Bi PETZ, Boris Biblogaja, so1109101 Iedavae =NAKLADA SLAP. 50 Jastrebarsko, dr. F Tudmana 33 nslap@ nakladaslap.com nakladaslap.com Direkior iserka MateSé Gilovni wed se Rruasiay Matesié Lekior Zac Taal Recencent doe, dr. se. Mladen Havelka prof drs. Viadimir Koesarié to. d,s. Alja Kulenovié Tzdavanje ove knlige pripomoglo je ‘Ministarsvo znanom i tehnologije Republike Hivatse, (Oinowne saith mate is Pete = Jasrebarso : Naklds Sup 7007, -(Udsbenic veut u Zarebu=Napualia Uaveriatis | odio Zapbiensis) ISBN 978.953.191.058, [Statistika = Uedbenik STE 985.19-0583 CCopytight © 2007, 2004, 2002, 1997. “Naklada Slap", Jstrebarsko ‘va pravapridtana, Nijedan dio ove kajige ne smile se reproduciratim prenosit ni w kakvom obliku nit ikatvim stedstvima elektronskim ili mebanikim,fotakopiranjemi Ssnimanjem i unzazanjem u bile kojem informatifkon:sustavu 2a pobranjvanjei koridtenje bee pretiodnesuglasnostiviasika pave. ‘Objavjvanje ovog wdlbenika odobrio je Senat Sveulitau Zagrebu riesenjem broj02-1994/1-1996 od 25, veljate 1997 [car Kaalogaacii potiae | ‘Nacioaana seins kien, Zagreb ok 3110788) prof. dr. se. Boris Petz OSNOVNE STATISFICKE i METODE ZA NEMATEMATICARE VI. izdanje NAKLADA SLAPPREDGOVOR TRECEM IZDANJU Ovo. treé, izdanje udzbenika "Osnorne statstike metode za nematematigare” unekoliko se pojedinostiralikuje od oba dosedasnja iadanja. Od vadnijih promjena { dopuna vali spomereri nesto prosirenu diskuriu o nastanksnormalne raepodele, nadalje kratko poglavlje 0 Bavesovim principima w veri s vjerojatnosti (a Bayes je ‘ok to kasno otkriveni autor, koji je desta wzbudio modernu statisticks publiku), brikezani su jo8 neki postupei izraéunavanja korelacija | prafireno je paglavlie 0 ‘naliat variance: dodani su postupel 2a veGinw moguéih situacija, v kojima se ‘naliza varijance korist. Buduei da analiza varjance spada medi najomrazenija poglavlja za nematematitare, ti dodatni dijelovi dani su u obliku "recepata korak po korak", pa s njima ne bi sijelo biti posebni teskoéa, No, neighjezno je doslo i vrljeme da se neito iz prethodnih iedanja ispusts od prvog izdanja ove knjige proslo je vee Sesnaest godina, i kroz to vrijeme doslo je Uupravo u podruciu primjene osnovnih ratinskih postupaka do goleme promjene: ddok smo potetkem osamdesetih godina s odusevljenjem nabeeljali prva d2epna ragunala, koja su mogla pritskom na tipku izratunati drugi korijen nekog broje, danas praktithi | najjednestavalje deepno racunalo ima moguénosti koje daleko remaguju te zadatks. A buduéi de gotovo { nije vise moguce nai studenta ili Intelektuala bilo koje struke koji ne bi posiedovao barem jedno jednostavno deepno ragunalo, to je dadatak tablica korijenima (a one su u over udebeniku zauzimale preko 4D stranica!) postao potpuno suvisan, i te su tablice iz rukopisa inostav- Jjene. (Vostalom, upute za njlovu upottebu za neiskusnog su citatelj ble ponetto homplicirane, pa je karst od njih bila modda i manja od otekivane) U Zagrebu, na Novu godinu 1997. B. Petz SADRZAI ZASTO STATISTIKA? 9 PROVJERITE SVOJE ZNANJE 1% OSNOVA RACUNANJA 21 2.1. ZADACTZA PROVIERAVANIE ZNANIA. 22 22. RIBSENJATNEKA OSNOVNAPRAVIEA 24 © OSNOVNIM POJMOVIMA VJEROJATNOSTI 29 3.1. NAJOSNOVNIA PRAVILA 92 32. BAYESONTSTATISTICKI PRINCIPL 38 3.3./ PSIHOLOSKI UZROCI POGRESKANA KOD PROSUDIVANDA VIEROJATNOSTI 40 . MJERE CENTRAUNE TENDENCUE 98 41. ARITMETICKA SREDINA 98 42. ZAJEDNIGKA ARITMETICKA SREDINA 62 43. NEKE DRUGE MJERE CENTRALNE TENDENCHE 59 ASL Centraine vrjednost 58 432 Dominonna vrjednast 55 43.8 Geometriska sredina 55 434 Hormoniéna sredina 56 Zadaci za vjetbu 57 - MJERE VARIJABILNOSTT 59 51, RASPON 59 52. SREDN/E ODSTUPANSE 60 53 STANDARDNADEVISACIIA 61 54, KOEPICUIENT VARUJABILNOSTI 65 Zadaci 2a vjetbu * 66 |. GRAFICKO PRIKAZIVANJE REZULTATA 97 Zadaci za vjetbu 78 . NORMALNA RASPODJELA, NEKE DRUGE RASPODJELE (1308 PONESTO 0 RACUNANJU VJEROJATNOSTI 79 Zadaci za vjezbu 96 - POLOZAJ POJEDINOG REZULTATA U GRUPI 97 84. eVRUEDNOSTI 79 82, CENTILL 102 Zadaci ra vjedbu 110 |. RAZLIKA IZMEDU DVIJE ARITMETICKE SREDINE 111 G1, POPULACHATUZORAK 11210. u, 2. 1s, 2. STANDARDNA POGRESKA ARITMETICKE SREDINE 120 RAZLIKA IZMEDU ARITMETICKIH SREDINA VELIGIH NEZAWISNTEE CZORAKA 126 94, NULHIPOTEZA 197 95. OPASNOST OD FOGRESNOG ZAKLIUCKA U VEZI§ ODBACTYANIEM SULIPOTEZE 198 96, TESTIRANIE 2NACAINOSTI RAZLIKE ZED JEDNE ARITMETICNE SREDINE I NEKE UNAPRIJED FIKSIRANE VRIJEDNOST! 