 Testira se hipoteza o jedankosti srednjh vrednosti

dva ili više (neobavezno) nezavisnih uzoraka.

 Princip po kom funkcioniše ANOVA je da se ukupna
varijansa koja postoji u prikupljenim podacima
“podeli” na manje delove, na “manje” varijanse koje
su uzrokovane posebnim uzrocima varijanse.
 Zatim se ispituje odnos manjih varijansi i utvrđuje
se da li je taj odnos značajno odstupa od
“uravnoteženog stanja”.
 Jednofaktorski problem je konstelacija u kojoj su
elementi uzorka podeljeni u grupe, tj. poduzorke,
samo po jednom kriterijumu. U tom slučaju, svaka
grupa se posmatra kao deo uzorka na čije elemente
deluje faktor (podele) na jednom određenom nivou.
 Na taj način se razlika srednjih vrednosti grupa
tumači kao postojanje efekta dejstva faktora,
odnosno, činjenica da se jedna ili više grupa
značajno razlikuju od opšteg proseka se opravdava
uticajem posmatranog faktora.
 Matrica plana je

 X 11 X 12 ... X 1n1 
X X 22 ... X 2 n2 
 21
 ... ... ... ... 
 
 X k1 X k2 ... X knk 

 k predstavlja broj grupa, tj. broj nivoa faktora čiji

se efekat posmatra.
ni predstavlja obim i-te grupe.
 Hipoteze koje se testiraju su
H 0 ( 1 =  2 = ... =  k = 0) H1 (i  {1,2,..., k} : i  0)
QS
 Test statistika je F = k −1
QU
k ni k
n n− k ni
QU =  ( X ij − X i ) =  X −  ni X
i
2 2 2
ij i
i =1 j =1 i =1 j =1 i =1
k ni k
QS =  ( X i − X ) =  ni X − n X
2 2 2
i
i =1 j =1 i =1
k ni ni
1 1
X =  X ij X i = X ij
n i =1 j =1 ni j =1
 Kritična oblast

C = [ Fk −1,n −k ,1− ;+)

• Dvofaktorski problem je konstelacija u kojoj su
elementi uzorka podeljeni u grupe, tj. poduzorke, na
osnovu dva kriterijuma. Na sličan način kao u
jednofaktorskom problemu, može se utvrditi
postojanje zbirnog efekta dva faktora, kao i
postojanje pojedinačnih efekata svakog od
posmatranih faktora.
 Hipoteze koje se testiraju su
H 0 A ( 1 =  2 = ... =  k = 0) H1 A (i  {1,2,..., k} : i  0)
H 0 B ( 1 =  2 = ... =  l = 0) H1B (i  {1,2,..., l} : i  0)
 Test statistike su
(l − 1)Q A (k − 1)QB
FA = FB =
QS QS
k l
Q =  ( X ij − X ) 2
k l
QA = l  ( X i• − X ) 2 QB = k  ( X • j − X ) 2
i =1 j =1 i =1 j =1

QS = Q − QA − QB 1 k l 1 l 1 k
X =  X ij X i• =  X ij X•j =  X ij
kl i =1 j =1 l j =1 k i =1
 Kritične oblasti

C A = [ Fk −1,( k −1)(l −1),1− ;+) C B = [ Fl −1,( k −1)(l −1),1− ;+)

 2

 Hi kvadrat test je statistička procedura kojom se

poređenjem učestanosti (frekvencija) može ispitati
slaganje raspodele obeležja sa pretpostavljenom
raspodelom ili ispitati postojanje zavisnosti između
dva obeležja.
 2

 Hipoteze
H 0 ( FX = F0 ) H1 ( FX  F0 )

Test stastistika

 02 = 
k
(ni − ei )2
i =1 ei

Kritična oblast

C =  k2−l −1,1− , +  )
 2

 Hipoteze
H 0 ( X i Y su nezavisna obeležja)
H1 ( X i Y su zavisna obeležja)

Test stastistika l k

k l (n − e )2 n n im mj
 02 =  ij ij , eij = m =1 m =1

i =1 j =1 eij n

 Kritična oblast

C =  (2k −1)(l −1),1− , +  )
 Koeficijent korelacija predstavlja meru linearne
povezanosti dva obeležja.
 Može imati vrednost između -1 i 1.
 Vrednosti bliže granicama ukazuju na jaču linarnu
povezanost, dok vrednosti bliže nuli ukazuju na
slabu linearnu vezu ili na nepostojanje linearne
veze.
 Pozitivne vrednosti koeficijenta linearne korelacije
ukazuje na istovremeno povećanje ili istovremeno
smanjivanje vrednosti dva obeležja. Negativne
vrednosti ukazuju na povezanost u kojoj se
vreddnosti jednog obeležja smanjuju, a vrednosti
drugog povećavaju.
 Korelacija nije isto što i zavisnost. Zavisnost je širi
pojam, a korelacija je samo jedan od oblika
zavisnosti – linearan.
Samo kod obeležja sa normalnom raspodelom,
korelacija je ekvivalentna zavisnosti.
 Posebno treba imati na umu da korelacija ne
ukazuje obavezno na uzročno-posledičnu vezu.
Testiranje vrednosti Pirsonovog koeficijenta
korelaacije
Hipoteze, test statistika, kritične oblasti

H0 H1 Test statistika C
 0 (−, − t n −2; 1− ]  [t n −2;1− ,+)
2 2
R n−2 [t n −2; 1 − ,+)
 =0  0 t0 =
1− R2 2

 0 (−, − t n − 2; 1 − ]
2

1
 X iYi − X Y
R= n
2 2
S X SY
 Testiranje vrednosti Pirsonovog koeficijenta
korelacije ima smisla samo u slučaju kada oba
obeležja imaju normalanu raspodelu.
U slučaju da se ispituje korelacija obeležja koja
nisu normalno raspodeljne koristi se, tzv.
neparametarska zamena, tj. Spirmenov koeficijent
korelacije rangova.
Testiranje vrednosti Spirmenovog koeficijenta
korelaacije rangova
Hipoteze, test statistika, kritične oblasti

H0 H1 Test statistika C
 0 (−, − t n −2; 1− ]  [t n −2;1− ,+)
2 2
RS  n − 2 [tn −2; 1 − ,+)
 =0  0 t0 =
1− R 2
S
2

 0 (−, − t n − 2; 1 − ]
2

1
 Di2
R = 1− 6 n , Di = rang ( X i ) − rang (Yi )
n −n
3