OSNOVNE STATISTIKE

KATEGORIJE
Izbor i primjena statistikih postupaka u obradi
prikupljenih podataka odreena je prirodom pojave koja
je predmet naunog istraivanja
Razumijevanje prirode pojave pretpostavlja:
Sagledavanje njenih osnovnih karakteristika (obiljeja,
svojstva)
Njene statistike zakonomjernosti i
Nivoa njenog mjerenja
 Neposrednom primjenom istraivakih tehnika
(operacionalizacija istraivanja) dobija se veliki broj
informacija numerike i atributivne prirode
To je more neureenih (sirovih) podataka
Daljom operacionalizacijom nastoje se izvesti
nauni zakljuci vani za teoriju i praksu
To znai da treba:
SREDITI
OBRADITI
ADEKVATNO interpretirati (tumaiti)
rezultate istraivanja
 To se ne moe izvesti bez primjene statistike
Ova tri segmenta su osnova nae materije
Prije primjene statistike moramo se upoznati
sa semantikom (jeziko znaenje) osnovnih
statistikih pojmova
Istraivanjem se dobije veliki broj podataka
koji se razlikuju po:
Prirodi
Vanosti
Stepenu openitosti i
Naunoj teini
 Skup svih tih podataka koji mogu biti:
Brojke
Kategorije
Rangovi itd.
Bez obzira na metodoloki kvalitet zove se
STATISTIKA MASA
Svaki statistiki podatak ponaosob zove se
STATISTIKA JEDINICA
Ali,
Skup sirovih podataka je NEUPOTREBLJIV za
statistiku obradu
 Mora se podijeliti u homogene nizove logiki
srodnih podataka
Takve grupe informacija ureene po nekom
specifinom kriteriju zovu se STATISTIKE
SERIJE
Njihovo definisanje je prvi korak statistikog
sreivanja
npr.,
Procjenom morfolokog statusa nekog uzorka
dobiju se raznovrsni rezultati razliitih
numerikih vrijednosti
Kriterijumi ureivanja mogu biti zasebni podaci
koji se odnose na:
 Tjelesni visinu
Tjelesnu masu
Potkono masno tkivo, itd.
Kriterijumi mogu biti selektivniji, npr.,:
Podaci o tjelesnoj visini samo mukaraca (ena)
Tjelesna masa mlaih ili starijih mukaraca,...
STATISTIKE SERIJE SU NIZOVI SRODNIH
PODATAKA NUMERIKE ILI ATRIBUTIVNE
PRIRODE
U statistici se najee prikazuju tabelarno
Jedna kolona predstavlja izvjesnu statistiku
seriju
 Tabela moe sadravati vie srodnih i nesrodnih
statistikih serija
Srodne odnose se na isti metodoloki prostor i
iskazuju su slinim mjernim jedinicama
Nesrodne posjeduju podatke razliite
metodoloke prirode
Npr.,
Tablica moe sadravati srodne serije morfolokih
dimenzija:
Tjelesna visina
Duina ruku
Nogu, ...
Zajedno sa nesrodnim serijama
Psiholokog ili sociolokog statusa
Koje se iskazuju kategorijama ili deskriptivnim
podacima
 to ukazuje na mogunost klasifikovanja serija:
Neprekidne ili kontinualne teoretski se mogu
dijeliti i proirivati na oba svoja kraja
To su serije koje se najee sastavljene od
rezultata razliitim mjerenjem i procjenjivanjem
Iskazuju se raznovrsnim mjernim jedinicama
Duinske
Teinske
Vremenske i sl.
Ove serije uvijek mogu biti dopunjene
ponovljenim mjerenjima
U tom sluaju realno je oekivati dobijanje boljih
i slabijih rezultata
Drugim rijeima,
Realno je oekivati promjenu opsega serije
Prekidne ili diskretne dobijaju se prebrojavanjem
cijelih serija
Npr.,
eli se saznati koliko je sportista registrovano u
nekom klubu
Koliko je uenika odsutno
Koliko bazena posjeduje neki grad, i sl.