139 97. RAZLIKA IZMEDU ARITMETICKIM SREDINS VECINIH ZAVISNIE, UZORAKA 141 98. CRASPODIELA I TESTIRANIE RAZLIKA IZMEDU ARITMETICKIE, SREDINA MALI NEZAVISNIH UZORAKA 142 99. RAZLIKA IZEDU ARITMETICKIM SREDINA MALIK ZAVISNDA, UZORAKA ("METODA DIFERENCUE") 151 9.10. KOMBINACIIA DVAJU TESTOVA ZNACAINOSTI 155 Zadaci 2a vjezbu 157 °DVOSMJERNO” ILI *JEDNOSMJERNO” TESTIRANJE RAZLIKE 159 . TESTIRANJE RAZLIKE MEDU PROPORCUAMA — 169 ILL STANDARDNA POGRESKA PROPORCLIE 103 11.2, RAZLIKA IZMEDU VELIKI NEZAVISNIH UZORAKA 165 11.3. RAZLIKA I2MEDU VELIKIH ZAVISNIH UZORAKA 166 1d RAZLIKA IZMEDU MALIH NEZAVISNIE UZORAKA 765 11.5. RAZLIKA IZMEDU MALIH ZAVISNI UZORAKA. 172, Zadaci za vjezbu 174 ‘TESKOCE I "OPASNOSTI" PRIRADU'S POSTOCIMA — 175 Zadaci za vjezbu 178 KORELACA 180 131, SMISAOTPRINCIP KORELACE 180 132. IZRACUNAVANJE KOEFICUENTA KORELACUE + 102 133. TESTIRANJE ZNACAJSNOSTI KOBFICUENTA KORELACUE + 105 134. IZRACUNAVANJE KORELACUE r NA VELIKIMUZORCIMA 197 135. IZRACUNAVANJE RANG KORELACUE "Ro" 199 136. TESTIRANJE ZNACAJNOSTI RANG KORELACUE Ro 208° 13.7. KENDALLOV KOFFICUENT RANG KORELACIE "Tas" 206 138. TESTIRANJE ZNAGAINOST!KOEFICHENTA KORELACUIE Tau 209 139. USPOREDBA IZMEDU Tou i Ro KOEFICIENATA 200 13.10, INTERPRETACIJA KOEFICUENTA KORELACUB 214 13.11, KORELACA TUZROCNA VEZA 214 1312. PARCUALNS SORELACHA 217 18.9. KOEFICENT MULTIPLE KORELACUE 220 13.14. “POINT-BISERUALNT’ KOEFICUENT KORELACUE 289 1315. KOEFICUIENT KONKORDANCDE I” 225 14 18. 16. a, 18, 18. 20, 15.16, 108 NEKINOEFICUENTI KORELACUE 997 Fi koefcijent 227 Koefcijent kontingencije 228 Kramerou Fi 229 13.17. KORELACIJA I2MEDU NOMINALNEJORDINALNE VARIABLE 220 Kendallov Tau 229 Freemanoe Teta 290 13.18. RAZLIKA IZMEDU DVA KOEFICIIENTA KORELACHE r 298 Zadaci za viezbu 234 PROGNOZA IZ JEDNE VARIABLE UDRUGU 237 141. PRAVAGREGRESUE 297 142 POGRESKA PROGNOZE - 45 Zadaci ra vjezbu 247 HEKVADRAT TEST 249 15.1, JBDAN UZORAK 250 153, DVA ILt VISE NEZAVISNIH UZORAKA 258 15.3, DVA ZAVISNA UZORKA (MeNEMAROV TEST) 264 154, NEKI OSNOVNI UVJETI ZA UPOTREBU HI-KVADRAT TESTA 200 155.JO8 0 HLKVADRAT TESTU 269 Zadaci za vjetbu 272 STANDARDNA POGRESKA STANDARDNE DEVIJACIJE I GRANICE POUZDANOSTI STANDARDNE DEVIJACUE 275 OSNOVNI PRINCIPI UZIMANJA UZORAKA 279 Slugajnt worak Stratifcirani wzorak ‘Klaster wzorci ‘Rovini uzoret Prigodni uzorak ITA. VELICINA UZORKA 284 Zadaci za vjezbu 286 ZAKLJUCIVANIE U STATISTICI 287 SKALE MJERENJA 297 Nominaine stale Ordinalne skale Intervalne skale Omjerne shale ‘UVOD U ANALIZU VARIJANCE 299 20.1. KAKO TESTIRATI RAZLIKU IZMEDU VISE ARITNETICKO SREDINA? 209 202, $TO NAKON ZAVRSENOG RACUNA ANALIZE VARUANCE? 911a. 20.3. DVOSMLIERNA ANALIZA VAHWANCE 919 A. Nesavioni results B. Zavisnirezultati Zadaci ra viedbu 320 IZBOR IZ NEPARAMETRUSKIH TESTOVA gat 212, PARAMETRIUSKA I NEPARAMETRIISKA STATISTIKA 921 21.2. DVA NEZAVISNA UZORKA 329 D124. Test homojenog nize 928 212.2. Medijan tat 926 21.2.3. Test sume rangova (Wicoxsonov T-test, Mann-Whitneyev U-test) 927 21.2.4, Siegel-Tuheyen test 390 21.3. DVA ZAVISNA UZORKA 999 21.3.1. Test prednaka (Sign test) 999 21.3.2. Wileoconoy test elvivalentnih parova 235 214, VISE NEZAVISNIH UZORAKA $97 D141. Prosirent madian test 397 2142. Kruskol-Wallisou test 398 21.5. VISE ZAVISNIH UZORAKA 941 21.5.1. Priedmanov test 941 215.2 Cochranov Q test 349 21.5.3. Pergusonov test monotonije trenda 945 Zadaci za vjeibu 347 RJESENJA ZADATAKA ZA VJEZBU 951 LITERATURA 955 DODATAK 959 ‘ *Statstighi natin midjnjajednog Ge dana 1a svakodaeval Zivot gadana postatijed- ‘neko seopbodan kao zuanje etanja pisanje™ HG. Wats (1866-1048) Ako se upitamo "sto je statstila”, mate nam pomoti misao jednoy statisicara nna podrugju medicine (Mainland), koji kate: "Nijedna defnicija ne znati mnogo tako dugo dok nismo prouéili ono na demu radimo — a tada je svaka definicja ‘otavo nepotrebna." A buduéi da ima vise od 100 defniia statstke,zaista je bolje dase 5 ne pokusavamo upuitatiu to da je definiramo. Uostalom, i bez defniie mangje-vigeipak svi znamo sto po pill! ona znati: obrada brojéanih podataka radi Jasnieg prikazivanja.