1

Zdravstvena statistika
Statistika:
- obrada brojanih podataka radi jasnijeg prikazivanja
- znanstvena disciplina koja se bavi prikupljanjem, analizom i tumaenjem podataka
mjerenja
Potreba statistike:
- zbog praenja strune i znanstvene literature
- za deskripciju i analizu rezultata
- zakljuivanje iz konkretnog sluaja na opi zakon
- planiranje ekperimenata i istraivanja
Planiranje eksperimenta i istraivanje:
- kvalitativno ili kvantitivno
- vrsta i veliina uzorka i kontrolnih skupina
- postupci prikupljanja i obrade podataka
- teorijsko ili eksperimentalno
- tumaenje rezultata
Za statistiku treba:
- osnovne raunske operacje
- redosljed raunskih operacija
- zaokruivanje decimalnih brojeva
- jednostavni statistiki testovi
- programi
Definiranje statistikog skupa:
- pojmovno: pojmovno definiranje statistikog skupa je odreivanje elemenata skupa
- prostorno: prostorno definiranje statistikog skupa i odreivanje prostora
- vremensko: vremensko definiranje statistikog skupa je odreivanje vremenskog
trenutka ili razdoblja
Obiljeja:
- svojstvo po kojemu jedinice statistikog skupa meusobno nalikuju i meusobno se
razlikuju
Frekvenscija:
- broj jedinica statistike skupine (broj jedinica pojedinog modaliteta obiljeja)
Svojstva (obiljeja) statistikog skupa:
- mjere se pridruivanjem brojeva ili oznaka prema mjernim skalama

Vrste obiljeja (podataka):

- kvalitativna (kategorina)
- kvantitativna (numerika)
Mjerenje obiljeja:
- za kvalitativno: nominalna i ordinalna
- za kvantitativno: intervalna i omjerna (odnosna)
Kvalitativna obiljeja:
- nominalna: opisna; brojevi, slova; pokazatelji razvrstani u skupinama
- ordinalna: uredbena; brojevi; pokazatelji imaju obavjesnu vrijednost
Kvantitativna obiljeja:
- intervalna: intervali izmeu pojedinih toaka su stalni, tako da broj prua informaciju
kolika je razlika izmeu pojedinih podataka
- omjerna: broj oznaava veliinu udaljednosti od nulte vrijednosti; intervali jednaki;
granice su definirane; ima apsolutnu nulu; omjeri imaju smisla
Rezultate prikazujemo:
- tabelarno
- grafiki
Sadraj statistike tablice:
je obiljeje (varijabla); ope svojstvo elemenata
je frekvenscija obiljeja
- je suma

Vrsta statistikih tablica:

- jednostavne
- skupne (sloene)
- kombinirane
Jednostavne statistike tablice:
- prikazuju samo jednu pojavu; jedan statistiki niz; tj. prikazuju podatke samo jednog
obiljeja
Sloene (skupne) statistike tablice:
- prikazuju dva ili vie statistikih nizova grupiranih prema jednom obiljeju

Kombinirane statistike tablice:

- prikazuju jedan statistiki niz promatran prema dva ili vie obiljeja
- uz zbirni red, sadri i zbirni stupac
Tablice mogu biti:
- obradne
- publikacijske
- analitike slue za analizu statistikih podataka
Grafiki prikaz podataka:
- povrinski grafikoni: podaci se pokazuju povrinama geometrijskih likova
- za opis (deskripciju) podataka najee se rabe: stupasti i kruni
Crtanje krunog dijagrama:
- kut pojedinog krunog odsjeka raunama prema:

