SEMINARSKI RAD

Predmet: Statistika

Tema: Deskriptiva statistika

Mentor: Student:
Prof. Dr Bojana Ćendić Nenad Savanović

Beograd, jun 2019

 Deskriptivna statistika

Sadržaj:

- 1.Uvod..................................................................................................................... ..1
- 2. Sređivanje i grafičko prikazivanje podataka........................................................ ..2
- 2.1. Raspodela frekvencija..........................................................................................2
- 2.2 Grafičko prikazivanje raspodela frekvencija ........................................................4
- 3 Statistički pokazatelji i parametri za analizu............................................................5
- 3.1 .Srednje vrednosti obeležja..................................................................................5
- 3.2. Indeksi, stope promene.......................................................................................8
- 3.3. Određivanje i interpretacija modusa i medijane obeležja....................................9
- 3.4. Mera varijabiliteta obeležja..................................................................................9
- 3.5. Osobine varijanse obeležja................................................................................11
- 3.6. Momenti statističkog obeležja............................................................................11
- 3.7. Pearson-ovi koeficijenti obeležja, Koeficijent spljoštenosti obeležja..................12
- Literatura...................................................................................................................14

2
 Deskriptivna statistika

1. Uvod

Statistika je mlada matematička disciplina koja se bavi sakupljanjem, tabelarnim i

grafičkim predstavljanjem podataka te izvođenjem zaključaka nakon njihove analize.

Tokom poslednjih četrdesetak godina analiza statističkih podataka je postala veoma

popularna. Veća dostupnost kompjutera i statističkih softverskih paketa dodatno je povećala
ulogu statistike u empirijskim istraživanjima. Ona se zbog toga koristi za istraživanja u gotovo
svim oblastima, od medicine do sporta. Danasse na skoro svim fakultetima u svetu
podrazumeva da studenti imaju bar jedan predmet iz statistike. Gotovo svi dnevni listovi i
časopisi sadrže grafikone i članke o statističkim istraživanjima.

Reč statistika ima dva značenja. U svakodnevnom životu reč statistika se odnosi na
numeričke podatke. Primeri takvih numeričkih podataka su prihod porodice, starost studenta,
procenatdodavanja koja je ostvario kvorterbek nekog fudbalskog tima1
i početna plata pripravnika sa univerzitetskom diplomom.
Drugo značenje reči statistika odnosi se na statistiku kao naučnu disciplinu. U tom smislu,
reč statistika definiše se na sledeći način: Statistika je naučni metod koji se koristi za
prikupljanje, prikazivanje, analizu i interpretaciju podataka i donošenje statističkih zaključaka.

Svakog dana smo u prilici da donosimo odluke koje mogu biti lične, poslovne ili neke
druge. Sve te odluke se obično donose u uslovima neizvesnosti. Veoma često, za probleme
sa kojima se suočavamo u stvarnosti ne postoji dovoljno precizno ili konačno rešenje.
Statističke metode nam pomažu da u takvim situacijama donosimo stručne i ispravne odluke.
Odluke donete na osnovu statističkih metoda nazivaju se procenama i prognozama.
Odluke koje se donose bez korišćenja statističkih (ili naučnih) metoda predstavljaju
čisto nagađanje i stoga su nepouzdane.
Kao i većina naučnih disciplina, statistika ima dva aspekta: teorijski i primenjeni.
Teorijska ili matematička statistika bavi se razvojem, izvođenjem i dokazivanjem statističkih
teorema, formula, pravila i zakona.
Primenjena statistika podrazumeva primenu tih teorema, formula, pravila i zakona u
rešavanju realnih problema.
Primenjena Statistika se dijeli na deskriptivnu, bavi se sakupljanjem, obradom i
tabelarnim i grafičkim prikazivanjem podataka i induktivnu (na engleskom jeziku – inference
statistics), bavi se izvođenjem zaključaka nakon analize prikupljenih podataka. Deskriptivna
statistika je zaokružena oblast i njeno razumijevanje zahtjeva samo elementarno
matematičko znanje. Induktivna statistika je aktuelna, popularna i primjenjiva matematička
disciplina. Bavljenje induktivnom statistikom zahtjeva odlično znanje matematike, prije svega
vjerovatnoće.

