Statistika Sestrinstvo Predavanje - 1

Statisticke metode
Predavanje 1
Hrvoje Stefancic
Hrvatsko katolicko sveuciliste, Diplomski studij sestrinstva
February 4, 2016
Hrvoje Stefancic (Hrvatsko katolicko sveuciliste, Diplomski studij Statisticke

sestrinstva)metode Predavanje 1 February 4, 2016 1 / 60
Table of contents
1 Statisticke metode - PREDMET
2 Statistika
3 Osnovne matematicke operacije
4 Mjerenja i varijable
5 Deskriptivna statistika
6 Mjere centralne tendencije
7 Aritmeticka sredina
8 Medijan
9 Mod
10 Raspon rezultata
11 Srednje odstupanje
12 Standardna devijacija i varijanca
13 Poluinterkvartilno rasprsenje
14 Koeficijent varijabilnosti
15 Standardna devijacija
16 Raspodjela podataka
17 Agregiranje podataka
18 Stablo i lisce prikaz distribucije rezultata
19 Histogrami
Statisticke metode - PREDMET
Sto i kako se uci u ovom predmetu?
Sto?
osnovni koncepti teorije vjerojatnosti i statistike
osnove prakticne statisticke analize
upotreba racunala u statistickoj analizi (Excel)
Kako?
predavanja (teorija) i vjezbe (zadaci)
cilj je postizanje usvajanja teorijskih koncepata i operativnog vladanja
osnovnim postupcima statisticke obrade
naglasak na stjecanju prakticnih vjestina statisticke obrade - kako rijesiti
konkretne zadatke (olovka i papir ili pomocu racunala)
Po kojim pravilima (OBAVEZNO POGLEDAJTE)?
Izvedbeni plan
Pravilnik o studijima i studiranju

Sto i kako se uci u ovom predmetu?
Nastavne teme (predavanja) - Izvedbeni plan

Uvodno upoznavanje s problematikom.
Mjere centralne tendencije - aritmeticka sredina
Mjere centralne tendencije - mod i medijan te ostale metode
Mjere varijabilnosti - raspon, standardna devijacija te koeficijent varijabilnosti
Raspodjela podataka - normalna razdioba te druge vrste razdiobe
Agregiranje podataka, histogrami
Polozaj pojedinog rezultata u grupi - percentil, kvartil
Metode procjene - koefijent korelacije
Metode procjene - regresijska analiza
Metode procjene - koeficijent determinacije
Indeksi s nepromjenjivom i promjenjivom bazom
Odredivanje uzoraka, uzorci i populacija, inferencijalna statistika
Statisticki testovi, testiranje hipoteza
t test, 2 test
Graficko prikazivanje rezultata
Statisticki principi u klinickim testiranjima

A zasto?
u znanstvenom radu u svim podrucjima znanosti, pa tako i u biomedicinskom

podrucju, statisticka obrada je sve vazniji, cesto i nezaobilazni element
u strucnoj literaturi u svim podrucjima znanosti, pa tako i u biomedicinskom
podrucju, se podrazumijeva poznavanje osnovnih, a sve cesce i naprednih
postupaka statisticke analize
biomedicinske znanosti pokazuju trend sve vise razine kvantitativnog opisa -
osnova za razumijevanje buducih metodoloskih pristupa
Kvantitativna znanja - opcenito sve kompetitivnija

Kvantitativne metode - gruba podjela
analiticke metode (matematicka analiza, linearna algebra, ...) - NE

racunalno modeliranje i numericka matematika (npr. simulacije) - MANJIM
DIJELOM - upotreba racunalnih programa za statistiku
statististicke metode - DA

Statistika
Sto je statistika i zasto se koristi

Statistika - obrada brojcanih podataka radi jasnijeg prikazivanja (Petz,
Kolesaric, Ivanec)
Kako od (najcesce) velikog broja podataka doci do malog broja korisnih brojeva
(korisnih u smislu da nam daju bitnu informaciju o cijelom skupu podataka)
Kako sa sto manje brojeva efikasno opisati podatke (umjesto da pamtimo sve
podatke, zapamtimo nekoliko brojeva) - efikasno sazimanje podataka
Primjeri:
aritmeticka sredina tjelesne temperature stotine odraslih zenskih osoba iste
starosti (mjera centralne tendencije)
standardna devijacija tjelesne tezine djecaka u sedmom razredu osnovne skole
(mjera varijabilnosti)
koeficijent korelacije vremena provedenog u proucavanju gradiva i uspjeha na
predmetu (metode procjene)
Statistika se temelji na teoriji vjerojatnosti
Statistika
Teorija vjerojatnosti - obrisi najosnovnijih pojmova
Statistika (statisticki postupci, procedure i pravila) je najvecim dijelom temeljena

na primjeni teorije vjerojatnosti
Eksperiment je bilo koji postupak na ciji ishod u nekoj mjeri utjece slucaj, tj.
njegov ishod nije u svakom ponavljanju isti
Dogadaj u nekom eksperimentu mozemo shvatiti kao skup svih povoljnih ishoda
eksperimenta (povoljnih po nekom kriteriju, a taj kriterij zapravo definira dogadaj)
Sto je vjerojatnost nekog dogadaja? Najjednostavnija definicija je:
broj povoljnih ishoda eksperimenta

vjerojatnost dogadaja = P (dogadaj) =
ukupni broj ishoda eksperimenta
Teorija vjerojatnosti - stroga, vrlo razradena i vrlo primjenjiva matematicka

subdisciplina

Statistika
Ishod bacanja jedne kocke
Sa X oznacimo ishod bacanja jedne kocke (X je tzv. slucajna varijabla)