Vremenski dijagrami:
- prikazuju zavisnost nekog obiljeja u vremenu
- ovisno o primjenjenom koordinatnom sustavu, vremenski dijagram moe biti linijski
ili kruni
- linijski: apcisa vrijeme; ordinata vrijednost obiljeja
- kruni: zavisna vraijabla(radijus vektro ); nezavisna varijabla (sredinji kut )
Numeriki nizovi se prikazuju:
- linijskim grafikonom (poligon frekvenscije)
- specifina vrsta povrinskih grafikona (histogram)
Vrste numerikih nizova:
- kontinuirani: obuhvaa ona numerika obiljeja koja se mogu izraziti i cijelim i
decimalnim brojem
- diskontinuirani: je svako ono numeriko obiljeje koje se moe iskazati samo cijelim
brojem
Frekventni dijagrami diskretne varijable:
- histogram: ordinata frekvencija; apcisa diskretne vrijednosti varijable
- poligon frekvencije: ordinata frekvencija; apcisa diskretne vrijednosti varijabli;
spojene koordinatne toke duinama
Linisjki grafikon poligon frekvencije:
- najpoznatiji linijski grafikon za prikazivanje numerikih nizova
- karakteristike: distribucija frekvencije se prikazuje linijama; ucrtana linija prestavlja
oblik distribuirane frekvencije; povrina ispod linije prestavlja ukupan broj elemenata

statistikog skupa ili opseg statistikog skupa; ako je prehodno nacrtan histogram,
dovoljno je polovice vrhova stupaca spojiti linijama da bi se kreirao poligon
frekvencija
Frekventni dijagrami grupiranih varijabli:
- ako je broj podataka velik, podatke grupiramo u razrede
- razredi moraju biti jednake veliine, moraju obuhvatiti jednako veliki interval
- interval izraunavamo iz raspona i broja razreda , poeljno je da interval bude
neparan broj
- raspon je razlika izmeu najvee i najmanje vrijednosti varijable
- broj razreda je to vei to je vei raspon

Sredina razreda:
- sredina razreda je poluzbroj donje i gornje granice promatranog razreda

razredna sredina imati e svojstvo prave razredne sredine ako su vrijednosti u razredu
simetrino rasporeene

Crtanje frekventnih dijagrama iz grupiranih varijabli:

- histogram: apcisa razred; ordinata frekvencija; nema razmaka izmeu pojedinih
pravokutnika
- poligon ferkvencije: apcisa sredina razreda; ordinata frekvencija; poligon treba
zatvoriti, tj. krivulju dovesti na nulu
Poligon moe biti:
- otvoren: primjenjuje se kada postoji mali broj jedinica
- zatvoren: primjenjuje se kada nema jedinica
Sortiranje podataka:
- runo
- uz pomo raunala
Analiza distribucije frekvencija:
- zapoinje izraunavanjem srednjih vrijednosti, odnosno mjera centralne tendencije
- podaci obino pokazuju tendenciju okupljanja oko neke vrijednosti
Cilj statistikike analize:
- usporediti dvije distribucije frekvencija karakterizirajui svaku distribuciju jednim
jedinim brojem
- odreivanjem naina izraunavanja srednje vrijednosti koja e okarakterizirati
centralnu tendenciju neke distribucije frekvencije

Mjere centralne tendecije:

- aritmetika sredina
- medijan (centralna vrijednost)
- mod (dominantna vrijednost)
- harmonijska sredina
- geometrijska sredina
Zahtjevi:
- mogunost utvrivanja srednje vrijednosti objektivnim raunskim pravilom na
jednostavan nain
- srednja vrijednost mora biti sadrana izmeu najmanje i najvee vrijednosti obiljeja
- ako su vrijednosti, obiljeja jednaka i srednja vrijednost mora biti jednaka
Aritmetika sredina:

svojstva: algebarski zbroj odstupanja originalnih vrijednosti numerikog obiljeja od

aritmetike sredine jednaka je nuli; zbroj kvadrata odstupanja originalnih vrijednosti
numerikog obiljeja od aritmetike sredine jednaka je minimumu; aritmetika sredina
uvijek se nalazi izmeu najmanje i najvee vrijednosti

Statistiki niz grupiran u razrede:

- jednostavna aritmetika sredina (ne grupirani)
- ponderirana aritmetika sredina (grupirani)
Pondenirana, vagana aritmetika sredina:
- ponderi su veliine kojima se mnoe vrijednosti numerikie varijable
- ukoliko je grupiranjem kreirana razreda, aritmetika sredina se izraunava prema
slijedeem izrazu

Zajednika aritmerika sredina:

- ako neku pojavu mjerimo nekoliko puta i svaki put izraunavamo aritmetikku sredinu
- ne smijemo zbrojiti aritmetike sredine i podjeliti njihovim brojem
- zajednika aritmerika sredina izraunava se prema