Znai,
Prekidne serije su konane
Nemaju mogunost transformacije
Vezane su za konkretno vremensko prebrojavanje
STATISTIKE
SKALE
O N
A
V J D
V
O A
I
N
J I
J O
E I
 STATISTIKE SKALE
SKALE MJERENJA
MJERNE SKALE
U statistikim serijama grupisani su metodoloki
srodni podaci
To je samo prvi korak u sreivanju informacija
Formirati statistiku seriju ne znai i njeno
ureenje po nekom osjetljivom kriteriju
U statistikoj seriji podaci su samo ekstrahovani
(vaditi, izvaditi, izvui, izvlaiti; praviti izvod iz
ega; pravno: izdejstvovati (poziv, naredbu)) iz
statistike mase
 Svrstani su u specifian skup bez ikakvog reda
Podaci se dalje mogu ureivati (sistematizirati)
po suptilnijim (otrijim) kriterijumima
Na taj nain serija postaje:
Preglednija
Loginija
Upotrebljiva za dalje statistike operacije
Ovaj vii nivo sreivanja statistike serije vodi
formiranju STATISTIKIH SKALA
Statistike skale su ureene statistike serije
po nekom specifinom kriteriju
Razlikujemo
 NOMINALNA SKALA (lat. nomen ime) ili
nominalno mjerenje:
Najjednostavniji oblik mjerenja
Objekti ili subjekti se zamjenjuju simbolima ili
imenima (brojevima)
Pri tome se svrstavaju u odreene kategorije
(klase)
Npr.:Zadatak evidencije:
Podjela prema polu ispitanika (muki enski)
Podjela prema nacionalnosti
Podjela prema strunoj spremi (visoka, via,
srednja,...)
Ureivanje ispitanika prema abecednom redu
 Obiljeavanje igraa brojem kada je svaka
pozicija u timu definisana posebnim brojem, ...
Nominalna skala nije nikakva skala
Oznake nam samo slue za identifikaciju
Ne predstavlja nikakvu vrstu kontinuuma
Ubraja se u skale samo zbog toga to vri
diskriminaciju i klasifikaciju (kategorizaciju)
pojava
Ukoliko se serija javlja u prekidnim kvalitativnim
oblicima nominalno mjerenje je jedino mogue
Jedinice na nominalnoj skali su kvalitativna
obiljeja
 Nominalna skala sama po sebi je neprimjenjiva
Postaje primjenjiva samo ako su njome
prikazani podaci iskau frekvencijama
Statistiki postupci (pokazatelji) deskriptivne
statistike koje je opravdano izraunavati na njoj:
Frekvecija ili uestalost (distribucija frekvencija)
Izraunavanje relativnih brojeva
Mod(us) ili dominantna vrijednost
Statistiki postupci (pokazatelji) komparativne
statistike koje je opravdano izraunavati na njoj:
Fi koeficijent korelacije
Koeficijent kontingencije C
Testiranje razlika izmeu procenata (t-test)
Testiranje razlika izmeu frekvencija (2 test)
Dakle:
Prilikom formiranja nominalne skale nisu znaajne
numerike vrijednosti rezultata koje je ostvario neki
pojedinac iz uzorka ispitanika
Ve samo njegova nominalna obiljeja
Podaci sa nominalne skale tretiraju se kao kvalitativna
(atributivna) obiljeja jer se iskazuju:
Kategorijama
Frekvencijama
Procentima
Slinim neparametrijskim karakteristikama
Zato se podaci sa nominalne skale mogu podvrgavati
samo neparametrijskim statistikim procedurama
O kojima e rijei biti kasnije
Primjer:
Ispitivanjem je obuhvaeno
20 ispitanika
Cilj je utvrditi koliko pol utie
na izbor modela rekreacije
ispitanika
Dobivene su dvije statistike
serije (sastavljene po
abecednom redu ispitanika):

Pretvaranjem serija u
nominalnu skalu mogue je
dobiti sljedee
modifikovane tabele
Razliiti naini prikazivanja serije pol Razliiti naini prikazivanja serije rekreativni
model pretvoren u nominalnu skalu
pretvoren u nominalnu skalu
 Ako se podaci iskau frekvencijama
Odnosno brojem ispitanika koji pripadaju pojedinim
kategorijama
Dobijemo

Tek sad je opravdano koristiti odgovarajue

statistike procedure
 ORDINALNA SKALA (ordinalno mjerenje, rang
skala, skala rangova)
Etimoloki korijen: lat. ordinale poredati
Ordinalna skala slui za oznaavanje
redoslijeda
Odgovara kvantitativnoj klasifikaciji
Njome se utvruje redoslijed du nekog
kontinuuma
Povezano je sa operacijom rangovanja
Dakle,
Primjenjuje se na podatke koji se razvrstavaju u
kategorije koje se mogu rangirati, tj. poredati.
