,9408700 0,9351825 0,9291561 0,9227878 0,9160760
9
0,9843990 0,9823011 0,9800003 0,9774863 0,9747487 0,9717778 0,9685641 0,9650986 0,9613729 0,9573791
10
11
0,9936719 0,9926895 0,9915913 0,9903684 0,9890119 0,9875127 0,9858618 0,9840501 0,9820685 0,9799080
12
0,9976128 0,9971912 0,9967106 0,9961653 0,9955491 0,9948557 0,9940783 0,9932100 0,9922439 0,9911725
13
0,9991589 0,9989918 0,9987977 0,9985732 0,9983149 0,9980188 0,9976809 0,9972968 0,9968619 0,9963715
14
0,9997221 0,9996606 0,9995878 0,9995020 0,9994014 0,9992840 0,9991476 0,9989898 0,9988081 0,9985996
15
0,9999136 0,9998925 0,9998670 0,9998364 0,9997998 0,9997564 0,9997050 0,9996445 0,9995736 0,9994909
16
0,9999746 0,9999678 0,9999595 0,9999492 0,9999368 0,9999217 0,9999036 0,9998818 0,9998559 0,9998251
17
0,9999930 0,9999909 0,9999883 0,9999851 0,9999811 0,9999762 0,9999701 0,9999628 0,9999539 0,9999431
Primjer:
0,8094853=POISSON(7;5,5;1)
1,0
0,15
0,10
0,5
0,05
0,00
x
0 1 2 3 4 5 6 7 8
9 10 11 12 13 14 15 16 17
0,0
x
0 1 2 3 4 5 6 7 8
9 10 11 12 13 14 15 16 17
249
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
A
B
C
D
E
F
G
H
I
J
K
x\
6,1
6,2
6,3
6,4
6,5
6,6
6,7
6,8
6,9
7
0
0,0022429 0,0020294 0,0018363 0,0016616 0,0015034 0,0013604 0,0012309 0,0011138 0,0010078 0,0009119
1
0,0159244 0,0146119 0,0134050 0,0122955 0,0112758 0,0103388 0,0094780 0,0086874 0,0079615 0,0072951
2
0,0576529 0,0536176 0,0498465 0,0463242 0,0430359 0,0399676 0,0371058 0,0344379 0,0319518 0,0296362
0,1425010 0,1342292 0,1263736 0,1189188 0,1118496 0,1051510 0,0988080 0,0928057 0,0871296 0,0817654
3
0,2718943 0,2591774 0,2469037 0,2350700 0,2236718 0,2127036 0,2021590 0,1920309 0,1823112 0,1729916
4
0,4297541 0,4141130 0,3987717 0,3837437 0,3690407 0,3546730 0,3406494 0,3269771 0,3136619 0,3007083
5
6
0,5902449 0,5742132 0,5582331 0,5423289 0,5265236 0,5108394 0,4952971 0,4799162 0,4647152 0,4497111
7
0,7301012 0,7160163 0,7017484 0,6873211 0,6727578 0,6580820 0,6433170 0,6284856 0,6136105 0,5987138
8
0,8367416 0,8259136 0,8147666 0,8033148 0,7915730 0,7795571 0,7672836 0,7547696 0,7420328 0,7290913
9
0,9090201 0,9016207 0,8938794 0,8857992 0,8773840 0,8686389 0,8595699 0,8501842 0,8404899 0,8304959
10
0,9531100 0,9485590 0,9437205 0,9385893 0,9331612 0,9274329 0,9214017 0,9150661 0,9084252 0,9014792
11
0,9775598 0,9750152 0,9722658 0,9693035 0,9661204 0,9627092 0,9590629 0,9551749 0,9510392 0,9466504
0,9899885 0,9886842 0,9872521 0,9856844 0,9839734 0,9821113 0,9800904 0,9779032 0,9755423 0,9730002
12
0,9958204 0,9952033 0,9945147 0,9937489 0,9928998 0,9919615 0,9909277 0,9897919 0,9885477 0,9871886
13
0,9983615 0,9980903 0,9977829 0,9974355 0,9970442 0,9966052 0,9961141 0,9955664 0,9949576 0,9942828
14
0,9993948 0,9992836 0,9991555 0,9990084 0,9988402 0,9986484 0,9984306 0,9981842 0,9979061 0,9975934
15
16
0,9997888 0,9997460 0,9996960 0,9996376 0,9995698 0,9994912 0,9994007 0,9992967 0,9991777 0,9990418
17
0,9999301 0,9999147 0,9998963 0,9998745 0,9998487 0,9998185 0,9997830 0,9997417 0,9996938 0,9996382
18
0,9999781 0,9999728 0,9999664 0,9999587 0,9999495 0,9999384 0,9999254 0,9999099 0,9998916 0,9998701
19
0,9999934 0,9999917 0,9999896 0,9999870 0,9999839 0,9999801 0,9999755 0,9999700 0,9999634 0,9999556
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
A
B
C
D
E
F
G
H
I
J
K
x\
7,1
7,2
7,3
7,4
7,5
7,6
7,7
7,8
7,9
8
0
0,0008251 0,0007466 0,0006755 0,0006113 0,0005531 0,0005005 0,0004528 0,0004097 0,0003707 0,0003355
1
0,0066833 0,0061220 0,0056070 0,0051345 0,0047012 0,0043039 0,0039396 0,0036057 0,0032996 0,0030192
2
0,0274801 0,0254735 0,0236067 0,0218706 0,0202567 0,0187569 0,0173637 0,0160698 0,0148687 0,0137540
0,0766991 0,0719171 0,0674060 0,0631530 0,0591455 0,0553713 0,0518188 0,0484766 0,0453338 0,0423801
3
0,1640629 0,1555156 0,1473399 0,1395254 0,1320619 0,1249386 0,1181448 0,1116697 0,1055026 0,0996324
4
0,2881194 0,2758975 0,2640432 0,2525566 0,2414365 0,2306808 0,2202869 0,2102511 0,2005691 0,1912361
5
0,4349197 0,4203557 0,4060323 0,3919617 0,3781547 0,3646211 0,3513693 0,3384069 0,3257401 0,3133743
6
7
0,5838171 0,5689412 0,5541066 0,5393328 0,5246385 0,5100419 0,4955599 0,4812090 0,4670045 0,4529608
8
0,7159635 0,7026683 0,6892244 0,6756510 0,6619671 0,6481916 0,6343434 0,6204411 0,6065031 0,5925473
9
0,8202124 0,8096499 0,7988200 0,7877350 0,7764076 0,7648514 0,7530804 0,7411089 0,7289518 0,7166243
10
0,8942291 0,8866766 0,8788248 0,8706770 0,8622380 0,8535129 0,8445079 0,8352298 0,8256863 0,8158858
11
0,9420035 0,9370942 0,9319188 0,9264745 0,9207587 0,9147699 0,9085071 0,9019701 0,8951593 0,8880760
12
0,9702700 0,9673447 0,9642177 0,9608829 0,9573341 0,9535660 0,9495733 0,9453513 0,9408957 0,9362028
0,9857079 0,9840988 0,9823548 0,9804692 0,9784353 0,9762468 0,9738971 0,9713800 0,9686893 0,9658193
13
0,9935371 0,9927152 0,9918120 0,9908220 0,9897396 0,9885592 0,9872752 0,9858817 0,9843729 0,9827430
14
0,9972429 0,9968511 0,9964145 0,9959293 0,9953917 0,9947975 0,9941426 0,9934226 0,9926329 0,9917690
15
0,9988873 0,9987122 0,9985144 0,9982915 0,9980411 0,9977607 0,9974475 0,9970987 0,9967113 0,9962820
16
17
0,9995741 0,9995005 0,9994161 0,9993197 0,9992100 0,9990854 0,9989445 0,9987855 0,9986065 0,9984057
18
0,9998450 0,9998158 0,9997818 0,9997424 0,9996970 0,9996448 0,9995848 0,9995164 0,9994383 0,9993496
19
0,9999463 0,9999353 0,9999223 0,9999071 0,9998893 0,9998685 0,9998444 0,9998164 0,9997842 0,9997471
20
0,9999822 0,9999783 0,9999736 0,9999680 0,9999613 0,9999535 0,9999443 0,9999334 0,9999208 0,9999060
21
0,9999944 0,9999930 0,9999914 0,9999894 0,9999871 0,9999843 0,9999809 0,9999769 0,9999722 0,9999666
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
A
B
C
D
E
F
G
H
I
J
K
x\
8,1
8,2
8,3
8,4
8,5
8,6
8,7
8,8
8,9
9
0
0,0003035 0,0002747 0,0002485 0,0002249 0,0002035 0,0001841 0,0001666 0,0001507 0,0001364 0,0001234
1
0,0027622 0,0025268 0,0023112 0,0021138 0,0019329 0,0017674 0,0016159 0,0014772 0,0013503 0,0012341
2
0,0127198 0,0117607 0,0108714 0,0100471 0,0092832 0,0085756 0,0079203 0,0073136 0,0067519 0,0062322
0,0396053 0,0369999 0,0345545 0,0322604 0,0301091 0,0280926 0,0262032 0,0244336 0,0227769 0,0212265
3
0,0940485 0,0887402 0,0836969 0,0789083 0,0743640 0,0700540 0,0659685 0,0620978 0,0584325 0,0549636
4
0,1822465 0,1735944 0,1652734 0,1572768 0,1495973 0,1422276 0,1351600 0,1283866 0,1218995 0,1156905
5
0,3013137 0,2895618 0,2781209 0,2669927 0,2561779 0,2456765 0,2354877 0,2256103 0,2160422 0,2067808
6
7
0,4390915 0,4254093 0,4119258 0,3986518 0,3855971 0,3727708 0,3601808 0,3478344 0,3357380 0,3238970
8
0,5785916 0,5646530 0,5507483 0,5368938 0,5231050 0,5093971 0,4957845 0,4822809 0,4688994 0,4556526
9
0,7041416 0,6915195 0,6787736 0,6659197 0,6529737 0,6399512 0,6268680 0,6137396 0,6005814 0,5874082
10
0,8058371 0,7955500 0,7850345 0,7743015 0,7633620 0,7522277 0,7409107 0,7294234 0,7177783 0,7059883
11
0,8807220 0,8731000 0,8652132 0,8570657 0,8486620 0,8400076 0,8311082 0,8219703 0,8126012 0,8030084
12
0,9312693 0,9260925 0,9206702 0,9150007 0,9090829 0,9029164 0,8965013 0,8898381 0,8829282 0,8757734
13
0,9627642 0,9595186 0,9560773 0,9524356 0,9485889 0,9445331 0,9402644 0,9357794 0,9310752 0,9261492
0,9809862 0,9790967 0,9770687 0,9748965 0,9725746 0,9700976 0,9674600 0,9646568 0,9616829 0,9585337
14
0,9908261 0,9897994 0,9886839 0,9874747 0,9861666 0,9847546 0,9832335 0,9815982 0,9798435 0,9779643
15
0,9958075 0,9952845 0,9947093 0,9940782 0,9933873 0,9926327 0,9918103 0,9909159 0,9899453 0,9888941
16
0,9981811 0,9979303 0,9976511 0,9973411 0,9969976 0,9966181 0,9961996 0,9957392 0,9952339 0,9946804
17
18
0,9992491 0,9991356 0,9990076 0,9988638 0,9987025 0,9985222 0,9983211 0,9980973 0,9978488 0,9975736
19
0,9997045 0,9996558 0,9996002 0,9995370 0,9994653 0,9993841 0,9992925 0,9991895 0,9990737 0,9989440
20
0,9998889 0,9998690 0,9998461 0,9998197 0,9997894 0,9997547 0,9997151 0,9996700 0,9996188 0,9995607
21
0,9999600 0,9999523 0,9999433 0,9999328 0,9999206 0,9999065 0,9998902 0,9998714 0,9998498 0,9998250
22
0,9999862 0,9999834 0,9999800 0,9999760 0,9999713 0,9999658 0,9999594 0,9999519 0,9999432 0,9999332
250
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
A
B
C
D
E
F
G
H
I
J
K
x\
9,1
9,2
9,3
9,4
9,5
9,6
9,7
9,8
9,9
10
0
0,0001117 0,0001010 0,0000914 0,0000827 0,0000749 0,0000677 0,0000613 0,0000555 0,0000502 0,0000454
1
0,0011278 0,0010306 0,0009417 0,0008603 0,0007859 0,0007179 0,0006557 0,0005989 0,0005469 0,0004994
0,0057513 0,0053066 0,0048953 0,0045151 0,0041636 0,0038389 0,0035388 0,0032617 0,0030057 0,0027694
2
0,0197760 0,0184196 0,0171516 0,0159666 0,0148596 0,0138259 0,0128608 0,0119601 0,0111198 0,0103361
3
0,0516822 0,0485796 0,0456475 0,0428778 0,0402627 0,0377947 0,0354665 0,0332713 0,0312021 0,0292527
4
5
0,1097514 0,1040739 0,0986498 0,0934707 0,0885284 0,0838148 0,0793217 0,0750411 0,0709651 0,0670860
6
0,1978230 0,1891652 0,1808034 0,1727330 0,1649492 0,1574470 0,1502209 0,1432653 0,1365741 0,1301414
7
0,3123162 0,3009995 0,2899503 0,2791709 0,2686632 0,2584284 0,2484670 0,2387791 0,2293640 0,2202206
8
0,4425521 0,4296090 0,4168335 0,4042354 0,3918235 0,3796060 0,3675903 0,3557835 0,3441914 0,3328197
9
0,5742351 0,5610764 0,5479463 0,5348584 0,5218260 0,5088621 0,4959788 0,4831882 0,4705016 0,4579297
0,6940666 0,6820264 0,6698811 0,6576439 0,6453284 0,6329479 0,6205157 0,6080449 0,5955487 0,5830398
10
0,7932000 0,7831847 0,7729714 0,7625698 0,7519896 0,7412410 0,7303345 0,7192809 0,7080910 0,6967761
11
0,8683761 0,8607393 0,8528665 0,8447617 0,8364297 0,8278755 0,8191048 0,8101236 0,8009385 0,7915565
12
13
0,9209994 0,9156241 0,9100221 0,9041928 0,8981359 0,8918517 0,8853410 0,8786050 0,8716454 0,8644644
14
0,9552046 0,9516913 0,9479898 0,9440965 0,9400080 0,9357212 0,9312333 0,9265420 0,9216453 0,9165415
15
0,9759557 0,9738125 0,9715298 0,9691029 0,9665270 0,9637976 0,9609103 0,9578608 0,9546452 0,9512596
16
0,9877579 0,9865321 0,9852124 0,9837941 0,9822726 0,9806434 0,9789020 0,9770436 0,9750639 0,9729584
17
0,9940755 0,9934157 0,9926976 0,9919175 0,9910717 0,9901564 0,9891678 0,9881019 0,9869548 0,9857224
0,9972694 0,9969340 0,9965650 0,9961597 0,9957156 0,9952300 0,9946999 0,9941226 0,9934948 0,9928135
18
0,9987992 0,9986376 0,9984579 0,9982585 0,9980376 0,9977935 0,9975242 0,9972279 0,9969025 0,9965457
19
0,9994952 0,9994213 0,9993382 0,9992449 0,9991405 0,9990239 0,9988940 0,9987496 0,9985893 0,9984117
20
21
0,9997968 0,9997646 0,9997280 0,9996864 0,9996395 0,9995864 0,9995267 0,9994597 0,9993845 0,9993003
22
0,9999215 0,9999081 0,9998928 0,9998751 0,9998549 0,9998319 0,9998057 0,9997760 0,9997423 0,9997043
23
0,9999709 0,9999656 0,9999594 0,9999522 0,9999439 0,9999344 0,9999234 0,9999108 0,9998963 0,9998799
24
0,9999896 0,9999876 0,9999852 0,9999824 0,9999791 0,9999753 0,9999709 0,9999658 0,9999599 0,9999531
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
A
B
C
D
E
F
G
H
I
J
K
x\
11
12
13
14
15
16
17
18
19
20
0
0,0000167 0,0000061 0,0000023 0,0000008 0,0000003 0,0000001 0,0000000 0,0000000 0,0000000 0,0000000
1
0,0002004 0,0000799 0,0000316 0,0000125 0,0000049 0,0000019 0,0000007 0,0000003 0,0000001 0,0000000
2
0,0012109 0,0005223 0,0002226 0,0000940 0,0000393 0,0000163 0,0000067 0,0000028 0,0000011 0,0000005
3
0,0049159 0,0022918 0,0010503 0,0004742 0,0002114 0,0000931 0,0000406 0,0000176 0,0000075 0,0000032
4
0,0151046 0,0076004 0,0037402 0,0018052 0,0008566 0,0004004 0,0001847 0,0000842 0,0000380 0,0000169
5
0,0375198 0,0203410 0,0107339 0,0055320 0,0027924 0,0013838 0,0006745 0,0003240 0,0001536 0,0000719
6
0,0786144 0,0458223 0,0258869 0,0142279 0,0076319 0,0040060 0,0020624 0,0010434 0,0005197 0,0002551
7
0,1431915 0,0895045 0,0540282 0,0316197 0,0180022 0,0099998 0,0054330 0,0028935 0,0015133 0,0007786
8
0,2319851 0,1550278 0,0997579 0,0620552 0,0374465 0,0219873 0,0125955 0,0070560 0,0038733 0,0020873
9
0,3405106 0,2423922 0,1658119 0,1093994 0,0698537 0,0432983 0,0261247 0,0153811 0,0088556 0,0049954
10
0,4598887 0,3472294 0,2516820 0,1756812 0,1184644 0,0773960 0,0491243 0,0303663 0,0183218 0,0108117
11
0,5792668 0,4615973 0,3531649 0,2600399 0,1847518 0,1269927 0,0846691 0,0548874 0,0346726 0,0213868
12
0,6886967 0,5759652 0,4631047 0,3584584 0,2676110 0,1931215 0,1350242 0,0916692 0,0605614 0,0390120
13
0,7812912 0,6815356 0,5730446 0,4644476 0,3632178 0,2745109 0,2008733 0,1425978 0,0983988 0,0661276
14
0,8540440 0,7720245 0,6751315 0,5704367 0,4656537 0,3675274 0,2808328 0,2080774 0,1497495 0,1048643
15
0,9073961 0,8444157 0,7636069 0,6693599 0,5680896 0,4667449 0,3714537 0,2866529 0,2147938 0,1565131
16
0,9440756 0,8987090 0,8354931 0,7559177 0,6641232 0,5659624 0,4677383 0,3750504 0,2920339 0,2210742
17
0,9678095 0,9370337 0,8904650 0,8272006 0,7488588 0,6593436 0,5640229 0,4686477 0,3783611 0,2970284
18
0,9823135 0,9625835 0,9301669 0,8826429 0,8194717 0,7423491 0,6549584 0,5622450 0,4694843 0,3814219
19
0,9907105 0,9787202 0,9573313 0,9234951 0,8752188 0,8122485 0,7363217 0,6509161 0,5606074 0,4702573
20
0,9953289 0,9884023 0,9749882 0,9520916 0,9170291 0,8681680 0,8054805 0,7307202 0,6471744 0,5590926
21
0,9977481 0,9939349 0,9859186 0,9711559 0,9468936 0,9107734 0,8614663 0,7991236 0,7254969 0,6436976
22
0,9989577 0,9969526 0,9923775 0,9832878 0,9672558 0,9417591 0,9047280 0,8550901 0,7931390 0,7206113
23
0,9995361 0,9985271 0,9960282 0,9906724 0,9805354 0,9633143 0,9367040 0,8988899 0,8490173 0,7874928
24
0,9998013 0,9993144 0,9980057 0,9949801 0,9888352 0,9776845 0,9593537 0,9317398 0,8932543 0,8432274
25
0,9999179 0,9996922 0,9990340 0,9973924 0,9938151 0,9868814 0,9747555 0,9553917 0,9268744 0,8878150
26
0,9999673 0,9998667 0,9995481 0,9986913 0,9966881 0,9925411 0,9848259 0,9717661 0,9514430 0,9221132
27
0,9999874 0,9999442 0,9997957 0,9993649 0,9982842 0,9958949 0,9911665 0,9826824 0,9687320 0,9475193
28
0,9999953 0,9999774 0,9999106 0,9997016 0,9991393 0,9978114 0,9950162 0,9897000 0,9804638 0,9656665
29
0,9999983 0,9999911 0,9999621 0,9998642 0,9995816 0,9988688 0,9972728 0,9940557 0,9881501 0,9781818
30
0,9999994 0,9999966 0,9999844 0,9999401 0,9998027 0,9994327 0,9985516 0,9966692 0,9930181 0,9865253
31
0,9999998 0,9999988 0,9999938 0,9999743 0,9999097 0,9997238 0,9992529 0,9981867 0,9960018 0,9919082
32
0,9999999 0,9999996 0,9999976 0,9999893 0,9999598 0,9998693 0,9996255 0,9990402 0,9977733 0,9952726
33
1,0000000 0,9999998 0,9999991 0,9999957 0,9999826 0,9999399 0,9998174 0,9995058 0,9987933 0,9973116
34
1,0000000 0,9999999 0,9999997 0,9999983 0,9999927 0,9999731 0,9999134 0,9997523 0,9993633 0,9985110
35
1,0000000 1,0000000 0,9999999 0,9999994 0,9999970 0,9999883 0,9999600 0,9998791 0,9996727 0,9991963
36
1,0000000 1,0000000 1,0000000 0,9999998 0,9999988 0,9999950 0,9999820 0,9999425 0,9998360 0,9995771
37
1,0000000 1,0000000 1,0000000 0,9999999 0,9999995 0,9999979 0,9999921 0,9999733 0,9999198 0,9997829
38
1,0000000 1,0000000 1,0000000 1,0000000 0,9999998 0,9999992 0,9999966 0,9999879 0,9999618 0,9998912
39
1,0000000 1,0000000 1,0000000 1,0000000 0,9999999 0,9999997 0,9999986 0,9999947 0,9999822 0,9999468
40
1,0000000 1,0000000 1,0000000 1,0000000 1,0000000 0,9999999 0,9999994 0,9999977 0,9999919 0,9999746
41
1,0000000 1,0000000 1,0000000 1,0000000 1,0000000 1,0000000 0,9999998 0,9999990 0,9999964 0,9999881
42
1,0000000 1,0000000 1,0000000 1,0000000 1,0000000 1,0000000 0,9999999 0,9999996 0,9999984 0,9999946
43
1,0000000 1,0000000 1,0000000 1,0000000 1,0000000 1,0000000 1,0000000 0,9999998 0,9999993 0,9999976
44
1,0000000 1,0000000 1,0000000 1,0000000 1,0000000 1,0000000 1,0000000 0,9999999 0,9999997 0,9999989
45
1,0000000 1,0000000 1,0000000 1,0000000 1,0000000 1,0000000 1,0000000 1,0000000 0,9999999 0,9999995
46
1,0000000 1,0000000 1,0000000 1,0000000 1,0000000 1,0000000 1,0000000 1,0000000 1,0000000 0,9999998
47
1,0000000 1,0000000 1,0000000 1,0000000 1,0000000 1,0000000 1,0000000 1,0000000 1,0000000 0,9999999
251
Tabela 7. Povrine ispod standardne normalne raspodjele od 0 do z