Medijan:
- vrijednost koja se u nizu rezultata nalazi tono u sredini
- dijeli skup podataka na dva jednaka dijela
- toka od koje je najmanja suma svih odstupanja
-

za neparno:

za parno: medijan je aritmetika sredina od dva srednja rezultata;

Mod:
- najea vrijednost u nekom nizu
- ako su rezultati grupirani u razrede mod je aritmetika sredina razreda s najveom
frekvencijom
Mjere varijabilnosti:
- su karakteristike distribucije frekvencija koje izraavaju razliitu rasprenost
vrijednosti numerikog obiljeja oko srednjih vrijednosti
- to je numeriko obiljeje varijabilnije, to su srednje vrijednosti manje
reperezentiranje
Podjela:
- apsolutne (raspon, srednje aposlutno odstupanje, standardna devijacija, varijanca)
- relativne (koeficijent varijacije, koeficijent kvartilne devijacije)
Raspon:
- je razlika izmeu najmanje i najvee vrijednosti
Srednje apsolutno odstupanje:
- prosjeno odstupanje od aritmetike sredine

apsolutno zanemaruje se prednost odstupanja

Varijanca:
- prosjeno kvatratno odstupanje od prosjeka
- nain da se izbjegne predznak odstupanja je da se odstupanje kvadrira

Standardna devijacija:

smije se raunati samo uz aritmetiku sredinu

za grupirane rezultate:

Koeficijent varijacije:

oznaava koliki postotak od aritmetike sredine iznosi standardna devijacija

slui za meusobnu usporedbu varijabilnosti razliitih svojstava

Svojstvo standardne devijacije:

- ako su rezultati pravilno (normalno) rasporeeni oko aritmetike sredine onda
vrijedi:

Osnovne znaajke normalne distribucije:

- zvonolika
- simetrina s obzirom na aritmetiku sredinu
- asimptota (nikad ne dodoiruje x-os)
- kontinuirana i opisuje mnoge sluajeve, fenomene
- oblik krivulje: ovisi o aritmetikoj sredini i standardnoj devijaciji
- sredite distribucije je aritmetika sredina
- rasprenost ovisi o standardnoj devijaciji
- uvjetuje izbor mjere centralne tendencije i mjere varijabilnosti

Kolmogorov-Smirnovljev test:
- testira znaajnosti razlike teorijske i empirijske distribucije
- nulta-hipoteza: nema razlike
nije normalna empirijska raspodjela
normalna empirijska raspodjela
Normalna raspodjela:
- dobiveni rezultati mjerenja pokazuju: tendenciju grupiranja oko neke srednje
vrijednosti; tendenciju rasprenosti
Populacija:
- osnovni skup
- svi lanovi neke skupine s odreenom karakteristikom koju mjerimo
- pri definiranju populacije treba navesti slijedee obrednice: pojmovnu, vremensku i
prostornu

Mjerenje obiljeja u populaciji:

- tehniko teko provedivo
- skup
- besmislen
- mjerimo samo teorijsku zbog nedostupnosti svih jedinki
Uzorka:
- ogranien broj jedinki iz populacije
- vrijednosti pojedinih parametra utvrenih na uzorku su samo pribline vrijednosti ili
procjene tih istih parametra u populaciji
- uz svaki parametar vezuje se pogreke
- da bi se pogreke svele na najmanji moguu mjeru uzorak treba pravilno odabrati
Razlozi vrenja istraivanja na uzorku:
- brzina dobivanja rezultata
- cijena istraivanja
- dostupnost uzoraka i jedinki; neke pojave su vrlo rijetke; etniki problemi
- stvarna nemogunost
Parametri koji utjeu na uzorak:
- veliina uzoraka razmjerna je varijabilnosti pojave koju istraivamo
- pojavnost, tj. uestalost mjernoga obiljeja u populaciji
- potrebna tonost mjerenja uvjetuje veliinu uzorka
Uzorak populacija:
- uzorak nije minijturni dublikat populacije
- vie uzastopno uzeti uzorak iz iste populacije ne mora dati iste rezultate
- rezultati vie uzoraka pokazuju sluajne varijacije
- sluajne varijacije uzorka ovise o varijacijama u populaciji
- ako iz jedne populacije uzmemo vie uzoraka iste veliine i za svaki uzorak
izraunamo aritmetiku sredinu one e se vie ili manje razlikovati od prave
aritmetike sredine populacije
Standardna pogreka aritmetike sredine:
- ako je broj uzoraka velik, aritmetike sredine uzoraka iste veliine grupiraju se oko
prave aritmetike sredine po zakonima normalne raspodjele
- standarnda devijacija te raspodjele je to manja to su uzorci vei
- standarnda pogreka takve raspodjele naziva se standardna pogreka aritmetike
sredine

