POGLAVLJE 5

Linearne transformacije, normalna distribucija i z-skor

Rezultate merenja iste varijable moemo izraziti u razliitim mernim

jedinicama. Visinu naih ispitanika moemo, po volji, izraziti u inima ili u
centimetrima; njihovu telesnu teinu u kilogramima ili u funtama; spoljanju
temeperaturu u stepenima Celzijusove ili Farenhajtove skale. Sasvim je jasno
da izraavajui nae merenje u jednim (a ne u drugim) mernim jedinicama ne
utiemo na predmet naeg merenja. Najvii deak u razredu e i dalje biti
najvii a najnii deak u razredu e i dalje biti najnii bez obzira da li njihovu
visinu izraavamo u centimetrima ili u inima. To se naravno odnosi i na sve
ostale ispitanike i sve ostale vrste merenja. Bez obzira na merne jedinice u
kojima merimo njihovu visinu (ili bilo koju drugu odliku) meusobni odnos
izmeu ispitanika e ostati isti. Zapravo, sve dok znamo koji je odnos izmeu
ini i centimetara (1 in = 2.54 cm), funti i kilograma (1 funta = 453.59
grama), milja i kilometara ( 1 milja = 1609.3 metara) sasvim je svejedno koje
merne jedinice koristimo. Odnos izmeu razliitih merenja ostae
nepromenjen. To je zbog toga to prelazei sa jednih na druge merne
jedinice mi vrimo linearnu transformaciju originalnog merenja. Ukoliko
znamo neiju teinu u funtama dovoljno je da taj broj podelimo sa 2.2 da
bismo dobili njegovu teinu u kilogramima, i obrnuto: ukoliko znamo neiju
teinu u kilogramima dovoljno je da taj broj pomnoimo sa 2.2 da bismo
dobili njegovu teinu u funtama. Isto vai i za milje i kilometre. Ukoliko
znamo da je od Beograda do Novog Sada 80 kilometara, poznavajui odnos
izmeu kilometra i milja, znamo da je to razdaljina od 50.96 milja. Ukoliko
znamo da razdaljina izmeu Londona i Manestera iznosi 164 milje znamo da
je to razdaljina od 264.5 kilometra.
Linearne transformacije ne menjaju meusobni odnos izmeu razliitih merenja
pa samim tim ni oblik originalne distribucije. Linearna transformacija jedne
varijeble u novu varijablu sledi optu formula prave linije
xnovo = a + bx
Dodavanje (ili oduzimanje) neke konstante a pomera nultu taku varijable za
vrednost a. Mnoenje /delenje nekom konstantom b poveava/smanjuje vrednost
svakog skora za b puta.

Na Farenhajtovoj skali od take mrnjenja do take kljuanja vode ime

180 stepeni a na Celzijusovoj 100 stepeni. Na Farenhajtovoj skali voda mrzne
na 32 stepena a na Celzijusevoj na nula stepeni. Zbog toga preraunavanje
temperature sa Farenhajtove na Celzijusovu skalu podrazumeva dve linearne
transformacije i vri se po formuli:
Co = (Fo 32) 5/9
Da bismo temperaturu od 100 stepeni Farenhajtove skale preveli na nama
mnogo poznatiju Celzijusovu skalu, od broja koji izraava temperaturu
izraenu u stepenima Farenhajtove skale oduzeemo konstantu 32 pa emo
je onda pomnoiti sa konstantom 5/9 . Tako dobijamo da je 100 Fo = 37.8 Co.
Za nas je vano da uoimo da uzastopne linearne transformacije (prvo smo
oduzeli jednu konstantu pa potom mnoili drugom konstantom) takoe ne
utiu na meusobni odnos razliitih merenja. Kada na Farenhajtovoj skali
izmerimo 80 Fo bie to naih prijatnih 26.7 Co.
Kako linearne transformacije utiu na mere centralne tendencije i mere
varijabilnosti ?
Mada linearne transformacije ne menjaju oblik distribucije one imaju
uticaja na mere centralne tendencije i mere varijabilnosti. Pretpostavimo da
su dva nezavisna istraivaa (Jovan i Marija) merili istu pojavu ali da su svoja
merenja izraavali u razliitim mernim jedinicama. Marija je svoja merenja
izraavala u centimetrima a Jovan u milimetrima. Tamo gde je Marija izmerila
1.4 cm Jovan je izmerio 14 mm.
merenje
Marija
Jovan