Moguci ishodi za X su: 1, 2, 3, 4, 5, 6
Ukupno ima 6 ishoda
1
P (X = 1) = 6
1
P (X = 2) = 6
1
P (X = 3) = 6
1
P (X = 4) = 6
1
P (X = 5) = 6
1
P (X = 6) = 6

Statistika
Zbroj ishoda bacanja dvije kocke
Sa Y oznacimo zbroj ishoda bacanja dvije kocke (Y je tzv. slucajna varijabla)

Moguci ishodi za Y su: 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12
ukupno ishoda ima 6 6 = 36. To su (1, 1), (1, 2), (1, 3), (1, 4), (1, 5),
(1, 6), (2, 1), (2, 2), (2, 3), (2, 4), (2, 5), (2, 6), (3, 1), (3, 2), (3, 3), (3, 4),
(3, 5), (3, 6), (4, 1), (4, 2), (4, 3), (4, 4), (4, 5), (4, 6), (5, 1), (5, 2), (5, 3),
(5, 4), (5, 5), (5, 6), (6, 1), (6, 2), (6, 3), (6, 4), (6, 5), (6, 6).
P (Y = 2) = 1/36 (samo ishod (1, 1))
P (Y = 3) = 2/36 = 1/18 (ishodi (1, 2) i (2, 1))
P (Y = 4) = 3/36 = 1/12 (ishodi (1, 3), (2, 2) i (3, 1))
P (Y = 5) = 4/36 = 1/9 (ishodi (1, 4), (2, 3), (3, 2) i (4, 1))
P (Y = 6) = 5/36 (ishodi (1, 5), (2, 4), (3, 3), (4, 2) i (5, 1))
P (Y = 7) = 6/36 = 1/6 ((1, 6), (2, 5), (3, 4), (4, 3), (5, 2) i (6, 1))
P (Y = 8) = 5/36 (ishodi (2, 6), (3, 5), (4, 4), (5, 3) i (6, 2))
P (Y = 9) = 4/36 = 1/9 (ishodi (3, 6), (4, 5), (5, 4) i (6, 3))
P (Y = 10) = 3/36 = 1/12 (ishodi (4, 6), (5, 5) i (6, 4))
P (Y = 11) = 2/36 = 1/18 (ishodi (5, 6) i (6, 5))
P (Y = 12) = 1/36 (samo ishod (6, 6))

Osnovne matematicke operacije
Osnovne matematicke operacije
Sto je potrebno od osnovnih matematickih operacija?
zbrajanje, oduzimanje, mnozenje, dijeljenje

potencije, korijenovanje
elementarne funkcije (eksponencijalna, logaritamska, ...)
Postoje brojni vrlo napredni i razradeni racunalni programi za statisticku obradu

(SPSS, SAS, STATA, R, ...)
Excel - siroko dostupan i u sirokoj upotrebi, razmjerno jednostavan za koristenje,

implementirano mnogo najvaznijih funkcija za statisticku obradu

Mjerenja i varijable
Razine mjerenja
Ishod mjerenja neke velicine - sadrzan u varijabli
Varijable mogu biti:

1 Nominalne (kategorijske)
Primjer: zanimanje ispitanika
2 Ordinalne - ne moze se utvrditi tocna razlika izmedu pojedinih vrijednosti
Primjer: strucna sprema ispitanika
3 Intervalne - moze se utvrditi tocna razlika izmedu pojedinih vrijednosti
kontinuirane (Primjer: osobni dohodak)
diskretne (Primjer: broj poduzeca u nekom gradu)
Populacija i uzorak (vise rijeci u kasnijim predavanjima)

Deskriptivna statistika
Deskriptivna statistika
skupina mjerenja (uzorak) - daje distribuciju (raspodjelu, razdiobu) rezultata

(vrijednosti)
Deskriptivna statistika govori (Feinstein, Thomas)

koje su centralne (najcesce, tipicne) vrijednosti u distribuciji
kolika je disperzija distribucije - koliko je distribucija rasirena
koji je oblik distribucije

Mjere centralne tendencije
Mjere centralne tendencije
Mjere centralne tendencije - Sredisnje vrijednosti - prosjek

koja srednja vrijednost najbolje reprezentira niz mjerenja velicine koju
promatramo?
kojom pojedinom brojcanom velicinom mozemo opisati niz mjerenja?
mjere centralne tendencije
aritmeticka sredina
centralna vrijednost (medijan)
dominantna vrijednost (mod)
geometrijska sredina
harmonijska sredina

