XVI.

СТАТИСТИЧКИ МЕТОДИ

§ 1. П ош реба за сшашисшичким мешодима

У претходном поглављу расправљали смо о бројању и мерењу

као начинима за прецизирање наших појмова о стварима. Али, оба
процеса дају велике скупове нумеричких података и ускоро би нам
наше богатство могло сметати. Ми онда захтевамо неки метод по-
ступања с мноштвом нумеричких резултата, тако да можемо опази-
ти и јасно изразити значајне релацЈ^е између својстава која се проу-
чавају. Метод заједничке промене, када се примењз^е на велике ску-
пове случајева, очигледно захтева употребу статистичких метода.
Нас, на пример, може да интересује висина мушкараца у Сједи-
њеним Државама, зато што помишљамо да на висину утиче средина.
Огога можемо да измеримо висине неколико милиона мушкараца.
Али, ми никако не можемо да упоредимо неколико милиона висина
људи с исто толико великим скупом података из проучавања сре-
дине, ако не нађемо неки начин да сажмемо сваки скуп. Ми смо сви
психолошки ограничени и можемо истовремено обратити пажњу
само на релативно мали број ствари.
Физичар може да буде пред сличном тешкоћом као последи-
цом узастохшог м ерењ а таласне дужине извесне линије у сунча-
ном спектру. Он може да употреби различите методе и да сваки
метод испроба неколико пута. Али, он обично неће добити, сваки
пут када мери, исту вредност и стога мора наћи неки начин да
сумира своје резултате ако хоће да упореди таласне дужине раз-
личитих лкнија спектра.
Иако се у многим областима могу врпшти мерења с одређеним
степеном једнообразности, број ф актора који независно варирају
може бити велики. Огога може бити крајње тешжо утврдити међу
њима константне релацрде. Међутим, ако су добијени врло велики
скупови таквих података, понекад могу да се открију извесне вр-
ло опште тенденције. На пример, време је пословички несигурно.
Оно зависи од велике групе фактора, који не могу бити одвајани је-
дан по један. Па ипак, иако време не може да се тачно предвиђа,
упоређивање великих скупова метеоролошких података омогућује
нам да нађемо неколико корисних корелација. Због тога је важно
испитати технику која се примењује у сажимању и упоређивању по-
датака добијених бројањем и мерењем. Стштшстика као наука
обухвата методе који се употребљавају у процењивању Група појава
помоћу анализе чињеница које су добијене бројањем и мерењем.
 Статистичке средње вредности 317

Први корак у поједностављивању нумеричких података састоји

се у класификовању обавештења по подесним колонама. Природа
класификовања зависи од циља истраживања. Врло чесго су табеле
учесталости корисне због тога што нам дају преглед материјала.
Тако можемо измерита висине школске деце и наћи да оне варирају
од 2 сгопе 6 инча до 5 стопа 6 инча. У већини сврха шде важно знати
висину сваког детета тачно у инч; онда можемо наћи колико је деце
између 2 стопе 6 инча и 2 стопе 7 инча, између 2 стопе 7 инча и 2
стопе 8 инча, и тако даље. Никаква општа упутства не могу бити
дата о томе колико велике интервале треба узети у прављењу та-
квих таблица Јдгесталости.
Дистрибуција учесталости у разним интервалима често мора да
се изрази на још сажетији начин. За ово се употребљавају две врсте
статистичких бројева. Једна врста је означена као средње стати-
стичке вредности. Уопште, оне показују оно што се може назвати
положајем дистрибуције, вредношћу око које се концентришу раз-
личити случајеви. Друга врста је означена као бројеви дисперзије
или девијације. Они показују опсег варирања случајева с обзиром
на једну од средњих вредности. Јер, два скупа случајева могу имати
исту централну тенденцију, мада је величина девијација за та два
скупа врло различита. Тако је у два скупа бројева, 3, 4, 5, 6 , 7 и
1, 3 ,5 ,7 ,1 1 , величина дисперзије од заједничког центра дисгрибуци-
је различита. Други типови сгатистичких бројева могу такође да се
употребе за описивање дистрибуције, на пример, симетричности
дистрибуције око центра, али се њима нећемо бавити.

^ 2. Сишшисшичке средњ е вредносш и

Како ћемо одабрати број да бисмо предсгавили централну тен-

денцију у једној групи величина? Које услове сгварно желимо да на-
метнемо за средње вредности и какво ћемо им значење приписати?
Има неколико врста средњих вредносги, свака је с посебним предно-
стима и ограниченостима. Није свака средња вредност корисна за
сваки циљ, већ је свака средња вредносг корисна за неки циљ. Ипак,
уопште, средње вредности се употребљавају из следећих разлога:
(1) Оне су потребне да би се постигло прегледно приказивање
једне групе, (2 ) оне се употребљавају као начин за упоређивање раз-
личитих група; (3) оне се употребљавају да се опише читава група
на основу узорака који су из ње узети. Отуда, постоје неке уочљиве
особине које бисмо желели да оне рмају.
3 1 8 ___________________ С ТА Т И С ТИ Ч К И М Е Т О Д И _______________________

1. Средње вредности треба да буду дефинисане тако експлицит-

но да њихове нумеричке вредности не зависе од самовоље поједина-
ца који их израчунавају.
2. Средње вредности треба да буду функције свих елемената гру-
пе; друкчије оне не служе као показатељи читаве дисгрибуције.
3. Средње вредности треба да буду сасвим једноставне математи-
чке природе, тако да се могу лако израчунати.
4. Средње вредности треба да су подесне за алгебарске транс-
формације. Ако, на пример, знамо средњу вредност за сваки од два
низа висина, ми ћемо, по свој прилици, бити у сгању да израчунамо
из те две средње вредносги средњу вредност за шири киз који се до-
бија спајањем тих двају низова.
5. Средње вредности треба да буду релативно стабилне. Ако уз-
мемо неколико узорака једне групе, средње вредности за разне
узорке б:Ље различите. Ми често желимо средњу вредност у којој
ће такве разлике бити што је могуће мање.