1
1.4 cm
14 mm

2
2.2 cm
22 mm

3
1.1 cm
11 mm

4
1.6 cm
16 mm

5
1.2 cm
12 mm

Ukoliko izraunamo aritmetiku sredinu i standardnu devijaciju

Marijinih i Jovanovih merenja videemo da je su Marijina aritmetika sredina
(M = 1.5), standardna devijacija (SD = 0.436) i medijana (Mdn = 1.4) deset
puta manje od Jovanovih (M = 15; SD = 4.36; Mdn = 14). Naravno, iz
Jovanovog ugla, njegova aritmetika sredina, standardna devijacija i
medijana su deset puta vee od Marijinih.
Mnoenje/delenje svakog svakog posmatranja pozitivnim brojem b
uveava/smanjuje aritmetiku sredinu, standardnu devijaciju i medijanu za b
puta.

Ukoliko pak zamislimo situaciju u kojoj se Marija i Jovan koriste istim mernim
jedinicima ali su, iz nekog razloga, Marijina merenja uvek za 5 milimetara
vea od Jovanovih, videemo da je to nije imalo nikakvog uticaja na
standardnu devijaciju ali da su Marijina aritmetika sredina (M = 20) i
medijana (Mdn = 19) za 5 mernih jedinica vie od Jovanovih.
merenje
Marija
Jovan

1
19 mm
14 mm

2
27 mm
22 mm

3
16 mm
11 mm

4
21 mm
16 mm

5
17 mm
12 mm

Dodavanje/oduzimanje konstante a svakom posmatranju dodaje a aritmetikoj

sredini i medijani ali ne utie na varijansu i standardnu devijaciju. Dodavanje
konstante a svakom posmatranju pomera distribuciju ulevo ili udesno (u
zavisnosti od toga da li je a pozitivan ili negativan broj) ali ne utie varijabilnost.

Standardni z-skor
Veoma esto nam, sam po sebi, sirovi skor nekog ispitanika ne otkriva
mnogo o njegovom postignuu. Pretpostavimo da je Mali Mikica polagao
pismene ispite iz Statistike, Uvoda u psihologiju i Metodologije i da je iz
Statistike dobio 80 poena, Uvoda u psihologiju 75 a iz Metodologije 70 poena.
Na prvi pogled rekli bismo da je on najbolje uradio Statistiku a najgore
Metodologiju. Sirovi skorovi tog ispitanika daju nam informaciju o ukupnom
broju poena koje je on postigao ali nam ne kazuju nita o njegovom
relativnom uspehu: kakav je njegov uspeh u odnosu na ostale studente koji
su polagali te ispite? Nae znanje o uspehu Malog Mikice bie znatno bogatije
ukoliko znamo neto i o uspehu ostalih studenata iz njegove grupe.

x
M
SD

Statistika

Uvod

80
90
10

75
75
8

Metodologi
ja
70
60
5

Na osnovu uvida u indikatore prosenog uspeha itave grupe

studenata i varijabilnost postignutih rezultata moemo, sledei ovaj
hipotetski primer, doi do potpuno suprotnog zakljuka. Vidimo da je Mikicin
rezultat iz Statistike za itavu standardnu devijaciju nii od prosenog
rezultata koji je postigla njegova grupa, da je njegov rezultat iz Uvoda