 Pojave se rasporeuju po skali porasta ili opadanja
veliine
Zatim se svakoj pojavi pripisuje odreeni broj koji
oznaava njihovo mjesto na skali rasta ili opadanja
Na skali rasta poinje se najslabijim a zavrava
najboljim rezultatom
Na skali opadanja poinje se najboljim a zavrava
najslabijim rezultatom
Ordinalne skale odreuju samo relativan poloaj
rezultata u grupi,
Odnosno
Odreuju da li je neto manje ili vee, ali
nepoznata je razlika meu pojedinim jedinicama
skale, odnosno rangovima, i ona nije jednaka.
Znai
Karakteristika ovih skala je da odreuju samo je
li neto vee ili manje od drugog
Ali razlike izmeu pojedinih jedinica skale nisu
jednake
Primjer 1.:
Mjerenjem skoka u dalj iz mjesta eli se odrediti
redoslijed ispitanika
Pravi se rang-lista
Na prvom mjestu je ispitanik sa najduim
Na zadnjem mjestu je ispitanik sa najkraim
skokom
Primjer 2.:
Redoslijed u trci na 100 metara:
Tro Bolt stigo prvi (9 sekundi),
Za njim Jonson stigo drugi (9,5 sekundi),
A Malkovich stigo trei (15 sekundi).
E gledaj sad vamo,
Ovde ima veliinski niz (prvi drugi, trei) -
rastui,
Niz brzina opadajui
ali nema jednakost intervala jer razlika izmeu
prvog i drugog nije ista kao i razlika izmeu
drugog i treeg.
Kada gleda rangove - razlike su iste,
Ali one sutinski, sadrajno nisu ni nalik.
 trka redoslijed Vrijeme (s)
Bolt 1 9
Jonson 2 9,5
Malkovich 3 15

Primjer 3.:
kolske ocjene
Razlike izmeu ocjena nisu podjednake
znate da je 3 vee od 2, ali razlike od 1 do 2 i od 2 do
3 nisu iste
Izraunavanje prosjenih ocjena
Greka!!!!!!!!!!!!!!!!!!!!!!!!!
Jer ocjene predstavljaju vrstu rangova
A ne nikakvo intervalno mjerenje
Primjer 4.:
Redoslijed (redni brojevi) uenika u dnevniku
Primjer 5.:
Redni brojevi uenika za neke sposobnosti (za
igranje aha, muzike sposobnosi, ...):
Izvrstan
Zadovoljavajui
Lo
Mogu im se dodijeliti brojane vrijednosti koje
ima smisla usporeivati, ali ne i raunati s njima
Primjer 6.:
Socijalni sloj (1=siromaan, 2=srednji, 3=bogat)
Primjer 7.:
Gluho bilo; otresi od sebe; fuj, fuj, fuj ...
Tumorski stadij:
1=bez metastaza,
2=lokalne metastaze,
3=metastaze prisutne i u udaljenijim organima i
4=obilje metastaza na mnogim lokacijama
Uz ordinalno mjerenje koriste se sljedei statistiki
postupci:
Postupci koji idu uz nominalno mjerenje
Centralna vrijednost, medijana ili medijan
Kvartili
Decili
Percentili
Raspon varijacije
 Spirmanov koeficijen korelacije (ro)
Kendalov koeficijent korelacije (tau)
Koeficijent konkordacije W
Freemanov Teta koeficijent korelacije
Zakljuak:
Pomou ordinalnih skala numerika (kvantitativna)
obiljeja mogu se pretvoriti u kvalitativna
Na taj nain statistika serija postaje upotrebljiva za
primjenu i parametrijskih i neparametrijskih statistikih
procedura
Drugim rijeima
Rije je o pretvaranju apsolutnih kvantitativnih rezultata
u rangove.