Аритметичка средина
Најпознатија средња вредност је аритметичка средина. Она се
добија сабирањем скупа величина и дељењем збира бројем чланова.
Ако је број часова које један студент преспава сваког дана у току
једне недеље 7 , 6 , 6 , 5 , 8,7 ,9 , аритметичка средина је 48/7, или 6% ча-
сова. Читалац ће запазити да аритметичка средина не одговара бро-
ју часова које студент проспава било које ноћи. Ово јасно показује
да средње вредности представљају карактеристике Групе, а не пру-
жају информацнју о неком појединачном члану групе.
Аритметичка средина задовољава први, други и трећи услов за
средње вредности које смо горе изложили, а видећемо да је и четвр-
ти услов такође задовољен. Али, читалац овде м ора да буде опре-
зан према привиду тачности коју могу да унесу аритметичке ма-
нипулације. Аритметичку средину часова које је студент преспа-
вао можемо да изразимо у децималној ф орми и да представимо
резултат овако: 6,85914 часова, или 6 часова, 51 минут, 25,7 секунди.
Аритметика је довољно тачна. Али, резултат је погрешан ако нас
наводи на помисао да је посматрање времена које је утрошено на
спавање толико тачно колико изгледа да просечна вредносг пока-
зује. Студент је можда навео време које је утропшо на спавање гру-
бо у часовима. Он је можда урачунао стварно време од 6 часова и 15
минута као просто 6 часова. Стога морамо увидети да је тачност
која је резултат нумеричког прорачунавања фиктивна ако и посма-
трања нису извршена с исгим степеном прецизносги.
Да ли је аритметичка средина задовољавајућа основа за употре-
ђивање двеју група? Ако је просе^ши приход у једној заједници 1.500
 Статистичке средње вредности 319

долара, а у другој 1.10 0 долара, да ли је правилно закључити да су

чланови прве заједнице имућнији од оних у другој заједници? Један
пример ће показати да такво закључивање може бити погрешно,
ако аритметичка средина није допуњена другим обавештењем.
Претпоставимо да чланови једног одељења у колеџу имају код себе
следеће своте: 8 студената има по 50 центи, 4 имају по 75 центи, 2
имају по 1,50 долара, 1 има 11 долара, а 1 има 27 долара. Просечна
вредносг имовине у одељењу јесте 3 долара. А претпоставимо даље
да у другој класи 9 студената има по долар, 4 имају по 1,50 долара, 1
има 2 долара, а 1 има 3 долара. Просечна вредност имовине ове
класе јесте 1% долара. Сада, иако је просечна вредносг имовине пр-
вог одељења већа од просечне вредности друге, 12 сгудената у пр-
вом одељењу (три четврпш е целог одељења) има мање новца него
бипо који сгудент у другом одељењу. А ако испитамо начин израчу-
навања аритметичке средине, можемо разумети зашто је то чесго
непоуздана основа за прављење поређења. Јер, на њену вредносг вр-
ло много утичу крајња одступања и у случају као што је овај горе,
присуство релативно малог броја врло богатих појединаца у групи
може да "избаци" просечну вредност сасвим несразмерно према њи-
ховом броју. Ово је само други начин да се каже како две групе могу
имати исту просечну вредносг, мада опсег варирања у оквиру група
може бити врло различит. Просечна вредност не пружа никакво
обавештење о хомогености једне групе. Због тога су у статистичкој
обради такође потребне и мере дисперзЈђе.
Упркос овим незгодама аритметичка средина је важна средња
вредност због лакоће с којом може да се израчуна и због својих ма-
тематичких својсгава. Она је подесна за алгебарску манипулацкду.
Претпоставимо тако да један студент добгде једне године следеће
оцене из својих предмета: 80, 75, 95, 60, 70, тако да је средња оцена
76, а друге године 80, 70, 60, 75, 65, тако да је средња оцена 70.
Шта је аритметичка средина за све његове оцене у току две године?
Можемо сабрати десет оцена и поделити их са 10. Али, такође мо-
жемо да саберемо две средње оцене и да их поделимо са 2 , тако да је
средња оцена за две године 73. Ово алгебарско својсгво аритмети-
чке средине предсгавља велико преимућство.
Аритметичка средина је такође повезана с математичком теори-
јом вероватноће. Претпоставимо да један хемичар извриш неколи-
ко стотина мерења кисеоника. Ни два мерења не дају исти резултат.
Шта је онда "права вредност" тежине кисеоника? Ако направимо
извесне претпоставке о начину на који резултати мерења могу да
варирају, на пример, да су сва мерења извршена с једнаком брижљи-
вошћу, највероватнија вредност за тежину кисеоника дата је арргг-
метичком средином.
3 2 0 ___________________ С ТА Т И С ТИ Ч К И М ЕТОДИ_______________________

Пондерисана средња вредносг

У многим случајевима проста аритметичка средина неће бити
довољна. Тако један наставник може да подели рад у једном семе-
стру на два дела. Он може извесног студента да прозове пет пута у
току првог полусеместра и да му да оцене 10 , 9 , 8, 10 , 8 ; у току другог
полусеместра може да га прозове само двапут, дајући му оцене 0,4.
Претпосгавимо сада да наставник хоће да израчуна његову коначну
оцену тако игго ће наћи просечну оцену за први полусемесгар, што
износи 9 , просечну оцену за други полусеместар, ш то износи 2 , и
онда да доб^де њихову просту аритметичку средину. Сгудентова ко-
начна оцена била би 5,5. Да ли би то било праведно? А ко може
претпосгавити да је рад у току оба полусемесгра под^еднако важан
и тежак, студент би био у праву да верује како то није праведно. Он
би имао добар разлог да захтева да просечне оцене за сваки полу-
семестар буду процењене према томе колико је пута био прозван да
одговара. Права коначна оцена била би онда израчуната овако
5 X9 + 2 X2
---------------- = 7, и студент би добио прелазну оцену. Бројеви 5 и 2,
5+ 2
који су употребљени за множење просе^ше оцене, зову се иондери.
Међутим, очигледно је да у овој илустрацији израчунавање пон-
дерисане средње вредносга шде било нужно, пошто је студент мо-
гао да израчуна коначну оцену као просту аритметичку средину
употребљавајући све оцене на којима су биле засноване посебне
аритметичке средине. У таквим примерима је израчунавање понде-
рисане средње вредносги само аритметичка подесносг. Карактери-
сгичшда примена пондерисане средње вредносги нађена је у проце-
њивању трошкова живота у периоду од неколико година. Размотри-
ћемо помало апсурдну ситуацЈђу. Претпоставимо да су цене следе-
ћих пет производа, који су 1910. имали цену по јединици ал пари или
100, у 1920. биле: пшеница 120, говедина 110, гвожђе 105, накит 50,
средсгво за јачање косе 40. Аритметичка средина за цене ових произ-
вода износи 85 у 1920. години. Не можемо закључити да су трошкови
живота опали, пошто се набројани артикли обично не сматрају "под-
једнако важним". Можемо, према томе, приписати различите понде-
ре да покажемо наше мншљење о њиховој релативној важностн.
Претпоставимо како се слажемо да следећи бројеви представљају
важност ових артикала, по реду којим су изложени: 10, 9, 7, 2,1.
Пондерисана средња вредносг се доб 1ђа израчунавањем вредности
1 0 x 120 + 9 x 1 1 0 + 7 x 1 0 5 + 2 x 5 0 + 1 x 4 0
овог разломка: | 0<-9 + 7 + 2 + 1 '
 ______________________ Статистичке средње вредности_______________ 321

105,7, што показује да су релативни трошкови живота порасли.

