1.

što imamo veći broj mjerenja, to u pravilu imamo manji broj nesistematskih
varijabilnih faktora koji utječu na mjerenje. N

2. 2. decil će obuhvaćati manji raspon rezultata od 6. decila u slučaju tzv. U-distribucije.

T

3. u sklopu rezultata koji se distribuiraju po negativno asimetričnoj distribuciji, ukoliko

je medijan negativna vrijednost i vrijednost aritmetičke sredine će nužno biti
negativna. T

4. kod jedne kvadratične distribucije, krivulja relativnih kumulativnih frekvencija bit će

pravac. T
5. ako svaki rezultat nekog mjerenja povećamo za 10 to će djelovati na aritmetičku
sredinu, ali ne i na SD (M će se promijeniti, a SD neće). T
6. ako kod grupiranja rezultata imamo neki prazan razred, rezultatima ćemo dodati
određene „pomoćne rezultate“ koje ćemo smjestiti u taj prazni razred. N
7. ako pri nekom mjerenju nisu djelovali nesistematski varijabilni faktori, aritmetička
sredina mjerenja će uvijek iznositi 0. N
8. kod normalne distribucije vrijedi SD > Q. T
9. veličina SD je najbolji pokazatelj simetričnosti distribucije. N
10. kod negativno akcelerirane krivulje s porastom vrijednosti u varijabli X rastu i
vrijednosti u varijabli Y, ali za sve manje jedinice. ?
11. kod poz. asim. distr. vrijedi da je granična vrijednost 5. decila jednaka centralnoj
vrijednosti. T
12. skala decila može se koristiti i u slučaju kada rezultati tvore bimodalnu distribuciju. T
13. ukoliko je M=0, a distribucija je normalna (tj. ima i negativnih vrijednosti rezultata),
SD može biti i negativna vrijednost. N

1. Ekstrapolacija je postupak kojim na temelju 2 poznatih vrijednosti mjerenja

zaključujemo o veličinama koje se vrijednosno nalaze u rasponu između njih. N
2. Da bi vrijedila tvrdnja da je u nekom mjerenju M=C, nužan i dovoljan uvjet je
simetričnost distribucije. T
3. Metodu diferencija koristimo za testiranje razlike između malih zavisnih i malih
nezavisnih uzoraka. N
4. Što je broj stupnjeva slobode veći, t-test u načelu treba biti manji, a da bi bio statistički
značajan.T
5. Poučak centralnih granica govori o tome da su mjere centralne tendencije (M,C,D) u
statističkom smislu jedini pravi reprezentanti skupova podataka. N
6. Parametar predstavlja vrijednost u populaciji, a može se odnositi na aritmetičku
sredinu, proporciju, varijancu ili bilo koju drugu izmjerenu ili izračunatu vrijednost. T
7. T-test za zavisne uzorke je specifičan po tome jer u obzir uzima povezanost između
rezultata ispitanika u situacijama 2 mjerenja.T
8. Aditivno svojstvo hi-kvadrat testa odnosi se na mogućnost spajanja susjednih
kategorija ukoliko je broj opažanja u pojedinoj kategoriji relativno mali. N
9. McNemarov test možemo računati kada je broj kategorija u pojedinom opažanju veći
od 2. N
10. Što u nekom mjerenju djeluje više nesistematskih varijabilnih faktora bit će veće i
raspršenje rezultata. T
1. ako neku razliku proglasimo stat značajnom uz razinu rizika od p < 0,01, ipak postoji
određena vjerojatnost da je ona nastala zbog slučajnog djelovanja. T
2. ako za neke stupnjeve slobode i neku određenu vrijednost t-testa možemo pisati p >
0,05, to automatski znači da uz prethodne uvjete možemo pisati i p > 0,01. T
3. pogreška proporcije, za razliku od pogreške aritmetičke sredine, ne ovisi o broju
mjerenja (o N-u). N
4. opažene frekvencije hi kvadrat testa su one frekvencije u pojedinim kategorijama koje
očekujemo pod nekom određenom hipotezom. N
5. ukoliko nema razlike između dvije aritmetičke sredine (iz iste su populacije), a mi smo
prihvatili nul-hipotezu, tada smo načinili beta pogrešku. N
6. vrijednost t-testa manja od 1,5 može biti značajna uz razinu rizika od 1% ili 5%,
ukoliko su uzorci veći od 1000. N
7. ukoliko nam je kod procjene parametra važno minimalizirati rizik pogreške, morat
ćemo smanjiti preciznost procjene, odnosno odrediti širi raspon u kojem bi se mogla
nalaziti prava vrijednost populacije. T
8. yatesova korekcija kod računa hi kvadrat testa ide u prilog nul-hipotezi. T
9. čak i ako u mjerenje možemo uključiti sve članove dviju populacija, potrebno je
izračunati t-test da bismo provjerili razlikuju li se međusobno te dvije populacije.
10. pogreška aritmetičke sredine linearno je ovisna o veličini uzorka, što znači – ukoliko
je neki uzorak dvostruko veći (a veličina SD je ista), pogreška aritmetičke sredine bit
će dvostruko manja.
11. vjerojatnost beta pogreške manja je u slučaju razine rizika p = 0,05 nego u slučaju
razine rizika p = 0,01
12. što je hi kvadrat numerički veći, to ima više šanse da bude stat značajan
13. distribucija aritm sredina velikog broja uzoraka iste veličine (N=555) uzetih iz poz
asim distr bit će isto tako pozitivno asimetrična