(S ovim "jasnije” mnogi se od vas zasigurno ne slab!) Kag sto dese kasnije i teksta ove knige vidjet, pocecistatsttke metodologiie nastali gu te potpuno praktignth poticaja | problema svakodnevnog tivota (i. 2 problema na koje su nalezli profesionalni kockari i hazarderi). No kada su se ‘matematicari ozbiljno zainteresirali za te probleme, i kada su razraill statistiku ‘kao grants primijenjene matematike, statistika je postal tesko destupna Covjeku, koji nije bio ii pa profit ili po svom "hobija” matematitar. Motda je to uzrok njenice da se u razlititim drustvenim i prizodnim ananostina statistika jo$ prije 70.80 godina tako malo primjenfivaa. (Jedino jedan njesin dio — a taj je upravo i najmanje poveaan sa statisickom metodologljom — unatrag nekoliko stoljeéa ppounat jeu znanost iu javnosti: tos bili rain statistic pregledi broja rodenih Fumi, broja oboleih od neke bolesti is.) ‘Tako se, na primer, u primijenjenoj psihologi statistika prvi put pojavljuje ‘oko 1920. godine, kada su postavljene neke hipoteve o nastanku nesreéa, pa je predlodeno da se te hipoteze provjere tako Sto Bi ge usporedivalo ono fta 5° pod ‘vidom th hipoteza move atekivatl s onim Sto se zaprava dogada. No, ti prvi pokufaji"prodora” statistikeu svakodnevnu praksw iu primijenjenu ananost, ostali su u potetku bee veéeg odjeka, i tee za Drugoga avjetskog rate, usporedno § "eksplosivnim” porastom znanstvenih speznaja na raziitim erico-10 1 zaSro starters cinim { drustvenim podvuefima naglo prodive i statistithi natin misleta, kako w primjemy znanstvenih ciscipina, tako i u.natin vazmisljanja « problemima bic- lage. ekonomije, peliopivzede, psihologje, socilogie, cehnike, vojnih znanosti prometa, tigovine | prodaje, Sparta — pa éak i linguistke, knjl2evnostt& dvugity podeutia enanost Statisicha metodologiia postala je u suvremenom divotu donekle cak i dio “opéeg obrazavanja” | “opée kulture"; jer je, na primjer, tesko zamisie danas tovjela bil koje strate, ako posjeduje tite, a pogotovu visake obsazovanje, da mt 1e Di bili poznat, primjerice, pojmovl “aritmericke sredine", "korelacje™, "varijen biiteta” ¥ tome sign Dakle, sali je Covjok danas — lao 8to je to proratanski predvidio H. G. Wells, linea sto citxali kao moto ovog poglavlja — jalofensituacijama u Kojima mu je ‘poreebno paznavanje nekih esnovnih statistikth pojmove, a pogotovl statstichog sacina miljenja” Za suvtemenog éovjeka, koji se bavi znanstognim radom, postoje ~ mosh bismo’ reGi — eetiti "razine", na Kojima on treba statistik: 1, Poanavanje statistke potrebno je zb0g pragenja struéne { znanstoene litera: ture. 2, Posnavanje statistike potrebno je pri obradi ‘tezultata, prikupljenih is- tuativenjem ili ekaperimentam, radi deskripeie 3 analize th reoult 3, Pomnavanje statstike potrebna je u zoanstvenom radu radi zakljuéluanja ia onketnog slutaja ne “opel zakon". 4, Poznavanjestatistike potrebno je pri planiranju istragivanja i eksperimeneta Razmotrimo neke primjere 2a sveku od navedeni"razina"! Ad 1. Pradenje literature. Driimo da 24, ovo podrueje uopée aije potretino dotazivati potrebu osnovnoga statistitkog obrazovanja, jer je malone svaki strutnjak testo bio u takvojsituacji da nije mogao rezumjeti neke osnovne rezul- tate istrazivania iz svoje struke, objaviene u tazlititim struénim i znanstvenin ‘asopisima: ti su vezultatt sve Gee laneseni u vilo skragenom obliku, ali ato ve ppomoé niza statstiekih termina i simbola. ‘Ad 2. Statistika radi deslripeie i analize. Podrutjem opisivania konksetnih rezultata, dobivenih prilikom nekog ipitivanja ili mjrenja, bavi so tav. "desksip- tivna” statistika. Njeina je 2adaéa — sto se dade zalljutiti iz naziva — da opise podathe, #co na taj natin da ih sredi i sezme, kako bi bili sto pregledniji. Bez ‘takvog stedivanja miogi podaci bili bi nepregledni, pa se stoga tako cesto i dogads da potetnik svelikim elanom i marjivoséu skupi mnoétvo podatak prilikom nekog Istrativanja, anakon toga ne una pravo &t9 da snjima pote — te oni éesto ostaju wu ladic! “Tako, na primjer, sntropologa li lijetnika mote zanimati visina djce odvedenog spola i dobi, ali kad invr8i mjerenja nekoliko sttina I tisuéa djece, iz mase pos- tojedih podataka ne mote se vidjeti praktitki nista tako dugo dok se tf podact ne srede i "sazmu” lako bi ih se moglo grafitki prilazst, th dok se ne izratuna Jbarem artimeti¢ha sredina, kaa jedna od vejednosti koja *prezentira” te rezultate, 1}, koja nam jednim brojen daje ono sto je iavtenim mjerenjem za tu skupinu *najtpieny n Il, jedan Klinigar moze bith zainteresivan 28 varjabilite inkubacije 2a nekw fodtedenu holest. Prosjeéno trajanje inkubacije mozda mu je pomato. ali njege rmotda tpravo zanima s Koliko velikin varijacijama w inkubacii moe raguna Drugim rjeEima, mode ti kod neke holest, kod koje inkubacija'y prosiek teaje, tering, oko 10 dana, biti siguran da do obolenja nee dodi, ako je od momenta :moguée zaraze proslo mjesec dana (Tako je poznato da za tetanus inkubacija moze trajati vo dugo.) Klinigar € osnovnu informaciju te viste dobiti iz jee druge “ehecentativne” vriecnost, npr. iz tev. "standardue devijacije", koja pokazule & ‘kojem se raspons mogu o€ekivati