Aritmeticka sredina
Aritmeticka sredina
Neka za neku velicinu oznacenu varijablom X imamo N mjerenja (vrijednosti):

X1 , X2 , . . . , XN . Aritmeticka sredina N promatranih mjerenja je definirana na
sljedeci nacin:
ZBROJ SVIH REZULTATA
ARITMETICKA SREDINA =
BROJ SVIH REZULTATA
odnosno
X1 + X2 + + XN X1 X2 XN
X= = + + + ,
N N N N
ili sazeto
PN
i=1 Xi
X= .
N
Aritmeticku sredinu mozemo izracunati za bilo koji skup numerickih vrijednosti

(brojeva) - pitanje je sto tako izracunata aritmeticka sredina znaci?

Aritmeticka sredina
Znacenje aritmeticke sredine

Aritmeticka sredina neke varijable na uzorku - nepristrani procjenitelj ocekivane
vrijednosti u populaciji
Sto se dobiva u mjerenjima?
prava vrijednost + nesistematski varijabilni faktori
nesistematski varijabilni faktori (ako ih ima puno i ako su nezavisni - zajedno daju
normalnu distribuciju - centralni granicni teorem)
aritmeticka sredina ce biti blizu prave vrijednosti ako (Petz, Kolesaric i Ivanec)
1 Rezultati moraju biti prave mjerene vrijednosti, dobivene barem na intervalnoj
ljestvici
2 Svi rezultati moraju biti rezultat istovrsnog mjerenja, dakle dobiveni u
jednakim uvjetima mjerenja
3 Odredivanje aritmeticke sredine zahtijeva dovoljan broj rezultata (najmanje
30)
4 Distribucija rezultata ne odstupa suvise od normalne distribucije

Aritmeticka sredina
Izracun aritmeticke sredine
Zadatak: Izracunajte aritmeticku sredinu sljedeceg niza mjerenja velicine X:
12.6, 13.1, 14.0, 12.9, 13.2, 12.8, 12.2, 13.0 .
Zadatak: Temperature izmjerene na dan 31. prosinca u 12h u nekom gradu

tijekom deset uzastopnih godina su:
godina 1 2 3 4 5 6 7 8 9 10
T ( C) 5 2 3 11 15 1 3 7 1 5
Koliko iznosi desetogodisnja aritmeticka sredina temperature?

Aritmeticka sredina
Aritmeticka sredina iz frekvencija
Ako se svaka pojedina vrijednost mjerenja pojavljuje vise puta, broj pojavljivanja
vrijednosti Xi nazivamo frekvencija vrijednosti Xi i oznacavamo s fi . Konkretno
imamo
X X1 X2 ... XN
f f1 f2 ... fN
Aritmeticka sredina iz uzorka s frekvencijama

PN
i=1 fi Xi f1 X1 + f2 X2 + . . . fN XN
X= PN
= .
i=1 fi f1 + f2 + + fN
Zadatak: Na trznici u nekom gradu jedne subote na 14 mjesta jabuke su kostale

4.5 kn, na 10 prodajnih mjesta 5 kn, na 18 prodajnih mjesta 5.5 kn, na 15
prodajnih mjesta 6 kn, a na 5 prodajnih mjesta 6.5 kn. Kolika je bila prosjecna
cijena jabuka na trznici te subote?

Aritmeticka sredina
Tezinski prosjek
Tezinski prosjek mjerenja Xi , i = 1, 2, . . . , N s tezinama wi , i = 1, 2, . . . , N je

PN
0
i=1 wi Xi w1 X1 + w2 X2 + + wN XN
X = PN
= .
i=1 wi w1 + w2 + + wN
Primjer: Aritmeticka sredina iz uzorka s frekvencijama - tezine su frekvencije
Primjer: Tezinski prosjek ocjena - tezine su brojevi ECTS bodova

Aritmeticka sredina
Utjecaj velicine uzorka i nesimetricnosti distribucije
Zadatak (utjecaj velicine uzorka) - Petz: Neka u nekom uzorku imamo sljedece
rezultate: 12, 17, 13, 14, 17, 14, 16, 13, 15, 16. Koliko se promijeni aritmeticka
sredina ako uzorku dodamo vrijednost 20? Ako imamo dvadeset puta veci uzorak
koji sadrzava po dvadeset puta svaki od rezultata iz prvog uzorka, koliko ce se
promijeniti aritmeticka sredina ako vecem uzorku dodamo vrijednost 20?
Zadatak (utjecaj nesimetricnosti distribucije): Neka na nekom vlastelinstvu

zive 100 seljaka, 20 obrtnika i 1 vlastelin. Neka u nekoj jedinici vremena svaki
seljak ima prihod od 1 zlatnika, svaki obrtnik prihod od 5 zlatnika, a vlastelin
prihod od 1000 zlatnika. Koliki je prosjecni osobni prihod u vlastelinstvu?