3
 Deskriptivna statistika

2.Sređivanje i grafičko prikazivanje podataka

2.1. Raspodela frekvencija

Sređivanjem podataka dobijaju se statističke serije koje se po načinu formiranja i

analiziranja dele na strukturne i vremenske serije.
Serije struktura raspodele statističkog skupa po vrednostima obeležja sastoji se iz
dva reda obaveštenja: modaliteta i frekvencije (broja jedinica). U zavisnosti od vrste obeležja
postoje serije strukture sa nominalnim (kvalitativnim) i sa numeričkim (kvantitativnim)
obeležjem. Modaliteti atributivnih obeležja se iskazuju opisno i za njihovo grupisanje
potrebno je imati jasnu šemu kvalifikacije formiranu po kriterijumu koji odgovara prirodi
samog obeležja

Vrsta sadnica Broj

Bor 140
Jela 80
         

modaliteti frekvencije

Kvantitativno obeležje:
 Broj članova domaćinstva:
 Broj smena u preduzećima:
može se prikazati raspodelom relativnih frekvencija koja se dobija tako što se
za svaku moguću vrednost obeležja H utvrdi koliko elemenata statističkog skupa uzima tu
vrednost.
H) Apsolutne frekvencije (f)
x1 f1
 
xk fk
 N
Gradiranje brojčanih verdnosti obeležja se razlikuje u zavisnosti od toga da li je
obeležje:
 Prekidno (diskontinualno) = grupišu se po veličini (od niže ka višoj vrednosti)
 Neprekidno (kontinualno) = H uzima vrednost iz konačnog ili beskonačnog
intervala (a, b); taj interval se deli na podintervale (a, a1), …, (ak, b) koji se zovu grupni
intervali (koji ne moraju biti jednaki).

Grupni Apsolutne
intervali frekvencije (f)
a  a1 f1
 
ak  b fk

4
 Deskriptivna statistika

 N
Određivanje grupnih intervala (broja i veličine) često se vrši uz pomoć Sturgess-ovog
pravila:
 Veličina intervala: k  1  3,3 log N , gde je N broj podataka
X  X min
 Broj intervala: d  max
k
Ako treba podeliti H na dva ili više statističkih skupova, onda apsolutne frekvencije
moraju da se pretvore u relativne brojeve i to uz pomoć raspodele relativnih frekvencija.
f  
pi  i ;  pi  0;  pi  1 .
N  i 0 

Procentualne Kumulativne
Apsolutne Relativne Kumulativne
relativne relativne
H) frekvencije frekvencije apsolutne
frekvencije frekvencije
(f) (r) frekvencije (S)
(r) (%) (F)
f1 C1
p1  F1 
a f1a1 N p1  100 C1  f1 N
    
ak fk b fk p k  100 C k  f1  ...  f k ck
pk  Fk  1
N N
N 1,00 100,00

Relativne frekvencije su brojevi koji zadovoljavaju sledeća dva uslova:

pi  0; p1  ...  p k  1

Kumulativna frekvencija i-tog grupnog intervala se dobija kada se sve frekvencije za

prethodne intervale saberu Ci  f1  f 2  ...  f k ; i  1,..., k  kada se Ci podele sa brojem
C
elemenata statističkog skupa Fi  i .
N

2.2. Grafičko prikazivanje raspodela frekvencija

Obavlja se uz pomoć grafikona koji se konstruišu tako što se na horizontalnoij osi

nanosi vrednost obeležja H (H=prekidno) ili granice grupnih intervala (H=neprekidno). Kod
grafikona apsolutnih frekvencija na Y osi se nanose vrednosti odgovarajućih frekvencija za
grupni interval ili H, i konsturišu se pravougaonici iznad grupnih intervala sa visinama
jednakim frekvencijama; kada se spoje tačke na srednama grupnih intervala dobija se
poligon apsolutnih frekvencija.