Vrijednosti u tabeli izraunate su posredstvom funkcije NORMSDIST prema inicijalnoj
sintaksi: =NORMSDIST(B$1+$A2)-0,5 i predstavljaju povrinu ispod normalne krive
x2
z
od 0 (nula) do z. 0,4
1
Povrina iz tabele ( z )
e 2 dx
2 0
0,3
0,2
0,1
0,0
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
A
z
0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1
1,1
1,2
1,3
1,4
1,5
1,6
1,7
1,8
1,9
2
2,1
2,2
2,3
2,4
2,5
2,6
2,7
2,8
2,9
3
3,1
3,2
3,3
3,4
3,5
3,6
3,7
3,8
3,9
4
B
0
0,000000
0,039828
0,079260
0,117911
0,155422
0,191462
0,225747
0,258036
0,288145
0,315940
0,341345
0,364334
0,384930
0,403199
0,419243
0,433193
0,445201
0,455435
0,464070
0,471284
0,477250
0,482136
0,486097
0,489276
0,491802
0,493790
0,495339
0,496533
0,497445
0,498134
0,498650
0,499032
0,499313
0,499517
0,499663
0,499767
0,499841
0,499892
0,499928
0,499952
0,499968
C
0,01
0,003989
0,043795
0,083166
0,121719
0,159097
0,194974
0,229069
0,261148
0,291030
0,318589
0,343752
0,366500
0,386860
0,404902
0,420730
0,434478
0,446301
0,456367
0,464852
0,471933
0,477784
0,482571
0,486447
0,489556
0,492024
0,493963
0,495473
0,496636
0,497523
0,498193
0,498694
0,499064
0,499336
0,499533
0,499675
0,499776
0,499847
0,499896
0,499930
0,499954
0,499970
D
0,02
0,007978
0,047758
0,087064
0,125516
0,162757
0,198468
0,232371
0,264238
0,293892
0,321214
0,346136
0,368643
0,388767
0,406582
0,422196
0,435744
0,447384
0,457284
0,465621
0,472571
0,478308
0,482997
0,486791
0,489830
0,492240
0,494132
0,495603
0,496736
0,497599
0,498250
0,498736
0,499096
0,499359
0,499550
0,499687
0,499784
0,499853
0,499900
0,499933
0,499956
0,499971
E
0,03
0,011967
0,051717
0,090954
0,129300
0,166402
0,201944
0,235653
0,267305
0,296731
0,323814
0,348495
0,370762
0,390651
0,408241
0,423641
0,436992
0,448449
0,458185
0,466375
0,473197
0,478822
0,483414
0,487126
0,490097
0,492451
0,494297
0,495731
0,496833
0,497673
0,498305
0,498777
0,499126
0,499381
0,499566
0,499698
0,499792
0,499858
0,499904
0,499936
0,499958
0,499972
F
0,04
0,015953
0,055670
0,094835
0,133072
0,170031
0,205402
0,238914
0,270350
0,299546
0,326391
0,350830
0,372857
0,392512
0,409877
0,425066
0,438220
0,449497
0,459071
0,467116
0,473810
0,479325
0,483823
0,487455
0,490358
0,492656
0,494457
0,495855
0,496928
0,497744
0,498359
0,498817
0,499155
0,499402
0,499581
0,499709
0,499800
0,499864
0,499908
0,499938
0,499959
0,499973
G
0,05
0,019939
0,059618
0,098706
0,136831
0,173645
0,208840
0,242154
0,273373
0,302338
0,328944
0,353141
0,374928
0,394350
0,411492
0,426471
0,439429
0,450529
0,459941
0,467843
0,474412
0,479818
0,484222
0,487776
0,490613
0,492857
0,494614
0,495975
0,497020
0,497814
0,498411
0,498856
0,499184
0,499423
0,499596
0,499720
0,499807
0,499869
0,499912
0,499941
0,499961
0,499974
H
0,06
0,023922
0,063559
0,102568
0,140576
0,177242
0,212260
0,245373
0,276373
0,305106
0,331472
0,355428
0,376976
0,396165
0,413085
0,427855
0,440620
0,451543
0,460796
0,468557
0,475002
0,480301
0,484614
0,488089
0,490863
0,493053
0,494766
0,496093
0,497110
0,497882
0,498462
0,498893
0,499211
0,499443
0,499610
0,499730
0,499815
0,499874
0,499915
0,499943
0,499963
0,499975
I
0,07
0,027903
0,067495
0,106420
0,144309
0,180822
0,215661
0,248571
0,279350
0,307850
0,333977
0,357690
0,378999
0,397958
0,414656
0,429219
0,441792
0,452540
0,461636
0,469258
0,475581
0,480774
0,484997
0,488396
0,491106
0,493244
0,494915
0,496207
0,497197
0,497948
0,498511
0,498930
0,499238
0,499462
0,499624
0,499740
0,499821
0,499879
0,499918
0,499946
0,499964
0,499976
J
0,08
0,031881
0,071424
0,110261
0,148027
0,184386
0,219043
0,251748
0,282305
0,310570
0,336457
0,359929
0,381000
0,399727
0,416207
0,430563
0,442947
0,453521
0,462462
0,469946
0,476148
0,481237
0,485371
0,488696
0,491344
0,493431
0,495060
0,496319
0,497282
0,498012
0,498559
0,498965
0,499264
0,499481
0,499638
0,499749
0,499828
0,499883
0,499922
0,499948
0,499966
0,499977
K
0,09
0,035856
0,075345
0,114092
0,151732
0,187933
0,222405
0,254903
0,285236
0,313267
0,338913
0,362143
0,382977
0,401475
0,417736
0,431888
0,444083
0,454486
0,463273
0,470621
0,476705
0,481691
0,485738
0,488989
0,491576
0,493613
0,495201
0,496427
0,497365
0,498074
0,498605
0,498999
0,499289
0,499499
0,499650
0,499758
0,499835
0,499888
0,499925
0,499950
0,499967
0,499978
Kada upisana formula =NORMSDIST(B$1+$A2)-0,5 postavi rezultat u selektovanoj eliji