Одређивање пондера у таквим примерима врло је сложена ствар, и
у природу овог случаја знатно улази елемент произвољности. Јер,
"релативан значај" је особина која се не може додавати; чак и ако
смо успели да један скуп објеката сврстамо у редослед њихове ре-
лативне важносги (то је само по себи тежак задатак), приписивање
бројева различитим случајевима не може да се изврши без утицаја
конвенционалних и субјективних фактора. Међутим, изузев када је
систем пондера изабран на неуобичајен начин, дешавају се само бла-
ге промене у пондерисаној средњој вредности када се користе разли-
чити системи пондера.

Модус
Модус је случај који се у једној групи најчешће јавља. Модус се
стога сматра "типичним" представником групе. Популарна указива-
ња на "просечног човека" морају се обично сматрати као означа-
вање "модалног човека". Модус сума које поседују чланови првог
одел>ен>а у колеџу које је поменуто на страни 319 износи 50 центи.
Које су спец^алне одлике модуса? Као и све средње вредности,
он представља дистрибуцију особина у оквиру једне групе. Али, он
може да предсгавља природу групе успешније него аритметичка
средина, пошто показује највећу подгрупу у скупу и на тај начин по-
казује која ће врста својства најчешће да се нађе. А к о неки наре-
дник у пуку достави поруџбину за униформе, он ће се руководити
модалном мером за висине и ширине људи који треба да их носе. На
вредносг модуса не утичу крајња колебања у групи и стога може да
служи као подесна основа за упоређивање различитих група. А ко је
природа скупа одређена узорцима који су промшшБено из њих ода-
брани, модус се често може употребити с бољим резултатима него
аритметичка средина, пошто представл>а стабилнију средњу вре-
дност.
Ипак, највећи део услова за које смо нашли да средње вредносги
треба да задовол>авају (страна 318) модус не задовољава. Прво, док
се модус недвосмислено дефинише као случај с максималном уче-
сгалошћу, положај максимума понекад може бити максимално по-
мерен различитим класификац1ђама елемената групе. Претпостави-
мо тако да су при једном испитивању оцене 47 кандидата биле поде-
л>ене уз следеће учесталости.
Оцене које леже у интервалима 0 -2 0 20-40 40-60 60-80 80-100
Број оних који су добили те оцене 4 7 11 15 10
3 2 2 ___________________ С Т Л Т И С Т И Ч К И М ЕТОДИ_________

Модална оцена лежи између 6() и 80, тј. већа је од 60, а једнака или
мања од 80. Ипак, интервали су могли бити изабрани друкчије.
Претпоставимо да је класификација била следећа.
Оцене које леже у интервалима 10-30 30-50 50-70 70-90 90-КХ)
Број оних који су добили те оцене 8 8 13 14 4
Сада модална оцена лежи између 70 и 90, тј. већа је од 70, а једнака
је или мања од 90. Ако је прелазна оцена одређена доњом границом
модалног интервала, више кандидата би пало по другом методу
оцењивања него по првом.
Врло често у једној групи не посгоји ни један једини јасно одре-
ђени тип, или зато што је учесталост с којом се јављају сви случајеви
иста, или зато што се може наћи неколико различитих максимума
учесталости. Ако, на пример, проучавамо статистику плата, може-
мо наћи два или више новчаних износа који се јављају с релативно
високим учесталостима. У таквим случајевима не можемо да го-
воримо о једном модусу. Постојање неколико "врхова" у дистрибу-
цији показује одсуство хомогености групе која се испитује. То може
б 1гги, да наставимо илустрацију, зато што постоје различите врсте
посла од којих за сваку постоји посебна модална плата; али када се
ти различити ступњеви стрпају заједно, дистрибуција плата ће пока-
зивати неколико максимума.
Осим тога, модус у ствари м ож е да не буде типичан чак и ако
стварно одговара максимуму учесталости у некој групи. Претпоста-
вимо тако да у једној заједници приходи њених чланова знатно ва-
рирају. Може се десити да туце људи има приход од 1.500 долара,
док осгатак заједнице, који броји неколико стотина, прима приходе
од којих ни два нису једнака. Премда би износ од 1.500 долара тада
био модални приход, он ншсако не би био типичан.
Такође морамо запазити да модус није функција свих појединих
елемената у једној групи, тако да ако се неколико случајева елими-
нише, то не мора утицати на модус. Мада је ово често предност, има
прилика када је пожељно да вредност средње вредности зависи од
вредности свих елемената. Осим тога, никакав једноставни аритме-
тички процес не може да се нађе за израчунавање модуса, тако
да је одређивање модуса у пракси врло често тешко и непрецизно.
Коначно, модус сложене групе не може да се израчуна из модуса са-
ставних група. Ово је озбиљна сметња при теоријским истражива-
њима. Главна предност модуса јесте његова релативна стабилност
упркос понављаном узимању узорака. Али, ово је неважна предност
када се зна да је група хомогена, пошто у таквим случајевима могу
да се употребе друге средње вредности.
 Статистичке средње вредности 323