Pomou rangova se adekvatnim neparametrijskim
procedurama mogu traiti relacije i meu metodoloki
nesrodnim statistikim serijama
 INTERVALNA SKALA
Bazira se na kvantitativnim podacima
Vii je stepen ureenosti nego ordinalna skala
Pored rangiranja rezultata mogue je njihovo
pouzdano uporeivanje i
Svrstavanje u pojedine vrijednosne nivoe
(klase)
Nivoi su ravnomjerno rasporeeni du itavog
kontinuuma
Od minimalne do maksimalne vrijednosti
Imaju jednak raspon (opseg)
U statistici su oznaeni kao intervali
Dakle,
Mogue je odrediti veliine razlike meu
pojavama
Razlika je definisana na svakom dijelu skale
Npr, razlika od 1C je uvijek jednaka, bez obzira radi
li se o razlici meu 0C i 1C, ili izmeu 153C i
154C.
Primjer 1.:
Bin-Simonova skala za procjenu nivoa
inteligencije
Svaki interval oznaava veliinu koeficijenta
inteligencije (IQ):
 <70 niska inteligencija (debili ili moroni)
70-89 ispodprosjena inteligencija
90-109 prosjena inteligencija
110-129 nadprosjena inteligencija
>130 visoka inteligencija (genijalci)
Primjer 2.:
Mjerenje duine skoka iz mjesta
Najmanja duina 150 cm, najvea 200 cm
Formira se intervalna skala sa 5 klasa
Klasa Interval (od-do) Sredina intervala
Slabi 150 160 cm 155 cm
Ispod prosjeka 161 170 cm 165 cm
Prosjeni 171 180 cm 175 cm
Nadprosjeni 181 190 cm 185 cm
Visoki 191 200 cm 195 cm
 Meutim, te skale nemaju apsolutnu nulu
(odsustvo kvantitete obiljeja),
Ve je nula relativna ili arbitrarna,
Npr. ispitanik s nula bodova na testu inteligencije
Ne moe se rei da mu je inteligencija jednaka
nuli.
Nemogunost stavljanja brojeva u omjere:
Ne moemo tvrditi npr. da je temperatura od 100
F (farenhajt) dva puta vea od 50 F,
jer je to, ustvari 10 i 38 C.
ne moemo rei ni da je temperatura od 100C
dva puta vee od 50C
 Uz intervalno mjerenje koriste se sljedei
statistiki postupci:
Postupci koji idu uz nominalno mjerenje
Postupci koji idu uz ordinalno mjerenje
Aritmetika sredina
Standardna devijacija
Z vrijednost i njene transformacije
Pirsonov koeficijen korelacije r
Ukljuujui i parcijalnu i multiplu korelaciju
Mogue je testirati sve hipoteze
Aritmetike operacije + i -
 SRAZMJERNA SKALA (OMJERNA ILI RACIO
SKALA)
Formira se iskljuivo od numerikih statistikih jedinica
Te jedinice su dobijene egzaktnim mjerenjem fizikih
veliina
Visina, duina, masa, obim, brzina izvoenja, cijena,
zarada, otpor, kapacitet plua, ...
Ove skale imaju sva svojstva intervalnih skala +
Svojstvo da jednaki brojani odnosi (omjeri) znae i
jednake odnose u mjernoj pojavi
To je mogue jer imaju apsolutnu nulu
Nula oznaava odsustvo svake koliine pojave koja se
mjeri
Rezultati se mogu uporeivati u svojim apsolutnim
vrijednostima
 Masa od 90 kg je tri puta vea od mase od 30 kg
To je tano u svakom sistemu mjerenja, tj.