1. U nekim situacijama možemo na istim podacima primijeniti hi-kvadrat test (kao

neparametrijski test) i t-test (kao parametrijski test) T(t-test za proporcije)

2. Kada postupak testiranja razlike t-testom za zavisne uzorke primjenjujemo na

nezavisne uzorke, to je manja računsko-logička pogreška nego obratno ( N (manja je
greška ako na zavisnima primjenimo za nezavisne, ne izlažemo se tolikom riziku da
ćemo dobiti neke od dvije pogreške)

3. Kod normalne distribucije 1. i 5. decil pokrivaju jednak broj rezultata. N(oboje

zauzimaju jednak broj rezultata, ali ne i istu površinu)

4. Što je manje N uzoraka iste veličine koje smo uzimali iz jedne populacije, to će
pogreška aritmetičke sredine biti manja. N(veća)

5. Ako crtamo poligon frekvencija, na apscisu nanosimo vrijednosti rezultata ili srednje
vrijednost razreda, a na ordinatu frekvencije T

6. Ako sve rezultate nekog uzorka pomnožimo sa 2., to će dovesti do promjene

aritmetičke sredine, ali ne i do promjene veličine SD N(oboje se poveća)
 7. Kod pozitivno akcelerirane krivulje s porastom vrijednosti u varijabli x, vidljiv je
porast vrijednosti i u varijabli y ali za sve manje jedinice (N y raste za sve veće
jedinice, ovo vrijedi za negaticnu akceleraciju)

8. Ako je u mjerenju djelovalo više nesistematskih variajbilnih faktora, raspršenje

dobivrnih rezultata bit će veće (N , to vrijedi za sistematske varijabilne faktore)

9. U nekoj normalnoj distribuciji, raspo C+/-Q obuhvaća manji postotak rezultata nego
raspon M+/-SD ) ( T, prvo iznosi 50% a drugo oko 68%)

10. Pokazatelj djelovanja NVF jest varijanca (N, ona je SD na kvadrat, ona pokazuje
varijabilitet rezultata, djelovanje SF, ovi se poništavaju)

11. Kada kažemo da rezultat nekog sudionika spada u 2. decil, to znači da je 80% rezultata
od njega bolje, a 20% rezultata lošije od njega N(jel ne znači to da je 10% jednako ko
on a isto toliko lošije)

12. Ako je u nekoj distribuciji rezultata D<C<M onda govorimo o pozitivno asimetričnoj
distribuciji T (obratno bi bila negativn asimetrična)

13. Točnost procjene aritmetičke sredine populacije na temelju vrijednosti dobivene na

uzorku ovisi o veličini uzorka T(ne ovisi samo o tome, ali to je jedna od stvari)

14. U slučaju normalne distribucije rezultata, što je broj rezultata (N) u nekom mjerenju
veći to je načelno i površina distribucije tih rezultata veća (T, jer upravo broj rezultat
određuje pov distribucije koja odrađuje C vrijednost)

