PLANIRANJE POKUSA

OSNOVE STATISTIKE

Optimiranje i planiranje pokusa 2013.

Zagreb, rujan
2009.
H. Cajner

Obrada empirijskih podataka

deskriptivna statistika opisivanje podataka iz uzorka ili populacije u formi

osnovnih parametara
osnovne vrste podataka po nastanku varijable (upotreba razliitih mjernih
ljestvica) se mogu klasificirati na:
1. Kvalitativne: nominalne (Da, Ne, Dobar, Lo...), ordinalne (rangovi)
2. Kvantitativne: diskretne (cjelobrojne vrijednosti, pobrojane),
kontinuirane (neprekinute, mjerene)
a) Diskretne varijable nastaju prebrojavanjem

b) Kontinuirane varijable nastaju mjerenjem

Optimiranje i planiranje pokusa 2013.

Zagreb, rujan
2009.
H. Cajner

Grafika obrada empirijskih podataka

vrste grafikih prikaza:

1. Histogram (bar chart) prikazivanje uestalosti podataka

stupiima te povezivanje vrhova u poligon frekvencija
Primjer:

- histogramski prikaz za diskretnu varijablu

- direktno oitavanje vjerojatnosti pojave pojedine
vrijednosti varijable

- histogramski prikaz
za kontinuiranu
varijablu
- prikaz preko
razreda podataka po
kojima klasificiramo
podatke
- u tehnici se radi sa
razredima jednake
veliine (irine)
Optimiranje i planiranje pokusa 2013.

Zagreb, rujan
2009.
H. Cajner

- kumulanta histogramski prikaz frekvencija koje se

kumuliraju od najniega ka najviem razredu
- mogunost prikaza relativnih frekvencija (u %) na
ordinati

2. Box- whisker prikaz (prikaz kutija brkovi) jedno od najeih prikaza podataka
Primjer:
- box-whisker prikaz za kontinuiranu varijablu
- prikaz je mogue kreirati u razliitim verzijama
(sredinja toka medijan/aritmetika sredina,
podjela po percentilima/intervalima povjerenja...)
- jednostavna dijagnostika problematinih podataka
(ekstrema, outliera)
- mogunost prikazivanja dva ili vie uzoraka
paralelno te brzo dijagnosticiranja njihovih relacija i
karakteristika
Optimiranje i planiranje pokusa 2013.

Zagreb, rujan
2009.
H. Cajner

3. Stem-leaf prikaz (prikaz stabljika - list)

Primjer:

fi

Stem

Leaf

21

02

22

3349

23

12589

24

5678

25

48

26

4. Ostali prikazi:

- prikaz stabljika-list se najee koristi na

podacima koji su u decimalnom obliku gdje
se znamenka cijelog broja prikazuju kao
stabljika a decimalni dio kao list

Individual plot,
Scatter plot,
Line plot,
Dot plot ,
Marginal plot ,
Area plot,
Pie chart
Normal probability plot,
...

Optimiranje i planiranje pokusa 2013.

Zagreb, rujan
2009.
H. Cajner

Primjer grafike analize podataka: Na jednom uzorku izmjerene su vrijednosti vlane

vrstoe are elinog lima (u N/mm2). Nakon mjerenja dobiveni su sljedei
podaci:
430, 440, 450, 460, 440, 430, 410, 410
440, 440, 430, 440, 420, 450, 430, 450
420, 440, 420, 450, 410, 440, 460, 430

Optimiranje i planiranje pokusa 2013.

Zagreb, rujan
2009.
H. Cajner

Numerika obrada empirijskih podataka

MJERE POLOAJA
aritmetika sredina suma svih elemenata u populaciji podijeljena sa brojem
elemenata populacije (teite paralela sa mehanikim modelom)

najvanije svojstvo aritmetike sredine:

mod podatak(ili razred) koji ima najveu frekvenciju

- mod dijeli distribuciju frekvencija na rastuu i padajuu stranu
- vrste distribucija s obzirom na mod

Optimiranje i planiranje pokusa 2013.

Zagreb, rujan
2009.
H. Cajner

 medijan 50% podataka je manje, a 50% vee od te vrijednosti

kvantili - vrijednosti numerikog obiljeja koje niz ureen po veliini dijele na

q jednakih dijelova
Medijan
Kvartili

Decili

Percentili

Optimiranje i planiranje pokusa 2013.

Zagreb, rujan
2009.
H. Cajner

 MJERE RASIPANJA
standardna devijacija prosjeno odstupanje svakog podatka od arit. sredine
varijanca 2 prosjeno kvadratno odstupanje svakog podatka od arit. sredine

nepristrana procjena varijance osnovnog skupa (o2) :

koeficijent varijacije, V meusobno usporeivanje varijabilnosti pojava

ili svojstava
- pokazuje koliki odnos vrijednosti aritm. sredine iznosi
vrijednost standardne devijacije (u %)
koeficijent varijacije
(relativna mjera rasipanja)

raspon, Rx razlika najvee i najmanje vrijednosti u nekom nizu podataka

Optimiranje i planiranje pokusa 2013.