B2, potrebno je ponovo oznaiti ovu eliju a zatim miem (uz dranje lijeve tipke) koji
pokazuje na donji desni ugao elije (pojavi se crni znak plus), povui prvo po irini a zatim
po duini tabele. Vrijednosti u tabeli postavljaju se tako u samo nekoliko poteza nakon
definisanja formata tabele.
252
Tabela 7.1 Povrine ispod standardne normalne raspodjele od - do z

sintaksi:=NORMSDIST(B$1+$A2) i predstavljaju povrinu ispod normalne krive od - do z.
F( z )
1
2
x2
2
dx
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
A
z
0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1
1,1
1,2
1,3
1,4
1,5
1,6
1,7
1,8
1,9
2
2,1
2,2
2,3
2,4
2,5
2,6
2,7
2,8
2,9
3
3,1
3,2
3,3
3,4
3,5
3,6
3,7
3,8
3,9
4
B
0
0,500000
0,539828
0,579260
0,617911
0,655422
0,691462
0,725747
0,758036
0,788145
0,815940
0,841345
0,864334
0,884930
0,903199
0,919243
0,933193
0,945201
0,955435
0,964070
0,971284
0,977250
0,982136
0,986097
0,989276
0,991802
0,993790
0,995339
0,996533
0,997445
0,998134
0,998650
0,999032
0,999313
0,999517
0,999663
0,999767
0,999841
0,999892
0,999928
0,999952
0,999968
C
0,01
0,503989
0,543795
0,583166
0,621719
0,659097
0,694974
0,729069
0,761148
0,791030
0,818589
0,843752
0,866500
0,886860
0,904902
0,920730
0,934478
0,946301
0,956367
0,964852
0,971933
0,977784
0,982571
0,986447
0,989556
0,992024
0,993963
0,995473
0,996636
0,997523
0,998193
0,998694
0,999064
0,999336
0,999533
0,999675
0,999776
0,999847
0,999896
0,999930
0,999954
0,999970
D
0,02
0,507978
0,547758
0,587064
0,625516
0,662757
0,698468
0,732371
0,764238
0,793892
0,821214
0,846136
0,868643
0,888767
0,906582
0,922196
0,935744
0,947384
0,957284
0,965621
0,972571
0,978308
0,982997
0,986791
0,989830
0,992240
0,994132
0,995603
0,996736
0,997599
0,998250
0,998736
0,999096
0,999359
0,999550
0,999687
0,999784
0,999853
0,999900
0,999933
0,999956
0,999971
E
0,03
0,511967
0,551717
0,590954
0,629300
0,666402
0,701944
0,735653
0,767305
0,796731
0,823814
0,848495
0,870762
0,890651
0,908241
0,923641
0,936992
0,948449
0,958185
0,966375
0,973197
0,978822
0,983414
0,987126
0,990097
0,992451
0,994297
0,995731
0,996833
0,997673
0,998305
0,998777
0,999126
0,999381
0,999566
0,999698
0,999792
0,999858
0,999904
0,999936
0,999958
0,999972
F
0,04
0,515953
0,555670
0,594835
0,633072
0,670031
0,705402
0,738914
0,770350
0,799546
0,826391
0,850830
0,872857
0,892512
0,909877
0,925066
0,938220
0,949497
0,959071
0,967116
0,973810
0,979325
0,983823
0,987455
0,990358
0,992656
0,994457
0,995855
0,996928
0,997744
0,998359
0,998817
0,999155
0,999402
0,999581
0,999709
0,999800
0,999864
0,999908
0,999938
0,999959
0,999973
G
0,05
0,519939
0,559618
0,598706
0,636831
0,673645
0,708840
0,742154
0,773373
0,802338
0,828944
0,853141
0,874928
0,894350
0,911492
0,926471
0,939429
0,950529
0,959941
0,967843
0,974412
0,979818
0,984222
0,987776
0,990613
0,992857
0,994614
0,995975
0,997020
0,997814
0,998411
0,998856
0,999184
0,999423
0,999596
0,999720
0,999807
0,999869
0,999912
0,999941
0,999961
0,999974
H
0,06
0,523922
0,563559
0,602568
0,640576
0,677242
0,712260
0,745373
0,776373
0,805106
0,831472
0,855428
0,876976
0,896165
0,913085
0,927855
0,940620
0,951543
0,960796
0,968557
0,975002
0,980301
0,984614
0,988089
0,990863
0,993053
0,994766
0,996093
0,997110
0,997882
0,998462
0,998893
0,999211
0,999443
0,999610
0,999730
0,999815
0,999874
0,999915
0,999943
0,999963
0,999975
I
0,07
0,527903
0,567495
0,606420
0,644309
0,680822
0,715661
0,748571
0,779350
0,807850
0,833977
0,857690
0,878999
0,897958
0,914656
0,929219
0,941792
0,952540
0,961636
0,969258
0,975581
0,980774
0,984997
0,988396
0,991106
0,993244
0,994915
0,996207
0,997197
0,997948
0,998511
0,998930
0,999238
0,999462
0,999624
0,999740
0,999821
0,999879
0,999918
0,999946
0,999964
0,999976
J
0,08
0,531881
0,571424
0,610261
0,648027
0,684386
0,719043
0,751748
0,782305
0,810570
0,836457
0,859929
0,881000
0,899727
0,916207
0,930563
0,942947
0,953521
0,962462
0,969946
0,976148
0,981237
0,985371
0,988696
0,991344
0,993431
0,995060
0,996319
0,997282
0,998012
0,998559
0,998965
0,999264
0,999481
0,999638
0,999749
0,999828
0,999883
0,999922
0,999948
0,999966
0,999977
K
0,09
0,535856
0,575345
0,614092
0,651732
0,687933
0,722405
0,754903
0,785236
0,813267
0,838913
0,862143
0,882977
0,901475
0,917736
0,931888
0,944083
0,954486
0,963273
0,970621
0,976705
0,981691
0,985738
0,988989
0,991576
0,993613
0,995201
0,996427
0,997365
0,998074
0,998605
0,998999
0,999289
0,999499
0,999650
0,999758
0,999835
0,999888
0,999925
0,999950
0,999967
0,999978
Kada upisana formula =NORMSDIST(B$1+$A2) postavi rezultat u selektovanoj eliji B2,

potrebno je ponovo oznaiti ovu eliju, a zatim miem (uz dranje lijeve tipke) koji pokazuje
na donji desni ugao elije (pojavi se crni znak plus), povui prvo po irini a zatim po duini
tabele. Vrijednosti u tabeli postavljaju se tako u samo nekoliko poteza nakon definisanja
formata tabele.
253
Tabela 7.2 Povrine ispod standardne normalne raspodjele od -z do z

sintaksi u B2: =NORMSDIST(B$1+$A2)- NORMSDIST(-(B$1+$A2)) i predstavljaju
x2
z
povrinu ispod normalne krive od -z do z.
1
2 ( z )
e 2 dx
2 z
-z
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
A
z
0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1
1,1
1,2
1,3
1,4
1,5
1,6
1,7
1,8
1,9
2
2,1
2,2
2,3
2,4
2,5
2,6
2,7
2,8
2,9
3
3,1
3,2
3,3
3,4
3,5
3,6
3,7
3,8
3,9
4
B
0
0,000000
0,079656
0,158519
0,235823
0,310843
0,382925
0,451494
0,516073
0,576289
0,631880
0,682689
0,728668
0,769861
0,806399
0,838487
0,866386
0,890401
0,910869
0,928139
0,942567
0,954500
0,964271
0,972193
0,978552
0,983605
0,987581
0,990678
0,993066
0,994890
0,996268
0,997300
0,998065
0,998626
0,999033
0,999326
0,999535
0,999682
0,999784
0,999855
0,999904
0,999937
C
0,01
0,007979
0,087591
0,166332
0,243439
0,318194
0,389949
0,458138
0,522296
0,582060
0,637178
0,687505
0,733001
0,773721
0,809804
0,841460
0,868957
0,892602
0,912734
0,929704
0,943867
0,955569
0,965142
0,972895
0,979112
0,984047
0,987927
0,990946
0,993272
0,995046
0,996386
0,997387
0,998129
0,998673
0,999067
0,999350
0,999552
0,999694
0,999793
0,999861
0,999908
0,999939
D
0,02
0,015957
0,095517
0,174129
0,251032
0,325514
0,396936
0,464742
0,528475
0,587784
0,642427
0,692272
0,737286
0,777535
0,813165
0,844392
0,871489
0,894768
0,914568
0,931241
0,945142
0,956617
0,965994
0,973581
0,979659
0,984479
0,988264
0,991207
0,993472
0,995198
0,996500
0,997472
0,998191
0,998718
0,999100
0,999374
0,999568
0,999705
0,999801
0,999867
0,999911
0,999942
E
0,03
0,023933
0,103434
0,181908
0,258600
0,332804
0,403888
0,471306
0,534610
0,593461
0,647629
0,696990
0,741524
0,781303
0,816482
0,847283
0,873983
0,896899
0,916370
0,932750
0,946393
0,957644
0,966829
0,974253
0,980194
0,984901
0,988594
0,991461
0,993666
0,995345
0,996610
0,997554
0,998252
0,998762
0,999131
0,999396
0,999584
0,999717
0,999808
0,999872
0,999915
0,999944
F
0,04
0,031907
0,111340
0,189670
0,266143
0,340063
0,410803
0,477828
0,540700
0,599092
0,652782
0,701660
0,745714
0,785024
0,819755
0,850133
0,876440
0,898995
0,918141
0,934232
0,947620
0,958650
0,967645
0,974909
0,980716
0,985313
0,988915
0,991709
0,993856
0,995489
0,996718
0,997634
0,998310
0,998805
0,999162
0,999418
0,999600
0,999727
0,999816
0,999877
0,999918
0,999947
G
0,05
0,039878
0,119235
0,197413
0,273661
0,347290
0,417681
0,484308
0,546745
0,604675
0,657888
0,706282
0,749856
0,788700
0,822984
0,852941
0,878858
0,901057
0,919882
0,935687
0,948824
0,959636
0,968445
0,975551
0,981227
0,985714
0,989228
0,991951
0,994040
0,995628
0,996822
0,997711
0,998367
0,998846
0,999192
0,999439
0,999615
0,999738
0,999823
0,999882
0,999922
0,999949
H
0,06
0,047845
0,127119
0,205136
0,281153
0,354484
0,424521
0,490746
0,552746
0,610211
0,662945
0,710855
0,753951
0,792331
0,826170
0,855710
0,881240
0,903086
0,921592
0,937115
0,950004
0,960602
0,969227
0,976179
0,981725
0,986106
0,989533
0,992186
0,994220
0,995763
0,996923
0,997786
0,998422
0,998886
0,999220
0,999460
0,999629
0,999748
0,999830
0,999887
0,999925
0,999951
I
0,07
0,055806
0,134990
0,212840
0,288617
0,361645
0,431322
0,497142
0,558700
0,615700
0,667954
0,715381
0,757999
0,795915
0,829313
0,858438
0,883585
0,905081
0,923273
0,938516
0,951162
0,961548
0,969993
0,976792
0,982212
0,986489
0,989830
0,992415
0,994394
0,995895
0,997022
0,997859
0,998475
0,998924
0,999248
0,999479
0,999643
0,999757
0,999837
0,999891
0,999928
0,999953
J
0,08
0,063763
0,142847
0,220522
0,296054
0,368773
0,438085
0,503496
0,564609
0,621141
0,672914
0,719858
0,762000
0,799455
0,832413
0,861127
0,885893
0,907043
0,924924
0,939892
0,952297
0,962475
0,970743
0,977392
0,982687
0,986862
0,990120
0,992638
0,994564
0,996023
0,997117
0,997930
0,998527
0,998962
0,999275
0,999498
0,999656
0,999767
0,999843
0,999896
0,999931
0,999955
K
0,09
0,071713
0,150691
0,228184
0,303463
0,375866
0,444809
0,509806
0,570472
0,626534
0,677826
0,724287
0,765953
0,802949
0,835471
0,863776
0,888165
0,908972
0,926546
0,941242
0,953409
0,963382
0,971476
0,977979
0,983152
0,987226
0,990402
0,992855
0,994729
0,996147
0,997210
0,997998
0,998577
0,998998
0,999301
0,999517
0,999669
0,999776
0,999849
0,999900
0,999934
0,999957
Kada upisana formula =NORMSDIST(B$1+$A2)- NORMSDIST(-(B$1+$A2)) postavi

rezultat u selektovanoj eliji B2, potrebno je ponovo oznaiti ovu eliju a zatim miem (uz
dranje lijeve tipke) koji pokazuje na donji desni ugao elije (pojavi se crni znak plus),
povui prvo po irini a zatim po duini tabele. Vrijednosti u tabeli postavljaju se tako u samo
nekoliko poteza nakon definisanja formata tabele.
254
Tabela 8. Studentova t raspodjela

