13.12.2017.

Populacija vs. uzorak

STATISTIČKE METODE
METODE UZORKOVANJA
Petz (2009)- pogl. 17
11.12.2017.
Petz (2012)-pogl. 10

Populacija Deskriptivni parametri na uzorcima

 Populaciju čine svi članovi  Aritmetičku sredinu i standardnu devijaciju uzoraka

(statističke jedinice) neke skupine s
određenom karakteristikom koju nazivamo procjenama tih parametara
mjerimo, koju istražujemo
 Pravu aritmetičku sredinu (μ) i standardnu devijaciju (б)
Npr., ako testiramo inteligenciju

studenata Sveučilišta u Mostaru -
dobili bismo pod uvjetom da mjerenje vršimo na cijeloj
populaciju čine SVI studenti populaciji.
Sveučilišta.
…
 U istraživanju na uzorcima, izračunati parametri (M i sd) su
 Istraživanja na populaciji su često samo približne vrijednosti.
nemoguća (zbog njene veličine) ili  Uzorak- ograničen broj članova neke populacije, koji su
vrlo skupa i komplicirana, pa se zato
mjerenja vrše na ograničenom broju izabrani na način da što bolje reprezentiraju populaciju.
slučajeva kojeg nazivamo uzorkom.
 Važnost pojma „reprezentivan uzorak”

1
 13.12.2017.

Oblici uzorkovanja

Metode uzorkovanja Sadržaj

 Slučajni  Metode uzorkovanja Uzorkovanje po slučaju

 Sistematski  Potrebna veličina
 Stratificirani uzorka
 Klaster  M populacije vs. M
 Kvotni uzorka
 Prigodni  Teorem centralne
tendencije
 Drugi oblici

Slučajno uzorkovanje Vrste uzoraka: Slučajni

Slučajni uzorak – svaki individuum populacije ima

jednaku vjerojatnost da bude izabran u uzorak.

Ako neki članovi populacije imaju veću šansu od drugih

da budu izabrani, uzorak više nije slučajan, nego se
radi o pristranom uzorku (biased sample).
 Primjeri pristranih uzoraka:

-studenti kao ispitanici u istraživanju, npr. potrošačkog

ponašanja
-poznanici istraživača

2
 13.12.2017.

Određivanje slučajnog uzorka

 Nepoželjno je i metodološki pogrešno provoditi istraživanje na Tablica slučajnih brojeva
pristranom uzorku
 Uzorak treba biti reprezentativan, i jedan od načina koji ne  Jedan od načina jest preko tablice
garantira, ali daje visoku vjerojatnost dobivanja reprezentativnog slučajnih brojeva, koja je nastala
uzorka jest korištenje slučajnog uzorka bacanjem deseterostrane prizme s
brojevima 0-9, brojevi se zapisuju
redom kako padaju, i to obično u
 Slučajan uzorak je vrlo važan u statistici jer ima poznatu, većinom
normalnu distribuciju, te neki poznati zakoni u vezi s normalnom skupinama od po 2 do po 5
brojeva, radi veće preglednosti.
distribucijom i vjerojatnošću vrijede samo ako je uzorak doista
slučajan.
 Brojevi koji se ovako dobivaju,
dobiveni su iz populacije brojeva
 Slučajni uzorak ne možemo sastaviti bilo kako, već ga se sastavlja po
0-9, u kojoj svaki broj ima jednaku *uzorkovanje generirano
principima koji odgovaraju zakonu slučaja.
vjerojatnost pojavljivanja (p=0.1). računalima

Sistematsko uzorkovanje

Sistematsko uzorkovanje

3
 13.12.2017.