5
 Deskriptivna statistika

Kod relativnih frekvencija koriste se histogrami: na H osi su sredine grupnih intervala,

a zatim se oko tih tačaka vrši konstruisanje pravougaonika čije će površine biti jednake
vrednostima relativnih frekvencija. Primer:
 Ako je dužina i-tog intervala: d i  ai  ai 1
pi
 Visina pravougaonika iznad tačke: treba da je: hi  ; i  1,2,..., k ; r je
di
odgovarajuća relativna frekvencija
 Histogram relativnih frekvencija (na slici=>)

Histogram je veoma pogodan za poređenje raspodela frekvencija:

6
 Deskriptivna statistika

 Raspodela H na dva skupa  Kumulativne frekvencije

Na osnovu histograma koji odgovara raspodeli relativnih frekvencija neprekidnog

obeležja H, može se izabrati kriva linija koja će aproksimirati posmatranu raspodelu
frekvencija. Ta linija se zove zakon verovatnoće ili funkcija gustine i predstavlja granični oblik
histograma ako se broj elemenata u statističkom skupu neograničeno povećava, a dužine
intervala, na osnovu kojih pravimo histogram, neogrančeno se smanjuju.

3. Statistički pokazatelji i parametri za analizu

3.1. Srednje vrednosti obeležja

Za dublju analizu nisu dovoljni relativni brojevi i raspodela frekvencije, veće se

utvrđuju izvesni pokazatelji i parametri, čije utvrđivanje omogućava donošenje zaključaka o
određenoj pojavi ili procesu. Prva grupa tih parametara su srednje vrednosti (proseci):
Poželjne osobine srednjih vrednosti su:
- Ako su sve vrednosti obeležja H jednake i njihova srednja vrednost treba da je tolika
- Ako postoje minimalna i maksimalna vrednost H onda je srednja vrednost veća od
minimuma i manja od maksimuma
- Srednja vrednost treba da zavisi od svih vrednosti H na celom statističkom skupu
- Aritmetička sredina niza brojeva je broj koji se dobije kad se njihov zbir podeli sa ukupnim
brojem članova tog niza.
Najčešće se koristi, metod izračunavanja je isti za negrupisane i grupisane podatke:

7
 Deskriptivna statistika

n
1
 Ako su utvrđeni x1 ,..., xn  x   x1  ...  xn   1  xi
N N i 1
 k 
 Ako je h prekidnog tipa, x1 ,..., xk sa frekvencijama f1 ,..., f k ;   f i  N  :
 i 1 
k
1
x   xi f i
N i 1
 k 
 Ako je h neprekidnog tipa, a  a1 ,..., ak  b sa frekvencijama f1 ,..., f k ;   f i  N  :
 i 1 
a a 1 k
xi  i 1 i ; i  1,2,..., k x   xi f i
2 N i 1
Osim ako se prvi i poslednji grupni interval znatno razlikuju po dužini od ostalih (ili ako
je neki od njih beskonačan), tada je:
d d
xi  a1  , xk  ak 1  , gde je d prosečna dužina preostalih  k  1 intervala.
2 2
fi 1 k
Iz raspodele relativnih frekvencija pi , i  1,..., k  x   xi pi .
N N i 1
Pored univerzalnih (koji se mogu pokazati) aritmetička sredina ima još neke osobine
koje omogućavaju njeno lakše određivanje:
1) Zbir odstupanja vrednosti obeležja H na posmatranom skupu od njihove
aritmetičke sredine je jednako nuli:
N k

 x
i 1
i  x   0,   xi  x  f i  0
i 1
2) Zbir kvadrata odstupanja vrednosti obeležja H na elementima statističkog skupa
od bilo kog broja a je najmanji ako je a  x :
N

 x
i 1
i  a   minimum za a  x
2

3) Ako između H i Y postoji linearna zavisnost, ista takva zavisnost postoji između
njihovih aritmetičkih sredina:
Y  aX  b  y  ax  b; a, b  , a  0
4) Pretpostavka: statistički skup 1: N1 , X 1 ; statistički skup 2: N 2 , X 2 ; tada je
aritmetička sredina za oba skupa zajedno jednaka ponderisanoj aritmetičkoj sredini:
N1 X 1  N 2 X 2
X 
N1  N 2
5) Posmatra se S statističkih skupova sa N1 ,..., N S elemenata i X 1 ,..., X S
aritmetičkih sredinarespektivno. Tada je aritmetička sredina obeležja H na svim skupovima
zajedno jednaka ponderisanoj aritmetičkoj sredini:
1 S
X   Ni  X i
N i 1
Često se statistički skupovi sastoje iz stratuma, tj. podskupova koji se međusobno
isključuju, a zajedno čine ceo skup. Statistički podaci se prikupljaju i obrađuju po stratumima
=> analiza celog skupa, što je nekad nemoguće.
8
 Deskriptivna statistika