Aritmeticka sredina
Zajednicka aritmeticka sredina
Ako imamo nekoliko skupina mjerenja (npr. M ) neke velicine X i za svaku

i
skupinu mjerenja i je izracunata aritmeticka sredina X te je poznata velicina
skupine Ni , aritmeticka sredina svih mjerenja se moze odrediti po formuli
PM i
i=1 Ni X
X= PM .
i=1 Ni
Zadatak: Potrebno je izracunati aritmeticku sredinu ocjena svih studenata na
nekom preddiplomskom studiju matematike iz jednog predmeta prve godine.
Poznato nam je da aritmeticka sredina 45 studenata prve godine iznosi 4.13, da
aritmeticka sredina 41 studenta druge godine iznosi 4.32 te da aritmeticka sredina
36 studenata trece godine iznosi 3.72. Koliko iznosi trazena aritmeticka sredina?

Aritmeticka sredina
Osjetljivost aritmeticke sredine na ektremne rezultate
Aritmeticka sredina uzima u obzir sve rezultate iz distribucije. Ako je neki od tih
rezultata ekstremno velik ili ekstremno malen, tada taj rezultat znacajno utjece na
aritmeticku sredinu.
Primjer (Petz): dva skupa od po 10 mjerenja koja se razlikuju u samo jednom

mjerenju
6, 5, 5, 5, 3, 4, 5, 7, 5, 5 X=5
6, 5, 5, 5, 3, 4, 5, 7, 5, 25 X=7

Medijan
Medijan
Medijan ili centralna vrijednost: vrijednost koja je veca od 50 % rezultata i
manja od 50 % rezultata.
Kako izracunati medijan?

rezultati se sortiraju u uzlaznom poretku (od manjih prema vecima)
Ako je broj rezultata neparan (= 2n + 1), medijan je (n + 1)-va vrijednost u
sortiranom uzorku
Ako je broj rezultata paran (= 2n), medijan je aritmeticka sredina n-te i
(n + 1)-ve vrijednosti u sortiranom uzorku
Medijan je sredisnja vrijednost sortiranog skupa mjerenja
Primjer (Petz): ako imamo mjerenja

7, 9, 4, 7, 8, 7, 10, 6, 6, 9, 8
sortirani niz je
4, 6, 6, 7, 7, 7, 8, 8, 9, 9, 10
medijan je C = 7.
Medijan
Medijan
Primjer: ako imamo mjerenja
4, 5, 5, 6, 8, 9,
5+6
medijan je C = 2 = 5.5.
Medijan nije osjetljiv na ekstremne vrijednosti, Uzorci
3, 4, 5, 5, 5, 5, 5, 5, 6, 7
i
3, 4, 5, 5, 5, 5, 5, 6, 7, 25
5+5
imaju isti medijan C = 2 .
Ako je distribucija rezultata znacajnije asimetricna ili u distribuciji postoje neke

ekstremne vrijednosti (ekstremno velike ili ekstremno male), aritmeticka sredina ne
reprezentira dobro distribuciju rezultata. U tom slucaju medijan je bolja mjera
centralne tendencije.
Mod
Mod
Mod ili dominantna vrijednost = vrijednost koja se najcesce pojavljuje u

distribuciji, najcesca vrijednost
Mod je lokalni maksimum u distribuciji. Moguce je da postoji i vise od jednog

moda (npr. 2 u kojem slucaju imamo bimodalnu distribuciju)
Primjer (Petz): Broj djece po bracnom paru
Broj djece 0 1 2 3 4 5 6 7 8 9 10 11 12
Broj bracnih parova 70 90 108 86 70 47 30 20 15 5 4 3 2

Mod
Medijan i mod
Zadatak: Mjerenja neke velicine X rezultirala su sljedecim vrijednostima
i 1 2 3 4 5 6 7
Xi 7 8 9 10 11 12 13
fi 5 11 34 81 62 18 2
Odredite medijan i mod ove distribucije.

Mod
Medijan i mod
Zadatak: Mjerenja neke velicine X rezultirala su sljedecim vrijednostima
i 1 2 3 4 5
Xi 0.5 1 1.5 2 2.5
fi 31 17 10 5 3
Odredite medijan i mod ove distribucije rezultata.