U bilo kojim masenim jedinicama
Ove su skale najprikladnije za statistiku obradu
Od aritmetikih operacija doputeno: *, /
Uz raciomjerenje koriste se sljedei statistiki
postupci:
Postupci koji idu uz nominalno mjerenje
Postupci koji idu uz ordinalno mjerenje
Postupci koji idu uz intervalno mjerenje
Koeficijent varijabilnosti (varijacije)
Geometrijsku sredinu
 TREBA ZAPAMTITI
Nominalno mjerenje ne zahtijeva znanje veliina
U osnovi ovog mjerenja je operacija koja u sutini nije
matematika nego logika
Zato se ova vrsta mjerenja jo naziva kvalitativna
klasifikacija
Mnoge pojave nije mogue kvantitativno odrediti
Zato je upotreba nominalnog mjerenja i nuna i
korisna
Registracijom definisanih dogaaja mogu se dobiti
odreene kvantitativne karakteristike pojave
Ovo mjerenje je mogue samo ako je poznat kriterijum
koji omoguava razlikovanje izmeu pojava i njihovih
karakteristika
Istraiva prvo mora definisati pojavu
 Odrediti njene indikatore
Te onda pristupiti registrovanju
Istraiva mora definisati i kriterijume, pa makar i uslovno
Adekvatnom primjenom nominalnog mjerenja mogue je
otkriti zakonitosti pojavljivanja odgovarajuih efekata i
rezultata u razliitim uslovima
Na taj nain mogue je vriti:
Provjeravanja
Predvianja, te
Donositi ispravne zakljuke
Iako ovo mjerenje raspolae kvalitativnim obiljejima
ije distribucije odstupaju od normalne raspodjele, ili
Se o populaciji malo zna
Postoji itav niz testova neparametrijske statistike
Koji se mogu upotrebiti prilikom obrade ove vrste podataka
 Postoje i pojave koje nije mogue preciznije
izmjeriti
Ali dozvoljavaju ordinalno mjerenje
tj. dozvoljavaju rangovanje
Kao i kod nominalnog mjerenja potrebno je
poznavati kriterijume koji omoguavaju lake
zapaanje promjena pojave koja se istrauje
Ovo mjerenje uz razlikovanje indikatora zahtijeva da
se otkrije stepen razvijenosti
Drugim rijeima,
Ordinalno mjerenje trai procjenu obiljeja u odnosu
na spoljanje manifestacije
Ako kriterijum omoguava jasno razlikovanje
razvijenih od manje razvijenih osobina, istraiva ga
je uspio odabrati i definisati
Matematika formulacija tog uslova je:
Ako je A<B i B<C onda je i A<C
Vidi se da ordinalno mjerenje zahtijeva operaciju
poreenja
Na osnovu uporeivanja istraiva uoava
podudarnosti i razlike
Na taj nain, zakljuuje o stepenu slinosti izmeu
pojava
poznavajui taj stepen mogue je izvriti
rangovanje
Intervalno i racio mjerenje preciznija su u odnosu
na prethodna
Omoguavaju utvrivanje veliine razlika izmeu
pojava
 Ova mjerenja omoguavaju preciziranje
karakteristika brojem
Ovaj broj pokazuje:
za koliko vie ili za koliko manje (intervalno)
za koliko puta vie ili za koliko puta manje
(racio)
Ova mjerenja omoguavaju izvoenje jedne
veliine iz druge
jer se kvantitativni podaci mogu obraivati na
razliite naine
Da bi se veliine mogle uporeivati moraju se tano
i odrediti
VARIJABLA ILI SLUAJNA PROMJENJIVA
Svaka pojava tei za promjenom
Uslovljena je kombinacijom objektivnih i
subjektivnih faktora koji daju bogatstvo varijacija
Neprestana varijabilnost pojava proizilazi iz
elemenata sluajnog koji nuno u njima postoje
To ne znai da ne djeluju zakoni uzronosti
Svaki faktor djeluje strogo zakonito