Vrijednosti u tabeli izraunate su posredstvom funkcije TINV prema inicijalnoj sintaksi:
=TINV(B$3;$A4).
c je interval povjerenja
nivo znaajnosti za dvosmjerni test
'
''
nivo znaajnosti za jednosmjerni test
'
-t
A
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
c
'
d.f.''
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
35
40
45
50
55
60
65
70
75
80
85
90
95
100
200
300
400
500
600
700
800
1000000000
B
0,75
0,125
0,25
2,414213
1,603566
1,422625
1,344397
1,300949
1,273349
1,254278
1,240319
1,229660
1,221256
1,214460
1,208853
1,204146
1,200140
1,196689
1,193686
1,191047
1,188712
1,186629
1,184761
1,183076
1,181548
1,180157
1,178885
1,177716
1,176639
1,175645
1,174722
1,173864
1,173065
1,169765
1,167302
1,165394
1,163871
1,162629
1,161595
1,160722
1,159975
1,159328
1,158763
1,158264
1,157822
1,157426
1,157071
1,153700
1,152581
1,152023
1,151687
1,151463
1,151304
1,151185
1,150355
C
0,8
0,1
0,2
3,077685
1,885619
1,637745
1,533206
1,475885
1,439755
1,414924
1,396816
1,383029
1,372184
1,363430
1,356218
1,350172
1,345031
1,340605
1,336757
1,333379
1,330391
1,327728
1,325341
1,323187
1,321237
1,319461
1,317835
1,316346
1,314972
1,313704
1,312526
1,311435
1,310416
1,306212
1,303076
1,300650
1,298713
1,297135
1,295821
1,294711
1,293763
1,292942
1,292224
1,291592
1,291029
1,290526
1,290075
1,285798
1,284379
1,283672
1,283247
1,282964
1,282763
1,282610
1,281560
D
0,85
0,075
0,15
4,165304
2,281931
1,924318
1,778192
1,699364
1,650174
1,616590
1,592221
1,573735
1,559235
1,547560
1,537956
1,529920
1,523094
1,517228
1,512130
1,507660
1,503709
1,500189
1,497035
1,494193
1,491619
1,489277
1,487135
1,485171
1,483363
1,481692
1,480144
1,478704
1,477365
1,471838
1,467720
1,464534
1,461995
1,459923
1,458202
1,456747
1,455505
1,454428
1,453488
1,452659
1,451924
1,451267
1,450676
1,445081
1,443227
1,442302
1,441747
1,441376
1,441113
1,440915
1,439540
E
0,9
0,05
0,1
6,313749
2,919987
2,353363
2,131846
2,015049
1,943181
1,894578
1,859548
1,833114
1,812462
1,795884
1,782287
1,770932
1,761309
1,753051
1,745884
1,739606
1,734063
1,729131
1,724718
1,720744
1,717144
1,713870
1,710882
1,708140
1,705616
1,703288
1,701130
1,699127
1,697260
1,689573
1,683852
1,679427
1,675905
1,673034
1,670649
1,668636
1,666915
1,665426
1,664125
1,662979
1,661961
1,661051
1,660235
1,652509
1,649948
1,648673
1,647907
1,647397
1,647034
1,646761
1,644864
F
0,95
0,025
0,05
12,706150
4,302656
3,182449
2,776451
2,570578
2,446914
2,364623
2,306006
2,262159
2,228139
2,200986
2,178813
2,160368
2,144789
2,131451
2,119905
2,109819
2,100924
2,093025
2,085962
2,079614
2,073875
2,068655
2,063898
2,059537
2,055531
2,051829
2,048409
2,045231
2,042270
2,030110
2,021075
2,014103
2,008560
2,004044
2,000297
1,997137
1,994435
1,992103
1,990065
1,988269
1,986673
1,985250
1,983972
1,971894
1,967901
1,965914
1,964718
1,963926
1,963358
1,962935
1,959961
'
G
0,96
0,02
0,04
15,894475
4,848735
3,481910
2,998531
2,756515
2,612242
2,516754
2,448987
2,398438
2,359311
2,328143
2,302722
2,281604
2,263778
2,248544
2,235356
2,223842
2,213701
2,204702
2,196657
2,189427
2,182892
2,176957
2,171546
2,166589
2,162028
2,157822
2,153938
2,150327
2,146967
2,133156
2,122911
2,115003
2,108718
2,103607
2,099364
2,095785
2,092729
2,090082
2,087777
2,085744
2,083943
2,082334
2,080883
2,067227
2,062716
2,060469
2,059123
2,058223
2,057582
2,057104
2,053748
H
I
J
0,97
0,98
0,99
0,015
0,01
0,005
0,03
0,02
0,01
21,205051 31,820964 63,655898
5,642796 6,964547 9,924988
3,896057 4,540707 5,840848
3,297628 3,746936 4,604080
3,002879 3,364930 4,032117
2,828929 3,142668 3,707428
2,714569 2,997949 3,499481
2,633815 2,896468 3,355381
2,573806 2,821434 3,249843
2,527486 2,763772 3,169262
2,490669 2,718079 3,105815
2,460702 2,680990 3,054538
2,435845 2,650304 3,012283
2,414899 2,624492 2,976849
2,397010 2,602483 2,946726
2,381548 2,583492 2,920788
2,368051 2,566940 2,898232
2,356182 2,552379 2,878442
2,345651 2,539482 2,860943
2,336246 2,527977 2,845336
2,327788 2,517645 2,831366
2,320157 2,508323 2,818761
2,313227 2,499874 2,807337
2,306915 2,492161 2,796951
2,301131 2,485103 2,787438
2,295810 2,478628 2,778725
2,290917 2,472661 2,770685
2,286379 2,467141 2,763263
2,282177 2,462020 2,756387
2,278266 2,457264 2,749985
2,262186 2,437719 2,723809
2,250272 2,423258 2,704455
2,241086 2,412116 2,689594
2,233783 2,403267 2,677789
2,227853 2,396082 2,668221
2,222923 2,390116 2,660272
2,218776 2,385095 2,653615
2,215229 2,380802 2,647903
2,212164 2,377101 2,642992
2,209486 2,373872 2,638699
2,207130 2,371016 2,634915
2,205043 2,368497 2,631568
2,203178 2,366241 2,628585
2,201496 2,364213 2,625893
2,185689 2,345132 2,600627
2,180459 2,338838 2,592315
2,177858 2,335710 2,588167
2,176303 2,333827 2,585693
2,175266 2,332581 2,584056
2,174520 2,331690 2,582874
2,173965 2,331017 2,581983
2,170091 2,326342 2,575835
255
Tabela 9. 2 raspodjela
2 vrijednosti u tabeli izraunate su posredstvom funkcije CHIINV prema inicijalnoj sintaksi
prikazanoj na slici ispod.
za d.f.=1 ili 2
za d.f.>=3
A
1 d.f. \
1
2
2
3
3
4
4
5
5
6
6
7
7
8
8
9
9
10
10
11
11
12
12
13
13
14
14
15
15
16
16
17
17
18
18
19
19
20
20
21
21
22
22
23
23
24
24
25
25
26
26
27
27
28
28
29
29
30
30
31
40
32
50
33
60
34
70
35
80
36
90
37
100
38
B
0,995
0,0000393
0,0100247
0,0717235
0,2069836
0,4117508
0,6757334
0,9892509
1,3444027
1,7349114
2,1558454
2,6032019
3,0737850
3,5650420
4,0746588
4,6008741
5,1421643
5,6972737
6,2647659
6,8439233
7,4338114
8,0336021
8,6426806
9,2603831
9,8861987
10,5196471
11,1602178
11,8076550
12,4612811
13,1210666
13,7866817
20,7065768
27,9908247
35,5343972
43,2753050
51,1719331
59,1963270
67,3275332
C
0,99
0,0001571
0,0201004
0,1148316
0,2971068
0,5542969
0,8720833
1,2390317
1,6465062
2,0878894
2,5581988
3,0534957
3,5705513
4,1068996
4,6604155
5,2293559
5,8121968
6,4077420
7,0149034
7,6326976
8,2603684
8,8971724
9,5424944
10,1956888
10,8563494
11,5239511
12,1981769
12,8784685
13,5646661
14,2564062
14,9534644
22,1642012
29,7067253
37,4847956
45,4417001
53,5399831
61,7540186
70,0649951
D
0,975
0,0009821
0,0506357
0,2157949
0,4844190
0,8312089
1,2373419
1,6898640
2,1797247
2,7003887
3,2469635
3,8157424
4,4037775
5,0087376
5,6287238
6,2621229
6,9076641
7,5641786
8,2307372
8,9065144
9,5907725
10,2829066
10,9823302
11,6885343
12,4011458
13,1197074
13,8438811
14,5733732
15,3078543
16,0470506
16,7907558
24,4330579
32,3573845
40,4817067
48,7575357
57,1531519
65,6465922
74,2218818
E
0,95
0,0039322
0,1025862
0,3518460
0,7107241
1,1454773
1,6353805
2,1673492
2,7326326
3,3251151
3,9402953
4,5748090
5,2260277
5,8918606
6,5706316
7,2609348
7,9616386
8,6717536
9,3904479
10,1170062
10,8507994
11,5913160
12,3380095
13,0905050
13,8484222
14,6113957
15,3791626
16,1513946
16,9278763
17,7083814
18,4926672
26,5092955
34,7642365
43,1879660
51,7392634
60,3914589
69,1260183
77,9294423
F
G
H
I
J
K
0,9
0,1
0,05
0,025
0,01
0,005
0,01579
2,70554
3,8415
5,0239
6,6349
7,8794
0,21072
4,60518
5,9915
7,3778
9,2104 10,5965
0,58438
6,25139
7,8147
9,3484 11,3449 12,8381
1,06362
7,77943
9,4877 11,1433 13,2767 14,8602
1,61031
9,23635 11,0705 12,8325 15,0863 16,7496
2,20413 10,64464 12,5916 14,4494 16,8119 18,5475
2,83311 12,01703 14,0671 16,0128 18,4753 20,2777
3,48954 13,36156 15,5073 17,5345 20,0902 21,9549
4,16816 14,68366 16,9190 19,0228 21,6660 23,5893
4,86518 15,98717 18,3070 20,4832 23,2093 25,1881
5,57779 17,27501 19,6752 21,9200 24,7250 26,7569
6,30380 18,54934 21,0261 23,3367 26,2170 28,2997
7,04150 19,81193 22,3620 24,7356 27,6882 29,8193
7,78954 21,06414 23,6848 26,1189 29,1412 31,3194
8,54675 22,30712 24,9958 27,4884 30,5780 32,8015
9,31224 23,54182 26,2962 28,8453 31,9999 34,2671
10,08518 24,76903 27,5871 30,1910 33,4087 35,7184
10,86494 25,98942 28,8693 31,5264 34,8052 37,1564
11,65091 27,20356 30,1435 32,8523 36,1908 38,5821
12,44260 28,41197 31,4104 34,1696 37,5663 39,9969
13,23960 29,61509 32,6706 35,4789 38,9322 41,4009
14,04149 30,81329 33,9245 36,7807 40,2894 42,7957
14,84795 32,00689 35,1725 38,0756 41,6383 44,1814
15,65868 33,19624 36,4150 39,3641 42,9798 45,5584
16,47341 34,38158 37,6525 40,6465 44,3140 46,9280
17,29188 35,56316 38,8851 41,9231 45,6416 48,2898
18,11389 36,74123 40,1133 43,1945 46,9628 49,6450
18,93924 37,91591 41,3372 44,4608 48,2782 50,9936
19,76774 39,08748 42,5569 45,7223 49,5878 52,3355
20,59924 40,25602 43,7730 46,9792 50,8922 53,6719
29,05052 51,80504 55,7585 59,3417 63,6908 66,7660
37,68864 63,16711 67,5048 71,4202 76,1538 79,4898
46,45888 74,39700 79,0820 83,2977 88,3794 91,9518
55,32894 85,52704 90,5313 95,0231 100,4251 104,2148
64,27784 96,57820 101,8795 106,6285 112,3288 116,3209
73,29108 107,56501 113,1452 118,1359 124,1162 128,2987
82,35813 118,49800 124,3421 129,5613 135,8069 140,1697
256
Tabela 10. F- raspodjela