Mod
Mjere varijabilnosti
Opisuju rasipanje rezultata oko sredisnje vrijednosti.

ako je rasprsenje malo, sredisnja vrijednost dobro opisuje skup rezultata
ako je rasprsenje veliko, sredisnja vrijednost ne opisuje dobro skup rezultata
Odreduju mjeru sirine distribucije rezultata
Mjere varijabilnosti
Raspon rezultata
Srednje odstupanje
Standardna devijacija i varijanca
Poluinterkvartilno rasprsenje
Koeficijent varijacije

Raspon rezultata
Raspon rezultata
Definicija: Raspon rezultata je razlika najveceg i najmanjeg rezultata u skupini

rezultata (uzorku).
Cesto se ne navodi samo raspon vec i obje ekstremne vrijednosti (najveca i

najmanja)
Raspon rezultata je osjetljiv na nedetektirane pogreske u mjerenju i moze dosta

odstupati od ostatka rezultata u uzorku.
Raspon rezultata je najsira mjera varijabilnosti, koja u nekim slucajevima ne

opisuje dobro ukupnu distribuciju rezultata
Zadatak: Mjerenja velicine X dala su sljedece rezultate:
3, 4, 4, 2, 5, 5, 3, 2, 1, 3, 6, 3, 4 .
Odredite raspon rezultata za mjerenja velicine X.

Srednje odstupanje
Srednje odstupanje
Srednje odstupanje opisuje prosjecno apsolutno odstupanje rezultata od

aritmeticke sredine.
N
1 X
Srednje odstupanje = |Xi X| .
N i
Srednje odstupanje se rijetko koristi.
Zadatak: U nekom gradu su tijekom jednog tjedna izmjerene temperature u 7 h

ujutro
dan pon uto sri cet pet sub ned

T ( C) 13.2 14.0 11.0 11.9 10.2 15.1 15.7
Koliko iznosi srednje odstupanje tijekom tjedna?


Varijanca = racuna se iz kvadrata odstupanja rezultata od aritmeticke sredine
Varijanca velicine X:
N
1 X
Var(X) = (Xi X)2 .
N 1 i
Standardna devijacija:
p
Standardna devijacija = Varijanca ,
odnosno
p
X = Var(X) .
v
u N
u 1 X
X =t (Xi X)2 .
N 1 i

Ako iz uzorka (raspolozivog skupa rezultata) zelimo procijeniti varijancu

(standardnu devijaciju) populacije, racunamo s N 11 .
Ako racunamo samo standardnu devijaciju skupa rezultata (ili racunamo s cijelom
populacijom), racunamo s N1 .
Ukoliko je N dovoljno velik, ova razlika nije bitna.
Standardna devijacija se koristi uz aritmeticku sredinu (velicine iz iste klase)
Alternativna formula za racunanje standardne devijacije

v
u
N N
!2
u 1 X 2 1 X
u
X = t Xi Xi .
N 1 i
N i

Zadatak: Mjerenjem neke velicine X dobiven je sljedeci skup rezultata:
3.1, 4.2, 4.0, 3.7, 2.9, 2.5, 4.3, 3.7, 3.9, 4.7 .
Odredite varijancu i standardnu devijaciju iz rezultata (kao procjenitelje varijance i
standardne devijacije populacije).

Poluinterkvartilno rasprsenje je
Q3 Q1
, Q=
2
gdje je Q1 prvi kvartil, a Q3 je treci kvartil.
Poluinterkvartilno rasprsenje se racuna uz medijan (medijan je drugi kvartil,

C = Q2 )
Zadatak: Za mjerenja velicine X
1, 2, 4, 5, 1, 3, 3, 4, 2, 2, 6, 3 ,
odredite poluinterkvartilno rasprsenje.

Koeficijent varijabilnosti
Koeficijent varijabilnosti
Koeficijent varijablinosti velicine X u postocima:

X
VX = 100 .
X
Koeficijent varijabilnosti omogucuje usporedbu mjere disperzije u distribucijama s

razlicitim aritmetickim sredinama i standardnim devijacijama.
Zadatak: Prvi skup mjerenja ima X 1 = 13.1 i X,1 = 3.0, dok drugi skup
mjerenja ima X 2 = 10.2 i X,2 = 1.7. Koji skup mjerenja pokazuje vecu
varijabilnost mjereno koeficijentom varijabilnosti?

Standardna devijacija
Standardna devijacija
Zadatak: Na uzorku od 7 grofovija u nekom kraljevstvu prikupljeni su sljedeci

iznosi poreza (u zlatnicima).
grofovija 1 2 3 4 5 6 7
porez 210 230 190 225 180 240 200
Odredite varijancu i standardnu devijaciju ovog skupa mjerenja (kao procjenu
varijance i standardne devijacije populacije).

Raspodjela podataka
Raspodjela podataka
Primjer: Bacanje 10 novcica. Zbrojimo ishode bacanja 10 novcica tako da pismo

doprinosi +1, a glava doprinosi 1.
Pribiljezimo ishode bacanja pojedinih novcica i izracunamo zbroj (ovo je
jedan niz bacanja).
Ponavljamo niz od 10 bacanja n puta (sto je n veci, to raspodjela podataka
ima pravilniji oblik u grafickom prikazu).
Prebrojimo broj pojavljivanja pojedine vrijednosti zbroja u n nizova mjerenja -
FREKVENCIJA REZULTATA.
Dijeljenjem frekvencije s n dobivamo procjenu vjerojatnosti pojavljivanja
pojedine vrijednosti zbroja (sto je n veci, to je procjena bolja)
Raspodjela za vrijednost zbroja - binomna raspodjela
Funkcija koja svakom rezultatu pridruzuje njegovu vjerojatnost - FUNKCIJA
VJEROJATNOSTI

Raspodjela podataka
Raspodjela podataka za kontinuirane varijable
Za kontinuirane slucajne varijable uvodimo - FUNKCIJU GUSTOCE

VJEROJATNOSTI p(x):
Funkcija gustoce vjerojatnosti daje vjerojatnost da slucajna varijabla X poprimi

vrijednost u intervalu [x , x + x]. Odnosno
p(x)x
je vjerojatnost da bude x X x + x.

