STATISTIKA

PODELA STATISTIKE:
1. Deskriptivna statistika i statistika zaključivanja
2. Parametrijska i neparametrijska statistika
Deskriptivna statistika se bavi opisivanjem pojava čije je numeričke podatke
prethodno sredila i obradila. Metode deskriptivne statistike služe nam da na
racionalan način, kratko i jasno opišemo pojavu kojom smo se u istraživanju
pozabavili.
Statistika zaključivanja- metode stratističkog zaključivanja nazivamo i
metodama statistike uzoraka. Te metode služe zaključivanju o mjerama u
populaciji na osnovu mjera dobijenih na reprezentativnim uzorcima, izabranim
uiz populacije.
Standardna greška je vjerovatno, prosječno, odstupanje mjere
reprezentativnog uzorka od mjere populacije.
Populacija je jasno definisana grupa individua ili jedinki ili pojava koje
posjeduju zajednička obilježja.
Reprezentativni uzorak ne može biti bilo koji dio populacije, već samo onaj
njen dio koji po pravilu posjeduje sve njene bitne karakteristike. Jedino takav
uzorak može poslužiti da na osnovu njegovih statističkih mjera donesemo
zaključak o populacijskim mjerama. Za izbor reprezentativnog uzorka imamo
nekoliko načina :
1. Svaki član populacije treba da ima podjednaku mogućnost da bude
izabran, treba obezbijediti tačan registar, popis ili spisak svih članova
populacije.
2. Zahtjev za potpunom nepristrašnošću pri izboru. To znači da izbor nekog
člana populacije u uzorak ne smije ni na koji način da zavisi od
intervencija istraživača niti da bude uslovljen izborom bilo kojeg drugog
člana populacije.
3. Metoda slučajnog izbora je postupak „ izbor iz šešira“
4. Metoda sistematskog izbora se sastoji u tome da se sa spiska populacije
u uzorak uzima svaki n-ti član.
Vrste nereprezentativnog uzorka :
1. Pristrasni ili izvitopereni uzorak – neke kategorije članova su
favorizovane
2. Namjerni uzorak – istraživač namjerno bira članove iz određene kategoije
3. Prigodni uzorak ili „uzorak uzet s ruke“- uzorak do kojeg je bilo najlakše
doći
PARAMETRIJSKA STATISTIKA
U psihološkim istraživanjima u kojima se služimo mjerenjem vrlo često je cilj
procijeniti parametar a to se postiže metodama parametrijske statistike.
NEPARAMETRIJSKA STATISTIKA
Metode neparametrijske statistike primjenjuju se na pojavama za koje ne
važi pretpostavka o normalnoj raspodjeli njihovih numeričkih podataka u
populaciji.
POJMOVI
Predmet mjerenja je pojava koju mjerimo, npr. određena psihička funkcija
ili određeno ponašanje
Mjerni instrumen je sredstvo mjerenja, u psihologiji to može biti neki aparat
ili test.
Mjerna skala mjernog instrumenta je standardizovani numerički sistem
pomoći lpga se ostvaruje mjerenje.
Kontinuirani nizovi mjera potiču od predmeta mjerenja koji se mogu
predstaviti duž jednog kontinuma.
Diskontinuirani nizovi mjera dobijaju se za predmete mjerenja čije realne
vrijednosti postoje samo u nekim iznosima, npr. broj djece u porodici.
NIVOI MJERENJA I ODGOVARAJUĆE SKALE MJERENJA
Nominalna skala- u ovoj skali se brojevi koriste samo kao „imena“ različitih
kategorija kvalitativne klasifikacije neke pojave, među tim kategorijama
nema kvantitavnog odnosa niti kontinuiteta. Broj je upotrebljen samo kao
simbol.
Ordinalna skala- skala redoslijeda. Ordinalno mjerenje je poznatije kao
rangovanje, ovo je najprimitivnije mjerenje, pruža oskudne informacije o
redoslijedu pojedinaca s obzirom na njihov nivo mjerene pojave ili o
redoslijedu pojava u nekom skupu pojava. Distance između uzastopnih
rangova su nejednake.
 Intervalna skala- njene jedinice su ekvivalentne tj. rastojanje između
uzastopnih jedinica duž cijele skale je jednako. Veličina jedinica intervalne
skale i njena početna nulta vrijednost su arbitrarne. Nula je relativna i da
svaki posebni mjerni instrument ima na svojoj mjernoj skali svoje jedinice.