FDIST(x; df1; df2)
df1df2
df1 df2
df1 df1
2
2
df1 2 u 2 1 1 df1 u
du 5%
df2
df1
df2
df2
x
2 2
Koliko je x?
Primjer
x = FINV(5%;D$1;$A5) = 6,59.
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
2
3
4
5
6
7
8
9
10
11
12
13
14
15
1
1 df2 \ df1
1
161,45 199,50 215,71 224,58 230,16 233,99 236,77 238,88 240,54 241,88 242,98 243,90 244,69 245,36 245,95
2
2
18,51 19,00 19,16 19,25 19,30 19,33 19,35 19,37 19,38 19,40 19,40 19,41 19,42 19,42 19,43
3
3
10,13 9,55 9,28 9,12 9,01 8,94 8,89 8,85 8,81 8,79 8,76 8,74 8,73 8,71 8,70
4
4
7,71 6,94 6,59 6,39 6,26 6,16 6,09 6,04 6,00 5,96 5,94 5,91 5,89 5,87 5,86
5
5
6,61 5,79 5,41 5,19 5,05 4,95 4,88 4,82 4,77 4,74 4,70 4,68 4,66 4,64 4,62
6
6
5,99 5,14 4,76 4,53 4,39 4,28 4,21 4,15 4,10 4,06 4,03 4,00 3,98 3,96 3,94
7
7
5,59 4,74 4,35 4,12 3,97 3,87 3,79 3,73 3,68 3,64 3,60 3,57 3,55 3,53 3,51
8
8
5,32 4,46 4,07 3,84 3,69 3,58 3,50 3,44 3,39 3,35 3,31 3,28 3,26 3,24 3,22
9
9
5,12 4,26 3,86 3,63 3,48 3,37 3,29 3,23 3,18 3,14 3,10 3,07 3,05 3,03 3,01
10
10
4,96 4,10 3,71 3,48 3,33 3,22 3,14 3,07 3,02 2,98 2,94 2,91 2,89 2,86 2,85
11
11
4,84 3,98 3,59 3,36 3,20 3,09 3,01 2,95 2,90 2,85 2,82 2,79 2,76 2,74 2,72
12
12
4,75 3,89 3,49 3,26 3,11 3,00 2,91 2,85 2,80 2,75 2,72 2,69 2,66 2,64 2,62
13
13
4,67 3,81 3,41 3,18 3,03 2,92 2,83 2,77 2,71 2,67 2,63 2,60 2,58 2,55 2,53
14
14
4,60 3,74 3,34 3,11 2,96 2,85 2,76 2,70 2,65 2,60 2,57 2,53 2,51 2,48 2,46
15
15
4,54 3,68 3,29 3,06 2,90 2,79 2,71 2,64 2,59 2,54 2,51 2,48 2,45 2,42 2,40
16
16
4,49 3,63 3,24 3,01 2,85 2,74 2,66 2,59 2,54 2,49 2,46 2,42 2,40 2,37 2,35
17
17
4,45 3,59 3,20 2,96 2,81 2,70 2,61 2,55 2,49 2,45 2,41 2,38 2,35 2,33 2,31
18
18
4,41 3,55 3,16 2,93 2,77 2,66 2,58 2,51 2,46 2,41 2,37 2,34 2,31 2,29 2,27
19
19
4,38 3,52 3,13 2,90 2,74 2,63 2,54 2,48 2,42 2,38 2,34 2,31 2,28 2,26 2,23
20
20
4,35 3,49 3,10 2,87 2,71 2,60 2,51 2,45 2,39 2,35 2,31 2,28 2,25 2,22 2,20
21
21
4,32 3,47 3,07 2,84 2,68 2,57 2,49 2,42 2,37 2,32 2,28 2,25 2,22 2,20 2,18
22
22
4,30 3,44 3,05 2,82 2,66 2,55 2,46 2,40 2,34 2,30 2,26 2,23 2,20 2,17 2,15
23
23
4,28 3,42 3,03 2,80 2,64 2,53 2,44 2,37 2,32 2,27 2,24 2,20 2,18 2,15 2,13
24
24
4,26 3,40 3,01 2,78 2,62 2,51 2,42 2,36 2,30 2,25 2,22 2,18 2,15 2,13 2,11
25
25
4,24 3,39 2,99 2,76 2,60 2,49 2,40 2,34 2,28 2,24 2,20 2,16 2,14 2,11 2,09
26
4,23 3,37 2,98 2,74 2,59 2,47 2,39 2,32 2,27 2,22 2,18 2,15 2,12 2,09 2,07
26
27
4,21 3,35 2,96 2,73 2,57 2,46 2,37 2,31 2,25 2,20 2,17 2,13 2,10 2,08 2,06
27
28
4,20 3,34 2,95 2,71 2,56 2,45 2,36 2,29 2,24 2,19 2,15 2,12 2,09 2,06 2,04
28
29
4,18 3,33 2,93 2,70 2,55 2,43 2,35 2,28 2,22 2,18 2,14 2,10 2,08 2,05 2,03
29
30
4,17 3,32 2,92 2,69 2,53 2,42 2,33 2,27 2,21 2,16 2,13 2,09 2,06 2,04 2,01
30
31
4,15 3,29 2,90 2,67 2,51 2,40 2,31 2,24 2,19 2,14 2,10 2,07 2,04 2,01 1,99
32
32
34
4,13 3,28 2,88 2,65 2,49 2,38 2,29 2,23 2,17 2,12 2,08 2,05 2,02 1,99 1,97
33
4,11 3,26 2,87 2,63 2,48 2,36 2,28 2,21 2,15 2,11 2,07 2,03 2,00 1,98 1,95
36
34
4,10 3,24 2,85 2,62 2,46 2,35 2,26 2,19 2,14 2,09 2,05 2,02 1,99 1,96 1,94
38
35
4,08 3,23 2,84 2,61 2,45 2,34 2,25 2,18 2,12 2,08 2,04 2,00 1,97 1,95 1,92
40
36
4,07 3,22 2,83 2,59 2,44 2,32 2,24 2,17 2,11 2,06 2,03 1,99 1,96 1,94 1,91
42
37
44
4,06 3,21 2,82 2,58 2,43 2,31 2,23 2,16 2,10 2,05 2,01 1,98 1,95 1,92 1,90
38
4,05 3,20 2,81 2,57 2,42 2,30 2,22 2,15 2,09 2,04 2,00 1,97 1,94 1,91 1,89
46
39
4,04 3,19 2,80 2,57 2,41 2,29 2,21 2,14 2,08 2,03 1,99 1,96 1,93 1,90 1,88
48
40
50
4,03 3,18 2,79 2,56 2,40 2,29 2,20 2,13 2,07 2,03 1,99 1,95 1,92 1,89 1,87
41
55
4,02 3,16 2,77 2,54 2,38 2,27 2,18 2,11 2,06 2,01 1,97 1,93 1,90 1,88 1,85
42
60
4,00 3,15 2,76 2,53 2,37 2,25 2,17 2,10 2,04 1,99 1,95 1,92 1,89 1,86 1,84
43
65
3,99 3,14 2,75 2,51 2,36 2,24 2,15 2,08 2,03 1,98 1,94 1,90 1,87 1,85 1,82
44
70
3,98 3,13 2,74 2,50 2,35 2,23 2,14 2,07 2,02 1,97 1,93 1,89 1,86 1,84 1,81
45
80
3,96 3,11 2,72 2,49 2,33 2,21 2,13 2,06 2,00 1,95 1,91 1,88 1,84 1,82 1,79
46
100
3,94 3,09 2,70 2,46 2,31 2,19 2,10 2,03 1,97 1,93 1,89 1,85 1,82 1,79 1,77
47
125
3,92 3,07 2,68 2,44 2,29 2,17 2,08 2,01 1,96 1,91 1,87 1,83 1,80 1,77 1,75
48
200
3,89 3,04 2,65 2,42 2,26 2,14 2,06 1,98 1,93 1,88 1,84 1,80 1,77 1,74 1,72
49
400
3,86 3,02 2,63 2,39 2,24 2,12 2,03 1,96 1,90 1,85 1,81 1,78 1,74 1,72 1,69
50
600
3,86 3,01 2,62 2,39 2,23 2,11 2,02 1,95 1,90 1,85 1,80 1,77 1,74 1,71 1,68
51
800
3,85 3,01 2,62 2,38 2,23 2,11 2,02 1,95 1,89 1,84 1,80 1,76 1,73 1,70 1,68
52
1000
3,85 3,00 2,61 2,38 2,22 2,11 2,02 1,95 1,89 1,84 1,80 1,76 1,73 1,70 1,68
53
1200
3,85 3,00 2,61 2,38 2,22 2,11 2,02 1,95 1,89 1,84 1,80 1,76 1,73 1,70 1,67
54
3,84 3,00 2,60 2,37 2,21 2,10 2,01 1,94 1,88 1,83 1,79 1,75 1,72 1,69 1,67
55 10000000
257
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
1 df2 \ df1
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
2
1
246,47 246,92 247,32 247,69 248,02 248,31 248,58 248,82 249,05 249,26 249,45 249,63 249,80 249,95 250,10
3
2
19,43 19,44 19,44 19,44 19,45 19,45 19,45 19,45 19,45 19,46 19,46 19,46 19,46 19,46 19,46
4
3
8,69
8,68
8,67
8,67
8,66
8,65
8,65
8,64
8,64
8,63
8,63
8,63
8,62
8,62
8,62
5
4
5,84
5,83
5,82
5,81
5,80
5,79
5,79
5,78
5,77
5,77
5,76
5,76
5,75
5,75
5,75
6
5
4,60
4,59
4,58
4,57
4,56
4,55
4,54
4,53
4,53
4,52
4,52
4,51
4,50
4,50
4,50
6
7
3,92
3,91
3,90
3,88
3,87
3,86
3,86
3,85
3,84
3,83
3,83
3,82
3,82
3,81
3,81
7
8
3,49
3,48
3,47
3,46
3,44
3,43
3,43
3,42
3,41
3,40
3,40
3,39
3,39
3,38
3,38
8
9
3,20
3,19
3,17
3,16
3,15
3,14
3,13
3,12
3,12
3,11
3,10
3,10
3,09
3,08
3,08
9
10
2,99
2,97
2,96
2,95
2,94
2,93
2,92
2,91
2,90
2,89
2,89
2,88
2,87
2,87
2,86
10
11
2,83
2,81
2,80
2,79
2,77
2,76
2,75
2,75
2,74
2,73
2,72
2,72
2,71
2,70
2,70
11
12
2,70
2,69
2,67
2,66
2,65
2,64
2,63
2,62
2,61
2,60
2,59
2,59
2,58
2,58
2,57
13
12
2,60
2,58
2,57
2,56
2,54
2,53
2,52
2,51
2,51
2,50
2,49
2,48
2,48
2,47
2,47
13
2,51
2,50
2,48
2,47
2,46
2,45
2,44
2,43
2,42
2,41
2,41
2,40
2,39
2,39
2,38
14
15
14
2,44
2,43
2,41
2,40
2,39
2,38
2,37
2,36
2,35
2,34
2,33
2,33
2,32
2,31
2,31
16
15
2,38
2,37
2,35
2,34
2,33
2,32
2,31
2,30
2,29
2,28
2,27
2,27
2,26
2,25
2,25
17
16
2,33
2,32
2,30
2,29
2,28
2,26
2,25
2,24
2,24
2,23
2,22
2,21
2,21
2,20
2,19
17
2,29
2,27
2,26
2,24
2,23
2,22
2,21
2,20
2,19
2,18
2,17
2,17
2,16
2,15
2,15
18
18
2,25
2,23
2,22
2,20
2,19
2,18
2,17
2,16
2,15
2,14
2,13
2,13
2,12
2,11
2,11
19
19
2,21
2,20
2,18
2,17
2,16
2,14
2,13
2,12
2,11
2,11
2,10
2,09
2,08
2,08
2,07
20
20
2,18
2,17
2,15
2,14
2,12
2,11
2,10
2,09
2,08
2,07
2,07
2,06
2,05
2,05
2,04
21
21
2,16
2,14
2,12
2,11
2,10
2,08
2,07
2,06
2,05
2,05
2,04
2,03
2,02
2,02
2,01
22
22
2,13
2,11
2,10
2,08
2,07
2,06
2,05
2,04
2,03
2,02
2,01
2,00
2,00
1,99
1,98
23
23
2,11
2,09
2,08
2,06
2,05
2,04
2,02
2,01
2,01
2,00
1,99
1,98
1,97
1,97
1,96
24
24
2,09
2,07
2,05
2,04
2,03
2,01
2,00
1,99
1,98
1,97
1,97
1,96
1,95
1,95
1,94
25
26
25
2,07
2,05
2,04
2,02
2,01
2,00
1,98
1,97
1,96
1,96
1,95
1,94
1,93
1,93
1,92
27
26
2,05
2,03
2,02
2,00
1,99
1,98
1,97
1,96
1,95
1,94
1,93
1,92
1,91
1,91
1,90
28
27
2,04
2,02
2,00
1,99
1,97
1,96
1,95
1,94
1,93
1,92
1,91
1,90
1,90
1,89
1,88
28
29
2,02
2,00
1,99
1,97
1,96
1,95
1,93
1,92
1,91
1,91
1,90
1,89
1,88
1,88
1,87
29
30
2,01
1,99
1,97
1,96
1,94
1,93
1,92
1,91
1,90
1,89
1,88
1,88
1,87
1,86
1,85
30
31
1,99
1,98
1,96
1,95
1,93
1,92
1,91
1,90
1,89
1,88
1,87
1,86
1,85
1,85
1,84
32
32
1,97
1,95
1,94
1,92
1,91
1,90
1,88
1,87
1,86
1,85
1,85
1,84
1,83
1,82
1,82
34
33
1,95
1,93
1,92
1,90
1,89
1,88
1,86
1,85
1,84
1,83
1,82
1,82
1,81
1,80
1,80
36
34
1,93
1,92
1,90
1,88
1,87
1,86
1,85
1,83
1,82
1,81
1,81
1,80
1,79
1,78
1,78
35
38
1,92
1,90
1,88
1,87
1,85
1,84
1,83
1,82
1,81
1,80
1,79
1,78
1,77
1,77
1,76
36
40
1,90
1,89
1,87
1,85
1,84
1,83
1,81
1,80
1,79
1,78
1,77
1,77
1,76
1,75
1,74
37
42
1,89
1,87
1,86
1,84
1,83
1,81
1,80
1,79
1,78
1,77
1,76
1,75
1,75
1,74
1,73
38
44
1,88
1,86
1,84
1,83
1,81
1,80
1,79
1,78
1,77
1,76
1,75
1,74
1,73
1,73
1,72
39
46
1,87
1,85
1,83
1,82
1,80
1,79
1,78
1,77
1,76
1,75
1,74
1,73
1,72
1,71
1,71
48
40
1,86
1,84
1,82
1,81
1,79
1,78
1,77
1,76
1,75
1,74
1,73
1,72
1,71
1,70
1,70
50
41
1,85
1,83
1,81
1,80
1,78
1,77
1,76
1,75
1,74
1,73
1,72
1,71
1,70
1,69
1,69
55
42
1,83
1,81
1,79
1,78
1,76
1,75
1,74
1,73
1,72
1,71
1,70
1,69
1,68
1,67
1,67
60
43
1,82
1,80
1,78
1,76
1,75
1,73
1,72
1,71
1,70
1,69
1,68
1,67
1,66
1,66
1,65
65
44
1,80
1,78
1,76
1,75
1,73
1,72
1,71
1,70
1,69
1,68
1,67
1,66
1,65
1,64
1,63
70
45
1,79
1,77
1,75
1,74
1,72
1,71
1,70
1,68
1,67
1,66
1,65
1,65
1,64
1,63
1,62
46
80
1,77
1,75
1,73
1,72
1,70
1,69
1,68
1,67
1,65
1,64
1,63
1,63
1,62
1,61
1,60
47
100
1,75
1,73
1,71
1,69
1,68
1,66
1,65
1,64
1,63
1,62
1,61
1,60
1,59
1,58
1,57
48
125
1,73
1,71
1,69
1,67
1,66
1,64
1,63
1,62
1,60
1,59
1,58
1,58
1,57
1,56
1,55
49
200
1,69
1,67
1,66
1,64
1,62
1,61
1,60
1,58
1,57
1,56
1,55
1,54
1,53
1,52
1,52
50
400
1,67
1,65
1,63
1,61
1,60
1,58
1,57
1,56
1,54
1,53
1,52
1,51
1,50
1,50
1,49
600
51
1,66
1,64
1,62
1,60
1,59
1,57
1,56
1,55
1,54
1,52
1,51
1,50
1,50
1,49
1,48
1,64
1,62
1,60
1,58
1,57
1,56
1,54
1,53
1,52
1,51
1,50
1,49
1,48
1,47
800
52
1,66
1000
1,65
1,63
1,61
1,60
1,58
1,57
1,55
1,54
1,53
1,52
1,51
1,50
1,49
1,48
1,47
53
1200
1,65
1,63
1,61
1,60
1,58
1,56
1,55
1,54
1,53
1,52
1,50
1,50
1,49
1,48
1,47
54
1,64
1,62
1,60
1,59
1,57
1,56
1,54
1,53
1,52
1,51
1,50
1,49
1,48
1,47
1,46
55 10000000
x = FINV(5%;F$1;$A10) = 2,94.
258
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
50
100
150
200
250
300
350
400
450
500
550
600
650
700 100000
1 df2 \ df1
2
1
251,77 253,04 253,47 253,68 253,81 253,89 253,95 254,00 254,03 254,06 254,08 254,10 254,12 254,13 254,31
2
3
19,48 19,49 19,49 19,49 19,49 19,49 19,49 19,49 19,49 19,49 19,49 19,49 19,49 19,49 19,50
4
3
8,58
8,55
8,54
8,54
8,54
8,54
8,53
8,53
8,53
8,53
8,53
8,53
8,53
8,53
8,53
4
5
5,70
5,66
5,65
5,65
5,64
5,64
5,64
5,64
5,64
5,64
5,63
5,63
5,63
5,63
5,63
6
5
4,44
4,41
4,39
4,39
4,38
4,38
4,38
4,38
4,37
4,37
4,37
4,37
4,37
4,37
4,37
6
7
3,75
3,71
3,70
3,69
3,69
3,68
3,68
3,68
3,68
3,68
3,68
3,68
3,68
3,68
3,67
8
7
3,32
3,27
3,26
3,25
3,25
3,24
3,24
3,24
3,24
3,24
3,24
3,24
3,24
3,24
3,23
8
9
3,02
2,97
2,96
2,95
2,95
2,94
2,94
2,94
2,94
2,94
2,94
2,94
2,93
2,93
2,93
10
9
2,80
2,76
2,74
2,73
2,73
2,72
2,72
2,72
2,72
2,72
2,72
2,71
2,71
2,71
2,71
10
11
2,64
2,59
2,57
2,56
2,56
2,55
2,55
2,55
2,55
2,55
2,55
2,55
2,55
2,55
2,54
12
11
2,51
2,46
2,44
2,43
2,43
2,42
2,42
2,42
2,42
2,42
2,41
2,41
2,41
2,41
2,40
12
13
2,40
2,35
2,33
2,32
2,32
2,31
2,31
2,31
2,31
2,31
2,31
2,31
2,30
2,30
2,30
14
13
2,31
2,26
2,24
2,23
2,23
2,23
2,22
2,22
2,22
2,22
2,22
2,22
2,22
2,21
2,21
14
15
2,24
2,19
2,17
2,16
2,15
2,15
2,15
2,15
2,14
2,14
2,14
2,14
2,14
2,14
2,13
16
15
2,18
2,12
2,10
2,10
2,09
2,09
2,08
2,08
2,08
2,08
2,08
2,08
2,07
2,07
2,07
16
2,12
2,07
2,05
2,04
2,03
2,03
2,03
2,02
2,02
2,02
2,02
2,02
2,02
2,02
2,01
17
18
17
2,08
2,02
2,00
1,99
1,98
1,98
1,98
1,98
1,97
1,97
1,97
1,97
1,97
1,97
1,96
18
2,04
1,98
1,96
1,95
1,94
1,94
1,93
1,93
1,93
1,93
1,93
1,93
1,93
1,93
1,92
19
19
2,00
1,94
1,92
1,91
1,90
1,90
1,90
1,89
1,89
1,89
1,89
1,89
1,89
1,89
1,88
20
20
1,97
1,91
1,89
1,88
1,87
1,86
1,86
1,86
1,86
1,86
1,86
1,85
1,85
1,85
1,84
21
21
1,94
1,88
1,86
1,84
1,84
1,83
1,83
1,83
1,83
1,83
1,82
1,82
1,82
1,82
1,81
22
22
1,91
1,85
1,83
1,82
1,81
1,81
1,80
1,80
1,80
1,80
1,80
1,79
1,79
1,79
1,78
23
23
1,88
1,82
1,80
1,79
1,78
1,78
1,78
1,77
1,77
1,77
1,77
1,77
1,77
1,77
1,76
24
24
1,86
1,80
1,78
1,77
1,76
1,76
1,75
1,75
1,75
1,75
1,75
1,74
1,74
1,74
1,73
25
25
1,84
1,78
1,76
1,75
1,74
1,73
1,73
1,73
1,73
1,73
1,72
1,72
1,72
1,72
1,71
26
26
27
1,82
1,76
1,74
1,73
1,72
1,71
1,71
1,71
1,71
1,71
1,70
1,70
1,70
1,70
1,69
28
27
1,81
1,74
1,72
1,71
1,70
1,70
1,69
1,69
1,69
1,69
1,68
1,68
1,68
1,68
1,67
28
29
1,79
1,73
1,70
1,69
1,68
1,68
1,68
1,67
1,67
1,67
1,67
1,67
1,67
1,66
1,65
30
29
1,77
1,71
1,69
1,67
1,67
1,66
1,66
1,66
1,65
1,65
1,65
1,65
1,65
1,65
1,64
30
31
1,76
1,70
1,67
1,66
1,65
1,65
1,64
1,64
1,64
1,64
1,64
1,63
1,63
1,63
1,62
32
32
1,74
1,67
1,64
1,63
1,63
1,62
1,62
1,61
1,61
1,61
1,61
1,61
1,61
1,61
1,59
34
33
1,71
1,65
1,62
1,61
1,60
1,60
1,59
1,59
1,59
1,59
1,58
1,58
1,58
1,58
1,57
34
36
1,69
1,62
1,60
1,59
1,58
1,57
1,57
1,57
1,57
1,56
1,56
1,56
1,56
1,56
1,55
38
35
1,68
1,61
1,58
1,57
1,56
1,55
1,55
1,55
1,55
1,54
1,54
1,54
1,54
1,54
1,53
36
40
1,66
1,59
1,56
1,55
1,54
1,54
1,53
1,53
1,53
1,53
1,52
1,52
1,52
1,52
1,51
42
37
1,65
1,57
1,55
1,53
1,53
1,52
1,52
1,51
1,51
1,51
1,51
1,51
1,51
1,50
1,49
38
44
1,63
1,56
1,53
1,52
1,51
1,51
1,50
1,50
1,50
1,49
1,49
1,49
1,49
1,49
1,48
46
39
1,62
1,55
1,52
1,51
1,50
1,49
1,49
1,49
1,48
1,48
1,48
1,48
1,48
1,48
1,46
40
48
1,61
1,54
1,51
1,49
1,49
1,48
1,48
1,47
1,47
1,47
1,47
1,47
1,46
1,46
1,45
41
50
1,60
1,52
1,50
1,48
1,47
1,47
1,46
1,46
1,46
1,46
1,46
1,45
1,45
1,45
1,44
42
55
1,58
1,50
1,47
1,46
1,45
1,44
1,44
1,44
1,43
1,43
1,43
1,43
1,43
1,43
1,41
43
60
1,56
1,48
1,45
1,44
1,43
1,42
1,42
1,41
1,41
1,41
1,41
1,41
1,40
1,40
1,39
44
65
1,54
1,46
1,44
1,42
1,41
1,40
1,40
1,40
1,39
1,39
1,39
1,39
1,39
1,38
1,37
45
70
1,53
1,45
1,42
1,40
1,39
1,39
1,38
1,38
1,38
1,37
1,37
1,37
1,37
1,37
1,35
46
80
1,51
1,43
1,39
1,38
1,37
1,36
1,36
1,35
1,35
1,35
1,35
1,34
1,34
1,34
1,32
47
100
1,48
1,39
1,36
1,34
1,33
1,32
1,32
1,31
1,31
1,31
1,31
1,30
1,30
1,30
1,28
48
125
1,45
1,36
1,33
1,31
1,30
1,29
1,29
1,28
1,28
1,27
1,27
1,27
1,27
1,27
1,25
49
200
1,41
1,32
1,28
1,26
1,25
1,24
1,23
1,23
1,22
1,22
1,22
1,22
1,21
1,21
1,19
50
400
1,38
1,28
1,24
1,22
1,20
1,19
1,19
1,18
1,17
1,17
1,17
1,16
1,16
1,16
1,13
51
1,37
1,27
1,23
1,20
1,19
1,18
1,17
1,16
1,16
1,15
1,15
1,14
1,14
1,14
1,10
600
1,37
1,26
1,22
1,20
1,18
1,17
1,16
1,15
1,15
1,14
1,14
1,13
1,13
1,13
1,09
52
800
1000
1,36
1,26
1,22
1,19
1,17
1,16
1,15
1,14
1,14
1,13
1,13
1,13
1,12
1,12
1,08
53
1200
1,36
1,26
1,21
1,19
1,17
1,16
1,15
1,14
1,13
1,13
1,13
1,12
1,12
1,12
1,07
54
1,35
1,24
1,20
1,17
1,15
1,14
1,13
1,12
1,11
1,11
1,10
1,10
1,09
1,09
1,01
55 10000000
x = FINV(5%;400;3) = 8,53.
259
Tabela 11. F- raspodjela
df1 df2
df1 df1 1
df1 df2
df1
2
df1
2
2
2
1
u
du 1%
FDIST(x; df1; df2)
u
df2
df1 df2 df2
x
2
2
Koliko je x?
Primjer
x =FINV(1%;D$1;$A5)= 16,69.
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
1 df2 \ df1
1
2
4052,18 4999,3 5403,5 5624,3 5764,0 5859,0 5928,3 5981,0 6022,4 6055,9 6083,4 6106,7 6125,8 6143,0 6157,0
3
2
98,50 99,00 99,16 99,25 99,30 99,33 99,36 99,38 99,39 99,40 99,41 99,42 99,42 99,43 99,43
4
3
34,12 30,82 29,46 28,71 28,24 27,91 27,67 27,49 27,34 27,23 27,13 27,05 26,98 26,92 26,87
4
5
21,20 18,00 16,69 15,98 15,52 15,21 14,98 14,80 14,66 14,55 14,45 14,37 14,31 14,25 14,20
5
6
16,26 13,27 12,06 11,39 10,97 10,67 10,46 10,29 10,16 10,05
9,96
9,89
9,82
9,77
9,72
7
6
13,75 10,92
9,78
9,15
8,75
8,47
8,26
8,10
7,98
7,87
7,79
7,72
7,66
7,60
7,56
8
7
12,25
9,55
8,45
7,85
7,46
7,19
6,99
6,84
6,72
6,62
6,54
6,47
6,41
6,36
6,31
9
8
11,26
8,65
7,59
7,01
6,63
6,37
6,18
6,03
5,91
5,81
5,73
5,67
5,61
5,56
5,52
9
10
10,56
8,02
6,99
6,42
6,06
5,80
5,61
5,47
5,35
5,26
5,18
5,11
5,05
5,01
4,96
10
11
10,04
7,56
6,55
5,99
5,64
5,39
5,20
5,06
4,94
4,85
4,77
4,71
4,65
4,60
4,56
11
9,65
7,21
6,22
5,67
5,32
5,07
4,89
4,74
4,63
4,54
4,46
4,40
4,34
4,29
4,25
12
13
12
9,33
6,93
5,95
5,41
5,06
4,82
4,64
4,50
4,39
4,30
4,22
4,16
4,10
4,05
4,01
13
9,07
6,70
5,74
5,21
4,86
4,62
4,44
4,30
4,19
4,10
4,02
3,96
3,91
3,86
3,82
14
14
8,86
6,51
5,56
5,04
4,69
4,46
4,28
4,14
4,03
3,94
3,86
3,80
3,75
3,70
3,66
15
15
8,68
6,36
5,42
4,89
4,56
4,32
4,14
4,00
3,89
3,80
3,73
3,67
3,61
3,56
3,52
16
16
8,53
6,23
5,29
4,77
4,44
4,20
4,03
3,89
3,78
3,69
3,62
3,55
3,50
3,45
3,41
17
17
8,40
6,11
5,19
4,67
4,34
4,10
3,93
3,79
3,68
3,59
3,52
3,46
3,40
3,35
3,31
18
18
8,29
6,01
5,09
4,58
4,25
4,01
3,84
3,71
3,60
3,51
3,43
3,37
3,32
3,27
3,23
19
19
8,18
5,93
5,01
4,50
4,17
3,94
3,77
3,63
3,52
3,43
3,36
3,30
3,24
3,19
3,15
20
20
8,10
5,85
4,94
4,43
4,10
3,87
3,70
3,56
3,46
3,37
3,29
3,23
3,18
3,13
3,09
21
21
8,02
5,78
4,87
4,37
4,04
3,81
3,64
3,51
3,40
3,31
3,24
3,17
3,12
3,07
3,03
22
22
7,95
5,72
4,82
4,31
3,99
3,76
3,59
3,45
3,35
3,26
3,18
3,12
3,07
3,02
2,98
23
23
7,88
5,66
4,76
4,26
3,94
3,71
3,54
3,41
3,30
3,21
3,14
3,07
3,02
2,97
2,93
24
24
7,82
5,61
4,72
4,22
3,90
3,67
3,50
3,36
3,26
3,17
3,09
3,03
2,98
2,93
2,89
25
25
7,77
5,57
4,68
4,18
3,85
3,63
3,46
3,32
3,22
3,13
3,06
2,99
2,94
2,89
2,85
26
26
7,72
5,53
4,64
4,14
3,82
3,59
3,42
3,29
3,18
3,09
3,02
2,96
2,90
2,86
2,81
27
27
28
7,68
5,49
4,60
4,11
3,78
3,56
3,39
3,26
3,15
3,06
2,99
2,93
2,87
2,82
2,78
28
7,64
5,45
4,57
4,07
3,75
3,53
3,36
3,23
3,12
3,03
2,96
2,90
2,84
2,79
2,75
29
29
7,60
5,42
4,54
4,04
3,73
3,50
3,33
3,20
3,09
3,00
2,93
2,87
2,81
2,77
2,73
30
30
7,56
5,39
4,51
4,02
3,70
3,47
3,30
3,17
3,07
2,98
2,91
2,84
2,79
2,74
2,70
31
32
32
7,50
5,34
4,46
3,97
3,65
3,43
3,26
3,13
3,02
2,93
2,86
2,80
2,74
2,70
2,65
33
34
7,44
5,29
4,42
3,93
3,61
3,39
3,22
3,09
2,98
2,89
2,82
2,76
2,70
2,66
2,61
34
36
7,40
5,25
4,38
3,89
3,57
3,35
3,18
3,05
2,95
2,86
2,79
2,72
2,67
2,62
2,58
38
35
7,35
5,21
4,34
3,86
3,54
3,32
3,15
3,02
2,92
2,83
2,75
2,69
2,64
2,59
2,55
40
36
7,31
5,18
4,31
3,83
3,51
3,29
3,12
2,99
2,89
2,80
2,73
2,66
2,61
2,56
2,52
37
42
7,28
5,15
4,29
3,80
3,49
3,27
3,10
2,97
2,86
2,78
2,70
2,64
2,59
2,54
2,50
38
44
7,25
5,12
4,26
3,78
3,47
3,24
3,08
2,95
2,84
2,75
2,68
2,62
2,56
2,52
2,47
46
39
7,22
5,10
4,24
3,76
3,44
3,22
3,06
2,93
2,82
2,73
2,66
2,60
2,54
2,50
2,45
48
40
7,19
5,08
4,22
3,74
3,43
3,20
3,04
2,91
2,80
2,71
2,64
2,58
2,53
2,48
2,44
41
50
7,17
5,06
4,20
3,72
3,41
3,19
3,02
2,89
2,78
2,70
2,63
2,56
2,51
2,46
2,42
42
55
7,12
5,01
4,16
3,68
3,37
3,15
2,98
2,85
2,75
2,66
2,59
2,53
2,47
2,42
2,38
43
60
7,08
4,98
4,13
3,65
3,34
3,12
2,95
2,82
2,72
2,63
2,56
2,50
2,44
2,39
2,35
65
44
7,04
4,95
4,10
3,62
3,31
3,09
2,93
2,80
2,69
2,61
2,53
2,47
2,42
2,37
2,33
70
45
7,01
4,92
4,07
3,60
3,29
3,07
2,91
2,78
2,67
2,59
2,51
2,45
2,40
2,35
2,31
46
80
6,96
4,88
4,04
3,56
3,26
3,04
2,87
2,74
2,64
2,55
2,48
2,42
2,36
2,31
2,27
47
100
6,90
4,82
3,98
3,51
3,21
2,99
2,82
2,69
2,59
2,50
2,43
2,37
2,31
2,27
2,22
125
48
6,84
4,78
3,94
3,47
3,17
2,95
2,79
2,66
2,55
2,47
2,39
2,33
2,28
2,23
2,19
200
49
6,76
4,71
3,88
3,41
3,11
2,89
2,73
2,60
2,50
2,41
2,34
2,27
2,22
2,17
2,13
50
400
6,70
4,66
3,83
3,37
3,06
2,85
2,68
2,56
2,45
2,37
2,29
2,23
2,17
2,13
2,08
51
600
6,68
4,64
3,81
3,35
3,05
2,83
2,67
2,54
2,44
2,35
2,28
2,21
2,16
2,11
2,07
800
52
6,67
4,63
3,81
3,34
3,04
2,82
2,66
2,53
2,43
2,34
2,27
2,21
2,15
2,10
2,06
1000
53
6,66
4,63
3,80
3,34
3,04
2,82
2,66
2,53
2,43
2,34
2,27
2,20
2,15
2,10
2,06
54
1200
6,66
4,62
3,80
3,33
3,03
2,82
2,65
2,53
2,42
2,34
2,26
2,20
2,14
2,10
2,05
55 10000000
6,63
4,61
3,78
3,32
3,02
2,80
2,64
2,51
2,41
2,32
2,25
2,18
2,13
2,08
2,04
x = FINV(1%;G$1;$A52) = 2,82.
x =FINV(1%;L$1;$A2)=6083,4
260
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
1 df2 \ df1
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
2
1
6170,01 6181,2 6191,4 6200,7 6208,7 6216,1 6223,1 6228,7 6234,3 6239,9 6244,5 6249,2 6252,9 6257,1 6260,4
3
2
99,44 99,44 99,44 99,45 99,45 99,45 99,46 99,46 99,46 99,46 99,46 99,46 99,46 99,46 99,47
4
3
26,83 26,79 26,75 26,72 26,69 26,66 26,64 26,62 26,60 26,58 26,56 26,55 26,53 26,52 26,50
5
4
14,15 14,11 14,08 14,05 14,02 13,99 13,97 13,95 13,93 13,91 13,89 13,88 13,86 13,85 13,84
6
5
9,68
9,64
9,61
9,58
9,55
9,53
9,51
9,49
9,47
9,45
9,43
9,42
9,40
9,39
9,38
6
7,52
7,48
7,45
7,42
7,40
7,37
7,35
7,33
7,31
7,30
7,28
7,27
7,25
7,24
7,23
7
7
6,28
6,24
6,21
6,18
6,16
6,13
6,11
6,09
6,07
6,06
6,04
6,03
6,02
6,00
5,99
8
8
5,48
5,44
5,41
5,38
5,36
5,34
5,32
5,30
5,28
5,26
5,25
5,23
5,22
5,21
5,20
9
9
4,92
4,89
4,86
4,83
4,81
4,79
4,77
4,75
4,73
4,71
4,70
4,68
4,67
4,66
4,65
10
10
4,52
4,49
4,46
4,43
4,41
4,38
4,36
4,34
4,33
4,31
4,30
4,28
4,27
4,26
4,25
11
11
4,21
4,18
4,15
4,12
4,10
4,08
4,06
4,04
4,02
4,01
3,99
3,98
3,96
3,95
3,94
12
12
3,97
3,94
3,91
3,88
3,86
3,84
3,82
3,80
3,78
3,76
3,75
3,74
3,72
3,71
3,70
13
13
3,78
3,75
3,72
3,69
3,66
3,64
3,62
3,60
3,59
3,57
3,56
3,54
3,53
3,52
3,51
14
14
3,62
3,59
3,56
3,53
3,51
3,48
3,46
3,44
3,43
3,41
3,40
3,38
3,37
3,36
3,35
15
15
3,49
3,45
3,42
3,40
3,37
3,35
3,33
3,31
3,29
3,28
3,26
3,25
3,24
3,23
3,21
16
16
3,37
3,34
3,31
3,28
3,26
3,24
3,22
3,20
3,18
3,16
3,15
3,14
3,12
3,11
3,10
17
17
3,27
3,24
3,21
3,19
3,16
3,14
3,12
3,10
3,08
3,07
3,05
3,04
3,03
3,01
3,00
18
18
3,19
3,16
3,13
3,10
3,08
3,05
3,03
3,02
3,00
2,98
2,97
2,95
2,94
2,93
2,92
19
19
3,12
3,08
3,05
3,03
3,00
2,98
2,96
2,94
2,92
2,91
2,89
2,88
2,87
2,86
2,84
20
20
3,05
3,02
2,99
2,96
2,94
2,92
2,90
2,88
2,86
2,84
2,83
2,81
2,80
2,79
2,78
21
21
2,99
2,96
2,93
2,90
2,88
2,86
2,84
2,82
2,80
2,79
2,77
2,76
2,74
2,73
2,72
22
22
2,94
2,91
2,88
2,85
2,83
2,81
2,78
2,77
2,75
2,73
2,72
2,70
2,69
2,68
2,67
23
23
2,89
2,86
2,83
2,80
2,78
2,76
2,74
2,72
2,70
2,69
2,67
2,66
2,64
2,63
2,62
24
24
2,85
2,82
2,79
2,76
2,74
2,72
2,70
2,68
2,66
2,64
2,63
2,61
2,60
2,59
2,58
25
25
2,81
2,78
2,75
2,72
2,70
2,68
2,66
2,64
2,62
2,60
2,59
2,58
2,56
2,55
2,54
26
26
2,78
2,75
2,72
2,69
2,66
2,64
2,62
2,60
2,58
2,57
2,55
2,54
2,53
2,51
2,50
27
27
2,75
2,71
2,68
2,66
2,63
2,61
2,59
2,57
2,55
2,54
2,52
2,51
2,49
2,48
2,47
28
28
2,72
2,68
2,65
2,63
2,60
2,58
2,56
2,54
2,52
2,51
2,49
2,48
2,46
2,45
2,44
29
29
2,69
2,66
2,63
2,60
2,57
2,55
2,53
2,51
2,49
2,48
2,46
2,45
2,44
2,42
2,41
30
30
2,66
2,63
2,60
2,57
2,55
2,53
2,51
2,49
2,47
2,45
2,44
2,42
2,41
2,40
2,39
31
32
2,62
2,58
2,55
2,53
2,50
2,48
2,46
2,44
2,42
2,41
2,39
2,38
2,36
2,35
2,34
32
34
2,58
2,54
2,51
2,49
2,46
2,44
2,42
2,40
2,38
2,37
2,35
2,34
2,32
2,31
2,30
33
36
2,54
2,51
2,48
2,45
2,43
2,41
2,38
2,37
2,35
2,33
2,32
2,30
2,29
2,28
2,26
34
38
2,51
2,48
2,45
2,42
2,40
2,37
2,35
2,33
2,32
2,30
2,28
2,27
2,26
2,24
2,23
35
40
2,48
2,45
2,42
2,39
2,37
2,35
2,33
2,31
36
2,29
2,27
2,26
2,24
2,23
2,22
2,20
37
42
2,46
2,43
2,40
2,37
2,34
2,32
2,30
2,28
2,26
2,25
2,23
2,22
2,20
2,19
2,18
38
44
2,44
2,40
2,37
2,35
2,32
2,30
2,28
2,26
2,24
2,22
2,21
2,19
2,18
2,17
2,15
39
46
2,42
2,38
2,35
2,33
2,30
2,28
2,26
2,24
2,22
2,20
2,19
2,17
2,16
2,15
2,13
40
48
2,40
2,37
2,33
2,31
2,28
2,26
2,24
2,22
2,20
2,18
2,17
2,15
2,14
2,13
2,12
41
50
2,38
2,35
2,32
2,29
2,27
2,24
2,22
2,20
2,18
2,17
2,15
2,14
2,12
2,11
2,10
42
55
2,34
2,31
2,28
2,25
2,23
2,21
2,18
2,16
2,15
2,13
2,11
2,10
2,08
2,07
2,06
43
60
2,31
2,28
2,25
2,22
2,20
2,17
2,15
2,13
2,12
2,10
2,08
2,07
2,05
2,04
2,03
65
44
2,29
2,26
2,23
2,20
2,17
2,15
2,13
2,11
2,09
2,07
2,06
2,04
2,03
2,01
2,00
70
45
2,27
2,23
2,20
2,18
2,15
2,13
2,11
2,09
2,07
2,05
2,03
2,02
2,01
1,99
1,98
80
46
2,23
2,20
2,17
2,14
2,12
2,09
2,07
2,05
2,03
2,01
2,00
1,98
1,97
1,96
1,94
100
47
2,19
2,15
2,12
2,09
2,07
2,04
2,02
2,00
1,98
1,97
1,95
1,93
1,92
1,91
1,89
125
48
2,15
2,11
2,08
2,05
2,03
2,00
1,98
1,96
1,94
1,93
1,91
1,89
1,88
1,87
1,85
49
200
2,09
2,06
2,03
2,00
1,97
1,95
1,93
1,90
1,89
1,87
1,85
1,84
1,82
1,81
1,79
50
400
2,05
2,01
1,98
1,95
1,92
1,90
1,88
1,86
1,84
1,82
1,80
1,79
1,77
1,76
1,75
51
600
2,03
2,00
1,96
1,94
1,91
1,88
1,86
1,84
1,82
1,80
1,79
1,77
1,76
1,74
1,73
52
800
2,02
1,99
1,96
1,93
1,90
1,88
1,85
1,83
1,81
1,80
1,78
1,76
1,75
1,73
1,72
53
1000
2,02
1,98
1,95
1,92
1,90
1,87
1,85
1,83
1,81
1,79
1,77
1,76
1,74
1,73
1,72
54
1200
2,02
1,98
1,95
1,92
1,89
1,87
1,85
1,83
1,81
1,79
1,77
1,76
1,74
1,73
1,71
55 10000000
2,00
1,97
1,93
1,90
1,88
1,85
1,83
1,81
1,79
1,77
1,76
1,74
1,72
1,71
1,70
x =FINV(1%;H$1;$A2) = 6223,1.
261
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
1 df2 \ df1
50
100
150
200
250
300
350
400
450
500
550
600
650
700 100000
2
1
6302,26 6333,9 6344,6 6349,8 6353,5 6355,3 6356,7 6358,1 6359,1 6359,5 6360,0 6360,9 6360,9 6361,4 6365,6
3
2
99,48 99,49 99,49 99,49 99,50 99,50 99,50 99,50 99,50 99,50 99,50 99,50 99,50 99,50 99,50
4
3
26,35 26,24 26,20 26,18 26,17 26,16 26,16 26,15 26,15 26,15 26,15 26,14 26,14 26,14 26,13
5
4
13,69 13,58 13,54 13,52 13,51 13,50 13,50 13,49 13,49 13,49 13,48 13,48 13,48 13,48 13,46
6
5
9,24
9,13
9,09
9,08
9,06
9,06
9,05
9,05
9,04
9,04
9,04
9,04
9,04
9,04
9,02
6
7,09
6,99
6,95
6,93
6,92
6,92
6,91
6,91
6,90
6,90
6,90
6,90
6,90
6,90
6,88
7
7
5,86
5,75
5,72
5,70
5,69
5,68
5,68
5,68
5,67
5,67
5,67
5,67
5,67
5,66
5,65
8
8
5,07
4,96
4,93
4,91
4,90
4,89
4,89
4,89
4,88
4,88
4,88
4,88
4,88
4,87
4,86
9
9
4,52
4,41
4,38
4,36
4,35
4,35
4,34
4,34
4,33
4,33
4,33
4,33
4,33
4,33
4,31
10
10
4,12
4,01
3,98
3,96
3,95
3,94
3,94
3,94
3,93
3,93
3,93
3,93
3,93
3,92
3,91
11
11
3,81
3,71
3,67
3,66
3,64
3,64
3,63
3,63
3,63
3,62
3,62
3,62
3,62
3,62
3,60
12
12
3,57
3,47
3,43
3,41
3,40
3,40
3,39
3,39
3,38
3,38
3,38
3,38
3,38
3,38
3,36
13
13
3,38
3,27
3,24
3,22
3,21
3,20
3,20
3,19
3,19
3,19
3,19
3,18
3,18
3,18
3,17
14
14
3,22
3,11
3,08
3,06
3,05
3,04
3,04
3,03
3,03
3,03
3,02
3,02
3,02
3,02
3,00
15
15
3,08
2,98
2,94
2,92
2,91
2,91
2,90
2,90
2,89
2,89
2,89
2,89
2,89
2,88
2,87
16
16
2,97
2,86
2,83
2,81
2,80
2,79
2,78
2,78
2,78
2,78
2,77
2,77
2,77
2,77
2,75
17
17
2,87
2,76
2,73
2,71
2,70
2,69
2,69
2,68
2,68
2,68
2,67
2,67
2,67
2,67
2,65
18
18
2,78
2,68
2,64
2,62
2,61
2,60
2,60
2,59
2,59
2,59
2,59
2,59
2,58
2,58
2,57
19
19
2,71
2,60
2,57
2,55
2,54
2,53
2,52
2,52
2,52
2,51
2,51
2,51
2,51
2,51
2,49
20
20
2,64
2,54
2,50
2,48
2,47
2,46
2,45
2,45
2,45
2,44
2,44
2,44
2,44
2,44
2,42
21
21
2,58
2,48
2,44
2,42
2,41
2,40
2,39
2,39
2,39
2,38
2,38
2,38
2,38
2,38
2,36
22
22
2,53
2,42
2,38
2,36
2,35
2,35
2,34
2,34
2,33
2,33
2,33
2,33
2,32
2,32
2,31
23
23
2,48
2,37
2,34
2,32
2,30
2,30
2,29
2,29
2,28
2,28
2,28
2,28
2,27
2,27
2,26
24
24
2,44
2,33
2,29
2,27
2,26
2,25
2,25
2,24
2,24
2,24
2,23
2,23
2,23
2,23
2,21
25
25
2,40
2,29
2,25
2,23
2,22
2,21
2,20
2,20
2,20
2,19
2,19
2,19
2,19
2,19
2,17
26
26
2,36
2,25
2,21
2,19
2,18
2,17
2,17
2,16
2,16
2,16
2,15
2,15
2,15
2,15
2,13
27
27
2,33
2,22
2,18
2,16
2,15
2,14
2,13
2,13
2,12
2,12
2,12
2,12
2,12
2,11
2,10
28
28
2,30
2,19
2,15
2,13
2,11
2,11
2,10
2,10
2,09
2,09
2,09
2,09
2,08
2,08
2,06
29
29
2,27
2,16
2,12
2,10
2,08
2,08
2,07
2,07
2,06
2,06
2,06
2,06
2,05
2,05
2,03
30
30
2,25
2,13
2,09
2,07
2,06
2,05
2,04
2,04
2,03
2,03
2,03
2,03
2,03
2,02
2,01
31
32
2,20
2,08
2,04
2,02
2,01
2,00
1,99
1,99
1,98
1,98
1,98
1,98
1,98
1,97
1,96
32
34
2,16
2,04
2,00
1,98
1,96
1,96
1,95
1,94
1,94
1,94
1,94
1,93
1,93
1,93
1,91
33
36
2,12
2,00
1,96
1,94
1,93
1,92
1,91
1,91
1,90
1,90
1,90
1,89
1,89
1,89
1,87
34
38
2,09
1,97
1,93
1,90
1,89
1,88
1,88
1,87
1,87
1,86
1,86
1,86
1,86
1,86
1,84
35
40
2,06
1,94
1,90
1,87
1,86
1,85
1,84
1,84
1,84
1,83
1,83
1,83
1,83
1,82
1,80
36
42
2,03
1,91
1,87
1,85
1,83
1,82
1,82
1,81
1,81
1,80
1,80
1,80
1,80
1,80
1,78
37
44
2,01
1,89
1,84
1,82
1,81
1,80
1,79
1,79
1,78
1,78
1,78
1,77
1,77
1,77
1,75
38
46
1,99
1,86
1,82
1,80
1,78
1,77
1,77
1,76
1,76
1,76
1,75
1,75
1,75
1,75
1,73
39
48
1,97
1,84
1,80
1,78
1,76
1,75
1,75
1,74
1,74
1,73
1,73
1,73
1,73
1,72
1,70
40
50
1,95
1,82
1,78
1,76
1,74
1,73
1,73
1,72
1,72
1,71
1,71
1,71
1,71
1,70
1,68
41
55
1,91
1,78
1,74
1,71
1,70
1,69
1,68
1,68
1,67
1,67
1,67
1,66
1,66
1,66
1,64
42
60
1,88
1,75
1,70
1,68
1,66
1,65
1,65
1,64
1,64
1,63
1,63
1,63
1,63
1,62
1,60
43
65
1,85
1,72
1,67
1,65
1,63
1,62
1,62
1,61
1,60
1,60
1,60
1,60
1,59
1,59
1,57
44
70
1,83
1,70
1,65
1,62
1,61
1,60
1,59
1,58
1,58
1,57
1,57
1,57
1,57
1,56
1,54
45
80
1,79
1,65
1,61
1,58
1,56
1,55
1,54
1,54
1,53
1,53
1,53
1,52
1,52
1,52
1,49
46
100
1,74
1,60
1,55
1,52
1,50
1,49
1,48
1,47
1,47
1,47
1,46
1,46
1,46
1,45
1,43
47
125
1,69
1,55
1,50
1,47
1,45
1,44
1,43
1,42
1,42
1,41
1,41
1,41
1,40
1,40
1,37
48
200
1,63
1,48
1,42
1,39
1,37
1,36
1,35
1,34
1,33
1,33
1,32
1,32
1,32
1,31
1,28
49
400
1,58
1,42
1,36
1,32
1,30
1,28
1,27
1,26
1,26
1,25
1,24
1,24
1,24
1,23
1,19
50
600
1,56
1,40
1,34
1,30
1,27
1,26
1,24
1,23
1,23
1,22
1,21
1,21
1,21
1,20
1,15
51
800
52
1,55
1,39
1,32
1,29
1,26
1,24
1,23
1,22
1,21
1,20
1,20
1,19
1,19
1,19
1,13
53
1000
1,54
1,38
1,32
1,28
1,25
1,24
1,22
1,21
1,20
1,19
1,19
1,18
1,18
1,17
1,11
54
1200
1,54
1,38
1,31
1,27
1,25
1,23
1,22
1,20
1,20
1,19
1,18
1,18
1,17
1,17
1,10
55 10000000
1,52
1,36
1,29
1,25
1,22
1,20
1,18
1,17
1,16
1,15
1,15
1,14
1,13
1,13
1,01
x =FINV(1%;L$1;$A4) = 26,15.
262
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
26.
27.
28.
29.
30.
31.
32.
33.
34.
35.
36.
37.
38.
S. Elazar: Matematika statistika, Sarajevo 1972.