15. Kada imamo dovoljno velik broj stupnjeva slobode (npr. df=500) distribucija t-omjera
ima sve karakteristike normalne distribucije T(zvonilika je, simetrična ali pri dnu je
malo šira, šira je što je uzorak manji, a ovdje je uzorak velike jer je Df n-1)

1. Uz uobičajene razine rizika (5% i 1%), što imamo veći broj stupnjeva slobode, to t-
test može načelno biti manji, a da bi bio statistički značajan - T

2. Za račun hi-kvadrat testa potrebna je barem intervalna mjerna ljestvica - N

3. Ukoliko je u nekom slučaju postotak kategorija u kojem su opažene frekvencije manje

od 5, tada se pri računu hi-kvadrat testa treba raditi određena korekcija ( npr.
Yatesova) - N

4. Ukoliko bi željeli provjeriti je li se jedna igrača kocka okreće pošteno na sve svoje
strane, te to testirati hi-kvadrat testom, onda bismo u tom slučaju teoretske frekvencije
izveli prema normalnoj raspodjeli - N

5. Što smo zauzeli strožu (manju) razinu rizika veća je vjerojatnost beta pogreške - T

6. Pogreška aritmetičke sredine jest variranje pojedinih bruto rezultata iz uzorka

(izraženo preko standardne devijacije) oko prave aritmetičke sredine populacije - N

7. Ako je neka razlika statistički značajna, to znači da je ona najvjerojatnije rezultat

slučajnog djelovanja - N

8. Distribucija proporcija velikog broja uzoraka uzetih iz iste populacije, u svim

slučajevima veličine proporcije u populaciji biti će normalna distribucija - N

9. Distribucija t-vrijednosti za stupnjeve slobode od 200 je normalna distribucija - N

10. Ako je neki t-omjer značajan uz nivo rizika od 5%, to sigurno znači da je značajan i
uz rizik od 1% - N

11. Kada smo prihvatili nul hipotezu, a među artimetičkim sredinama postoji razlika
(nije slučajna) načinili smo pogrešku drugog tipa (beta) - T

12. Ako za neke stupnjeve slobode i neku određenu vrijednost t-testa možemo pisati p >
0,05, to automatski znači da uz prethodne uvjete možemo pisati i p > 0,01 - T

13. Ako razliku kod dvosmjernog testiranja možemo proglasiti statistički značajnom (uz
5% rizika) to sigurno znači da je ona statistički značajna uz 5% rizika i kod
jednosmjernog testiranja. N?

14. Što je veći N uzorka, to će intervalna procjena parametara biti takva da ćemo
odrediti manji interval u kojem se vjerojatno nalazi prosječna vrijednost populacije. T?

15. Točna procjena prave aritmetičke sredine populacije na osnovu vrijednosti uzorka
ovisi jedino o veličini uzorka. N?

16. Uz uobičajene razine rizika (5% i 1%), što imamo veći broj stupnjeva slobode, to hi-
test može načelno biti manji, a da bi bio statistički značajan. N?

17. Ukoliko nul-hipoteza vrijedi onda aritmetička sredina t-omjera za stupnjeve slobode
od 100 iznosi nula. T?

18. Ukoliko je veličina uzorka koje smo uzimali iz populacije jedan (N=1), onda će
pogreška aritmetičke sredine iznositi nula (SDm=0) N?

19. Uz razinu rizika od 1% ili 5% vrijednost t-testa veća od 1.96 može biti značajna
samo ukoliko su pojedini uzroci veći od 500. N?

20. U slučaju kada na prikupljenim rezultatima značajnost razlike testiramo t-testom za

male zavisne uzorke, kojeg još nazivamo metoda diferencije, onda se na te podatke može
jednakopravno primjeniti i hi-kvadrat test.

21. Ako nul-hipoteza vrijedi, onda je provedbom jednog t-esta moguće dobiti t-omjer
kojeg bismo uz uobičajene razine rizika proglasili statistički značanjim. N?
22. Distribucija aritmetičkih sredina velikog broja uzoraka (gdje je N u pojedinom
uzorku > 30) uzetih iz populacije koja ima negativno asimetričnu distribuciju, bit će
normalna distiribucija. T?

