Professional Documents
Culture Documents
Pri objavljivanju informacija, pri kritičkim analizama, pri testiranju znanstvenih pretpostavki
kao i pri utemeljenom donošenju sudova u svim suvremenim znanstvenim disciplinama,
nemoguće je zaobići brojčane pokazatelje. Upravo takvi brojčani pokazatelji su u fokusu
istraživanja statistike, a stoga su i rezultati jednostavnijih ili složenijih statističkih postupaka
svuda oko nas.
S obzirom na obuhvat jedinica statističkog skupa statistika se dijeli uglavnom na dvije vrste:
Nominalno obilježje koje ima samo dva pojavna oblika ili modaliteta naziva se alternativno
obilježja (npr. obilježje spol ili status novorođenčeta koje može biti živorođeno odnosno,
nažalost, mrtvorođeno);
c) redoslijedno ili obilježje ranga (npr. stručna sprema ili ocjena na ispitu).
a) diskontinuirano ili prekidno obilježje koje može poprimiti konačno ili prebrojivo
mnogo vrijednosti numeričkog obilježja (npr. broj djece u obitelji ili broj zaposlenika),
Statistički skup je skup jedinica čija statistička obilježja promatramo i istražujemo oblike ili
modalitete tih obilježja koje ima pojedina jedinica statističkog skupa. Svako statističko
istraživanje počinje preciznim definiranjem statističkog skupa. Statistički skup je neophodno
potrebno definirati pojmovno, prostorno i vremenski.
Pojmovno definirati statistički skup znači odrediti obilježja, svojstva, značajke koje mora
imati svaka statistička jedinica da bi bila uključena u određeni statistički skup. Pojmovna
definicija može biti npr. član plesačkog „A ansambla KUD-a Jedinstvo“. Dakle, riječ je o
djevojci ili mladiću koji je u dosadašnjem angažmanu pokazao izuzetne pjevačke i plesačke
sposobnosti i iznadprosječno zalaganje za vrijeme proba i nastupa, pa samo takvog člana
uključujemo u promatrani statistički skup, za razliku od članova dječjeg, pripremnog i „B
ansambla“ navedenog KUD-a.
Prostorno definirati statistički skup znači precizno naznačiti prostor kojem pripadaju ili na
kojega se odnose sve jedinice statističkog skupa. U navedenom primjeru je potrebno naglasiti
da se radi o KUD – u iz Splita, jer možda postoji još neki KUD istog naziva u drugom mjestu.
Vremenski definirati statistički skup znači jasno odrediti trenutak vremena ili vremensko
razdoblje kojim će se obuhvatiti sve jedinice statističkog skupa. U navedenom primjeru to je
godina 2016./2017.(listopad-rujan). Naime, kvalifikacije za ulazak u spomenuti ansambl se
ponavljaju svake godine u rujnu, a članstvo traje do sljedećih kvalifikacija.
2. FAZE STATISTIČKOG ISTRAŽIVANJA
S obzirom na izvor podataka metode prikupljanja se mogu podijeliti u dvije velike skupine:
oblicima.
Broj jedinica statističkog skupa u jednoj grupi zove se apsolutna frekvencija (f i, i = 1,2,...,k)
te grupe. Apsolutna frekvencija je, drugim riječima, broj jedinica statističkog skupa koje
imaju određenu vrijednost modaliteta promatranog obilježja. Naime, jedinice statističkog
skupa koje se nalaze u istoj grupi međusobno su jednake s obzirom na oblik (modalitet) ili
oblike (modalitete) obilježja koji su tom grupom obuhvaćeni.
Statistički niz je skup uređenih parova modaliteta obilježja i pripadajuće apsolutne (ili neke
druge vrste) frekvencije.
Par modaliteta obilježja i pripadajuće apsolutne (ili neke druge vrste) frekvencije naziva se
statistička grupa. Grupiranje jedinica statističkog skupa treba biti iscrpno i isključivo.
Iscrpno grupiranje podrazumijeva da svaka jedinica statističkog skupa mora biti razvrstana u
jednu od predviđenih grupa, a isključivo grupiranje postavlja zahtjev da određena jedinica
statističkog skupa može pripadati samo jednoj grupi.