podudaran sa prosenim skorom grupe, dok je broj poena koji je sakupio na

ispitu iz Metodologije dve standardne devijacije iznad prosenog. Na osnovu
te informacije vidimo da je, u poreenju sa ostalim studentima, Mikica
postigao najvei uspeh na pismenom iz Metodologije a najslabiji na
pismenom iz Statistike.
Poreenje sa ostalim lanovima grupe je naroito vano prilikom
procesa selekcije, onda kada od velikog broja kandidata treba da odaberemo
one najbolje. esto se u takvim situacijama kandidati podvrgavaju razliitim
vrstama provera, zadaju im se testovi koji koriste razliite, i samim tim
neuporedive, merne jedinice. Ukoliko npr. od 500 prijavljenih kandidata za
astronaute elimo da odaberemo 10 najboljih sigurno emo ih podvrgnuti
itavoj seriji testova koji proveravaju njihove psihofizike sposobnosti. U
jednom testu e se meriti njihova telesna izdrljivost, u drugom njihov odnos
prema autoritetu a u treem njihova emotivna zrelost, itd. Svaki od ovih
testova je konstruisan potpuno nezavisno od svih ostalih i skor od 100 poena
na jednom testu moe da ima potpuno drugaije znaenje od istog tog skora
na drugom ili treem testu. Tko npr. na jednoj esto korienoj
psihometrijskoj skali za merenje stepena depresivnosti mogui opseg skorova
se kree od 0 do 63, dok je na drugoj psihometrijskoj skali koja takoe meri
izraenost depresivnosti taj opseg od 25 do 100. Obe psihometrijske skale
mere istu pojavu ali je mere na razliit nain. Sa pravom se postavlja pitanje:
kako da skorove sa jedne skale prevedemo u skorove na drugoj skali tj. kakav
je odnos skora 25 na prvoj skali i skora 76 na drugoj? Da li je re o istom ili
razliitom intenzitetu pojave koju merimo? Zbog odgovora na ovakva pitanja
bilo bi veoma zgodno ukoliko rezultat bilo kog ispitanika na bilo kom testu
moemo da izrazimo nekim standardnim skorom koji ne zavisi od korienih
mernih jedinica.
Na osnovu onoga to smo kazali na prethodnim stranicama mogue je
sirove skorove na svakom testu transformisati u nove koji e imati
aritmetiku sredinu 0 i standardnu devijaciju 1. Takve skorove nazivamo
standardni z-skorovi.
Standardni z-skor je linearna transformacija bilo kog sirovog skora koja ga
izraava u jednicama standardnih devijacija. Po definiciji, distribucija standardnih
z-skorova ima aritmetiku sredinu 0 i standardnu devijaciju 1.

Transformacijom sirovih skorova u z-skorove moemo jednim pogledom

da utvrdimo relativni poloaj naeg ispitanika u odnosu na sve ostale. Na

osnovu aritmetikog predznaka (pozitivnog ili negativnog) moemo da

utvrdimo da li je skor naeg ispitanika ispod ili iznad aritmetike sredine.
Negativni z-skor oznaava skorove ispod a pozitivni z-skor skorove iznad
proseka. Isto tako, brojana vrednost z-skora obavetava nas o tome koliko
standardnih devijacija se skor naeg ispitanika nalazi ispod ili iznad proseka.
Standardni z-skor raunamo po formuli
zi

xi M
SD

Formula 5.1. Da bismo sirovi skor (xi) preraunali u odgovarajui standardni z-skor
(zi)moramo prvo da od sirovog skora oduzmemo aritmetiku sredinu (M) pa da dobijeni
rezultat podelimo sa standardnom devijacijom (SD). Slobodno moemo rei da je z-skor
linearno udaljenje od aritmetike sredine izraeno u jedinicama standardnih devijacija.