Raspodjela podataka
Normalna raspodjela
Normalna (Gaussova) raspodjela - ima posebno mjesto medu raspodjelama
Centralni granicni teorem - mnogo nesistematskih slucajnih faktora zajedno vodi

na normalnu distribuciju
Normalna raspodjela je vezana uz kontinuiranu slucajnu varijablu
Funkcija gustoce normalne raspodjele ima oblik zvona i odredena je s dva

parametra: i i oznacava se N (, ).
Za normalnu raspodjelu vrijedi da su aritmeticka sredina, medijan i mod jednaki.

Raspodjela podataka
Svojstva normalne raspodjele - oblik raspodjele
= 0, = 1 .
Standardna normalna distribucija

Raspodjela podataka
Svojstva normalne raspodjele - ovisnost o parametru
= 0, = 1 i = 0, = 2 .
.
Parametar odreduje sirinu distribucije.

Raspodjela podataka
Svojstva normalne raspodjele - ovisnost o parametru
= 0, = 1 i = 5, = 1 .
.
Parametar odreduje polozaj maksimuma distribucije.

Raspodjela podataka
Normalna raspodjela
pravilo 1 - vjerojatnost da normalno raspodijeljena slucajna varijabla X

bude X + iznosi 68.26%
bude 2 X + 2 iznosi 95.44%
bude 3 X + 3 iznosi 99.73%
Standardna normalna raspodjela je N (0, 1).

X
Ako varijabla X ima funkciju gustoce raspodjele N (, ), tada varijabla ima
funkciju gustoce raspodjele N (0, 1)

Raspodjela podataka
Asimetricnost raspodjele i druge raspodjele
Mjera asimetricnosti raspodjele za velicinu X, Indeks asimetrije:
3(X CX )
= .
X
Osim binomne i normalne raspodjele,u teoriji vjerojatnosti susrecemo i Poissonovu,

geometrijsku, t, F , 2 i druge raspodjele.

Agregiranje podataka
Agregiranje podataka
Razdioba podataka - tablica frekvencija
Razredi - intervali podataka
potreba sazetog prikaza podataka

Stablo i lisce prikaz distribucije rezultata
Imamo skup mjerenja
11 11 12 12 13 16 17 17 19 20
21 21 22 23 26 26 27 28 28 29
29 30 30 31 31 32 33 33 36 37
38 38 39 39 39 40 42 42 44 47
48 48 49 49 51 52 52 53 54 55
56 59 59 61 61 62 63 64 64 65
67 67 68 69 70 73 77 78 78 78
80 80 81 82 82 84 85 87 87 89
90 90 92 93 96 97 97 98 98 99

prva znamenka rezultata - stablo (stem)
druga znamenka rezultata - list (leaf)
stablo list
1 112236779
2 011236678899
3 00112336788999
4 022478899
5 122345699
6 11234457789
7 037888
8 0012245779
9 0023677889

Tablica frekvencija po razredima
Razredi sirine 10
Tablica frekvencija po razredima
razred 10 20 30 40 50 60 70 80 90
19.99 29.99 39.99 49.99 59.99 69.99 79.99 89.99 99.99
frekvencija 9 12 14 9 9 11 6 10 10
Tocke frekvencija se ucrtavaju s apscisom na sredini intervala

Histogrami
Histogrami

Histogrami
Poligoni frekvencija
Na sredisnjoj vrijednosti razreda se ucrta frekvencija

Histogrami
Kumulativne frekvencije
Kumulativna frekvencija
i
X
Fi = fj .
j=1
Tablica kumulativnih frekvencija
razred 10 20 30 40 50 60 70 80 90
19.99 29.99 39.99 49.99 59.99 69.99 79.99 89.99 99.99
Fi 9 21 35 44 53 64 70 80 90
Gi 20 30 40 50 60 70 80 90 100
gdje je Gi tzv. prava gornja granica razreda.