Brase Brase: Understandable statistics
K. J. Hastings: Probability and Statistics
McCLAVE BENSON SINCICH: A first course in BUSINESS STATISTICS
Hogg and Tanis: Probability ana Statistical Inference
Abram Cholmsky Cordon: STATISTICAL ANALISYS for the Social Sciences
B. Lui: Statistika, Sarajevo, 1996.
V. Serdar: Ubenik Statistika, Zagreb, 1977.
B. Ivanovi: Teorijska statistika, Beograd, 1966.
S. Vukadinovi: Zbirka rijeenih zadataka iz teorije vjerovatnoe, Beograd, 1987.
S. Rai: Statistika, Novi Sad 1979.
G. Jovanovi-Doloek: Sluajne varijable i procesi u telekomunikacijama, Sarajevo, 1987.godine.
B. Petz: Osnovne statistike metode, Zagreb 1970.
B. Petz: Osnovne statistike metode za nematematiare, Jastrebarsko 1997.
S. Obradovi: Uvod u statistiku, Beograd 1968.
S. Rai: Osnovi statistike, zbirka rijeenih zadataka, Novi Sad 1979.
M. Zec: Matematika statistika s primjenom u metalurgiji, Sarajevo, 1975. godine
J. Malii, Vesna Jevremovi: Statistika analiza i sluajni procesi,
elementi teorije sa zbirkom rijeenih zadataka, Beograd 1991.
Help programa Excel 2000.
Blattner & Ulrich: Vodi kroz Microsoft Excel 2000
Help programa Statistica 5.0.
Help programa Mathematica 4.0.
Help programa Matlab 5.3.
Help programa Matcad 7.0.
Help programa Corel Ventura 7.
Help programa Scientific Work Place 3.0.
S.Ekinovi: Metode statistike analize u Microsoft Excel-u, Zenica, 1997. godine
. Paue: Uvod u matematiku statistiku, Zagreb, 1993.godine
R.Njegi, M. ii: Osnovi statistike analize, Beograd, 1988.
M.Blai, V. Dragovi: Opta statistika, osnovi i analiza, Beograd, 1988.
Korais-Hek: Statistika, Zagreb, 1990. godine
B. Uek: Osnovi statistike, Beograd 1960.
B. Uek: Zadaci iz statistike za ekonomske kole, Beograd 1962.
H. Ku: Statistike funkcije u Excel-u kroz primjere, Zenica, 1999.
H. Ku: Statistika u Excelu, Zenica, 2001.
H. Ku: Zbirka zadataka iz statistike u Excelu , Zenica, 2001.
R. Todi-A. Radi: Poslovna statistika, Beograd, 1972. godine
Z. Ivkovi: Matematika statistika, Beograd, 1980. godine
263
39.
40.
41.
42.
43.
44.
45.
46.
47.
48.
49.
50.
51.
52.
53.
54.
55.
56.
57.
58.
59.
60.
61.
62.
63.
64.
65.
66.
. Panti: Uvod u teoriju vjerovatnoe i statistiku, Ni, 1980.