Preraunavanje sirovih skorova u z-skorove ne menja oblik distribucije

budui da su, kao o u primeru preraunavanja temperature izraene u Fo u
stepene izraene u Co, u pitanju dve uzastopne linearne transformacije
originalnih podataka. Novi, standardni, skor je dobijen tako to smo prvo od
svakog sirovog skora oduzeli konstantu pa smo potom dobijeni rezultat
podelili sa drugom konstantom.
Psiholozi veoma esto koriste z-skorove kada saoptavaju rezultate
svojih merenja. Kao to ete uskoro videti, pozivanje na z-skorove e nam biti
od velike koristi za dalje razumevanje nekih osnovnih statistikih pojmova.
Normalna (Gausova) raspodela
Krajem 19. veka Frensis Golton, jedan od pretea i utemeljivaa
savremene psihologije, primetio je da se mnoge prirodne pojave rasporeuju
na isti, karakteristian nain koji se gotovo do savrenstva poklapa sa
matematikom funkcijom koju je definisao veliki nemaki matematiar Karl
Fridrih Gaus (1777- 1855) da bi opisao raspodelu greke merenja pri
astronomskim opservacijama. To Goltonovo zapaanje je jedan od kamena
temeljaca savremene statistike i otkriva nam jednu od fascinantnijih tajni
sveta u kome ivimo: konana rezultanta delovanja velikog broja inilaca i
njihovih interakcija(prvog, drugog i n-tog reda) gotovo uvek e moi da se
opie na isti nain. Budui da su mnoga nezavisna merenja pokazala da se
mnoge viestruko determinisane fizike i psiholoke varijable (teina, visina,
krvni pritisak, zapremina plua, inteligencija, ekstraverzija, autoritarnost,
depresivnost itd.) rasporeuju na taj nain za tu vrstu distribucije ustalio se
naziv: normalna ili Gausova distribucija. Upravo zbog te 'sveprisutnosti'
normalne distribucije mi smo sa njom sreli kada smo, bez ulaenja u

pojedinosti, na Slici 4.3 prikazali distribucije koje se meusobno razlikuju po

merama centralne tendencije i varijabilnosti. Jo tada smo kazali da
distribucije psiholokih varijabli najee imaju simetrian, zvonasti oblik
kakav imaju distribucije A i C na Slici 4.3.
Osobine normalne distribucije
Kao to vidite na Slici 5.1. normalna distribucija je zvonastog oblika.
Normalna distribucija je unimodalna (ima samo jedan vrh) i simetrina (po
50% sluajeva se nalazi sa leve i sa desne strane aritmetike sredine .
Najvia je u sredini a najnia na krajevima. U normalnoj distribuciji,
aritmetika sredina, mod i medijana padaju u istu taku. Vrednosti koje se
nalaze u sredini distribucije imaju veu verovatnou javljanja nego vrednosti
koje se nalazena krajevima. Kriva koja opisuje normalnu distribuciju
asimptotski se pribliava X osi ali je nikada ne dodiruje. To znai da su
ekstremni (bilo pozitivni, bilo negativni) skorovi mogui ali da su malo
verovatni. Zbog oblika normalne distribucije, povrina izmeu aritmetike
sredine i 1SD je 34.1%, povrina izmeu 1SD i 2SD je 13.65% a povrina
izmeu 2SD i 3SD je 2.2% od ukupne povrine ograniene normalnom
krivom. Budui da je normalna distribucija idealno simetrina, isto vai i za
povrine sa leve strane aritmetike sredine: povrina izmeu aritmetike
sredine i -1SD je 34.1%, povrina izmeu -1SD i -2SD je 13.65% a povrina
izmeu -2SD i -3SD je 2.2% od ukupne povrine ograniene normalnom
krivom.

Slika 5.1. Normalna distribucija neke varijable. Najvei broj skorova se nalazi u granicama
3SD. Samo trojica od hiljadu ispitanika postie skorove koji nisu obuhvaeni ovim intervalom
od 6 standardnih devijacija.

Pravilo 68.2 95.5 -99.7

Na osnovu poznatih osobina normalne distribucije moemo da kaemo da se
68.2% svih skorova koje ona opisuje nalazi u granicama -1 SD do + 1SD; da se
95.5 % skorova nalazi unutar granica omeenih sa -2SD i +2SD, dok se 99.7%
sluajeva nalazi unutar granica omeenih sa -3SD i + 3SD.