Histogrami
Kumulativne frekvencije
Tocke kumulativnih frekvencija se ucrtavaju s apscisom (x koordinatom) koja

odgovara pravoj gornoj granici razreda.
Histogrami
Relativne frekvencije
Relativna frekvencija za neki se razred i se dobije kao omjer frekvencije tog

razreda i ukupnog broja rezultata, odnosno
fi
PR ,
j=1 fj
gdje je R ukupni broj razreda.
Relativne frekvencije
predstavljaju procjenu raspodjele vjerojatnosti
potrebno ih je koristiti pri usporedbi skupova rezultata razlicite velicine

Histogrami
Agregiranje podataka - primjer
Za skup mjerenja velicine X
18 19 21 21 25 26 28 30 33 34
34 34 35 35 36 37 38 38 39 40
40 41 42 42 42 43 43 43 43 44
44 45 45 46 48 49 50 51 53 53
55 57 59 63 67 68 69 72 75 81
odredite tablicu frekvencija s razredima sirine 10, zapisite podatke u obliku
stablo-lisce, nacrtajte histogram, te nacrtajte poligon frekvencija i kumulativne
frekvencije

Polozaj rezultata u grupi
Polozaj rezultata u grupi
Distribucija ostalih rezultata u grupi mjerenja nam omogucuje odrediti polozaj

pojedinacnog rezultata u grupi mjerenja
Zanima nas koliko u grupi rezultata ima rezultata koji su manji (veci) od
izdvojenog pojedinacnog rezultata
Kao mjere za odredivanje polozaja pojedinacnog rezultata u grupi rezultata

koristimo
z-vrijednosti - za normalno distribuirane rezultate
percentili

z-vrijednosti
z-vrijednosti
z vrijednost nekog rezultata - koliko standardnih devijacija je rezultat udaljen od

aritmeticke sredine
Za pojedinacni rezultat Xi pripadajuca z-vrijednost iznosi
Xi X
zi = .
X
z-vrijednosti se mogu racunati za pojedinacne rezultate u bilo kojoj grupi (skupu)

mjerenja. No, samo ukoliko mjerenja dolaze iz normalne distribucije, z vrijednost
omogucuje odredivanje polozaja pojedinacnog rezultata u cijeloj populaciji
(odnosno, koliko rezultata u populaciji je manje, a koliko vece od pojedinacnog
rezultata, gdje je rezultat smjesten u populaciji). U tom slucaju z vrijednost je
distribuirana po standardnoj normalnoj distribuciji.
Tablice i racunalni programi za svojstva standardne normalne distribucije

z-vrijednosti
z-vrijednosti
Primjer: Odredite z-vrijednost za rezultat X1 = 5 ako je X = 3.3 i X = 2.8.
Primjer: Ako z-vrijednost nekog rezultata iznosi -2.1, a rezultat pripada

populaciji iz prethodnog primjera, koliko iznosi spomenuti rezultat?

Percentili i decili
Percentili i decili
n-ti percentil - vrijednost u distribuciji od koje je manje n% rezultata i vece

(100 n)% rezultata.
n-ti decil - vrijednost u distribuciji od koje je manje 10n% rezultata i vece

10(10 n)% rezultata.
n-ti kvartil - vrijednost u distribuciji od koje je manje 25n% rezultata i vece

25(4 n)% rezultata.
Medijan je 50-ti percentil, peti decil i drugi kvartil
Prvi kvartil je 25-ti percentil
Treci kvartil je 75-ti percentil

Percentili i decili
Percentili i decili
Za grupu rezultata
1 1 2 2 2 3 4 6 8 8
11 11 12 12 13 16 17 17 19 20
21 21 22 23 26 26 27 28 28 29
29 30 30 31 31 32 33 33 36 37
38 38 39 39 39 40 42 42 44 47
48 48 49 49 51 52 52 53 54 55
56 59 59 61 61 62 63 64 64 65
67 67 68 69 70 73 77 78 78 78
80 80 81 82 82 84 85 87 87 89
90 90 92 93 96 97 97 98 98 99
odredite medijan, sve kvartile i decile te 37. i 65. percentil.
U slucaju da imamo mali broj podataka ili da broj podataka nije visekratnik od
100, za odredivanje percentila i decila potrebne su aproksimacije ili interpolacije.

Ponavljanje gradiva
Ponavljanje gradiva
Zadatak: U mjerenju velicine X dobiveni su sljedeci rezultati:
8 15 17 18 22 22 25 26 28 31
31 32 32 33 36 36 38 40 40 41
41 42 42 43 43 45 45 46 46 47
48 48 50 51 52 55 57 57 59 65
65 68 69 73 74 77 79 83 88 92
.
Za ovaj skup mjerenja odredite:
1 Broj rezultata
2 Tablicu frekvencija razreda sirine 10
3 Histogram rezultata
4 Poligon frekvencija i kumulativne frekvencije
5 Aritmeticku vrijednost
6 Medijan i mod (mod po razredima)
7 Standardnu devijaciju i varijancu (kao procjenu ovih velicina u populaciji)
8 Treci i sedmi decil

Statistika Sestrinstvo Predavanje - 1

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

Statistika Sestrinstvo Predavanje - 1

Uploaded by

Copyright:

Available Formats

Statisticke metode

Hrvatsko katolicko sveuciliste, Diplomski studij sestrinstva

Hrvoje Stefancic (Hrvatsko katolicko sveuciliste, Diplomski studij Statisticke

Sto i kako se uci u ovom predmetu?