Мсдијана
Медијана]е средњи члан у низу случајева када су ови сврстани по
величини. Следи да скуп с непарним бројем чланова увек има ме-
дијану. МедЈђана бројева 3 ,4 ,4 ,5 ,5 , 5,7 јесте 5. Када је број чланова
паран, медЈџана се обично дефинише као средња вредност двају сре-
дњнх чланова. Медрдана групе 40,50,50,60,70, 90 јесте 55. Медијана
је стога чтан у једном низу који је уређен по величшш тако да изнад
медијане има онолико случајева низа колико има и испод ње.
За разлику од аритметичке средине, на медијану само незнатно
утиче присуство крајњих одступања у групи. Отуда је то релатив-
но стабилна средња вредност и може се употребити за упоређива-
н,е уређених група у погледу положаја њиховог средишњег члана.
И, за разлику од модуса, медијана може да се одреди тачно и лако.
Главна примена медијане је ипак у оним областима где теоррџска
или систематска разматрања имају најмању моћ. Она нема алгебар-
ских својстава која би дозвољавала израчунавање м ед^ане у некој
фупи, из медадана њених саставних група. Она је показала предност
при психолошким и социолошким мерењима, јер иако у тим обла-
стима често није могуће извршити основна мерења, врло често
је могуће утврдити поредак у низу особина, или скалу особина. Јер
се мед1^ана добија на основу положаја једног члана у неком низу, а
не на основу адитивних својсгава чланова низа. Тако аритметичка
средина за I. р . једне групе деце не говори ништа о групи и управо је
^смислица ако се интерпретира као да означава интелигешџду гру-
пе. Али, медијана може да се употреби као основа за упоређивања у
таквим случајевима; она је од значаја ако деца могу бити сврсгана у
низ према томе као се повећавају њихове умне способности. Ако је,
дакле, 95 вредносг медијане за I. у једном разреду, а 105 је меди-
јана у другом, можемо рећи да под уобичајеним околностима у дру-
гом разреду има више деце која могу да задовоље извесно специ-
фично мерило него што има у првом.
Понекад се верује да је мед1ђана таква вредност да се вредности
у групи које су веће и мање од ње јављају с једнаком учесталошћу.
То није увек случај, нарочито када својства која се проучавају не
чине контннуирани низ. Тако, када је исгаггано 337 љутаћа, да би се
добио број цветних листића, нађено је да је 312 имало по 5 цветних
листића, 17 је имало по 6 цветних листића, 4 су имала по 7 лисгића, 2
су имала по 8 листића, а 2 по 9 листића. Вредност медијане за цветне
листиће је 5. Али, о»шгледно није истина да у групи има онолико
љутића који имају више од 5 цветних лисгића, колико има оних са
мање од 5 цветних листића.
3 2 4 ___________________ С ТА Т И С ТИ Ч К И М ЕТО ДИ __________________

§ 3. Мере дисперзије

Видели смо да групе могу да се р а з л и ^ у једна од друге не само у

погледу њихових централних тенденција већ и по опсегу "расгу-
рања" њихових чланова.

Опсег
Један прост начин да се покаже величина дисперзије у некој
групи јесте да се изложи опсег варирања. Ово је нумери^пса разлика
између најмањег и највећег случаја у групи. Ако приходи у Сједин.е-
ним Државама варирају од 500 долара годипга.е до 10.000.000, опсег
је 9.999.500. Али, ово није задовољавајући метод, пошто, прво, крај-
ње вредности вар 1ђације могу бити непознате, а друго, додавање или
одузимање неких прихода од било које екстремне вредности може
да озбиљно утиче на опсег. Штавише, опсег нам не каж е како су
различити приходи расподељени у границама опсега. Две групе бро-
јева 1, 5, 5, 6 , 6 , 7, 7, 7, 10 и 1, 2, 2, 2, 2,10 имају исти опсег, иако је
облик дистрибуције у границама опсега различит у оба случаја.

Средња или просечна девијација

Можемо наћи осетљивије методе да бисмо показали опсег
варијацЈђа. Претпоставимо да су висине једне групе људи, мерене
инчима, 61,63, 64, 65, 65, 66 , 67,68,69,72. Средња висина је 66 инча.
Сада израчунавамо девијацију или Грешку сваке мере од просека од-
у зи м ају ^ средњу вредност од сваке мере. (Можемо узети било коју
средњу вредност као основу помоћу које израчунавамо девијације.
Ради једноставности, ограничићемо се на аритметичку средину.)
Девијације су: -5 , -3, -2, -1 , -1, 0, 1, 2, 3, 5. Можемо покушати да
нађемо аритметичку средину ових бројева. Али, ово је некорисно,
пошто је збир дев 1ђација од просечне вредности једне групе увек
нула. Међутим, можемо занемарити предзнаке девидац^ча и онда из-
рачунати њихову аритметичку средину. То се зове средње одсту-
пање, или просечна Грешка или просечна девијација. Средње одсту-
пање у овом случају је 23/10 или 2,3.
Средње одсгупање приписује исту важност великим одступањи-
ма као и малим. Уопште, што је мање средње одступање, то ће слу-
чајеви бити збијенији око средње вредности. Сва разматрања која су
поменута у дискус^ди о аритметичкој средини овде су такође реле-
вантна.
Морамо ипак приметшги да "велико" просечно одступање не по-
казује нужно "велико" колебање у вредностима групе. Бити "вели-
ки" је релативно према мерилу. Ако смо учестано мерили висину
 Мере дисперзије 325

једне планине, средња вредност мера може да буде 5.000 стопа, а

средње одступан.е 10 стопа; ако се то упореди са средњом вредно-
1ићу, просечно одступање је мали број. Међутим, ако извршимо ме-
рење дужине једног градског блока, просе^шо одступање од 10 стопа
било би прилично. Из овог разлога средње одступање се понекад де-
ли средњом вредношћу на основу које су девијације узете, што се
онда зове коефицијент дисперзије. У претходном примеру мерен.а
висине људи овај коефицидент је 23/66, или -1-0,03.

Стандардна девијац1ђа
У многе сврхе, нарочито када преовлађују разматрања засно-
вана на теорији вероватноће, стандардна девијација се узима као
мера дисперзче. Она се добија дељењем збира квадрата девијац1да
од средње вредности бројем случајева и затим вађењем квадратног
корена из тог количника. У примеру мерења висина добијамо
25 + 9 + 4-)-1-И-1-0-(-1-1-4-^9-ј-25
------------------------------------------------, или 7,9, као аритметичку сре-
10
дину збира квадрата девијацЈда. Стандардна девЈдац^да је ^7,9 или
2,8. Ако су X,, Х2, Хпдевијације од аритметичке средине за п случа-
Е 2
јева, а стандардна девијашда, онда је .
п
Стандардна девијација се тако образује да наглашава крајње
вредности девијација. Јер, квадрирањем сваке девијације већим
грешкама даје се већа вредност у збиру него мањим грешкама.
Ништа се од веће важности не може рећи о применама стандардне
девијације ако нису познате претпоставке начињене о групи вредно-
сти за коју је она израчуната. Ипак, уопште узев, то је мера дис-
перзије на коју колебања у узимању узорака утичу мање него што је
то случај код других мера. А ко је група приближно симетрично рас-
подељена око средње вредности и ако је с обе стране средње вре-
дности обележно одстојање једнако сгандардној дев1ђ’ацији, око 2/3
случајева у групи лежаће у овим границама. З а наш често помиња-
ни пример ове границе су означене бројевима 66 ± 2,8. И, стварно,
око 2/3 висина леже између бЗД и 68Д.