rezultat aiologa ill fiologa moze zanimati da li pod utjecajem djelovanja alkolla dolaz| kod govjela do poveCanja varjablteta vremena reagivanja, psi Gem mozda rosjeéno viijeme reagiranja ostaje epromijenjeno. Ite podatke dob ée, naravno, ‘ba isti natin, fj trazeéineku mjeru vaujabilieta rerutata. ilo se éesto u praksi pojavi pitanje refativnog polotaja pojedinog rezultata ‘meds svin ostalim rerultatina. Na primjer, ako poliklinig ijetalk saopei nekor roditeljy da je njegovo dite "vrlo visoko za svoje godine", to Je doduge tome rodlitljy korina informacija, ali nije €ovalino precigna, jer roditelja aanima tatan podatak. No kada bi mu taj ljeénilerekao da Je njegovo dijete taliko visoko da medu drugom skolskom djecom istih godina i spola ima samo 2% djece koja su rastom viga, onda ta informacija predetavlja veé vrlo detaljan opis polodaja tog djeteta tuedu drugom djecom, Tl, prilikom klasiflaciskih ipita 2a Upis na neki fakultet primjenjuje se motda nekolko eestova znanja, Nekako je vobiéajeno da fe rezultati svih testova zbroje | suma bodova svih testova predstavljs konagan renultat tog studenta, Je lito posve ispravno? Saanat éemo da nije. Naime, ako netko, pretpostavimo, dobije 70 bodova u tests, u kojem ispitanii po reeultatims variraju od 10 do 110, ta} mu dobiveni rezultat znati manje nego kada bi rezultati vatirali od 40 do 80. U ovom, kao iu prijasnjem primjeru, potrebno je, dake, voéno ‘adrodit pologaj svakog rezultata medu ostalim rerultatima, tj, potrebno je znati koliko veijedi pojedini rezultat” — a to se velo lako mote pestitiprimjenom nekih Jednostavnih statistieih postupaka (i2ratunavanje "s-veijednosti i izragunavanje *decla” isl) ‘Dalje, mnogo se puta u praksi pojavi pitanje kakav je oblik distribuctje neke pojave koja nas zanima, tj. kako se ta pojava "rasporeduje" u pritodi, Kao sto je poznato najéetéa distribucija,s kojom se u Zivotu susredemo, jest t2v. “normaina Aistribucla”, y kojojnaleximo najvie stednj, a najmanje ekstremno malih ili ek- stremno velikh rezultata: istodobno, ta je dsiribucija simetsitna. No, to ne mora uvijel biti tako, jer se mnoge pojave rasporeduju i na druge natine, Ako nam je poznato kako se neka pojava distibuira, mozemo s vetim razumljevanjem inter ‘preicai pojedinaéne rezltate, Tako je, na pritjer, poznato da se bilirubin w krvi ‘istribuira asimetritno, da se bro} neseta pri radu takoder distribuiraasimetrigno (Ger najveét broj judi nema nesreéa ii ima satao jednu, a vrlo mali bro} Judi ima mnogo nesreéa), da promjerljudskog srea daje nepravilna krivulja s dva vrha, da upitnict za ipitivanj stavova obiéno daju takvu distribueiu u kojoj ima najmanje srednfih” rezultata itd deskriptivns statistik mogl bismo éak svtstati i jedno od inate val kom.2 1. zssrOsrarisnign? pleksnih pitanja, t.pitanje So je "normalno" a sto “nenorigalno", O:tom prob- Jemu mnogo je psano i raspravljane, i problem zasgurno prelaz granice statisti, ali se uz pomoé statistke{ statstithog natina nisljenja problem pak mote jas- rat. Preenstvene,inraz "normalno" znafi ono je prosieen ili 80 je hatkada "normalno" anati "bez bolesnih znakova",ied.Na primer poviseni tla kod veéeg broja starith mukaraca nije "normalin” utolio sto je to 2nak nekih patolotkih promjena u nekim organins, al je, sdtuge strane, "not rmalan" utoliko st e "prose lak stariih ud vif od taka mladih*. No jedan od najtetih problema, oscbito izazen u disiplinama koje se bave botesnim stanina organizma jest pitanje granice amedu “zdtavog” i "bolesnog", tj. "normalnog” i ‘nenormalnog”. Pitanje uopée nije rjesivo na potpuno zadovaljavajud-nacin (er uvijek postojtznaéajno preKlapanje simptoms iamedu 2drave i bolesne grupe), ali nek grail statisti postupe!osiguravaju nam da srelativnonajmanje pogredaka ‘odredimo gdje seta granieanalaz Peznato je da mnoge pojave pokazuju neku manju ili veéu medusobni 2a- tisnast:kada je jedna pojava v porastu, u porastu (liu padu) je i druga, pa tako do odredene granice motemo iz neke veljednostl uw jedno} od th pojeva za- kljutivati na odgovarajuéu vrjednost u drugoj pojev (na primjer i podetlao visint nekog Zovjeka mozemo s odredenom vjerojatnoséu nagadati io njegovojvierojatno} tetini). Ta se pojava naziva hoelactjom, i nalazimo je svagdje oko sebe:u koreacit su visina { tefina,intligenija{ skoski uspjeh, tjelesna tkmperatura i-puls,in- tenzitettjelesnog napora i krvn’ tlak, koligina ke i bujaost vegetacie, starost i tjelesna snags, motivaija j radni utinak, itd, itd. 2a psihologs, Iijetnika, soci- cloga i druge struénjake pojam