- Geometrijska sredina (najpogodnija u analizama vremenskih serija) niza brojeva je

N-ti koren iz proizvoda njegovih članova. Neka su X 1 ..., X N vrednosti posmatranog obeležja
H na elementima statističkog skupa. Geometrijska sredina je jednaka:
G  N X 1  X 2  ...  X n
Kada je H dato raspodelom frekvencija f1 ,..., f k :
f f fk
G  N x1 1  x2 2  ...  xk
Upotreba geometrijske sredine je moguća samo za pozitivna obeležja.
Logaritmovanjem se dobija:
1 N
log G   log xi
N i 1
1 k
log G   f i log xi
N i 1
k
f
Za relativne frekvencije se dobija: log G   pi log xi , pi  i , i  1, k
i 1 N
Sve osobine aritmetičke poseduje i geometrijska sredina.

- Harmonijska sredina niza brojeva je recipročna vrednost aritmetičke sredine

recipročnih vrednosti članova tog niza.
Ako su X 1 ..., X n vrednosti obeležja H na N elemenata statističkog skupa, tada je
N N 1 1 N 1
H ,H  N   
harmonijska sredina: 1 1 1 1 H N i 1 xi .
  ...
x1 x2 xn i 1 xi

N
1 1 fi
Kada je H dato raspodelom frekvencija: 
H N
x
i 1 i

N
1 p
Preko relativnih frekvencija:  i
H i 1 xi

Cauchy-jeva teorema: H  G  m

3.2. Indeksi, stope promene

Služe za najjednostavniju analizu vremenskih serija (praćenje dinamičkih kretanja

pojava).

9
 Deskriptivna statistika

- Indeks je broj koji predstavlja količnik vrednosti posmatranog obeležja H u trenutku t

Xt
(Xt) i vrednosti tog obeležja u nekom drugom trenutku t  : I  t , t   .
X t
Postoje dve vrste indeksa: bazni i lančani indeks.

- Lančani indeksi su količnici vrednosti obeležja H u trenutku t (Xt) i njegove vrednosti

u prethodnom trenutku merenja t–1 (Xt-1). Za t  1,2,..., T  , lančani indeksi su:
X2 X3 X
, ,..., t  100 % 
X X X najčešće
 1  2  t 1
I1 I2 IT

Za vremensku seriju od T podataka, dobija se (T–1) lančani indeks jer se prvi podatak u seriji
ne može porediti sa prethodnim.
Ako od procentualno izraženog indeksa u trenutku t oduzmemo 100, dobićemo procentualno
izraženu promenu obeležja H od momenta (t–1), do momenta t koji nazivamo stopa
promene.

Grafički prikaz lančanih indeksa

- Bazni indeksi služe za iskazivanje promene posmatranog obeležja u vremenskoj

seriji u odnosu na jedan trenutak merenja sa kojim želimo da poredimo ostale promene:
X1 X 2 X
, ,..., T  100 % 
X0 X0 X0
U statističkoj analizi se često koristi prosečna stopa promene:
 X 
PSP   T 1 T 100   100 %
 X1 

3.3. Određivanje i interpretacija modusa i medijane obeležja

- Modus je ona vrednost obeležja H koja ima najveću frekvenciju u posmatranom

statističkom skupu ili ona vrednost u čijoj se okolini najčešće pojavljuju „izmerene“ vrednosti
H na statističkom skupu.

10
 Deskriptivna statistika

To je jedina srednja vrednost koja se može koristiti za kvalitativna obeležja i predstavlja

dobar pokazatelj za homogene statističke skupove.
Kada je H grupisano i dato raspodelom frekvencija, za modus se uzima sredina
grupnog intervala sa najvećom frekvencijom.

- Medijana je ona vrednost obeležja H koja deli statistički skup na dva jednaka dela.

 X n1 , N непарно

 2
Ako su x1 , x2 ,..., xn ; x1  x2  ...  xn  e  
1  
  X n  X n1 , N парно

2  2 2 

Za obeležje koje je grupisano i dato raspodelom frekvencija, medijanu određujemo

tako što prvo odredimo grupni interval u kome se nalazi  e , a zatim po dogovoru biramo
jednu vrednost iz tog intervala.
Ako je H dato raspodelom:

H a0  a1 a1  a2 … a k 1  a k
(f) f1 f2 … fk

S
N S 1 N
Prvo se određuje indeks S za koji će biti zadovoljeno: 
i 1
fi  ; fi 
2 i1 2
.