Квартилна девијацнја
Друга једноставна мера одступања добија се сврставањем случа-
јева у поредак по величини и налажењем оних трију елемената који
деле низ на четири једнака дела. Они се зову први квартил, друГи
кварпјил (или медијана) и трећи квартил. Ако је 2, први квартил, а
326 С Т А Т И С Т И Ч К И М ЕТОДИ

бч трећи квартил, квартилна девијација се деф иниш е:--------- Ј-.

2
Јасно је да полов 1ша елемената у групи мора да лежи између првог и
трећег квартила, тако да је опсег дисперз1ђ'е грубо измерен квар-
тилном девијацијом. У нашем примеру 2 | је 64, (2з је 68, а квартилна
(68 - 64)
девијациЈа је -------------, или 2. Ако се нађе члан који се налази на
2
средини између првог и трећег квартила, половина случајева ће ле-
жати између овог члана и квартила. Из овог разлога квартилна де-
вијација се понекад назива вероватном грешком. Ако употребимо
нотацију 65,5 ± 2 (где је 65,5 ^шан који се налази на средини између
првог и трећег квартила, а 2 квартилна девијапЈда), биће онолико
мера у границама које су означене са (63,5 и 67,5) колико има изван
тих граница. Претпосгавља се, другим речима, да је "исто толико
вероватно", када узимамо насулшце, да ћемо узети вредност која
лежи у овим границама, колико је вероватно да ћемо узети вре-
дносг изван ових граница. Али, овај избор назива је несрећан и уно-
си збрку, пошто се израз "вероватна грешка" употребљава у лите-
ратури за означавање других појмова о овом предмету.

§ 4. М ере корелације

Циљ сваког истраживања је откривање важних релација у пред-

мету који се проучава. П редмет статистичких проучавања је да
олакша откривање и изражавање повезаносги између различитих
група особина. Ми правимо виталне статистике ради упоређивања
таквих елемената као што су наталитет, морталитет и сиромаштво
у једној годшш с истим елементима у другим годинама. Ми прику-
пл>амо податке о броју несрећних случајева на раду и о радном вре-
мену у неколико фабрика да би се утврдила релација, уколико по-
стоји, између та два скупа појава - да би се открило јесу ли они уз-
рочно повезани, или јесу ли делимично или потпуно независни један
оддругог.
Већ смо расправљали о средњим вредносгима и мерама диспер-
зије које омогућују мање или више прецизно упоређивање група.
У много случајева ови статистички бројеви су све што тражимо.
На тај начин можемо да упоређујемо приходе у једној заједници у
току неколико година помоћу једне средње вредности и једне мере
осипања. Понекад су процентни односи од велике користи. Да ли је
становништво Немачке од 1900. до 1910. брже расло него становни-
 Мере корелације 327

цггво Француске у том периоду? Повећање у Проценпиша становни-

цггва у току тих 10 година послужиће обично као мера повећања. Да
ли постоји корелација између кукастог или орловског носа и је-
врејског порекла? Откриће да у подесним узорцима Јевреја само
14 процената има "карактеристичан јеврејски нос" недвосми-
сленје одговор.
Има, међутим, прилика када ниједан статистички број не може
да се употреби на задовољавајући начин. Претпоставимо да смо ис-
питали неколико стотина листова дрвећа да бисмо сазнали њихову
дужину и пгирину. Постоји ли нека веза између дужине и ширине
листова? Можемо гајити веровање, на основу општих утисака, да
уколико је лист дужи, утолико је шири. Али, када је број испитаних
случајева велики, не можемо се поуздати у пренагљене утиске,
пошто нити можемо да упамтимо све случајеве, нити можемо међу
њима да откргдемо релације од значаја. Затим можемо покушати да
листове поређамо по растућој дужини, да бисмо утврдили је ли то
такође случај и ред растућих ширина. Ако су та два реда иста, без
сумње бисмо закључили да постоји нека веза између дужине и ши-
рине листа. Ако се та два реда слажу само делимично, а не потпуно,
још бисмо могли помишљати на неку релацију. Ипак бисмо захтева-
ли неку нумеричку меру за корелацију између дужине и ширине
листова. З а две променљиве се каже да су у корелацији ако је у низу
одговарајућих случајева променљивих повећање или опадање једне
од њих праћено повећањем или опадањем друге, било у истом сме-
ру, било у обрнутом смеру. Када су промене променљивих истог
смера (обе расту или обе опадају), корелација је позитивна; када су
промене супротног смера (једна расте, а друга опада), корелација је
неГативна.
Пронађено је неколико мера корелације. Ми ћемо размотрити
само једну која је позната као Пирсонов коефицијент. Ипак морамо
изоставити извођење овог коефицијента због техничке природе ар-
гументације која је потребна и просто ћемо показати његову де-
финшџђу и употребу. Нека ћ\, ..., /г„ буду вредности једне промен-
љиве ћ, а и/,, т , ..., одговарајуће вредности друге променљиве и;.
Ово значи да када /г има вредност /г^, и; има вредност и тако даље.
Даље, нека х,, х^,..., х„ представљају девијације п случајева прве про-
менљиве од аритметичке средине, а >>,, >>2, Уп одговарајуће девија-
ције друге променљиве. Симболи и представљаће, као и обич-
но, стандардне девијације ових двају низова. Пирсонов коефицијент
Е(ху)
се онда дефинише: г = -------- , где 2 (ху) замењује збир свих про-
па^а^.
извода одговарајућих девијација, тако да формула може да се ^шта:
328 С ТА Т И С ТИ Ч К И М Е ТО Д И

просечна вредност производа девијација п од ељ ен а пјх)Изводом двеју

стандардних девијагџда.
Изра-чунаћемо овај коефицијент да бисмо одредили меру коре-
лацЈђе између година старосга мужа и година старости жене у групи
од двадесет парова. Следећа табела пружа нужна обавештења.
Ста- Ста- Девијација Девијација
рост рост старости старости
мужа жене мужа од жене од
аритмети аритмети
чке средине чкесредине