M. Merkle, P. Vasi: Vjerovatnoa i statistika, Beograd, 1998.
V. Miloevi: Teorijska statistika, teorija statistikog zakljuivanja, Beograd 1990.
S. Hadivukovi: Statistika, Beograd, 1989.
Vrani: Vjerojatnost i statistika
V. Mui: Metodologija pedagokog istraivanja, Sarajevo, 1973.
G. Gri, R. Njegi, S. Obradovi: Statistika za ekonomiste, Beograd, 1977.
D. Ivankovi i suradnici: Osnove statistike analize za medicinare, Zagreb, 1991.
B. Miloevi: Statistika u zdravstvenoj djelatnosti, Beograd 1967.
M. J. Campbell and D. Machin: Medical Statistics, 2000.
N. Bijedi: Elementi, statistika, vjerovatnoa i planiranje eksperimenta, Mostar 1998.
I. oi, V. Serdar: Uvod u statistiku, Zagreb, 2000.
H. Hrelja: Vjerovatnoa i statistika u hidrologiji, Sarajevo, 2000.
S. Obradovi, M. Senti: Osnovi statistike analize, Beograd, 1967.
Z. Puvai: Statistika u medicini, Sarajevo, 1997.
I. Konstantinovi: Osnovi opte i zdravstvene statistike, Beograd-Zagreb, 1964.
M. ii, M. Vidi, M. Vukosavljevi: Zbirka zadataka iz statistike, Beograd 1998.
M. ii, M. Lovri, D. Pavlii: Metodi statistike analize, Beograd 2001.
V. Kolesari i B. Petz: Statistiki rjenik, Jastrebarsko, 1999.
S. Vukadinovi, J. Popovi: Zbirka rijeenih zadataka iz matematike statistike, Beograd, 1988.
R. Raki: Statistika I dio, Novi Sad, januara 1969. godine
M. Bratina: Statistika II dio, Novi Sad, januara 1969. godine
M. Bratina: Statistika III dio, Novi Sad, januara 1969. godine
V. Dragovi, B. Paali: Osnovi statistike analize kroz primjere, Sarajevo, 1990.
Harry I. Miller: Vjerovatnoa i statistika, Sarajevo, 1985.
B. Wolf, I. Rao: Analiza grupisanja manifestnih varijabli, Sarajevo, 1998.
I. Rao, B. Wolf, M. Hadikaduni: Kompjuter u sportu, Sarajevo, 1999.
M. Januri: Statistika, Subotica 1966.
264