Ukupan broj jedinica koje pripadaju promatranom statističkom skupu tvori opseg statističkog
skupa (N).
Ako se grupiraju podaci prema modalitetima diskontinuirane numeričke varijable kojih ima
mnogo ili se radi o kontinuiranoj numeričkoj varijabli obilježje se daje u razredima jednakih
ili nejednakih veličina.
Formiranjem razreda se dobiva veća preglednost, ali se gubi na informiranosti podataka. Ova
dva temeljna načela grupiranja statističkih podataka predstavljaju vječni izazov traženja
kompromisa pri grupiranju i tabeliranju statističkih podataka.
Svaka apsolutna frekvencija (fi, i = 1,2,3,...,k) pokazuje koliko jedinica statističkog skupa ima
određeni oblik obilježja (xi). Opisanim načinom grupiranja prema oblicima numeričkog
obilježja formira se tzv. distribucija frekvencija ili numerički niz.
Ako niz grupiramo prema oblicima nominalnog odnosno redosljednog obilježja tada kažemo
da se radi o nominalnom odnosno redosljedom statističkom nizu. Osim apsolutnih frekvencija,
izračunavaju se i relativne frekvencije (ftr).
fi
fri k 100 (2)
f i
i1
Relativne frekvencije su, dakle, omjer dijela statističkog skupa i njegove cjeline. Obično se
Proporcija (Pi) je omjer apsolutne frekvencije i opsega statističkog skupa. Ako se taj omjer
Veličina razreda (ii) se računa kao razlika između gornje granice promatranog razreda i
gornje granice prethodnog razreda ili kao razlika donje granice narednog razreda i donje
granice promatranog razreda. Veličinu razreda treba razlikovati od razredne sredine.
Razredna sredina (xi) je reprezentant svakog statističkog razreda, a računa se kao poluzbroj
donje i gornje granice razreda. Pri tome se koriste prave (uređene) granice razreda.
Prave granice razreda se nazivaju i precizne granice razreda, a mogu se formirati u pravilu na
dva načina:
Ovaj drugi način formiranja pravih ili preciznih granica razreda je zastupljeniji u poslovnoj
statistici.
Kumulativni niz „manje od“ se formira postupnim zbrajanjem apsolutnih frekvencija počevši
od prve frekvencije u nizu. Tako dobivene frekvencije se nazivaju kumulativne frekvencije, a
posljednja je jednaka opsegu statističkog skupa, što često korisno posluži kao provjera
valjanosti provedenog postupka kumuliranja.
Kumulativni niz „više od“ nastaje postupnim zbrajanjem apsolutnih frekvencija počevši od
posljednje frekvencije u nizu. Vrijednosti tako dobivenih kumulativnih frekvencija se mogu
provjeriti činjenicom da prva kumulativna frekvencija kumulativnog niza „više od“ treba biti
jednaka opsegu statističkog skupa.
Kumulativna frekvencija kumulativnog niza „manje od“ (Sx(xj)), ako se radi npr. o
distribuciji frekvencija pridruženih razredima, tumači se na sljedeći način. Kumulativna
frekvencija pokazuje broj jedinica čija je vrijednost obilježja manja ili jednaka gornjoj
granici pripadajućeg razreda. Zbog takvog tumačenja niz je i dobio ime kumulativni niz
„manje od“.
Kumulativne frekvencije kumulativnog niza „više od'' (Sx(xi)) nastaju postupnim zbrajanjem
apsolutnih frekvencija odozdo prema gore. Ako se objašnjava značenje distribucije
frekvencija pridruženih razredima, tada svaka kumulativna frekvencija pokazuje koliko
jedinica statističkog skupa ima vrijednost obilježja koja je veća ili jednaka donjoj granici
pripadajućeg razreda. Stoga se ovakav niz i naziva kumulativni niz „više od“.
Kumulativni nizovi „manje od'' i „više od'' se mogu formirati i postupnim zbrajanjem
relativnih frekvencija.