Standardna normalna distribucija

Sve normalne distribucije distribucije su iste ukoliko ih predstavimo kao
distribucije z-skorova. Znamo da linearne transformacije ne menjaju oblik
distribucije i da linearne transformacije imaju poznate efekte na mere
centralne tendencije i mere varijabilnosti. Ukoliko je distribucija sirovih
skorova bila normalna i distribucija z-skorova te varijable bie normalna.
Imae aritmetiku sredinu M = 0 i standardnu devijaciju SD = 1. Na osnovu
poznavanja normalne distribucije neke varijable i na osnovu poznavanja
njene aritmetike sredine i standardne devijacije u stanju smo da poredimo
svaki pojedinani skor sa svim ostalim. Na taj nain u stanju smo da damo
odgovor na esto postavljeno pitanje o relativnom poloaju svakog
pojedinanog ispitanika.
Skala za merenje inteligencije (IQ skala) podeena je tako da prosena
inteligencija (prosena IQ vrednost) ima vrednos M = 100. Isto tako, na
osnovu viedecenijskih merenja inteligencije znamo da se ona normalno
rasporeuje i da je standardna devijacija te raspodele SD = 15. Ukoliko neki
ispitanik ima kvocijent inteligencije IQ = 115 lako moemo da izraunamo
njegov poloaj u standardnoj normalnoj distribuciji i samim tim dobijemo
odgovor na pitanje njegovom relativnom poloaju u odnosu na sve druge
ispitanike. Sledei Formulu 5.1. moemo da izraunamo z-skor tog
ispitanika
zi

115 100
1
15

Dakle, moemo da zakljuimo da se na ispitanik nalazi tano jednu

standardnu devijaciju udesno od aritmetike sredine. To znai da je on
inteligentniji ili je jednako inteligentan (jer ima i dosta drugih ljudi iji je IQ
=115) kao i 84.1% ostalih ljudi na ovoj planeti. Kako smo doli do ovog
broja? Kao prvo, z-skor koji izraava njegov rezultat na testu inteligencije je
pozitivan. To automatski znai da je on inteligentniji od 50% ljudi ija
inteligencija je ispod proseka, koji imaju z-skorove manje od nule. Povrh toga
on je inteligentniji ili je jednako inteligentan kao i 34.1 % ljudi koji su

obuhvaeni prostorom izmeu aritmetike sredine i +1 SD. Budui da je 50%

+ 34.1% = 84.1% mi zakljuujemo da postoji samo 15.9% ljudi koji su
inteligentniji od naeg ispitanika. Drugim reima, na 1000 ljudi bie 160
inteligentnijih od njega. Ukoliko naem ispitaniku izmerimo kvocijent
inteligencije od IQ = 130 njegov z-skor e biti z = 2. Sledei istu logiku
moemo da zakljuimo da je na ispitanik inteligentniji ili je jednako
inteligentan kao i 97.7% oveanstva. Drugim reima, na hiljadu ljudi nai e
se samo dvoje ili troje inteligentnijih od njega.

Kritini z-skorovi
Na osnovu poznatih osobina standardne normalne distribucije znamo da se:
-u granicama od -1.65 z do + 1.65 z nalazi 90% povrine standardne normalne
distribucije
-u granicama od -1.96 z do + 1.96 z nalazi 95% povrine standardne normalne
distribucije
-u granicama od -2.58 z do + 2.58 z nalazi 99% povrine standardne normalne
distribucije.
Iz toga sledi da vrednosti 1.65 z; 1.96 z i 2.58 z definiu granice izvan