Hrvoje Stefancic (Hrvatsko katolicko sveuciliste, Diplomski studij Statisticke

Sto i kako se uci u ovom predmetu?

Nastavne teme (predavanja) - Izvedbeni plan

Hrvoje Stefancic (Hrvatsko katolicko sveuciliste, Diplomski studij Statisticke

u znanstvenom radu u svim podrucjima znanosti, pa tako i u biomedicinskom

Hrvoje Stefancic (Hrvatsko katolicko sveuciliste, Diplomski studij Statisticke

Kvantitativne metode - gruba podjela

analiticke metode (matematicka analiza, linearna algebra, ...) - NE

Hrvoje Stefancic (Hrvatsko katolicko sveuciliste, Diplomski studij Statisticke

Sto je statistika i zasto se koristi

Teorija vjerojatnosti - obrisi najosnovnijih pojmova

Statistika (statisticki postupci, procedure i pravila) je najvecim dijelom temeljena

Sto je vjerojatnost nekog dogadaja? Najjednostavnija definicija je:

broj povoljnih ishoda eksperimenta

Teorija vjerojatnosti - stroga, vrlo razradena i vrlo primjenjiva matematicka

Hrvoje Stefancic (Hrvatsko katolicko sveuciliste, Diplomski studij Statisticke

Ishod bacanja jedne kocke

Sa X oznacimo ishod bacanja jedne kocke (X je tzv. slucajna varijabla)

Hrvoje Stefancic (Hrvatsko katolicko sveuciliste, Diplomski studij Statisticke

Zbroj ishoda bacanja dvije kocke

Sa Y oznacimo zbroj ishoda bacanja dvije kocke (Y je tzv. slucajna varijabla)

Hrvoje Stefancic (Hrvatsko katolicko sveuciliste, Diplomski studij Statisticke

Osnovne matematicke operacije

Sto je potrebno od osnovnih matematickih operacija?

zbrajanje, oduzimanje, mnozenje, dijeljenje

Postoje brojni vrlo napredni i razradeni racunalni programi za statisticku obradu

Excel - siroko dostupan i u sirokoj upotrebi, razmjerno jednostavan za koristenje,

Hrvoje Stefancic (Hrvatsko katolicko sveuciliste, Diplomski studij Statisticke

Ishod mjerenja neke velicine - sadrzan u varijabli

Varijable mogu biti:

Populacija i uzorak (vise rijeci u kasnijim predavanjima)

Hrvoje Stefancic (Hrvatsko katolicko sveuciliste, Diplomski studij Statisticke

skupina mjerenja (uzorak) - daje distribuciju (raspodjelu, razdiobu) rezultata

Deskriptivna statistika govori (Feinstein, Thomas)

Hrvoje Stefancic (Hrvatsko katolicko sveuciliste, Diplomski studij Statisticke

Mjere centralne tendencije

Mjere centralne tendencije - Sredisnje vrijednosti - prosjek

Hrvoje Stefancic (Hrvatsko katolicko sveuciliste, Diplomski studij Statisticke

Neka za neku velicinu oznacenu varijablom X imamo N mjerenja (vrijednosti):

Aritmeticku sredinu mozemo izracunati za bilo koji skup numerickih vrijednosti

Hrvoje Stefancic (Hrvatsko katolicko sveuciliste, Diplomski studij Statisticke

Znacenje aritmeticke sredine

Hrvoje Stefancic (Hrvatsko katolicko sveuciliste, Diplomski studij Statisticke

Izracun aritmeticke sredine

Zadatak: Izracunajte aritmeticku sredinu sljedeceg niza mjerenja velicine X:

12.6, 13.1, 14.0, 12.9, 13.2, 12.8, 12.2, 13.0 .

Zadatak: Temperature izmjerene na dan 31. prosinca u 12h u nekom gradu

Hrvoje Stefancic (Hrvatsko katolicko sveuciliste, Diplomski studij Statisticke

Aritmeticka sredina iz frekvencija

Aritmeticka sredina iz uzorka s frekvencijama

Zadatak: Na trznici u nekom gradu jedne subote na 14 mjesta jabuke su kostale

Hrvoje Stefancic (Hrvatsko katolicko sveuciliste, Diplomski studij Statisticke

Tezinski prosjek mjerenja Xi , i = 1, 2, . . . , N s tezinama wi , i = 1, 2, . . . , N je

Primjer: Aritmeticka sredina iz uzorka s frekvencijama - tezine su frekvencije

Primjer: Tezinski prosjek ocjena - tezine su brojevi ECTS bodova

Hrvoje Stefancic (Hrvatsko katolicko sveuciliste, Diplomski studij Statisticke

Utjecaj velicine uzorka i nesimetricnosti distribucije

Zadatak (utjecaj nesimetricnosti distribucije): Neka na nekom vlastelinstvu

Hrvoje Stefancic (Hrvatsko katolicko sveuciliste, Diplomski studij Statisticke