Ali je kombinacija tih faktora u praksi u odreenom
stepenu sluajna
Varijabla korijen latinski izraz varijabilno
promjenjivost nekog stanja
Varijabla je promjenjiva veliina
 Varijabla je fenomen (pojava) sa kvanitativno ili
kvalitativno razliitim obiljejima
Npr., istraivana varijabla je eksplozivna snaga
ekstenziora u zglobu koljena
Jedan od naina njene procjene je mjerenje skoka u
dalj iz mjesta
Vrijednost ove varijable je svaka duina
realizovanog skoka
Mjerenjem velikog broja ispitanika bie ostvareni
razliiti rezultati
ak e isti ispitanici u ponovljenom mjerenju esto
ostvariti razliit rezultat
Zajedniko za sve varijacije duine skoka je da se
one odnose na jednu istu veliinu sa promjenjivim
numerikim vrijednostima
 Dakle, izdvajaju se dva kljuna detalja:
Stabilnost posmatrane veliine
Promjenjivost (varijabilnost) njenih obiljeja
Promjenjivost nije sistemske prirode
Ona je posljedica sluajnosti
Uzrok je najee fluktuacija (kolebanje,
komeanje) ispitanika
Upravo razlike dobivenih rezultata determiniu
varijabilnost posmatrane pojave i daju joj
atribut sluajne promjenjive
Zato se u literaturi varijabla esto zamjenjuje
sintagmom sluajna promjenjiva
 Pojam varijabla je na veem stepenu optosti
od statistike serije
U prethodnom primjeru eksplozivna snaga
ekstenziora u zglobu koljena pored mjerenja
skoka u dalj iz mjesta moe se procijeniti na
osnovu:
Podignuti kilogrami iz unja ili poluunja
Pomou tenzometrijske platforme koja ima
sasvim drugaije mjerne jedinice
Veliki broj varijabli ima sloenu strukturu
Nju odreuje nekoliko statistikih serija
 Metodoloki problem prestavlja klasifikacija
varijabli
Postoji nekoliko kriterijuma klasifikacije
Za nas su bitna dva:
Mjerna i
Metodoloka priroda

Kriterijum mjerna priroda Metodoloka priroda

Kvantitativne (numerike) Zavisno promjenjive
1. (kriterijumske varijable)
varijable
Nezavisno promjenjive
2. Kvalitativne (atributivne) varijable (prediktorske varijable)
 Kvantitativne mogu se egzaktno izmjeriti i
iskazati standardnim mjerema SI-sistema:
Metar
Kilogram
Sekunda ...
To su veliine materijale prirode dostupne
tehnikim mjernim instrumentima:
tjelesna visina, tjelesna masa, razni obimi
snaga, brzina, duina
frekvencija srca, utroak kisika, disajni volumen, ...
Iskazuju se preciznim brojanim informacijama,
pa se nazivaju i numerikim varijablama
 Kvalitativne ne mogu se egzaktno izmjeriti
Ve se procjenjuju pomou specijalno
konstruisanih instrumenata ili istom
kontemplacijom (razmatranje, umovanje) koja
se iskazuje teorijskim vrijednostima
Tipini primjeri su psiholoke i socioloke
pojave koje nisu materijalne prirode
inteligencija
Anksioznost (tjeskoba)
Stavovi, i sl.
 Njihovi rezultati se najee iskazuju
deskriptivnim (atributivnim) kategorijama ili
Nekim alternativnim vrijednostima:
Frekvencije
Procenti
Rangovi, i sl.
Zato se kvalitativne varijable esto nazivaju
atributivnim.
Meutim,
Neke od njih se mogu veoma pouzdano
izmjeriti i ak iskazati numeriki
Npr.,
 Kognitivne (spoznajne) sposobnosti mjere se
koeficijentom inteligencije (IQ)
Anksioznost brojem poena na nekom testu
Stavovi, odgovarajuim nivoom na numerikoj skali, i
sl.