Kumulativna relativna frekvencija kumulativnog niza „manje od'' (Fx(xj)) pokazuje koliki je
postotni dio jedinica statističkog skupa čija je vrijednost obilježja manja ili jednaka gornjoj
granici pripadajućeg razreda.
Kumulativna relativna frekvencija kumulativnog niza „više od'' (Fx(xi)) pokazuje koji postotak
jedinica statističkog skupa ima vrijednost obilježja koja je veća ili jednaka donjoj granici
pripadajućeg razreda.
b) linijski grafikoni,
c) slikovni dijagrami i
d) kartogrami.
b) razdijeljeni stupci,
c) strukturni stupci i
Linijski grafikoni se često spominju pod nazivom poligon frekvencija, posebno ako se radi o
prikazu distribucije frekvencija statističkih nizova. Ako su pri tome nominalni i numerički
statistički nizovi grupirani u razrede, tada se na osi apscisa na mjestima koja označavaju
razredne sredine podiže ordinata, u pravilu do visine korigirane frekvencije.
Slikovni dijagrami frekvencije statističkog niza prikazuju površinama npr. stošca, strukturnog
kruga, proporcionalnog polukruga ili kružnim isječkom, kružnim vijencem i sl.
U tablici 2.1. su prikazani podaci o broju obitelji prema tipu po popisima stanovništva od
1971. do 2011. godine
Tablica 2.1. Struktura obitelji u Republici Hrvatskoj prema tipu po popisima stanovništva od
1971. do 2011. godine
Broj obitelji u %
Tip obitelji
1971. 1981. 1991. 2001. 2011.
Koristeći podatke Državnog zavoda za statistiku Republike Hrvatske (RH) prikažite tipove
obitelji prema popisu stanovništva 2011. godine grafikonom s jednostavnim uspravnim
stupcima.
60,00%
40,00%
30,00%
20,00%
10,00%
0,00%
Par bez djece Par s djecom Majka s djecom Otac s djecom
Tip obitelji
Na slici 2.1. tipovi obitelji u Republici Hrvatskoj prema popisu stanovništva 2011. godine su
prikazani stupcima istih baza jer je svaki tip obitelji jednako važan. Stoga se ovakav grafički
prikaz i naziva površinski grafikon s jednostavnim stupcima. Stupci samo svojom visinom,
koja se na ordinati podiže do iznosa frekvencije, pokazuju razlike u strukturi obitelji u
Republici Hrvatskoj prema popisu stanovništva 2011. godine s obzirom na tip obitelji.
Primjer 2.2.
Slika 2.2. Obitelji u Republici Hrvatskoj prema tipu po popisima stanovništva od 1971. do
2011. godine
Na slici 2.2. su obitelji u RH prema tipu po popisima stanovništva od 1971. do 2011. godine
prikazane višestrukim stupcima. To su jednostavni stupci naslonjeni jedan na drugi, a
legendom je označeno koji od njih prikazuje određeni tip obitelji.
Statistička tablica se sastoji od: zaglavlja, predstupca, tijela tablice u koje upisujemo
frekvencije, od zbirnog retka i zbirnog stupca. Svaka statistička tablica, kao i grafikon, ima
svoj naslov i izvor. U naslovu je sadržana pojmovna, prostorna i vremenska definicija
promatranog statističkog skupa, a u izvoru je potrebno navesti na koji način su prikupljeni
podaci. Kod sekundarnih izvora podataka navodi se institucija, publikacija i stranica s koje su
uzeti podaci. Ako su podaci preuzeti s internetskih stranica, navodi se i datum pristupanja
stranicama.
(3)
Stupci
n
Oznaka Oznaka Oznaka
Reci
stupca stupca
…
stupca
Zbirni stupac x
j
1
j
Oznaka retka 1 2 … n
n
. . . . .
. . . . .
. . . . .
n
m m m m m n
Zbirni redak x
i
1
i x
i 1
i1 x
i
1
i2 … x
i
1
in
i
1 j 1
xij
m n n m
N xij xij
odabrane
i1 j1
2.5. Primjena statističke metodologije
j1 1i
U ovoj iznimno važnoj fazi statističkog istraživanja se odabiru, prema njegovom cilju i svrsi,
odgovarajuće statističke metode i tehnike. Zatim se korištenjem odabrane metodologije dolazi
do brojčanih pokazatelja o istraživanim pojavama i procesima.