korelacie ite kako je vatan, jer nam ~ kako je veé reteno — korelaija omoguéuje postavljanje praynoze iz edne pojave u drugy: Sto je povezanost(korelaija) vile, prognoza je totnia Ad 3. Zaliusioanje ic koniretnapsluéaja ne "opti zakon”. Ako smo lamjerili visinu, recimo, 100 desetogodiinje mutke djece u Varaédinu i 100 desetogodiznje mute djece u Zagrebu, te smo nail da su u prosieku zagrebaska djeca vifa od varatdinske, onda — pod pretpostarkom da je mjerenje ivseno bee pogresaka — nema nitakve surnje da su iamjerena varaadinskadjees vprosjkw nits od izmje- rene 2agrebathe dice. I, ako smo prmijenlineku nov terapija na odredeni bro} bolesika, i usporedil trajanje bolestis kontrolnom grupom bolesnika, jeeenom na klasitan natin, pa smo nasi da su bolesnei ijeteni novim pestupkom, ozdravili Uprosjeku 2a kraée viijeme — onda je to kod promatranih bles sigurno tako. ‘Tukoder, ako smo naili da djca, koja tive u tetkim ekonomskim priikama, prosjeku imajuslabij Skoski uspjeh od djece koja dive w obitelima bes ekonomskit tefkota — takoder nema sumnje da je to totno kod djece na kojoj smo mjerenje izvrail, No, nas w ovim slutajevima zapravo coliko ne ranima jess Hua konkretne zagrebatha djeca visa od varazdinske. i jesu lt ovi konkretn bclesciondravilibrée ‘0d druze grupe ii jesu li Konivetno ispitivana djeca iz ekonomski ugrozenesredine labiji utenici, Ono S10 nas zanima jes: ponajpije to mofemo Hi smi is th pojedi- nacrwi sacajeua zakjucivatiopéer t,t), motes li na temeljn ‘evcienog mjerenja 2hijusts das opéenito tagrebatki 10-godisnsdjetact vish oc scojih varaddinskik ‘inj, da nova metoda ijetenja opéenito u prosjeku skraéue trajanje boast, ih cham me 13 ao je Hi ekonémska ugrotenost opéenito povezana sa slabijim uspjehom djeteta u Ali ‘Kako vidimo, ovaje fe pojedinaénog slutaja telimo zakijutiti na neku pojavu huja je motdla opéi zakon. Dragim rijetima, u svim takvim slugajevima (a to je sotovo redovita pojava pri isradivatkom radu!) mi zapravo Zlimo iz pojedinaznog justi nw opeenito, “Taferencijaina statistla”, tj, ona} dio statistik postupaka koji nan comogutue stvaranje zaKjueaka, omoguéuje nam da ustanovima smijemo iil ne Sijemo nademu pojavu smatrati generalnom, dakle opéevazetom. Dodu, kao fo e se vidjti, potpuna, *100%-tna” siguenost u sttistickim je zakljucivanjima prakeigki nemoguéa, ali pri zakijudivanju ipak modemo postii sigursost koja je bina sigurnosti ed 100%. Uostalom, © problemima zakljucivanja u statstci bit ée jot govors pitanju posveéeno jedno ftavo poglave u ovoj kn Keo sto se logi¢hi i moge otekivati,inferencijalne statistika je to "opreznija” 1s zakijutivanju Sto smo na manjem broju podataka neke rezultate dobill. Napro- tiv, Sto je broj podataka vet, to mozemo vise biti sigurni da dobiveni rezutati trijede | inate”, a’ne samo w sluéaju koji smo iamjeril. Ali sve to, naravno, pod pretpostivkom da je "uzorak” na kojem smo myerenj izvril reprezentativan 20 {grupu Kojo} ta} uzorak pripada, ¢ da uzorak nije "pristran®. Kada bismo, na primer, izabrali samo najbolje utenike ir nekog razreda pa im iamjerii enanje hatematike, onda rezultat, dakako, ne bi bio "teprezentativan” za ciel razed. ‘Kada bismo, primjerice, teljel dobiti podatak o prosjecnim osobnim dohocima tagnebsckin gradans, pa lada blsmo iz telefonskog imenika nazval svakog 50. pret- platnika i trail od njega podatice o dohocima, éak fonda kad bi nam svi upitani Gali totne podatke, ne bi nan. dobivent rezultati dali ipravnu slik, jer na8 uzorale nije dovoljno "reprezentativan" za pojam "gradanin Zageeba”: u nadem se uzorku. nalaze samo vlasnici telefona, a mozemo bit sigurai da prosjetni dohoditih Hod ‘isu jednaki prosjetnim dohocima onih gradana koji nemaju telefon. ‘Kako u inferenijalno} statistiei problem uzorka i njegove reprezentativnesti ima primarno anatenje (er svi zaldjute, koje iz dobivenih rezultata invodimo, ‘tide same onda ako je uzorak praviln izabran), mnogi statistiar\inferencijalne statistiky nazivajujo8 "statistikom wzorala” ‘Ad 4. Planiranje istraivanja i eksperimenata. Poznavanje statstitkih metoda mois istrazivatu dosta pomoéi pri planiranju istrativanja odnosno iarade nacrta clsperimenta, Spomenut éemo it toga podrutia samo dva primera: ®)pitane eksperimentalne i kontrolne skupine i ») pitanje velitine uzorka, = Kao ita je pornato, eet nekoga odredenog djelovanja motemo provjriti samo onda ako smo istodobno isptivali | slutajeve ber utjecaja tog djelovanja. Ako nas anima ima li nek jek odzedeni utjecaj na neku boiest, moramo njegovo djelo ‘vanje usporediti sa satajevima kada ta jek nije primijenjen. U eksperimentalnom radis skupinu na kojoj provjeravamo efekt noke metode nazivamo ekxperimental- ‘hom skupinom, a ond na koju metoda nije primienjena, kontrolnom skupinom. [No kontrolna iekaperimentalna skupina moraju biti medusobno Sto sliénije w svimm {tom jeu 1. 