23. Ako je dobiveni hi-kvadrat test vrlo mali, onda to može značiti da i on nije dobiven
slučajno. N?

24. Standardna pogreška razlike kod t-testa za proporcije po svom je statističkom

smislu indeks raspršenja rezultata.

25. Što je veći N uzoraka jednake veličine koje smo uzimali iz jedne populacije, to će i
raspršenje aritmetičkih sredina tih uzoraka oko prave aritmetičke sredine populacije
biti veće. N?

1. Ako prihvatimo nul hipotezu a razlika među aritmetičkim sredinama postoji, govorimo
o alfa pogrešci. N (beta)
2. Kada se između dvije skupine pronađe statistički značajna razlika to znači da razlika
nije slučajna. T
3. Kada dobijemo da je razlika statistički značajna uz razinu rizika manju od 1 % to
sigurno znači da uzorci ne pripadaju istoj populaciji. N
4. Kod zavisnih uzoraka što je aritmetička sredina manja, potrebno je više vrijednosti t-
omjera da bi bila statistička značajna. T(što je uzorak manji isto tako)
5. Pogreška aritmetičke sredine bit će manja što je manje raspršenje rezultata u
populaciji. T (za nju vrijede ista pravila ko za SD)
6. Kada neki broj povećamo za određeni postotak, a zatim ga smanjiti za isti postotak,
dobit ćemo broj veći od početnog. n
7. Kad se odlučimo za blaži nivo rizika 5% veća je vjerojatnost beta pogreške. t
8. Ako koristimo Yatesovu korekciju pri računanju hi-kvadrat testa manja je vjerojatnost
ostajanja na nul hipotezi nego da nismo. N (obratno, time smo fo smanjili za o,5
svaku koja je veća od očekivane a za isto toliko povećali svaku koja je manja od
očekivane. Razlika se između ft i fo smanji za o,5.)
9. Aritmetička sredina uzoraka jednake veličine distribuirat će se normalno i kada je
populacija negativno asimetrična. T
10. Hi-kvadrat za sve stupnjeve slobode je uvijek normalna distribucija. N (za jedan
recimo nije)
11. Ako utvrdimo da između dvije aritmetičke sredine postoji statistički značajna razlika
uz 5% to znači da svi bruto rezultati iz jednog uzorka različiti od rezultata u drugoj
distribuciji i da se te distibucije uopće ne poklapaju. N (str.136.)
12. Kod nezavisnih uzorka pri računanju t-testa, pogreška razlika veća nego kod zavisnih.
T
13. Ako je t-omjer značajan uz 5% sigurno je i uz 1% N
14. Ako je hi-kvadrat test mali to može značiti da nije rezultat slučajnog djelovanja. (n
značiti ali. Najbolje je što je bliže nuli više šanse da nije slučajnog djelovanja je ako je
veći. Trebvamo znati da C kod hi kvadrata iznosi otprilike toliko koliko imamo
stupnjeva slobode.Najbolje da je jednak Df ili manji od njih)
15. Imamo 2 nezavisna uzorka N=39 i N=20 koristimo t-test za velike nezavisne. N (za
male)
16. Ako je teoretska frekvencija u više od 20% kategorija manja od 5 nije opravdano
računati hi-kvadrat test. T (i ako niti jedna kategorija nema očekivanu f manju od 1,
za Df veće od 1 to vrijedi)
17. Distribucija t-testa za različite stupnjeve slobode uvijek je zvonolika. T
18. Što je uzorak manji, manja je i pogreška aritmetičke sredine. N (što je veći uzorak ona
je manja)
19. Ako neki t-test nije značajan za 1% neće biti ni za 5%. T
20. Kod velikih uzoraka t-omjer od 1,68 kod dvosmjernom testirana moe biti statistički
značajan uz 5%. N(pogledaj tablicu)
21. Aditivno svojstvo- mogućnost zbrajanja nekoliko t-testa iz različitih istraživanja. (n, hi
kvadrat test)
22. Hi-kvadrat nije statistički značajan uz razine rizika ukoliko je manji od stupnjeva
slobode. T(vrijedi i za t-test)