Racio skala- najsavršenija mjerna skala. Jedinice su ekvivalentne i
ekvidistantne. Ima realnu, apsolutnu nulu. Daje maksimalnu količinu
informacija. Šta je od čega veće ili manje, za koliko ekvivalentnih jedinica
jedna mjera odstupa od druge, koliko puta je neka mjera veća ili manja od
svake druge mjere.
SREĐIVANJE PODATAKA
Jedan od osnovnih zadataka statistike je sređivanje podataka dobijenih
mjerenjem ili kvantifikacijom pojava.
GRAFIČKO PREDSTAVLJANJE RASPODJELE UČESTALOSTI
1. Poligon učestalosti
2. Histogram
3. Grafik kumulativnih frekvencija
4. Kriva kumulativnih procenata
POLIGON UČESTALOSTI
Zatvorena izlomljena linija koja se dobije spajanjem tačaka prikazanih na
koordinatnom sistemu.
Dotjerivanje poligona učestalosti se preduzima da bismo vidjeli kakva bi
distribucija vjerovatno bila kada bismo isto mjerenje ponovili na velikom
uzorku. Upoređivanje uzorka koji se razlikuju po mjerama iste pojave-ova
metoda nam može poslužiti ako želimo jasno da utvrdimo razlike između grupa
ispitanika koje su na istom mjerenju postigle različite rezultate.
HISTOGRAM
Histogram ili dijagram stubaca, sastoji se od niza pravouglih četvorougaonih
površina. On se može upotrijebiti naisti način kao poligon učestalosti osim za
međusobno upoređivanje podataka.
GRAFIK KUMULATIVNIH FREKVENCIJA
Kumulativne frekvencije su frekvencije koje se nagomilavaju. Ovu distribuciju
koristimo za izračunavanje nekih statističkih mjera.
KRIVA KUMULATIVNIH PROCENATA
Ova se metoda od predhodne razlikuje samo po tome što se pomoću nje
grafički predstavljaju kumulativne frekvencije izražene u procentima. Za
grafičko određivanje percentila, percentilnih rangova, kvartila, medijane,
decila..
MJERE CENTRALNE TENDENCIJE
1. Aritmetička sredina
2. Medijana
3. Mod
ARITMETIČKA SREDINA
Dobija se kada se svi pojedinačni mjerni podaci saberu pa se podijele sa
ukupnim brojem podataka. Karakteristike :
 Mjere datog predmeta mjerenja moraju poticati sa intervalne ili racio
skale
 Mora postojati pretpostavka o normalnoj raspodjeli tih mjera u populaciji
MEDIJANA
Ona se naziva i centralna ili središnja vrijednost. Ako se traži iz sirovih mjera
onda taj niz mora biti sređen po veličini mjera u njemu, od najniže do najviše
vrijednosti. Tada je medijana tačka ispod i iznad koje leži podjednak broj mjera.
MOD
Mod je mjera koja se sa najvećom učestalošću javlja u nizu mjera.
PERCENTILI I PERCENTILNI RANGOVI
Percentil je mjesto u raspodjeli mjera ispod koga se nalazi određeni procenat
slučajeva.
Percentilni rang je mjesto ispitanika na procentnoj skali koje on zauzima na
osnovu svoje mjere stečene pri mjerenju neke pojave na grupi ispitanika kojoj i
on sam pripada.
MJERE VARIJABILNOSTI
1. Raspon
2. Kvartilna devijacija
3. Prosječno odstupanje
4. Standardna devijacija
Raspon se računa pod istim uslovima kao mod, kvartilna devijacija pod istim
uslovima kao medijana a prosječno odstupanje i standardna devijacija pod istim
uslovima kao aritmetička sredina.
RASPON
Sasvim gruba i neprecizna mjera varijabilnosti, dobije se izračuvanjem razlike
između najveće i najmanje mjere u nizu.
KVARTILNA DEVIJACIJA
Koristi se kod distribucija koje odstupaju od oblika normalne krive, asimetrične,
bimodalne ( ima dva moda ), polimodalne (više modusa) , diskontinuirane i
druge.