Meutim,
Dobivene numerike vrijednosti zahtijevaju dodatno
tumaenje strunjaka za datu matinu oblast
Npr., stvar je jasna kad se kae da je neko skoio 2 m u
vis
Kada je neija inteligencija po Bine-Simonovoj skali
100, onda
Slijedi dodatno objanjenje da njegov mentalni
uzrast odgovara kalendarskom (hronolokom)
 Kada jedan takmiar baci koplje 80, a drugi 78
metara, stvar je jasna
Prvi takmiar je imao dva metra dui hitac od
drugog
Meutim,
Psiholog saopti da je jedan sportista na SCAT
upitniku ostvario skor od 10, a drugi od 20
bodova
Teko je povjerovati da e neupueni znati da
se radi o razliitim nivoima takmiarske
anksioznosti
Dakle, uprkos mogunosti numerikog
iskazivanja i ovakvim varijablama se dodjeljuje
svojstvo kvalitativnih (atributivnih) veliina
 Kriterijum metodoloke prirode zanemaruje
nain i prirodu mjerenja
Uzima u obzir iskljuivo ulogu ve dobivenih
rezultata u konkretnom istraivanju
Uloga se odreuje prema statusu varijable u
primijenjenoj statistikoj proceduri
Nezavisne rezultati se mijenjaju samo kao
posljedica fluktuacije uzorka
Nema uticaja druge varijable
Istovremeno, ove varijable mogu uticati na neke
druge varijable
Time ih ine zavisnim
Primjer
Istraivanjem se eli utvrditi da li snaga ekstenzora u zglobu
koljena iskazana podignutim teinom iz dubokog unja utie
na visinu odskoka mjerenu Abalakovim postupkom
Bilo bi organizovano inicijalno mjerenje kojim bi se dolo do
dvije statistike serije:
Jedna bi sadravala podatke o podignutoj teini
Druga podatke o visini odskoka koju su ostvarili ispitanici
Primjenom adekvatnih statistikih procedura
(u konkretnom primjeru izraunavanje koeficijenta korelacije,
Samo kojeg ????????
Kad emo ih raditi etiri!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!)
Mogue je utvrditi postoji li znaajna numerika povezanost
izmeu ove dvije varijable, i
Kakve je ona prirode (pozitivna ili negativna)
Ako je znaajna moglo bi se tvrditi da snaga znaajno utie
na odskok
 Ova tvrdnja se moe provjeriti eksperimentom:
Ispitanici bi bili podvrguni treningu s ciljem da se nakon
izvjesnog vremena povea teina koju mogu podignuti iz
unja
Nakon trenanog procesa ispitanicima bi ponovo bio
izmjeren odskok
Ako bi se i na Abalakovom testu dobila znaajno poveanje
rezultata
Sa veom sigurnou bi se zakljuilo da visina odskoka
zavisi od snage ekstenzora u zglobu koljena
U ovom eksperimentu nezavisna varijabla bi bila snaga nogu
iskazana podignutom teinom
Njeni rezultati su posljedica samo linih potencijala ispitanika
i mijenjali bi se po principu sluajnosti
Istovremeno, ona bi znaajno uticala na mijenjanje rezultata
druge varijable visina odskoka
Daljom primjenom statistikih procedura
 Mogla bi se izraunati numerika zavisnost tih varijabli, te bi
Poznavanjem snage aktuelne muskulature bilo mogue
predvidjeti priblian rezultat svakog ispitanika u drugoj
varijabli
Poto je mogua predikcija (predvianje), u metodologiji se
nezavisne varijable esto oznaavaju kao prediktorske
Zavisne sistemski se mijenjaju pod uticajem
drugih varijabli
U prethodnom primjeru zavisna varijabla bi bila
visina odskoka, jer
Njeni rezultati zavise od snage ekstenzora u
zglobu koljena
Utvrena zakonitost: poboljanje odskoka je
indikator poveanja snage
 Test vertikalnog odskoka mogao bi biti primijenjen na
poetku i na kraju trenanog procesa
Kriterijum za uspjenost bila bi razlika izmeu odskoka
na inicijalnom i finalnom mjerenju.
Zato se zavisne varijable u metodologiji esto
oznaavaju kao kriterijumske.
Klasifikacija statistikih procedura