22 18 -8 -8 64 64 +64
24 20 -6 -6 36 36 +36
26 20 -4 -6 16 36 +24
26 24 -4 -2 16 4 +8
27 22 -3 -4 9 16 +12
27 24 -3 -2 9 4 +6
28 27 -2 +1 4 1 -2
28 24 -2 -2 4 4 +4
29 21 -1 -5 1 25 +5
30 25 0 -1 0 1 0
30 29 0 +3 0 9 0
30 32 0 +6 0 36 0
31 27 +1 +1 1 1 +1
32 27 +2 +1 4 1 +2
33 30 +3 +4 9 16 +12
34 27 44 +1 16 1 +4
35 30 +5 +4 25 16 +20
35 31 +5 +5 25 25 +25
36 30 +6 +4 36 16 +24
37 32 +7 +6 49 36 +42
ЕА 324 Т у '- ,348 287
л 20 п 20 20
И Л И С Т|,= ИЛИСТу =
4,02 4.17

287 287
Отуда,г = = + 0,856.
2 0 x 4 ,0 2 x 4 ,1 7 335,37
Пирсонов коефицијент је тако обликован да је његова нумери-
чка вредност позитивна када је корелација позитивна, а негативна
када је корелац^ђа негативна. Штавише, његова вредност увек лежи
између + 1 и - 1 , где + 1 показује потпуно позитивну корелац^ђу, а - 1
 Мере корелације 329

потпуно негативну корелацију. Коефицијент 0 не показује никакву

корелацЈцу; у том случају на основу знања о начину на који се деша-
вају промене у једној променљивој ништа не можемо закључити о
одговарајућим променама друге променљиве.

§ 5. Оиасносши и греш ке у иримени сишшисшике

И поред велике вредносги статистичких бројева, они могу бити

погрешно употребљени и погрешно интерпретирани када се забора-
ве претпоставке које су потребне за њихову примену. Зато морамо
упозорити читаоца на следеће елементарне, али честе, омашке:
1. Сгатистички бројеви пружају на врло сажет начин обавеште-
н>е о особинама Групе случајева. Они не пружају никакво обавеште-
ње о било којем појединачном случају у групи. На основу знања да
број мушке новорођенчади износи приближно једну половину све
новорођенчади ништа не можемо да закључимо о полу следећег де-
тета које ће се родити.
2 . (>атистичке средње вредности не могу, без даљег проучава-
ња, да се интерпретирају као да представљају строГо непроменљиве
релацЈђе у једној групи. Бакл (ВисМе) је у својој Историји цивилиза-
ције у ЕнГлеској доказивао, на основу статистике о убиствима,
самоубиствима, склапању бракова и писмима у Бироу за неуручена
писма, закључак да се "убисгво врши с толико правилности и да се
обавља у тако једнообразној релацији према извесним познатим
околностима, као што се јављају плима и осека и смењивање годи-
шњих доба... Самоубиство је само производ општих услова дру-
нггва, а ... поједини злочинци само спроводе у дело оно што је нужна
последица претходних околности. У датом стању друштва известан
број особа мора да оконча свој сопствени живот. Ово је општи
закон, а специдално питање о томе ко ће извршити злочин зависи,
наравно, од специјалних закона који, ипак, у свом целокупном дело-
вању морају бити у складу с општим друштвеним законом којем су
сви они потчињени. А снага општијег закона је тако неодољива да
ни љубав према животу ни страх од другог света не могу послужити
чак ни за успоравање његовог извршења... Чак и да се број ступања
у брак за годину дана смањио, он је одређен не темпераментом и
жељама појединаца, него обухватним општим чињеницама на које
појединци не могу да врше никакав Јтицај... Сада смо у стању да до-
кажемо да су чак и ненормалности у па^Љењу обележене овом оп-
штом особином нужног и непроменљивог реда."' Баклови закљЈППЦИ

* Св. I, Гл. I.
33 0 ___________________ С Т А Т ИС Т И ЧКИ МЕ Т О Д И_________________

нису засновани његовим сведочанс 1’вом. Број самоубистава за годи-

ну дана може да остане константан у једном периоду времена; али
не следи да известан број самоубистава мора бити извршен за годи-
ну дана. Јер, ми не знамо, прво, одређене факторе (ако уопште по-
стоје) који доприносе самоубиству; и не знамо, друго, да ли ће ови
одређени фактори наставити да делују сваке године.
3. Коефицијенти корелације предмет су сли^ше критике. ГТирсо-
нов коефицијент, на пример, дефинисан је на тако уопштен начин
да било које две групе могу да се испитају у погледу њиховог сте-
пена корелације чак и ако знамо, из других разлога, да су те две гру-
пе у ствари независне једна од друге. Тако у нотацији коју смо упо-
требили л- може означавати деврџације година старости људи који су
набројани у неком речнику биографија, у девијације броја страна у
књигама које су на списку у Конгресној библиотеци, прво име наве-
дено у ре^шику да буде подешено тако да одговара првој књизи у ка-
талогу, и тако даље. Коефицијент може имати високу нумеричку
вредност. Међутим, он не би показивао никакву везу која има сми-
сла између двеју група. Стварно, уз стрпљење, многе корелације мо-
гу да се израчунају. П оказало се да су издаци за Британску ратну
морнарицу у високој корелапЈђи с повећаном потрошњом банана, а
раширеност рака у Енглеској с повећаним увозом јабука. Али, за ве-
ћину корелација ове природе зна се или се мисли да су потпуно слу-
чајне и без узрочног значења.
Бисоки коефицијенти корелације нису довољно сведочанство за
непроменљиву повезаност, пошто је често тешко рштерпретирати
коефицијент, јер његова вредносг може да буде у складу с више хи-
потеза. Претпоставимо да нађемо да се повећао број хапшења у пе-
риоду од неколико година. Можемо ли закључити да је ово проузро-
ковано повећањем броја злочина? Зар то не може бити проузроко-
вано повећаном строгошћу у примењивању закона? Варијације у
броју људи који се класификују као сиромаси (зато што добијају со-
ц^алну помоћ) може бити или у корелацији с променама у расподе-
ли такве помоћи, или с променама у дистрибуцији година старости
сиромаха или с променама у платама, нивоу цена, или запослености.
Која корелација треба да има првенсгво? Да ли је поуздано тврдиги
узрочну везу између климе и карактера неке цивилизације просто
на основу тога што се цивилизације одређеног типа открршају у об-
ластима с извесном климом? Зар не може природа цивилизације та-
кође да буде у корелацији с релативном слободом коју имају страни
трговци при улазу у ту област?
4. Врло је лако направити грешку верујући да постоји важна
веза између два типа догађаја на основу опажања да су они често
здружени. Претпоставимо тако да смо нашли да 90 од 100 риђо-
 Опасности и грешке у примени статистике 331