Zagreb, rujan
2009.
H. Cajner

 MOMENTI STATISTIKIH SKUPOVA

mehaniki model - greda, oslonac i optereenje ( x1,x2, ... jedinine sile)
x1

x2 x3

x4

x5

x6

x7

centralni moment r-tog reda moment oko centra (aritmetika sredina):

r=0
r=1
r=2
r=3
r=4

M0=1
M1=0
M2=2
M3
M4

varijanca
koeficijent asimetrije
koeficijent spljotenosti

pomoni moment r-tog reda moment oko toke 0

r=0
r=1

Optimiranje i planiranje pokusa 2013.

m0=1
m1=

aritmetika sredina

Zagreb, rujan
2009.
H. Cajner

 MJERE OBLIKA STATISTIKOG SKUPA

koeficijent asimetrije (Skewness) mjera nagnutosti distribucije na lijevu
ili desnu stranu

svaki |3| : 0 - 0,25 zanemariva asimetrija

0,25 0,50 slaba asimetrija
0,50 0,75 srednja asimetrija
0,75 - +
jaka asimetrija
pozitivna asimetrije 3>0
nema asimetrije 3=0
negativna asimetrija 3<0

Optimiranje i planiranje pokusa 2013.

Zagreb, rujan
2009.
H. Cajner

 koeficijent spljotenosti (Kurtosis) mjera spljotenosti (zaobljenosti) distribucije

-normiranje na nulu
(jednostavnije oitavanje)

spljotenost 4<3 (4<0)

normalna spljotenost 4=3 (4=0)
izduenost 4>3 (4>0)

Optimiranje i planiranje pokusa 2013.

Zagreb, rujan
2009.
H. Cajner

Primjer dva skupa:

a) sa istim oekivanjem a razliitom varijancom

b) sa istim oekivanjem i varijancom ali razliitim elementima

Optimiranje i planiranje pokusa 2013.

Zagreb, rujan
2009.
H. Cajner

Primjer 1: Izmjerene su vlane vrstoe jednog elinog lima u N/mm2 (tablica). Potrebno je
odrediti sve osnovne statistike parametre te ih grafiki prikazati u odgovarajuim prikazima.
410

410

410

410

420

420

420

430

430

430

430

430

430

440

440

440

440

440

440

440

440

440

440

450

450

450

450

450

460

460

Optimiranje i planiranje pokusa 2013.

Zagreb, rujan
2009.
H. Cajner

Razredi

405=<x<415
415<x<425
425<x<435
435<x<445
445<x<455
455<x<=465
Suma

TABLICA FREKVENCIJA
Apsolutna
Kumulativna
frek.
frek.
4
3
6
10
5
2
30

Optimiranje i planiranje pokusa 2013.

4
7
13
23
28
30

Zagreb, rujan
2009.
H. Cajner

Primjer 2: Rad jednog automata kontrolira se uzorcima od 15 proizvoda. U svakom uzorku

se ustanovljuje broj defektnih proizvoda. Budui da je uzeto 200 uzoraka, dobiveni podaci su
u sljedeoj tablici. Potrebno je izraunati osnovne statistike parametre te grafiki prikazati
podatke u odgovarajuim prikazima.
x 0
1
2
3
4
5
6
fi

Optimiranje i planiranje pokusa 2013.

77 81

31 7

Zagreb, rujan
2009.
H. Cajner

grafiki prikazi podataka:

Optimiranje i planiranje pokusa 2013.

Zagreb, rujan
2009.
H. Cajner

Primjer 3: Sljedei podaci prezentiraju temperature O-ring brtvi raketnog motora prilikom
testiranja sustava paljenja: 84, 49, 61, 40, 83, 67, 45, 66, 70, 69, 80, 58, 68, 60, 67, 72, 73,
70, 57, 63, 70, 78, 52, 67, 53, 67, 75, 61, 70, 81, 76, 79, 75, 76, 58, 31. Potrebno je odrediti
sve osnovne statistike parametre i grafiki prikazati podatke.

Optimiranje i planiranje pokusa 2013.

Zagreb, rujan
2009.
H. Cajner

 OPI SLUAJ ZA DISKRETNE I KONTINUIRANE VARIJABLE

diskretne varijable:

oekivanje
varijanca

vjerojatnost diskretne varijable:

uestalost

vjerojatnost

funkcija distribucije F(x) diskretne varijable (kumulanta):

Optimiranje i planiranje pokusa 2013.

Zagreb, rujan
2009.
H. Cajner

zbrajanja frekvencija (kumuliranje)

Optimiranje i planiranje pokusa 2013.

Zagreb, rujan
2009.
H. Cajner

 kontinuirane varijable:

oekivanje

oekivanje

varijanca

funkcija gustoe vjerojatnosti (kontinuirana varijabla):

svojstva f.g.v. :
1.
2.
3.

Optimiranje i planiranje pokusa 2013.

Zagreb, rujan
2009.
H. Cajner

 funkcija distribucije vjerojatnosti (kontinuirana varijabla):

povezanost f.g.v. i funkcije distribucije

Optimiranje i planiranje pokusa 2013.

Zagreb, rujan
2009.
H. Cajner