koliko je precizna procjena prave aritmetike sredine iz aritmetike sredine uzoraka

oznaava odstupanje aritmetikih sredina uzoraka od prave aritmetike sredine
populacije

standardna pogreka je manja to je manja standardna devijacija

Primjena:
- na temelju standarnde pogreke aritmetike sredine uzoraka moemo procjeniti pravu
aritmetiku sredinu populacije
- standardna pogreka je mjera variranja aritmetike sredine oko prave aritmetike
populacije
- za standarndu pogreku vrijede isti zakoni kao za standarndu devijaciju
- iri raspon unutar kojeg procjenjujemo aritmetiku sredinu populacije znai viu
razinu pouzdanosti
Granice pouzdanosti:
- najee granice pouzdanosri koje zahtjevamo pri zakljuivanju su 95% ili 99%
- vjerojatnost da je prava aritmetika sredina u odreenom rasponu iznosi 95%, a da nije
u tom rasponu iznosi manje ili jednako 5 %
- vjerojatnost da je prava aritmetika sredina u odreenom rasponu iznosi 99%, a da nije
u tom rasponu iznosi manje ili jednako 1%
Odreivanje granice pouzdanosti:
- pri odreivanju granice pouzdanosti sluimo se svojstvom normalne raspodjele
- za granicu pouzdanosti od 99% odgovajajui
, a za 99% iznosi 2,58
standardne devijacije
t-test:
- najei sluaj kod statistikog odreivanja rezultata prestavlja usporeivanje dviju
aritmetikih sredina i testiranje razlike meu njima
- postupak testiranja ovisi: veliini uzorka; povezanosti obiljeja promatranog uzorka

za velike uzorke iznosi 1,96

ako je
onda je aritmetika sredina statistiki znaajna na razini znaajnosti od
5% (
)
ako je
onda je razlika aritmetike sredine nije statistiki znaajna na razini
statistike znaajnosti
t-raspodjela jest distribucija t izraza, tj. odnosa izmeu neke razlike i njezine pogreke
kakva se dobiva kada se raunski odreuje standardna pogreka aritmetike sredije, tj.
standardna pogreka razlike aritmetike sredine, a pri tome se u izrazu koristi
standarnda devijacija uzorka
granina vrijednost t mogu se za odreenu razinu statistike znaajnosti proitati iz
tablica

10

Testiranje manjih uzoraka:

- mali uzorci su oni kod kojih je
- kod velikih uzoraka moemo upotrijebiti formule i za velike i za male
- kod malih uzoraka moramo upotrijebiti formule samo za male uzorke
- W.S. Gosset razradio je matematikim postupkom distribuciju t-vrijednosti koje se
dobivaju radei sa malim uzorcima
- kod malih uzorka iako se razlike aritmetikih sredina uzoraka distribuiraju po
normalnoj raspodjeli oko prave razlike, izraunat t-odnosi ne distribuira se po
normalnoj nego po t-raspodjeli koja je ira to je uzorak manji
- t-raspodjela ima slian oblik kao i normalna raspodjela ali je neto ira i ima veu
povrinu pri krajevima distribucije