248t0 grarisrisa? ‘nim svojstvima Koja bi magl iat tjecj 8 ono So ipitujemo: no tj natin je- lina az amedu obj skupina bite to du tn a edn prime an drug nism primijenil nei postupak Na primje, voi emo neku nov mevody ateaja stranog jetta, onda emo tu metals usps elektom neke druge (do sada upoteebjavane) metode, ai ipitanii eke alae i Kontolne grupe moray Doki medusobno st sin pe starosnoj abi, solskors abrazovanju, predenani la tog jtita, i. Jednako tako, alo isptujemo nek nov iru te, sptanit eigperimentale i kontoln grupe morau biti meusobn "bomparabi” po tefis obolenj, po starosnoj dobi drug faktarime kaj bi mogli tit u vers boleséa is fatorima recistencie Dok je u laboratorjskim ispitivanjima (relativno) lake provesti takvo tie jednatavanjeeksperimentalne i kontrolneskupine (er pi laberatorskim eksper mnentima obiéno motemo prethodno paajvosastavtiKonrola i eksperientalna sup od isptania sa lini lrakteristtams) dotejeto Gest rl ek provest npr. w Hinickom radu, « prakticnom radu industisog psiholog, | wopés u ade “na terenu”,gaje ne movemo po voli sastavljtiwzrak, nego si pen adit na tav."prigodnom” work, tna Wark koji jena raspolazeno, Jed od vadnih pitanja po planianju nekogistraivanja — u kojem fathada olazi do nesporazuma izmeds potetika | iskusnog statisti¢ara ~ jest ptanje alicine uzorka, Pobetnk,ofekuju od staistigara gotove"zecepte 2a nekesvoje ostupke,obién se iskreno razotara kada mu statistiar ma njegovo pitanje Kolko ‘oli uzorak da ueme 2a neko istredivane,odgovori da ~ ne anal Potrebna veltina uzorkazavisi naime od vie faktora, od kojih neki ne moraju uopée biti poanati prj potetia poles i istadivanja Evo glavnh flora: = Zeljna preciznostresuliata: Sto nam je veeapreianst potrebna u nekom Istazivanju, te potreban i vel woral ~ Varjabiost pojove,bojsiptyjemo: kada nela pojae uopée ne bi vairala (Gi Jada bi svi lanovi eke populacie imaltidentienu koltinu one facakteris fike koja nas 2anima), bio bi dovoljan wzora vene 1, jer bismo s Um jednim podatkom vee znali sve 0 pojavi kojs mjerimo. Iz tga sedi da je potreban to ‘etl uzorak Sto pojata, koja istzazujemo, vite vatra, Kako, primerice Cvjekova tetina mnogo vibe vaita od tovekove tjlesne temperature (kao Sto éet viet u poglavlia "Mjecevarjailnost,u ttin ud vairaju preko 30 puta vse nego a tilesn temperature toga sedi da bi nam za dabvanje podataka o posjetno] silesno temperatur (edrvih) Hud bio dovaljan matno man zorak nego 2a do bivanje podatakao prosetaoj tet ~ Frekoencia pojave: sto je poava, ko inptajemo, opdnito rede, je vedi szorak potreban; Kod velo rethihpojara pottetni su za vlo velit wore. Evo imjera: ako bi neti eli spt! neko novo ejepvo prot potomieiisa, pa bi, ‘zmimo, skupinu od 100 djce djeio Kasitnom vakeinom, a droga, podiednake relia skupina,eiepio tim novim gepivom, velo verojatae bse dogodilo dani jeenoj niu drugo}grupiaijedno dete ae Bi obolelot, Siena se pojava mode dogodtiprakti¢aima (pstholosina i Wetnicma) koit » vekoj malo radnoj organiaci pita, na prinjer, ratku femedu mladlh i star radnika frekvencii nests pri radu. Napiotv, da smo u prvom sluéaju teste ices wns eel, pretpostaiino,u svaki uzorak oko 100000 djece, onda bi se moida dagodilo di ih jeu uzorku kontiolne geupe abolelo 15-20, au uzos ku eksperimentalne grupe hijedo-dijete — pa bisino-na temeliu toga, nakon potrebne statistithe obrade — ‘jerajatno ve€ mogl zakjuciti esto o Korisnosti novog ejepiva Djelomi¢no u vez pitanjem velitine uzorka jest i pitanje orazlikama u velisini izmeds kontrolnog: eksperimentalnog voorka. 