PROSJEČNO ODSTUPANJE
Ova mjera uzima u obzir sva odstupanja pojedinačnih mjera u nizu od
aritmetičke sredine niza. Prosječno odstupanje je aritmetička sredina svih
odstupanja pojedinačnih mjera u nizu od aritmetičke sredine tog niza.
STANDARDNA DEVIJACIJA
Najpouzdanija mjera varijabilnosti za sve predmete za koje važi pretpostavka o
normalno raspodjeli i kod kojih je moguće primjeniti mjerenje na novou
intervalne ili racio skale.
FAKTORI ODSTUPANJE EMPIRIJSKE OD NORMALNE RASPODJELE
1. Veličina uzorka
2. Težina mjernog instumenta
MJERE ODSTUPANJE EMPIRIJSKE OD NORMALNE RASPODJELE
Skjunis- izračunati skjunis svojom veličinom ukazuje na izraženost asimetrije, a
svojim algebarskim znakom na pozitivnu ili negativnu asimetričnost.
Kurtozis-Izračunati kurtozis uvijek je pozitivan i manji od jedan. Vrijednost
izračunatog kurtozisa mora se uporediti sa vrijednošću kurtozisa za normalnu
krivu koji iznosi 0,263. Ukoliko je izračunati kurtozis veći od 0,263 znači da je
raspodjela platikurtična odnosno da je spljoštena u poređenju sa normalnom
krivom, a ako je kurtozis manji od 0,263 to onda znači da je raspodjela
leptokurtična odnosno da je izduženija u odnosu na oblik normalne krive.
KORELACIJA
Korelacija je povezanost među pojavama.
GRAFIČKI PRIKAZ KORELACIJE
1. Ako linearnom porastu mjera jedne varijable odgovara uvijek
ekvivalentni linearni porast mjera druge varijable onda je kovariranje
potpuno i pozitivno a koeficijent će biti maksimalni mogući i pozitivan
2. Ako linearnom porastu mjera jedne varijable odgovara uglavnom porast
mjera druge varijable odna je kovariranje pozitivno i djelomično a
koeficijent će biti nepotpun i pozitivan
3. Ako određenim vrijednostima jedne varijable korespondiraju bilo kakve
vrijednosti druge varijable odna kovariranja nema a koeficijent će biti
jednak nuli
4. Ako linearnom porastu mjera jedne varijable odgovara uglavnom
linearno opadanje mjera druge varijable, onda je kovariranje djelomično i
negativno dok će koeficijent biti nepotpun i negativan
5. Ako linearnom porastu mjera jedne varijable odgovara uvijek jednako
linearno opadanje mjera druge varijable onda je kovariranje potpuno
negativno a koeficijent će biti maksimalni mogući ali negativan

METODE KOLERACIJE
1. Linearna koleracija
2. Metoda rang razlike
3. Biserijska koleracija
4. Point biserijalna
5. Tetrahorična
6. Fi koeficijent
7. Koeficijent kontingencije
LINEARNA KORELACIJA
Produkt moment korelacija ili Pirsonov koeficijent
 Mjere moraju poticati sa intervalne mjerne skale
 Za obje varijable mora važiti pretpostavka o normalnoj raspodjeli mjera u
populaciji
 Varijable morajus stajati u međusobnom linearnom odnosu
METODA RANG RAZLIKE
 Kada jedna ili obje varijable sadrže mjere koje potiču sa ordinalne mjerne
skale
BISERIJSKA KORELACIJA
Kada je jedna od dvije varijable iz nekog razloga data samo u dvije kategorije
podataka
 Prva varijabla se po pretpostavci normalno raspodjeljuje u populaciji
njene mjere potiču sa intervalne skale
Druga varijabla je vještački podijeljena u dvije kategorije, međutim i za nju se
može pretpostaviti normalna raspodjela mjera u populaciji.
POINT BISERIJSKA KORELACIJA
Ako su varijable između kojih želimo da izračunamo korelaciju raznorazne
prirode tako da je priva varijabla kontinuirana i normalno raspodjeljena u
populaciji a druga diskretna i prirodno podjeljena u dvje kategorije onda
moramo računati point biserijsku korelaciju. Druga varijabla ne može biti
normalno raspodjeljena
TETRAHORIČNI KOEFICIJENT
Kada su obje varijable vještački svedene na dvije kategorije ali za obje se
pretpostavlja normalna raspodjela