Sistematski uzorak
 Primjenjuje se u praktičnom radu umjesto
slučajnog uzorkovanja
 Jednako reprezentativan uzorak kao slučajni
 Sistematski se uzorak sastoji u tome da se prema
jednom popisu (npr. telefonski imenik) odabere
Stratificirano uzorkovanje
slučajnim izborom jedan, a nakon toga svaki n-ti
član popisa (drugi, treći, pedeseti itd.) već prema
tome koliki uzorak želimo.
 Takav će uzorak po svom efektu biti sličan
slučajnom samo ako je lista uistinu složena bez
nekog smislenog sustava.

Stratificirano uzorkovanje Stratificirani uzorak

 Populaciju podijelimo u subpopulacije ili slojeve (stratume,

npr. po dobu, spolu, obrazovanju, socijalnom statusu itd.,
ovisno koje su varijable važne za ispitivanje), prema nekim
karakteristikama, pa se iz svake od tih grupa uzima slučajan
uzorak.
 U takvim uzorcima reprezentativnost može biti bolja nego
kod slučajnog uzorka! Zašto?

 Obično je veličina svakog slučajnog uzorka iz svake grupe

proporcionalna veličini grupe u cijeloj populaciji – tzv.
proporcionalni stratificirani uzorci (npr. ako je u populaciji
40% zaposlenih i 60% nezaposlenih, onda i u uzorku treba biti 40%
zaposlenih i 60% nezaposlenih).

4
 13.12.2017.

Stratificirani uzorak Slučajni vs. Stratificirani uzorak

 Ako iz populacije uzimamo
vrlo velik slučajni uzorak,
onda nema ozbiljne opasnosti
 Pretpostavimo da želite ispitati zadovoljstvo da neće biti reprezentativan,
jer će i u tom velikom uzorku
životom kod žena, s obzirom na broj djece. Želite proporcije pojedinih stratuma
da Vaš uzorak čini 5% ukupne populacije žena u biti vrlo slične stvarnim
proporcijama u populaciji.
Mostaru, koje nemaju/imaju djecu.
 No, kod malih uzoraka je
 Primijenjujući metodu stratificiranog uzorkovanja, potrebno namjerno
koliko će žena biti uzeto u uzorak iz svake sastavljati uzorak od
poznatih postotaka što ga
kategorije stratuma „broj djece”? svaki stratum u populaciji
zauzima.

Klaster uzorak
 (Lošija) Varijanta slučajnog uzorka,
a često se koristi u velikim
ekonomskih, političkim ili tržišnim
ispitivanjima (jer bi uzimanje
slučajnog uzorka bilo izvanredno
Klaster uzorkovanje 
skupo)
Npr. ispitivanje mišljenja
studenata o nekom pitanju,
populacija studenata se podijeli na
odsjeke, pa se po slučaju odabere 1
odsjek među njima
 Ovakav klaster, kao iz primjera se
naziva jednostupanjski klaster uzorak,
no mogu postojati i dvostupanjski,
trostupanjski, višestupanjski uzorci

5
 13.12.2017.

Kvotni uzorak
 Jedna od lošijih metoda uzorkovanja
 Predstavlja 'neslučajni' stratificirani uzorak, a najčešće se koristi kod
različitih 'ad hoc' organiziranih istraživanja za potrebe tržišta, za
prikupljanje mišljenja građana o nekom pitanju i sl.
Kvotno uzorkovanje  Takav se uzorak izabere na način da organizator istraživanja,
poznavajući predmet istraživanja, unaprijed odabere broj ljudi
svakog pojedinog stratuma (zato se naziva kvotni) koje se treba
intervjuirati.
 Glavni je problem zapravo pristranost u izboru tih ispitanika –
intervjuer prolazeći gradom ne bira ljude koji mu izgledaju
nesimpatično, ili nespremno na razgovor, ili one koji su trenutno u
vozilu/radnom mjestu i sl.

Prigodni uzorak
 jest uzorak koji nam je 'pri
ruci' –npr., postojeći
studenti nekog fakulteta,
Prigodni uzorak trenutni pacijenti i sl.
 Postoje i ekstremno pristrani
uzorci – npr. istraživanje
opće anksioznosti
populacije na uzorku
psihijatrijskih pacijentica.