Odnos matematikog modela i empirijskih podataka

Normalna distirbucija je neobino koristan matematiki model na koji
emo se esto pozivati. Ipak, moemo sa pravom oekivati da se u praksi
nikada neemo sresti sa potpunim preklapanjem naih empirijskih podataka i
normalne distribucije. Svejedno, normalna distribucija je najee sasvim
dobra aproksimacija naih podataka tako da se esto bez mnogo oklevanja
pozivamo na pretpostavku o normalnoj distribuciji populacije iz koje crpemo
nae podatke.
Sutina normalne raspodele: ta se deava kada prevrnemo koficu?
Prirodnost javljanja normalne distribucije moe se demonstrirati
upotrebom tzv. Goltonove ploe (engleski Galtons board) koju moete videti
na YouTube adresama https://www.youtube.com/watch?v=6YDHBFVIvIs;
https://www.youtube.com/watch?v=9xUBhhM4vbM ; i
https://www.youtube.com/watch?v=9xUBhhM4vbM. Kao ukupna rezultanta
haotinog kretanja hiljade kuglica uvek neizostavno izranja normalna
distribucija.
Do istog rezultata doi emo i jednostavnim izvrtanjem kofice koju smo
prethodno napunili peskom. U kofici se nalazi neprebrojivo mnogo zrnaca
peska. U trenutku kada izvrnemo koficu zrnca peska pojure ka tlu privuena
silom gravitacije. Na svom putu ona se sudaraju na potpuno nepredvidiv
nain menjajui svoje prvobitne putanje. Kao posledica tih sudara (interakcija
prvog reda) dolazi do novih i novih sudara (interakcije drugog, treeg i n-tog
reda) tako da je potpuno nemogue predvideti konani poloaj bilo kog
pojedinanog zrnca. Slobodno moemo rei da je konani poloaj svakog
pojedinanog zrnca sluajan. Meutim, sasvim je izvesno da e gomila
peska koja se obrazuje ispod kofice imati kupasti oblik sasvim nalik
trodimenzionalnom modelu normalne distribucije. Taj kupasti oblik ne
nastaje preslikavanjem oblika kofice koju smo koristili. Javie se i kada
koristimo koficu konusnog oblika i kada koristimo koficu etvrtastog ili bilo
kog drugog oblika. Normalna distribucija se javlja svaki puta kada na konani
ishod utie mnogo pojedinanih inilaca koji stupaju u veoma veliki broj
sloenih interakcija, to je upravo sluaj sa najveim brojem psiholokih
fenomena. Jednostavnim izvrtanjem kofice i demonstracijom prirodnosti
javljanja normalne distribucije dolazimo do same sutine primene teorije
verovatnoe (statistike): ne moemo da predvidimo pojedinani dogaaj ali
sa sigurnou moemo da predvidimo oblik raspodele velikog broja dogaaja.

ta treba da znamo?
-Linearne transformacije ne menjaju meusobni odnos izmeu razliitih
merenja pa samim tim ni oblik originalne distribucije.
- Standardni z-skor je linearna transformacija bilo kog sirovog skora koja ga
izraava u jednicama standardnih devijacija. Distribucija standardnih zskorova ima aritmetiku sredinu 0 i standardnu devijaciju 1.
-Transformacijom sirovih skorova u z-skorove moemo jednim pogledom da
utvrdimo relativni poloaj naeg ispitanika u odnosu na sve ostale. Negativni
z-skor oznaava skorove ispod a pozitivni z-skor skorove iznad proseka. Isto
tako, brojana vrednost z-skora govori o tome koliko standardnih devijacija
se skor naeg ispitanika nalazi ispod ili iznad prosene vrednosti neke
distribucije.
-Na osnovu poznavanja z-skora moemo brzo i lako da damo odgovor na
pitanje o relativnom poloaju svakog pojedinca u odnosu na referentnu grupu
kojoj pripada.
-Najvei broj varijabli koje prouavamo u psihologiji se rasporeuje normalno.
U normalnoj distribuciji 68.2 % sluajeva se nalazi u granicama 1SD;
95.5% sluajeva se nalazi u granicama 2SD a 99.7% skorova se nalazi u
granicama 3SD.
-