Za medijanu se uzima vrednost H u intervalu a s  a s 1 na sledeći način:

a a N S 
 e  aS  S 1 S    f i 
f S 1  2 i 1 

3.4. Mera varijabiliteta obeležja

Ukazuje na dve činnjenice: njihov iznos govori koliko su srednje vrednosti obeležja H
dobri predstavnici svih njihovih vrednosti na posmatranom skupu i treba da pokažu koliko se
svi elementi na posmatranom skupu međusobno razlikuju u odnosu na dato obeležje H. Tj:
što je varijansa manja to je srednja vrednost bolji predstavnik, i obrnuto.

- Razmak varijacije je razmak između najveće i najmanje vrednosti H na posmatranom

statističkom skupu:
R  X max  X min
Kada je obeležje H grupisano i dato raspodelom frekvencija a0  a1 ,..., a k 1  a k , da
bismo odredili R, moramo znati a0 i ak . Ima najveću primenu u kontroli kvaliteta i
industrijskoj proizvodnji.

- Kvartilna devijacija skluži zisključenje određenog procenta elemenata statističkog

skupa. Određena je izrazom:

11
 Deskriptivna statistika

X 0, 75  X 0, 25
Q
2
X 0 , 75 – gornji kvartil je ona vrednost obeležja H za koju 75% elemenata stati-
stičkog skupa ima vrednost H manju od X 0, 75 (25% elemenata ima H veće od X 0, 75 )
X 0 , 25 – donji kvartil je ona vrednost obeležja H za koju 25% elemenata statističkog
skupa ima vrednost manju od X 0, 25 .
Računaju se slično kao medijana:
S
N S 1
N aS 1  a S  N S 
X 0, 25 
i 1
fi  ;
4

i 1
fi  ;
4
X 0, 25  a S     fi 
f S 1  2 i 1 
P
3N P 1
3N a  a  3N P 
X 0,75  fi 
i 1 4
; f
i 1
i 
4
; X 0, 75  a P  P 1 P    fi 
f P 1  2 i 1 

- Srednja devijacija (zavisi od svih vrednosti H) je aritmetička sredina apsolutnih

vrednosti odstupanja od njegove aristmetičke sredine x na posmatranom statističkom
skupu:
1 N
 x1 ,..., x n su obeležja, x je aritmetička sredina: em   xi  x
N i 1
1 N
 Za grupisane podatke date raspodelom frekvencija: m e   xi  x f i
N i 1
N
 Relativne frekvencije: em   xi  x pi
i 1
- Varijansa i standardna devijacija. Standardna devijacija je pozitivna vrednost
korena varijanse. Varijansa je aritmetička sredina kvadrata odsupanja vrednosti obeležja H
od njegove aritmetičke sredine:
 x1 ,..., x n su obeležja, x je aritmetička sredina:
N
1
s 2    xi  x  , s   s 2
2

N i 1
1 N
 a 0  a 1 ,..., a k 1  a f
k , 1 ,..., f k : s 2
   xi  x  2 f i
N i1
N
Relativne frekvencije: s    xi  x  pi
2 2

i 1

- Koeficijent varijacije je procentualno izražen odnos standardne devijacije i

aritmetičke sredine obeležja H:
s
V 100%
m

3.5. Osobine varijanse obeležja

12
 Deskriptivna statistika

- Varijansa obeležja H je jednaka nuli, ako i samo ako je H konstantno na svim

elementima statističkog skupa, tj:
 
s 2  0   xi  e, i  1,2,..., N 
- Varijansa obeležja H se može izraziti formulom:
1 N 2 1 K 2
s 2   xi  x 2 , tj. s 2   xi f i  x 2 kada je H grupisano
N i 1 N i 1
2 2
- Neka obeležje H ima varijansu s x , a Y s y , i ako postoji linearna veza Y  aX  b,
tada je: s y  a s x
2 2 2

- Pretpostavimo da jedan statistički podskup ima N1 element, sa aritmetičkom

sredinom x i varijansom s12 , a drugi N 2 , x2 , s22 tada je varijansa statističkog skupa:
N1s12  N 2 s22 N1 N 2
s2    x1  x2  2
N1  N 2  N1  N 2  2