8 donedavn staistigarinisu ovdje postavijali nikakve posebue zabtjeve, er sain formule dopustaju da medu vaotcima bud bilo koje alike u veligni, No, u navije vijeme utvrdeno je da je anatno balje ako su oba wzorka pribKana jednake veligne (o tome ée jot biti govora u ovo} knii ‘ poglavlju "Razlika izmedu dvije artmetiche sredine"), pa se u tom slavaju Gak ‘ogi kesiti neka pravila u ragunima, u vezi s uvjetima, potrebnim 2a primjens eke metode, a da pri tome rezultati jpak budu poundanl i upotrebljv. ‘Sva ova nivos korisnosti yoznavanj statistke rezultirajuglammam korst koja ‘suvzemeni Govjek ima od staistike, a to Je usvajanje statistichog nacina mishiena, ti usvajanje odvedene tehnike mislenja i rada, bez koje zapravo nema znanstvenog rnin. Cesto se mogu uti ijave oxprilike ovog sadrtaja: "Jedino statitidhi obradeni ppodaci mogu imati zanstwenu yaljednost.” To je toéno, ali to, dalako, ne 2nati da statisttha obrada gerantira znanstvenu vrijednost podatala. Ti — kako kaze Blalock — "statistika moze biti samo pomof, ali nilada zamjena za gdrav razum". Statisti¢ha je obrada samo metode obrede podataka, all nam ona ne moze jamiti ‘a je skupljanje podataka Ispravno provedeno, ili da je titavo istrativange dobro Planirano, Bit ée jos dosta prilike u ovo} knjiai 2a primjere koji €e pokazati tak Aoupotrebu statistke redi nenamjernog i} ak namjernog zavaravanja javnosti Jer, i potpuno izmitljeni podaci, mogu se statistithi obradit! No za to, naravao,ne treba ‘optutivat statistik, nego onoga tho je primjenjuje; ako netho kirurékim nozem iavrsi glodin | nekoga ubije, nije noz za to odgovoran. Ui, ako netko uz pomoé stauistike objavi neku lad, nije 22 to leiva statistika: statistika ne laze, nego la2u jude Katkada motemo uti misljenje da ¢u fikalne enanosti mnogo "egzaktnije" ‘nanosti od nanosti koje se bave Zivim biéima (biologja, medicina, psibologij, socilogija, antropologijai dr.). Ove druge zbog toga se katkada zovu "statistithe ‘anosti", Medutim — prema msllenju Virginije Senders — razika lzmedu Jednih § drugih nanosti sastoji seu sjededem: 1. Varijablnost veéinefikalnih zakona obigno je tako malena da ne maskira po- java kojuistrazujemo. Naptotiv, vaijabilnosdivotnih pojava, t.fivog materiale, Jathada je toiko veka da otefava pronalazenje zakonitost 2. Druga se razika sastoji u tome sto se od onih znanosti koje se bave aivim Didima, eesto zahtijeva prognoza ofunkcionizanja i ponaganju jeduog individuuma, ok se'od fizke rjetho zahtijeva da dade prognozu o jedno} jedinoj molekul i Aavomu. Kada, na primjer, sociolon i psiholoat dajy prognozu o veliko} skupini ud onl to dine uspjesno, Sto pokazuju toéna predvidanja o pribliznom broju prometnih nesre¢a 2a neke blagdane, o broju glasata na izborima | o Ishodu glasovenja i sl. Ali te znanosti ne mogu dati (osim w nekim rijetkim sluéajevima)sigurnu prognezu ‘to Ge neki odredeni pojedinee until to Ge ses njime dogodit: ako predvidimo6 1. zaSro srarisriear «da Ge 80% glasata glasovai za nckog handidata, mi, na alot, ne motémo amogo refi o tome kako ée neki odredeni pojedinac glasovati; #ko znamo da neli novi 1jek w prosjeku velo uspjeSno lijettaeku bolest, mi ipak ne motemo garantirati 4a 6 pojediae N. N. biti pomoéu tog liekaiajeten. Medutim — misli Senders = tazlita iamedu tih dvaju podrueja manostt samo je prividna, jer fciar moze s velikom preciano8éu odteditikoiko ée se od jednog grama radia raspasttu tok deset godina, alibi se vtlo zatudio kada bismo mu postavii pitanje neka toéno hate kad Ge se raspasti neki oredeni,totan definirani atom. A upravo tos testo zbstijeva od drustvenih znanost of medicine! (Takav individuatniprstup stoge | nazivamo "klinickim® pristupom, 2a raniku od "statistiekog" pistupa,¢. pristups preko velikog broja.) Keo sto je pornato,u javnosti veikoj mje posto "alergiénast" prema stat- stici, ne sumo medu laiima nego testo i medu strutnjacima raslitihstruka, Na prime, kada se studentinekih dru8tvenih ilk pritodno-drustvenih rnanosti(socio- Jogi, psibologija) iznenade Sto mora slusat i polagatistatstku, oni to testo komentiraju rijetima da su taj studi upisali upravo zato stone vole ine zneju — ‘matematiku. Dakle, poistovjeéuju statistik s matematikom, No, podimo redom, i pokutajmo nabrojiti glavne razloge toga negativnog stave velikog broje judi prema statistic 1, Iskrinleno i odveé simplifcirono mnatenje poma "statistika": mnogi,naime, {aj itraz upotrebljavaju za omnaéavanjefolnog pregladanekihispitanih podataka, ‘Kade takvi ud ka2u "imam statsticke podatke", pokadv vam tablice,u kojima se pregledno vide sume u svakojkategeifi! Naravno, tava je "statstla do mak- simuma suhoparna i dosadna, pa je ludiizbjegavaju 2, Mnogi su ljudtfrustrirani pred statistikom zbog njezinog 2a niih nerazu- niljivo jezik, a narotito zbog nepoznaih simbola na koje u statistic nalaze. No, suake manost ima svoje simbol, koi nis mista "exotriéno”, nego predstavjaju skcaGeni | prakttnjisustav Komuniciranja, koji onome koji ta "etl? poansje, predstavja jednako tako normalnerijeti kao i sve ostalerjet. Kao sto lata m0. ‘0 impresionlratiiaat RR, SE, bilirubin, EEG, vital kapacitet il, na primjer, G-faktor, satiacia, emantih diferencia, 1E-est (prvi od ti iaaza kotiste