6
 13.12.2017.

Drugi oblici uzorkovanja

 Namjerni ili svrhoviti uzorak (npr., kupci u

trgovačkom centru)
 Modalni uzorak (ispitivanje tipičnih predstavnika


neke skupine- npr. kockara)
Uzorak eksperata (anketiranje stručnjaka o
Veličina uzorka
nekoj temi)
 Uzorak heterogenosti (kada želimo zahvatiti što
različitije stavove u populaciji)
 Uzorak „snježne grude” (uzorkovanje uz pomoć
ranijih članova uzorka)

Potrebna veličina uzorka

 Što je veći uzorak (dakako, ako nije pristran) to je reprezentativniji – bolje
reprezentira populaciju iz koje je izvučen.
 Za reprezentativnost su dakle bitne dvije stvari: nepristranost i veličina
uzorka

 Ipak vrlo je teško dati precizan odgovor na pitanje koliko velik mora biti
Aritmetička sredina uzorka vs.
uzorak jer potrebna veličina uzorka ovisi:
A) varijabilnosti pojave koju mjerimo; što je varijabilnija, to veći uzorak
Aritmetička sredina populacije
B) preciznosti kojom želimo pojavu izmjeriti; veća preciznost traži veći
uzorak
C) zastupljenosti mjerene pojave u populaciji; što je manja, potreban je veći
uzorak.

7
 13.12.2017.

Aritmetička sredina uzorka vs. Aritmetička sredina uzorka vs. Aritmetička

Aritmetička sredina populacije sredina populacije
 Što su uzorci veći, to je raspršenje aritmetičkih sredina uzoraka
oko prave aritmetičke sredine manje

 Ako iz jedne populacije uzimamo mnogo uzoraka različite veličine i

od svakog izračunamo M, pojedine M će se većinom više ili manje
razlikovati od prave M populacije, ali će se te aritmetičke sredine
uzoraka ipak grupirati oko prave aritmetičke sredine i to tako da će
ih najviše biti u neposrednoj blizini aritmetičke sredine, a sve manje
bit će ih koji odstupaju znatno od prave aritmetičke sredine.
 Ako je broj uzoraka vrlo velik, ustanovit ćemo da se aritmetičke
sredine uzoraka iste veličine grupiraju oko prave aritmetičke sredine
(tj. aritmetičke sredine populacije) po jednakom zakonu, kao što se i
individalni rezultati grupiraju oko svoje aritmetičke sredine, tj po zakonu
NORMALNE RASPODJELE.
 Standardna devijacija te raspodjele je manja što su uzorci veći.

Aritmetička sredina uzorka vs. Aritmetička

sredina populacije
 Aritmetička sredina (M) uzorka će rijetko imati istu
vrijednost kao aritmetička sredina (μ) populacije

Ali, pod pretpostavkom da je uzorak nepristran, njegova

Teorem centralne tendencije

aritmetička sredina neće pokazivati nikakvu sistematsku
tendenciju da bude veća/manja od aritmetičke sredine
populacije. M od uzorka je relativno najbolja procjena prave
μ koju možemo dobiti.

• Pri računanju standardne devijacije uzorka računamo razliku

svakog rezultata i aritmetičke sredine (M) UZORKA, a ne
populacije

8
 13.12.2017.

Teorem centralne tendencije Teorem centralne tendencije

 Teorem centralne granice (central limit theorem):

distribucija aritmetičkih sredina uzoraka iste
veličine, pod pretpostavkom da nisu previše mali
(manji od 30) tendirat će normalnoj distribuciji
čak i ako populacija iz koje uzorke uzimamo
nije normalno distribuirana.
 Ovo je važno jer nam omogućuje stvaranje nekih
zaključaka i kada radimo s populacijama koje nisu
normalno distribuirane.