косих људи има живахну нарав. Можемо ли исправно закључити да

су риђа коса и живахна нарав повезане на неки нарочит на^вдн?
Сигурно да не, ако немамо такође неко обавеиггење о релатавном
броју људи који нису риђокоси, а који су Ж1шахне нарави. Јер, 90 од
100 људи који нису риђокоси могу такође бити живахне нарави.
Због тога, ако желимо да откррђсмо везе једног атрибута А с неким
атрибутом Б, морамо не само открити меру случајева А који су Б
него и став о случајевима а (одсуство А ) који су Б. На основу знања
да је 29,6 од хиљаду глувонемих имбецили не можемо исправно за-
кључити да су имбецилност и глувонемост узајамно зависни атрибу-
ти ако не знамо да је сразмера имбецила према целокупном сганов-
ништву мања од 29,6, рецимо само 1,5 на хиљаду. Пун месец и лепо
време често се подударају, али ако приметимо да су одсуство пуног
месеца и лепо време исто тако често истовремени, нећемо бити
склони да видимо неки посебан значај у заједничком појављивању
првих двају догађаја.
5. Високе корелације се понекад добијају простим мешањем два-
ју скупова података у којима нађена никаква корелацЈда. Ако, на
пример, године старости мужева и године старости жена нису у ко-
релацији у свакој од неке две заједнице, може бити строго доказано
да ће се у новом скупу, када се вредности измешају, наћи нека коре-
лација, наравно, ако просечна старост мужева и жена нвде иста у обе
заједшше. Ова корелацида је последица чисто математичких свој-
става двеју група и не може се узети као сведочанство за непро-
менљиву везу.
Ово поново изазива теш коће које настају приликом узимања
узорака. Све корелације се могу израчунати за групе само с конач-
ним бројем случајева. Али, ми скоро увек желимо да применимо
вредност коефицијента да бисмо показали ступањ корелације изме-
ђу група које укључују више него оне које су првобитно испитане.
Али, јасно је да због тога што је у једној заједници коефицијент
корелације између година старости мужа и година старости жене
0,856 не следи да иста релација важи потпуно за ширу заједницу или
за заједницу с различитим друштвеним обичајима. Коефицијент,
као и сви статистички бројеви, подвргнут је колебању приликом
узимања узорака. А у неким случајевима релативно висока корела-
ција може бити уз то и узро^ша. Тако, ако се две коцке баце 100 пу-
та и ако се израчуна коефицијент корелације за највећи број та-
чака на свакој коцки, г може имати и вредност знатно већу од 0 ,
иако би, ако су те две коцке независне једна од друге, требало да је
тачно 0. Да ли тако већу вредност г треба интерпретирати као да по-
казује неку зависност између коцки, не може да се одреди само на
основу г.
332 С Т А Т И С Т И Ч К И М ЕТОДИ

6 . При аргументисању на основу узорака праве се многе грешке

због тога што су узорци могли бити изабрани, свесно или несвесно,
тако да нису подесни или репрезентативни за читав скуп. Овај извор
грешке је нарочито велики тамо где је узето само мало узорака или
где је наше знање о предмету проучавања и његовим релевантним
факторима незнатно.
Увек постоји опасност од несвесног избора материјала при упо-
ређивању различитих група. Подофицир на регрутацији убедиће ве-
ћину људи следећом аргументацијом. Смртност у ратној морнарици
Сједињених Држава за време хштанско-америчког рата била је 9 на
1.000, док је смртност у Њујорк Ситију у истом периоду била 16 на
1 .000; зато је сигуршђе бити морнар у морнарици за време рата него
цивил у Њујорк Сштђу. Али, испитивање сведочанства за овај за-
кључак ускоро показује да те две смртности немају такав значај као
што изгледа да имају. Јер, смртност у Њујорк Сштђу укључује смрт-
ност деце, старих људи у болницама и домовима; а добро је познато
да је смртност врло старих и врло младих, исто као и болесних, рела-
тивно висока. С друге стране, морнарицу чине људи између 18 и 35
година, од којих је сваки оцењен као способан строгим лекарским
испитивањем. Следи да две смртности не оправдавају закључак да је
морнарица сигурније место од Њујорк Ситија. Адекватно сведочан-
ство за такав закључак захтевало би упоређивање двеју група које
су хомогене у погледу година, пола и здравља.
Могу да се наведу многе илустрације за овај тип грешке. На из-
весном универзитету је откривено да недипломирани студенти који
припадају једној расној групи стоје испред сгудената других расних
група по успеху на универзитету и по интелигенцији. Можемо ли за-
кључити да ова расна група има већу способност за класично обра-
зовање од других раса? Такво закључивање било би врло непоузда-
но, нарочито када се помисли да постоје расне баррђере. Разлике у
успеху могу врло лако да се објасне строжим условом приликом
доласка на универзитет који се поставља припадницима ове расе.
Отуда сгуденти на овом универзитету који припадају тој раси чине
одабрану групу и од њих би се нормално и очекивало да посгигну
бољи успех. Исто тако, откриће да ожењени људи у Итал 1^и траже
мање лекарске пажње него ш то то чине неожењени доказује да
женидба има здравствену вредност. Разлика може да произађе
из тога што се хронично болесни људи нерадо жене и боље здравље
групе ожењених онда може да се објасни селекцрдом матер^дала.
7. Оби«ша грешка при упоређивању група јесте употреба апсо-
лутних бројева умесго процената. У једној добро познатој књизи о
социјализму аутор је покушао да покаже да је Марксово предвиђа-
ње прогресивног пропадања малих трговачких предузећа и пораста
великих супротно чињеницама. Он је употребио бројеве из следеће
 Опасности и грешке у примеии статнстике 333