Postupak testiranja:
- ako je broj rezultat uzoraka mali, tj. manji od 50 obavezno se mora primjeniti postupci
za testiranje razlike aritmetike sredine za male uzorke
- F-test: raunanje znaajnosti razlike moe standarnim devijacijama malih nezavisnih
uzoraka
- u ovisnosti o tome da li uzorci pripadaju istoj ili razliitoj populaciji, nain raunjanja
standardne pogreke razlike aritmetikih sredina se razlikuje
- znaajnost razlike meu standardnim devijacima rauna se pomou F-test
- F-test stavlja u omjer veu varijaciju prema manjoj varijaciji

granina vrijednost na razini statistike znaajnosti od 5%

ako je
onda su uzorci iste populacije

11

ako je

onda su uzorci iz razliitih populacija metoda Cochrana i Cox-a

Analiza varijance:
- parametrijski test koji se upotrebljava se za usporedbu vie skupina kvantitativnih
podataka
- preduvijet za primjenu: mjerena varijabla je normalno raspodjeljena; varijance svih
skupina su jednake (homogenost varijanci)
- nulta-hipoteza: aritmetika sredina populacije iz kojih su uzeti uzorci su jednake
- osnovna ideja testa ispitati je li varijabilitet podataka izmeu skupina statistiki
znaajno
- izraun F-vrijednosti
- vea F-vrijednost vea vjerojatnost da nulta-hipoteza nije tona
- iz Snedecerovih tablica moemo ustanoviti koliko najmanje puta mora varijabilitet
izmeu skupina biti vei od varijanci unutar skupine da bi razlika bila statistiki
znaajna
- ako F nije statistiki znaajna prihvaa se nulta-hipoteza
- ako je F statistiki znaajna odbacije se nutla-hipoteza
- zakljuak: skupine se razlikuju statistiki znaajno, ali ne znamo izmeu kojih skupina
postoji statistika znaajna razlika
- za pronalaenje izmeu kojih skupina postoji statistiki znaajna razlika izvodi se neki
od naknadnih ili post hoc testovi: Scheffeov test; HSD Tuckeyjev test; Bonferronijev
test; Dunnettov test
Jednosmjerna analiza varijance:
- primjenjuje se kada usporeujemo rezultate jedne zavisne varijable unutar jedne
nezavisne varijable koja ima vie kategorija
Dvosmjerna analiza varijance:
- pripada multivarijatnoj analizi podataka
- koristi se u istraivanjima koja imaju vie od jedne nezavisne varijable ispituje
njihov utjecaj na zavisnu varijablu koja je kvantitativna
- ispituje se i meusobna interakcija izmeu nezavisnih varijabli

12

Korelacija:
- esto pojave pokazuju neku meusobnu zavisnost, povezanost, asocijaciju
- ispitujemo stupanj povezanosti meu varijablama
- Karl Pearson: izrazio stupanj povezanosti brojem koji je nazvao koeficijentom
korelacije
- Sir Francis Galton: razradio njegovu logiku takvog rauna
Grafiki prikaz korelacijski dijagram:
- kada nas zanima povezanost dviju varijabli, prije odluke o raunanju korelacije treba
grafiki prikazati rezultate
- ako je ovisnost vie manje linearna, moemo raunati koeficijent korelacije
- kod izraunavanja koeficijenta korelacije baviti emo se samo linearnom povezanosti
zato: jer takav oblik povezanosti vrlo est; jer izraunavanje drugih oblika povezanosti
je sloen
- y-os je zavisna varijabla
- x-os je nezavisna varijabla
- nekada korelacija nije linearna i ne da se prikazati pravcem
- kada nas zanima povezanost dvije vraijable, prije odluke o raunanju koeficijenta
korelacije treba grafiki prikazati rezultate, pa ako je ovisnost vie manje linearna
moemo raunati korelaciju

statistika znaajnost koeficijenta korelacije raunamo:

Pozitivna i potpuna korelacija

:
- ako linearnom porastu jedne varijable odgovara linearni porast druge varijable i pri
tome jednoj vrijednosti prve varijable odgovara samo jedna vrijednost druge varijable
Nema korelacije
:
- iz odreene vrijednosti jedne varijable ne moemo nita zakljuiti o vrijednosti druge
varijable
Pozitivna i nepotpuna korelacija
:
- liearnom porastu jedne varijable u glavnom odgovara linearna porast druge varijable,
ali jedna odreena vrijednost jedne varijable povezana je sa vie vrijednosti druge
varijable