2.6. Interpretacija rezultata
Tablica 2.3. Zaposlenici Ekonomskog fakulteta u Splitu prema spolu i vrsti aktivnosti 1.
ožujka 2016. godine
Muškarci 32 6 38
Žene 50 31 81
Ukupno 82 37 119
Slika 2.3. Zaposlenici Ekonomskog fakulteta u Splitu prema spolu i vrsti aktivnosti 1. ožujka
2016. godine
Na slici 2.4. je prikazan statistički skup zaposlenika Ekonomskog fakulteta u Splitu prema
spolu i vrsti aktivnosti 1. ožujka 2016. godine razdijeljenim (trodimenzionalnim) stupcima.
Slika 2.4. Zaposlenici Ekonomskog fakulteta u Splitu prema spolu i vrsti aktivnosti 1. ožujka
2016. godine
Primjer 2.4.
d) Veličine razreda, kao razlike gornje i donje prave granice razreda, izračunate su u
petom stupcu tablice 2.4.
Slika 2.5. Zaposlenici Ekonomskog fakulteta u Splitu prema navršenim godinama radnog
staža 1. ožujka 2016. godine
Dva ili više statističkih nizova mogu imati istu srednju vrijednost premda se vrlo razlikuju jer
njihove jedinice imaju vrlo različit raspon varijacije i raspršenost.
Mjere disperzije ili raspršenosti oko srednjih vrijednosti se razlikuju ovisno o tome mjere li
raspršenost oko potpunih ili oko položajnih srednjih vrijednosti. S obzirom na jedinice mjere
u kojima se izražavaju rezultati mjerenja disperzije, mjere disperzije se dijele na apsolutne i
relativne mjere disperzije.
a) raspon varijacije,
b) interkvartil,
c) interpercentil,
d) varijanca i
e) standardna devijacija.
3.3.1.2. Interkvartil
Interkvartil se, kao i ostale apsolutne mjere disperzije, izražava u mjernim jedinicama
varijable i predstavlja razliku između gornjeg kvartila (Q3) i donjeg kvartila (Q1). Drugim
riječima, interkvartil nam daje informaciju o rasponu varijacije vrijednosti obilježja središnjih
50% članova statističkog niza. Računa se na ovaj način:
3.3.1.3. Interpercentil
pe
Pri tome procedura računanja slijedi korake kao kod računanja medijana.
pe
90N /100 fi
P90 L1 i1 i (26) f per
Kao razlika 90-tog i 10-tog percentila, interpercentil pokazuje raspon vrijednosti obilježja
središnjih 80% članova statističkog niza. Interpercentil je, također, nepotpuna mjera
disperzije.
3.3.1.4. Varijanca
Varijanca je prosječno kvadratno odstupanje pojedinačnih vrijednosti numeričkog obilježja od
aritmetičke sredine. Stoga varijanca nema mjernu jedinicu. Za niz negrupiranih numeričkih
podataka varijanca se računa po formuli:
N N
x X x i 2 i2
f x X f x
i i 2 i i2
f i f i
i1 i1
N N
xi X
2 2
2 i 1
x
i 1
i
2
X
N N (29)
k k
fi xi X
2 2
2
i
1
f x
i 1
i i
2
k k X
fi i 1
f i 1
i
(30)
Kao što se vidi, standardna devijacija je potpuna mjera disperzije i uz to mjera koja se
najčešće koristi. Izražena je u istim mjernim jedinicama kao i promatrano statističko obilježje
i predstavlja prosječno odstupanje od prosjeka.
xi X
Z (31)
Kada se treba usporediti raspršenost kod dvaju ili više statističkih nizova, a vrijednosti
njihovih obilježja su izražene različitim jedinicama mjere, mogu se koristiti samo relativne
mjere disperzije. U poslovnoj statistici se uglavnom koriste dvije relativne mjere
disperzije: a) koeficijent varijacije i
V 100 (32)
X
Kod relativno velike disperzije vrijednosti obilježja oko aritmetičke sredine, kada ona prestaje
biti dobar reprezentant statističkog niza, koeficijent varijacije će u pravilu biti veći od 40%.