se w redicin, drug» pshologif) tako ga, dakako, mogu impresionivati arazi kao Sto 434, primjerice, varjanca, X, hi-kvadrat, P< 0,05, standardna pogresia i de, a hoi pripadaju statistic, {atu nist vse "ezoteritn” od onih drugih irans. Treba, dodute,prizati da potetailau statistic mote osbitoobeshrabriti injenic so svi statistil simbolinsu jot uijek unfcirani pa za sti pojam raliet autor testo Jot Uupotrebljavaju ranlititesimbole (na primie,avitmetiek sredin neki pisuznakom M, neki A M,, neki X, itd), No slénih pojava, iako vjerojatno u manjoj mer, ima u drugim znanostima, '8. Mnogi judi ~ a to je vjerojatno i glavniranlog lergnost prema statistil — smatraju da je statistln nemopuée razumjeti i suledati bez manje matematike. “To, medutim, nije totnol Glavni se statistitki prinepi + nazin mienja mog uusvojiti potpuno lagickim putem, a od “matematike” je potrebno mati sama 4 snoune operacije, dakle brajanje, odusimanje, mnotenje i dijelienje. Dodute, & Statistckim je raéunima testo potrebno vaditi i drugi kerjen, no 2a ta} pasao fy gatovo u stim satisti¢him udabenicima postojale su tablice u dodatku. A danas 2a takve slueajeve postoje elektronsia d¥epna racunala {jeduno} anegdti,koju spominje veé pile citivani Mainland, neki matematitar ‘ji se speeializirao u matematict vjerojathost, ustvrdio je da znade matin hake da sprijeti prebladu: kad bi osjetio da. mu se sprema preblada. on bi uvete prije spavanja’uzeo jedan lijek, i drugog jutra prehlade nije bilo. Niegova supruga je iedutim ustvrdila da to nije nikakaw dokaz, jer de an zapravo ne 2na Sto bi se dogodile da taj ljek mje zea. Ze eazliku od svog supruga, ona je — kate Mainland primijenila stacstcki natin tezoniranja i lustriala Gnjenicu da statistita {nije dio matematik: “Matematika je potsebna samo 2a profesional statisti¢are,t). 2a one koji stati- stiku i njeuine metode stvaraji, jer oni neke statistieke zakone moraju izraith Imatematickim puter i tako stvoritiformulu pomoéu koje $€ nesto u statistic jaratunava, No matematika nije potrebna za primjenu th postupaks, dakle 2a fone ko statistiku koriste samo kao jednu od metoda w svom radu. Signo kate i statisti¢ar Levinson: "Nije moguée biti profesionalalstaistitar wu deslovnaz» stisiy terijeti ber dobrog poznavanja vite matematike, No nije potrebno biti profesionalni statistitar, pa da bi se znalarazlike ime dabrih | loth statitidkth postupaia. i 4a bi se pametna koristile postojée staistitke metode”. Buduti da statisti ko- ‘ist postupke koje su isradii matematitarl, to jeu statistci mavematika upadljviia ‘ego 1 nekim drugim disciplinama,i to potetnika zavodi, Poéetnikéesto smatra da zato Sto ne mote razumeti tako je nastala neka formula koju on korsth ne moze ‘azutujeti ni statistihi natin rezoniranja. No to, naravno, nije tako, sto éeme lako ddokazatic automobil postoji zato da ga netko voz svi poznamo bole i losie vozave, ‘one koji — kako kazemo ~ odléno vore. Vjerojatno nema nikoga tho bi ustwrdio 4 odlitan voea® mote biti santo onaj koji potpuno i detalino razumije konstrak- ju i funk motoral Jednako tako je | u situacijama v kojima se slusimo npr. televicorom, radiom, elektrokardiggrafom, ortoaterom, mnikroskopom, aparatom 12a mjerenje bazalzog metabolism, itd, td. Sve te aparate motemo vrlo korisno {i mudro upotrebljavati a da ne znamo mnogo o mehanici, opti elektronic itd Uostalom, koliko Iudi znade po kojem principu funkcionira i tako se konstruira neka PC ratunalo? Pa ako to ne 2namo, zar se ne motemo tim ragunalom vrlo ‘uspjeino elit?! Dake, w svim navedenim slugajevima mi razumijemo mozda samo neke os- rovne principe konstrukeje | funkcioniranja pojedinog aparata, ali ono &to treba da potpuno rasumijemo, to je nagin upotree ¢sluacie « Kojima takav wreda treba ‘upotijebiti. Takav jednaki zahtjev postavlja se ina "konzumenta’ statistike,t}. on statistitke metode treba srazumijovanjems primijenti na pravom mjestu. Statisticke ‘u metode — kate jedan statistitar — 2a manstvenog radnika ono sto je alat 2a 2esara. On prvo treba naueiti kako ée svoj alat upotrebljaati, a akon toga mate — ‘upotrebom tog alata — postéi ij tezultate. Ali sam alat mora biti upotejebien na pravor mjestu. Obrinik ne6e npr. upoteijeiti batié dijeto ili malu rerbarsku pilicu da bi blanjao dasku, nti ée upotrijebiti éekié da bi uvenuo neki vijak. Jed nako tako trebs j znanstveni radnik upotrebljvatistatistitke metode samo 22 ono ‘280 su predvidene, i pi tome treba 2natiéto red. Upravo u tom 2ahtjevu katkada SVEUCILISTE U ZAGREBU UGITELISK) FAKULTET KNJIZNICA