таблице, не израчунавши проценте, да би упоредио број трговачких

предузећа у Немачкој из два периода.
Трговачка предузећа 1882. 1895.
Број Проценш Број Проценш
Без запослених радника 429.825 61 454.540 47,6
Са 1 до 5 запослених
радника 246.413 35 450.913 47
Са 6 до 10 запослених
радника 26.531 3,8 49.271 5Д
Са преко 50 запослених
радника____________ 463 0,06 960 0,1
Аутор је закључио, супротно Марксу, да је број малих предузећа
био у порасту. Међутим, ако израчунамо проценте за сваки тип
предузећа, таблица нам говори нешто друго. Бројеви на десној
страни у свакој колони показују процент тог типа предузећа према
целокупном броју предузећа; ове бројеве аутор књиге не даје. Јасно
је да таблица не доказује оно што аутор претпоставља да доказује.
Јер, док је 1882. процент малих радњи од укупног броја радњи био
61, 1895. био је само 47,6 од укупног броја радњи. ШтавршЈе, док је
број малих радњи порастао за 6 процената, број радњи средње вели-
чине повећао се за 83 одсто, великих радњи за ^ одсто, а врло вели-
ких радњи за 107 одсто.
8. Уочљиве тешкоће настају када правимо упоређења на основу
јединица или класификација које не задржавају исгу вредност или
значај за различите групе које се упоређују. Просто је некорисно
упоређивати бројеве пресуда због крађе у разним земљама ако не
знамо да ли су основе за класификовање злочина и принципи суд-
ског поступка једнаки у земљама које се упоређују. Не следи нужно
да људи имају више слободе у XX веку него што су имали у XVII је-
дноставно зато што је број демократија већи; јер, упркос начину на
који су владавине класификоване, у суштини оне се могу само мало
разликовати.
При упоређивању прихода у периоду од неколико година морају
се допустити промене у "реалној вредности" новчане јединице. Из
чињенице да је 1853. г. 0,263 одсто становништва Н ем ачке било
опорезовано за приходе изнад 3.000 марака, док је 1902. г. 1,301 од-
сто сгановншптва било тако опорезовано, не може се закљЈ^чити да
се економски положај Немаца поправио. Јер, изражено оним што је
он могао да купи за ту своту, особа с приходом од 3.000 марака 1902.
г. није могла живети боље од особе с приходом од 2.000 марака
1853; у међувремену су се десиле важне промене у животним тро-
шковима.
334__________________ СТА ТИ С ТИ ЧК И М ЕТО ДИ_______________________

Слична тешкоћа настаје при упоређивању благосгања једне зе-

мље на основу повећања броја уплаћених акција. Тако је број акцио-
нара који држе акције неколико железница у Сједињеним Држава-
ма, у два периода, дат следећом таблицом:
Железнице 1904. 1908.
Реппзу1уата 42.100 59.600
Ме\\/-Уогк Сеп1га1 11.700 22.000
Пгиоп РааЈгс 14.200 15.000
Зошћет РаајГс 4.400 15.000
Епе 4.300 10.000
Сћехареаке апс1 ОШо 1.500 2.600
Шта ово доказује о целокупном броју људи који држе акције?
Ако не можемо бити сигурни да један човек не држи акци)е неколи-
ких компанија, не можемо закључити да је већи број људи држао ак-
ције железница 1908. него 1904; а ми у ствари знамо да неки финан-
сијери држе акције читавих сто различитих акционарских друштава.
Штавише, чак и да је било сталног повећања броја различитих акци-
онара, концентрација акција, а због тога и концентрација богатства
и моћи, може да буде већа у другом периоду него у првом.
9. Врло подмукли извор грешке испољава се када се занемари раз-
ликовање промена у предмету који се проучава и промена у методима
прикупљања сгатистичких података. Да ли је рак у порасту или само
ми имамо тачније податке о тој болести? Да ли смртносг од фчаних
болести расге или је запажена појава једносгавно проузрокована чи-
њеницом да су смртни случајеви за које се некада саопштавало да су
проузроковани другим обољењима, на пример акутном индигеспђом,
добили нову класификашђу? Смртност код деце дефинише се као од-
смртни слу ч ајеви код деце до једне године старости
број новорођен ч ади
Али, пошто је вредност разломка утолико већа уколико је имени-
лацмањи, могуће је смањити смртност деце, без спасавања једног
јединог д е^ег живота, побољшањем регисгровања новорођенчади.
Можемо ли закључити, зато што извештај о попису становништва
Сједињених Држава за 1900. саопштава већи процент мањих тргова-
чких предузећа у земљи него што је саопштио извештај из 1890,
да је релативан број таквих предузећа у порасту? Не, заиста!
Извештај о по1Шсу становништва сам упозорава своје читаоце да не
изводе такав закључак, јер он каже експлицитно да је попис таквих
предузећа био потпунији 19(Х). него 1890.

1. 5. Ра1к, ТНе Рппар1е5 оЈ У Ш 31аИх1к\ч, 1923, стр. 74.

 Опасностн и грешке у применн статистике 335

10. Често се добијају различите слике о друштвеној ситуацији

употребом различитих мерила за прављење поређења. Како изве-
сне одлике треба "мерити", често је тешко знати. Постоји ли пове-
ћање концентрације у индустрији, прогресивно нестајање малих
предузећа и појављивање нешто већих акционарских друштава?
Али, како ћемо мерити такву концентрацрџу, да ли помоћу броја за-
послених по предузећу или помоћу величине производње по пред-
узећу? С порастом компликованих маш^ша ово друго може бити бо-
љи индекс за концентрацију него претходно. Показано је, на при-
мер, да, док је у Сједињеним Државама између 1904. и 1909. било по-
већање броја предузећа за производњу робе у вредности од 20.000
долара годишње или мање, 1904. ова предузећа су учествовала само
са 6,3 одсто у укупној вредности свих производа, а у 1909. само са 5,5
одсто у укупној вредности.
11. Већ смо истакли да привид прецизности који уносе математи-
чки методи статистике наводи на зло ако претпостављамо да је
тиме повећана тачност 'шњенице. Извођењем нумеричке вредносги
просека за неколико мерењ а с већим бројем децимала ми не по-
већавамо осетљивост мерног инструмента. Па ипак, статистички
методи могу показати да је првобитно сврставање чињеница у та-
блице нетачно, зато што чињенице нису у складу једна с другом.
Ако, на пример, проучавамо 1.000 индивидуа и нађемо да су 550 њих
мушкарци, а 500 да су жене, знамо да је морала бити учињена нека
грешка. Понекад, међутим, несагласност чињеница није тако очи-
гледна и морају се употребита разрађенији методи испитивања не-
противречности. Тако можемо сврстати у таблице резултат проуча-
вања групе од 1.000 студената на једном универзитету овако;
Сгуденти прве године 525 ожењени студенти прве
Мушкарци 312 године 147
Ожењени 470 ожењени мушкарци 86
Мушкарци студенти ожењени мушкарци сту-
прве год1ше 42 денти прве године 25
Иако у овим бројкама нанзглед нема ничег погрешног, може се
показати да оне нису непротивречне. Јер, ове бројке имплицирају да
број неудатих студенткиња које нису на првој години треба да буде
-57, што је апсурдно. ДискусЈђа о мерилима непротивречности ипак
је сувише техничке природе за једну елементарну обраду.