Q3 Q1 (33)
Vq
Q3 Q1
Karakteristike, temeljne osobine kojima najčešće predstavljamo određeni statistički niz su: a)
srednje vrijednosti,
b) relativni brojevi,
c) mjere disperzije,
d) mjere asimetrije i
e) mjere zaobljenosti.
Srednja vrijednost kao reprezentant statističkog niza zamjenjuje svaku pojedinačnu vrijednost
obilježja koju imaju jedinice promatranog statističkog skupa. Stoga je srednja vrijednost
mjera centralne tendencije odnosno vrijednost oko koje se gomilaju podaci statističkog niza.
Srednja vrijednost se koristi, poput imena i prezimena građanina, da bi se time opisao skup
varijabilnih podataka. S obzirom na obuhvat jedinica statističkog niza pri njihovom računanju
sve srednje vrijednosti se mogu podijeliti u dvije skupine: potpune srednje vrijednosti i
položajne srednje vrijednosti.
Potpune srednje vrijednosti se mogu izračunati samo za numerička obilježja. Naziv su dobile
zbog činjenice da njihov izračun uvažava sve pojedinačne vrijednosti varijable. U potpune
srednje vrijednosti se ubrajaju:
a) aritmetička sredina,
b) geometrijska sredina i
c) harmonijska sredina.
Za numerički statistički niz grupiran u razrede se računa složena, ponderirana ili vagana
aritmetička sredina pomoću sljedeće formule:
fx i i
fr x i i
i1 fr1x1 fr2x2 ... frk xk fr1x1 fr2x2 ... frk xk (6)
X k
fr1 fr2 ... frk 100
fr i
i1
(x X) 0 i (8)
i1
f (x X)0i i (9)
i1
N N
f (x X) f (x a)
i i
2
i i
2
(11) i1 i1
U slučajevima kada su jedinice statističkog skupa grupirane u razrede koristi se ova formula:
G N x1 f1 x2 f2 x3 f3...xn fn (13)
3.1.1.3. Harmonijska sredina
1 N
H N N
(14)
1 1 x x i1 i i1 i N
Složena ili vagana harmonijska sredina se računa za distribuciju frekvencija koristeći sljedeću
formulu:
f i
1 i1
H k fi k fi (15)
x
x i1 i
i1 ik
f i
i1
Položajne srednje vrijednosti su dobile naziv zbog toga što se određuju položajem podatka u
statističkom nizu. Stoga su položajne srednje vrijednosti nerijetko prikladnije kao mjere
centralne tendencije jer na njihovu vrijednost ne utječu izrazito male ni izrazito velike
vrijednosti statističkog niza. Položajne srednje vrijednosti su:
a) medijan i
b) mod.
3.1.2.1. Medijan
Medijan je položajna srednja vrijednost koja jedinice statističkog niza dijeli u omjeru 1 : 1,
tako da jedna polovina jedinica statističkog niza ima vrijednost obilježja jednaku ili manju od
medijana, a druga polovina jedinica statističkog niza ima vrijednost obilježja veću od
vrijednosti medijana.
Kod negrupiranih statističkih nizova se jedinice statističkog skupa trebaju poredati po veličini
vrijednosti obilježja. U pravilu se poredak radi od najmanje do najveće vrijednosti obilježja.
Ako je broj jedinica statističkog niza neparan, medijan je jednak vrijednosti obilježja koju ima
središnji član uređenog statističkog niza.
Ako je broj jedinica statističkog niza paran, medijan je jednak poluzbroju vrijednosti obilježja
koje imaju središnja dva člana uređenog niza.
Ako je statistički niz grupiran u razrede čija je veličina jednaka 1 postupak računanja
medijana je nešto složeniji i radi se po slijedećoj proceduri:
b) određuje se prva frekvencija kumulativnog niza "manje od" koja sadrži N 2-gu
jedinicu statističkog niza. Razred kojem pripada ova frekvencija kumulativnog niza "manje
od" je medijalni razred.