Osnovne Statističke Funkcije U Excel-U

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Osnovne Statističke Funkcije U Excel-U

Uploaded by

Copyright:

Available Formats

IZDAVA

Harun Ku, dipl.el.ing.

Prof. dr. Hasan Zoli

Prof. Selma Hatuni

Ovu knjigu posveujemo:

Programska podrka za statistiku analizu danas je na zavidnom nivou. Pored uobiajenih

STATISTIKE FUNKCIJE-kratak opis

Izraunava prosjek apsolutnih odstupanja podataka

Izraunava medijanu datih brojeva

OSNOVNE STATISTIKE FUNKCIJE U EXCEL-U

gdje je: n - veliina uzorka, a x - aritmetika sredina, izraunata

Za izraunavanje prosjenog apsolutnog odstupanja na grupisanim podacima koristimo

Apsolutne devijacije vrijednosti x i od njihove aritmetike sredine, iznose: 2, 0, 3, 1, 0, 1, 0,

Do ovog rezultata, u proraunskoj tablici Excel, dolazi se veoma jednostavno posredstvom

Izraunati prosjeno apsolutno odstupanje povrata investicija.

10,6% 12,6% ... 15,6%

Izraunati prosjeno apsolutno odstupanje broja upisanih studenata.

Trend vrijednosti odgovaraju prikazanoj jednaini trenda.

gdje je: n - ukupan broj vrijednosti u uzorku

gdje je: N - ukupan broj vrijednosti u populaciji

gdje je: f i - odgovarajua frekvencija klasnog intervala

Vaganu aritmetiku sredinu moemo izraunati kao i u sluaju grupisanih podataka

gdje su w i odgovarajui ponderi za brojeve x i .

Koliki je prosjean broj pregleda dnevno?

Koliki je polugodinji prosjek zaposlenih?

R 1 R 2 R 3 R 4 R 5 1584 1578 1586 1582 1581

Kako je broj lanova kod etvorokvartalnog prosjeka paran, M = 4, i m = M/2 = 2,

Za prva dva kvartala nije mogue izraunati centriranu pokretnu sredinu.

y 1 y 2 y 3 y 4 y 5 6,7 4,6 10 12,7 6,5 8,4750

i odgovara sintaksi: =AVERAGE(AVERAGE(C3;C7);C4:C6), i td.

y 1 y 2 y 3 y 4 y 5 6,7 4,6 10 12,7 6,5 8,4750

Aritmetike sredine sezonskih jesenjih, zimskih, proljenih i ljetnih indeksa moemo

Ako izostavimo vrijednosti za granice A i B, funkcija BETADIST koristi standardnu beta

du. Izraz (y)

predstavlja Gama funkciju.

Specijalno za vrijednosti parametara = 3 2

(u 10)4 (30 u)du

Modalna taka m u granicama za beta raspodjelu A = 0, B = 1 i za iste i jednaka je 0,8:

iji je grafiki prikaz dat na slici 2.

Vidimo da je oekivana vrijednost manja od medijane (50% povrine), a ova od modusa, to

ako je FALSE, funkcija BINOMDIST odgovara pripadajuim binomnim vjerojatnoama koje

Oekivana vrijednost i varijansa sluajne varijable X su: = n*p , 2 = n* p* q = n*p*(1- p).

Vjerovatnoa da imamo najmanje x = 5 uspjeha, iznosi:

Pretpostavljamo da mogu nastupiti sve diskretne mogunosti od x = 0 do x = 20.

Izraunate binomne vjerovatnoe pomnoili smo sa brojem 12000 i dobijeni rezultat

BINOMDIST(x 11; n 20; p 50%; TRUE)

U proraunskoj tablici Excel do ovih vrijednosti dolazimo veoma jednostavno, prema

Naravno, posredstvom funkcije BINOMDIST moemo izraunati i kumulativne

Vjerovatnoa da imamo najmanje jedan taan odgovor, jednaka je 98,4375%.

Pripadajue vjerovatnoe su:

BINOMDIST(x 6; n 8; p 0,7; TRUE)

Vjerovatnoa da imamo najvie 6 uspjeha, iznosi: 0,744702 (slika 5.).

1 - BINOMDIST(x 4; n 8; p 0,7; TRUE)

Ako izmeu osamnaest brojeva, koji su se na

Ovaj eksperiment je izveden sa pretpostavljenom vjerovatnoom p = 2/6 = 1/3=0,33333.

Na slici 6. su izraunate sve pripadne teoretske frekvencije za x = 0, 1, 2, , 18.

Za binomnu raspodjelu vrijedi :

Vidimo da se dobijeno p=0,33418333 razlikuje od vrijednosti p = 0,33333 koju smo uzeli

Izvriti analizu ovih eksperimenata posredstvom nekih od raspoloivih statistikih softvera.

Postavlja se pitanje, da li izmeu eksperimentalnih

Opisna statistika nam

razlika na nivou znaajnosti = 5%?

U nastavku su prikazane sve pripadne teorijske frekvencije za x = 0, 1, 2, , 12.

Oekivana vrijednost i varijansa sluajne varijable X su: = np , 2 = n p* q = np(1- p).