2 2
- Uopšteno (4); statistički skup od k podskupova N1 ,..., N k , x1 ,...xk , s1 ,..., s k , tada je:
1 K 1 K
s 2   N i si2    xi  x 
2

N i 1 N i 1
K
gde je: N   N i veličina statističkog skupa, a x njegova aritmetička sredina.
i 1

3.6. Momenti statističkog obeležja

Običan momenat k-tog reda statističkog obeležja H predstavlja matematičko

očekivanje k-tog stepena tog statističkog obeležja: mk  E  X , k   0,1,2...
k

k
Ako je H prekidno: mk   xi pi
k

i 1


 Ako je H neprekidno: mk  x
k
f  x  dx


Specijalno: m0  E  X   E 1  1, m1  E  X 
0


Centralni momenat k-tog reda statističkog obeležja H je očekivana vrednost k-tog

stepena razlike statističkog obeležja H i očekivane vrednosti m:  k  E  X  m  , k   0,1...
k

k
Ako je H prekidno:  k    xi  m  pi
k

i 1


 k    x  m f  x  dx
k
Ako je H neprekidno:


 Specijalno:  0  E  X  m   E 1  1, 1  E  X  m   E  X   m  m  m  0
0 1

Centralni momenti se lakše određuju preko običnih momenata: ako k-ti stepen razlike
(H–m) razvijemo preko binomnog obrasca dobićemo:
k
k 
( x  m) k   (1) k i   m k i x i , pa zbog osobie očekivane vrednosti:
i 0 i

13
 Deskriptivna statistika

k  k 
 
k k
E ( x  m) k   (1) k i  m k i E x i   k   (1) k i  m k i mi , k  0,1,2...
i 0 i i 0 i
Spacijalno:  2  m2  m ;  3  m3  3m2 m  2m ;  4  m4  4m3 m  6m2 m  3m .
2 3 2 4

3.7. Pearson-ovi koeficijenti obeležja, Koeficijent spljoštenosti obeležja

Koeficijent asimetrije, za merenje asimetričnosti raspodele H služi parametar baziran

3 x   e 
na x i  e : K a  .
s
Za simetrične raspodele K a  0 , asimetrične u levo za K a  0 , u desno za K a  0 .
Mada je jednostavan, više se koristi Pearson-ov koeficijent:

3
Prvi Pearson-ov koeficijent je definisan preko količnika 1  , gde je  3 treći
s3
centralni momenat.
N
1
x1 ,..., xn ; x   3   x  x
3
 i
N i 1

1 N
 a 0  a1 ,..., a k 1  a k , f1 ,..., f k :  3    xi  x  3  f i
N i 1
N
Relativne frekvencije:  3    xi  x   pi
3

i 1
1  0 – raspodela H je simetrična (i obrnuto).
1  0 – raspodela H asimetrična u levu stranu.
1  0 – raspodela H asimetrična u desnu stranu.

Koeficijent spljoštenosti služi kao mera spljoštenosti jedne raspodele i definiše se

na osnovu tzv. četvrtog centralnog momenta.

14
 Deskriptivna statistika

4
Drugi Pearson-ov koeficijent je količnik  2 
s4
1 N
 x1 ,..., xn ; x   4    xi  x  4
N i 1
N
1
x  x   fi
4
 a0  a1 ,..., ak 1  ak , f1 ,..., f k :  4  i
N i 1
N
Relativne frekvencije:  4    xi  x   pi
4

i 1
 2  3 – obeležje H ima normalnu spljoštenost (i obrnuto).
 2  3 – obeležje H ima spljoštenost veću od normalne.
 2  3 – obeležje H ima spljoštenost manju od normalne.
Može se koristiti i koeficijent    2  3 koji ima normalnu spljoštenost u 0.

Literatura:

15
 Deskriptivna statistika

- Dr. Stevan M. Stojanović, Matematička statistika, Naučna knjiga, Beograd, 1980.

- Dr. Blažić M., Opšta statistika, Savremena administracija, Beograd, 1986.
- Dr. Biljana Popović, Matematička statistika i statističko modelovanje, Sven, Niš, 2003.
- V. Vranić: Vjerojatnost i statistika, Tehnička knjiga, Zagreb, 1971.
- I. Pavlić: Statistička teorija i primjena, Tehnička knjiga, Zagreb, 1970.

16