13

Negativna i nepotpuna korelacija

:
- linearna porast jedne varijable uglavnom odgovara linearni pad druge varijable, ali
jedna odreena vrijednost jedne varijable povezana je sa vie vrijednosti druge
varijable
Negativna i potpuna korelacija
:
- linearnom porastu jedne varijable odgovara linearno otpadanje druge varijable i pri
tome jednoj vrijednosti prve varijable odgovara samo jedna vrijednost druge varijable
Regresijska analiza:
- da bi ustanovili postoji li korelacija izmeu varijabli i kakva je, parove podataka
unosimo u pravokutni koordinatni sustav
- na x-os nanosimo nezavisnu varijablu, a na y-os zavisnu
- grupiraju li se toke oko zamiljenog pravca korelacije je linearna, a pravac nazivamo
pravac regresije
- pravac regresije moemo priblino povui tako da ostupanja pojednih toaka bude to
manja udaljenost
Metoda najmanjih kvadrata:
- za tonu konstrukciju pravca koristimo se metodom najmanjih kvadrata
- jednadba pravca regresije:
- koeficijent smjera; - odsjeak na y-os

Zavisni uzorci:
- ako su dvije varijable povezane, tj. u korelaciji
- to je u pravilu uvijek onda kada se istraivanja vre istim ispitanici
- uzoraci su veliki ako je

granina vrijednost

ako je

nije statistiki znaajna

ako je

je statistiki znaajna

Metoda diferencije malo zavisnih uzoraka:

- jednostavna
- iskljuuje potrebu raunanja korelacije izmeu dvije varijable
- u rezultatu koji dobivamo je ukljuena korelacija

14

individualne razlike parova rezultata uzimamo kao uzorak i naemo mu aritmetiku

sredinu, standardnu devijaciju i standardnu pogreku

za

nije statistiki znaajna

za

je statistiki znaajna

Proporcije:
- ponekad se svojstvo koje registriramo ne moe iskazati u kvantitativnim jedinicama
ve se iskazuju u kojoj se frekvenciji pojavljuju
- onda radimo sa proporcijom ili postotkom
- proporcija je odnos frekvencije odreene kategorije i ukupnog broja statistikih
jedinica obiljeja kojem ta kategorija pripada

proporcija suprotne kategorije

Testovi asocijacije izmeu para normalnih varijabli:

- kategoriki normalna nezavisna varijabla
- kategoriki normala zavisna varijabla
Standardna pogreka proporcije:

ako je raspodjela normalna za nju vrijedi isto pravilo kao i za standadnu pogresku
aritmetike sredine

Testiranje razlike proporcije velikih nezavisnih uzoraka:

ako je

razlika proporcije je sluajna (nije statistiki znaajna)

15

ako je

razlika proporcije je statisiki znaajna

Testiranje razlike malih nezavisnih uzoraka:

- ako je
- ako su uzorci nezavisni
- ako su proporcije ekstremne (vea od 0,9 ili manja od 0,1)

Testiranje proporcije velikih zavisnih uzoraka:

- ako je
- ako su varijable u korelaciji (ako su obije proporcije dobivene na istim ispitanicima)
- jednostavniji postupak: raun korelacije je ve ukljuen
- 0,1<p<0,9

ako je

razlika proporcije je sluajna (nije statistiki znaajna)

ako je

razlika proporcije je statisiki znaajna

Testiranje razlike proporcije malih zavisnih uzoraka:

- mali uzorci
- p<0,1 ili p>0,9
- ako su uzorci u korelaciji (obije skupine sainjavaju iste ispitanike)
- tablica induvidualnih frekvencija ista je kao kod velikih zavisnih uzoraka
- uvijet: b+c>10

Hi-kvadarta test:
- primjenuje se kad su podaci zadani frekvencijama (frekvencije ne smiju biti malene)
- preporuka:
- nezavisni uzorci
- ispitujemo da li opaane frekvencije
odstupaju od frekvencije oekivanja
pod
nekim predpostavkama
- vrijednost hi-hvadrat rauna se po formuli

16

Hi-kvadrat test najee se upotrebljuje:

- za ispitivanje na jednom uzorku
- ispitivanje na 2 uzorka: nezavini i zavisni uzorci
Hi-hvadrat test za dva ili vie nezavisna uzorka:
- oekivana frekvencija u pojedinoj rubrici se nae tako da se pomnoi suma retka sa
sumom stupca u kojem se rubrika nalazi i podjeli sa sve ukupnom frekvencijom

ako je

statistiki znaajno

ako je

nije statistiki znaajno

Uvjeti za primjenu hi-kvadrat testa:

- nijedna oekivana frekvencija ne smije biti suvie mala
- rjeenje problema zbog premalenog broja podataka u pojedinim elijama
- Yates korekcija

Yatesova korekcija sastoji se u tome da se za 0,5 smanji svaka

koja je vea od ,
odnosno povea za 0,5 svaka
koja je manja od
hi-kvadrat test se moe raunati samo sa frekvencijama
suma oekivanih frekvencijama mora biti jednaka sumi opaenih frekvencijama
u tablicama, uz svojstva koje se pojavljuju mora se navesti i frekvencija u kojoj se to
svojstvo nije pojavilo
ako je broj stupnjeva slobode vei od 1 najvie 20% rubrika moe imati oekivanu
frekvenciju manju od 5
ukoliko vie od 20% rubrika ima frekvenciju manju od 5 treba spajati rubrike
niti jedna rubrika ne smije imati frekvenciju manju od 1

McNemar-ov test:
- zavisni uzorci, mjerenje na istim ispitanicima

ukoliko je a+d<20 primjenjuje se Yatesova korekcija prema izrazu

17

Za dvije grupe
Zavisni uzorci
Nezavisni uzorci
t-test i diferencija (parametrijski)
t-test (parametrijski)
Wilcoxonov test sume ragova s predznacima Wilcoxonov test sume ranga i Mann Whitney
(parametrijski)
test (neparaterijski)
Za vie od dvije grupe
Zavisni uzorci
Nezavisni uzorci
ANOVA ponavljanja mjerenja i Freiedmanov
jednosmjerna ANOVA (parametrijski)
test (neparametrijski)
Kruskal-Wallis test (neparametrijski)
Neparametrijski testovi:
- neparametrijska statistika koristi se kod podataka koji imaju neke od sljedeih
karakteristika: distribucija malog broja podataka znaajno odstupa od normalne;
podaci su izraeni na nominalnim ili ordinalnim mjernim ljestvicama; raspodjela se
znaajno razlikuje od normalne
Razlika izmeu parametrijskih i neparametrijskih testova:
Parametrijski
intervalna, omjerna
normalna ili prilina
vea
podjenake
vea
vea

skale mjerenja
oblik distribucije
statistika snaga
varijacije
osjetljivost
razumljivost

Neparametrijski
norminalan, ordinalna
nije relevantno
manja
nije relevantno
manja
manja

Neparametrijski test za dva nezavisna uzorka:

- neparametrijski testovi ima jako puno, no najee navoeni u litetraturi i u pojedinim
aplikacijama: test sume rangova (Wilcoxonov t-test, Mann-Whitney U-test); medijan
test; test homogenog niza (Run test, Wald-Wolfowitzov test); Siegel-Tokey test)
Test sume rangova:
- testiramo pripadaju li dva uzorka u populaciji s istim medijanom
- sve ispitanike rangiramo, a onda zbrojimo rangove u skupinama
- izraunavamo z
Neparmetrijski test za dva zavisna uzorka:
- neparametrijske inaice testova za zavisne uzorke su: test predznaka (Sign test);
Wilcoxonov test usklaenih parova (Wilcoxon-Matched-Pairs test)
Spermanov koeficijent korelacije ranga:
- ispitivanje stupnja veze izmeu pojava danih u obliku modaliteta redoslijedne (rang)
varijable nije mogue na isti nain kao i za one dane u obliku numerikih nizova, jer
varijable ranga nemaju za to potrebna metrina svojstva

18

vrijednost dviju varijabli se rangiraju po veliini, a povezanost njihovih rangova se

mjeri spermanovim koeficijentom korelacije ranga:

sa

vrijednosti pojedine varijable pridrueni su rangovi tako da je najmanjoj vrijednosti

pridruen rang 1, sljedei po veliini vrijednost iste varijable rang 2, ...
maksimalno mogui rang je n
ako se neka od vrijednosti ponavlja, onda se svakoj od njih pridruuje aritmetika
sredina pripadajuih rangova
spermanov koeficijent korelacije ranga je dosta blizu jedinice, to znai da je veza
meu ragovima dviju varijabli pozitivna i dosta jaka

su oznaene razlike izmeu rangova pojedinih vrijednosti varijable X i Y