Ako su veličine razreda u koje su grupirane jedinice statističkog niza različite od 1, nakon što
su obavljeni prethodno navedeni koraci a) i b) procedure za računanje medijana kod nizova
grupiranih u razrede veličine 1, medijan se računa po formuli:
N m
f
2 i1 i
Me L1 i (16)
fmed
gdje je:
razred,
f
med - apsolutna frekvencija medijalnog razreda,
3.1.2.2. Mod
Mod je položajna srednja vrijednost koju možemo odrediti za statističke nizove čije jedinice
promatramo prema nominalnom, redosljednom ili numeričkom obilježju. Mod je najčešća
vrijednost obilježja. Za negrupirane podatke se odredi, a za statističke nizove s numeričkim
obilježjem u razredima odnosno za distribucije frekvencija se računa.
Kada se određuje mod za distribuciju koja ima razrede različitih veličina, treba najprije
izvršiti korekciju frekvencija. U tim slučajevima je razred s najvećom korigiranom
frekvencijom modalni razred.
gdje je :
razreda koji prethodi modalnom razredu; c – (korigirana) frekvencija razreda koji slijedi
modalnog razreda.
Ako se dvije ili više vrijednosti obilježja pojavljuju jednako (najviše) puta, odnosno postoje
dva ili više moda, takva se distribucija naziva bimodalna ili višemodalna distribucija. U
primjeru 2.4. na slici 2.5. je prikazana bimodalna distribucija zaposlenika Ekonomskog
fakulteta u Splitu prema navršenim godinama radnog staža 1.ožujka 2016. godine.
3.1.2.3. Kvantili
Donji kvartil (Q1) je vrijednost obilježja koja dijeli statistički niz na dva dijela u omjeru 1:3.
To znači da 25% jedinica statističkog skupa ima vrijednost obilježja jednaku ili manju od
donjeg kvartila, a 75% elemenata statističkog skupa ima vrijednost obilježja veću od donjeg
kvartila.
Pri računanju donjeg kvartila za distribuciju frekvencija koristi se slična procedura koja je
opisana za određivanje medijana grupiranih statističkih nizova. Umjesto formule (16) koristit
će se u ovom slučaju sljedeća formula:
N q
fi
f
Q1 L1 4 i1 i (18) k var t
f
kvart - apsolutna frekvencija kvartilnog razreda,
Medijan je drugi kvartil (Q2) i već je predstavljen kao položajna srednja vrijednost.
Gornji kvartil (Q3) je vrijednost obilježja koja dijeli statistički niz na dva dijela u omjeru 3:1.
Naime, 75% elemenata statističkog skupa ima vrijednost obilježja jednaku ili manju od
gornjeg kvartila, a preostalih 25% jedinica statističkog skupa ima vrijednost obilježja veću od
gornjeg kvartila.
Pri računanju gornjeg kvartila za distribuciju frekvencija, također se koristi slična procedura
koja je opisana za određivanje medijana. Umjesto formule (16) koristit će se u ovom slučaju
formula:
3N q
fi
Q3 L1 4 i1 i (19)
f
k var t
f
kvart - apsolutna frekvencija kvartilnog razreda,
Tablica 3.1. Ostvareni prihod deset najmoćnijih hrvatskih kompanija u 2015. u milijardama
kuna
Ostvareni prihod
Naziv kompanije u 2015.
(mrld. kn)
AGROKOR 51,3
INA 20,6
HEP 14,6
ORBICO 9,7
ADRIS GRUPA 8,7
ZABA 8,6
HT 7,1
ATLANTIC 5,5
ZG HOLDING 5,4
PBZ 5,2
Izvor: „LIDER“, broj 581. od 18. studenog 2016. str. 28. i 29.
i1 xi
136,7
x 13,67
N 10
Dakle, prosječna vrijednost ostvarenog prihoda deset najmoćnijih hrvatskih kompanija u
2015. godini iznosi 13,67 mrld. kuna.
Me 8,65
U ovom primjeru je medijan, kao položajna srednja vrijednost, bolji reprezentant od prosjeka
što je redovito slučaj u primjerima gdje imamo velike razlike (ponekad i ekstremno velike)
između vrijednosti obilježja. U našem primjeru je najmoćnija kompanija od navedenih deset
hrvatskih kompanija ipak imala desetak puta veći ostvareni prihod od one koja je ostvarila
najmanji prihod u 2015. godini. Ovakav zaključak je donesen i na temelju pokazatelja
reprezentativnosti o kojima će biti riječi u poglavlju 3.3. Mjere disperzije.
Primjer 3.2.
Tablica 3.2. Čokolade u pakiranju od 300g prodane 5. prosinca 2016. godine u jednom
splitskom trgovačkom centru
Broj
Vrsta čokolade prodanih
komada
Čokolada za kuhanje 35
Mliječna čokolada 225
Čokolada s lješnjakom 231
Čokolada s rižom 258
Bijela čokolada 193
Čokolada s voćem 156
Čokolada s keksom 183
Izvor: Računovodstveni podaci splitskog trgovačkog centra
Odredite modalnu ili najčešću vrstu prodane čokolade, u pakiranju od 300g, 5. prosinca 2016.
godine u tom splitskom trgovačkom centru.
U tablici 3.2. je prikazan nominalni statistički niz te se mod određuje brojenjem. Najveća
apsolutna frekvencija je f4 = 258 i pokazuje broj prodanih „čokolada s rižom“. Dakle,
najčešće prodavana vrsta čokolade u pakiranju od 300g, odnosno modalna vrsta prodane
čokolade, 5. prosinca 2016. godine u tom splitskom trgovačkom centru je bila „čokolada s
rižom“.
Relativni brojevi nastaju dijeljenjem dviju međusobno povezanih veličina. Pomoću njih se
mogu uspoređivati i analizirati pojave koje imaju različite jedinice mjere i statistički nizovi
s različitim brojem jedinica.
Veličina koja se nalazi u nazivniku relativnog broja se zove osnova ili baza relativnog broja i
po njoj se relativni brojevi međusobno razlikuju.
Relativni brojevi strukture pokazuju odnos dijela prema cjelini promatranog statističkog niza.
Zbog jednostavnijeg objašnjenja u pravilu se relativni brojevi množe sa sto ili s tisuću.
Dakle, u ovu vrstu relativnih brojeva spadaju proporcije i postoci koje tako često koristimo u
analizama u okviru poslovne statistike. To su po svojoj definiciji sve relativne frekvencije
(fri):
fi
fri n (20)
fi
i1
Pri definiranju relativnih frekvencija objašnjeno je da je proporcija (Pi) relativni broj koji se
dobije stavljanjem u odnos broja jedinica dijela statističkog skupa i ukupnog broja jedinica u
skupu. Ako se proporcija pomnoži sa 100 dobiva se postotak (p i). Nerijetko, kada to zahtijeva
priroda i svrha samog istraživanja proporcije se množe s 1000. Tada imamo relativnu
frekvenciju izraženu u promilima.
Ai
Ri (21)
B
i
gdje je:
Ovim indeksima se, također, može uspoređivati smjer i intenzitet varijacija vrijednosti unutar
istog statističkog niza.
Indeksi se računaju tako da se određeni član promatranog niza stavi u odnos prema odabranoj
veličini koju nazivamo baza. Baza indeksa (B) može biti jedan od članova promatranog
statističkog niza ili neka druga zadana veličina. Za izračunavanje indeksa se koristi sljedeća
formula:
fi
(22)
Ii 100
B
Ako je indeks manji od 100, rezultat će biti negativnog predznaka i pokazuje za koliko % je
veličina koja se uspoređuje manja od baze usporedbe.
Grafički prikaz indeksa kvalitativnih nizova s istom bazom su jednostavni stupci koji imaju
jednake baze, jer se članovi niza uspoređuju uvijek s istom veličinom. Specifičnost ovog
grafikona je da se stupci naslanjaju na bazu koja je jednaka 100 i od te visine se uzdižu ili
spuštaju, ovisno o tome prikazuju li vrijednosti koje su više ili manje u odnosu na vrijednost
baze.
Primjer 3.3.
Tablica 3.3. Broj zaposlenih i broj zaposlenih po jednom poduzetniku u 2015. godini u
hrvatskim županijama s više od 200 000 stanovnika
Broj zaposlenih po
Županija Broj zaposlenih jednom poduzetniku
A i
R ik1 .
B i
i1
U našem slučaju A je broj svih zaposlenih, a B je broj svih poduzetnika u 2015. godini u
hrvatskim županijama s više od 200 000 stanovnika. Poznat nam je broj zaposlenika u 2015.
godini u navedenim županijama Ai i pripadajući relativni brojevi koordinacije Ri.
Stoga ćemo prosjek svih šest relativnih brojeva koordinacije dobiti kao vaganu harmonijsku
sredinu pomoću formule:
k
Ai
R i1 k
Ai
i1 Ri
Veličinu u nazivniku, u našem slučaju ukupan broj poduzetnika, računamo pomoću sljedećeg
izraza:
A
B i
i1
k i
i1 R
U tu svrhu ćemo izračunati u četvrtom stupcu naredne tablice broj poduzetnika u 2015. godini
za svaku hrvatsku županiju s više od 200 000 stanovnika.
Dakle, prosječni broj zaposlenika po jednom poduzetniku u 2015. godini u svih šest
navedenih hrvatskih županija zajedno je bio:
A i
i1
592225
R k 8,14 9
72728
B i
i1
1 2 3 4 5
Splitskodalmatinsk
70498 6 11751 136,92
a
Osječkobaranjska
37475 9 4165 48,53
Primorskogoranska
60070 7 8582 100,00
f3 6000
I3 100 100
69,90 f B 8582
Indeks nam pokazuje da je u 2015. godini u Zagrebačkoj županiji bilo za 30,10 % manje
(69,90 - 100) poduzetnika nego li u Primorsko-goranskoj županiji.
3.4. Mjere asimetrije
a) simetrične,
Kod simetričnih distribucija frekvencija vrijedi pravilo da sve tri spomenute srednje
vrijednosti imaju istu vrijednost obilježja. Pri tome je medijan (Me = Q 2) jednako udaljen od
prvog kvartila, kao što je treći kvartil udaljen od medijana.
Mo Me X
(34)
(Q3 Q2) (Q2 Q1) (35)
Kod desnostrane ili pozitivne asimetrije mod je manji od medijana, a vrijednost medijana je
manja od aritmetičke sredine. Uslijed toga je udaljenost gornjeg kvartila od medijana veća od
njegove udaljenosti od donjeg kvartila , pa vrijede relacije:
Mo Me X (36)
(Q3 Q2) (Q2 Q1) (37)
Ljevostrano ili negativno asimetrične distribucije imaju vrijednost moda veću nego li je
vrijednost medijana, a vrijednost medijana premašuje vrijednost aritmetičke sredine. Zato u
negativno asimetričnim distribucijama razlika vrijednosti medijana i donjeg kvartila
premašuje razliku vrijednosti gornjeg kvartila i medijana. Simbolično vrijedi:
Mo Me X (38)
(Q3 Q2) (Q2 Q1) (39)
Ako je distribucija negativno asimetrična, aritmetička sredina se sve više udaljava od moda
prema manjim vrijednostima i tu je činjenicu uvažio Pearson pri definiranju svoje mjere
asimetrije. Da bi se izbjegao utjecaj različitih mjernih jedinica vrijednosti obilježja na mjeru
asimetrije, Pearsonova mjera asimetrije je izražena u jedinicama standardne devijacije i
računa se na sljedeći način:
Sk X Mo (40)
odnosno:
3( X Me) (41)
Sk
Ova Pearsonova mjera asimetrije uobičajeno poprima vrijednost u intervalu ±3. Ako je
distribucija simetrična Pearsonova mjera asimetrije će biti jednaka 0. Kada je distribucija
izrazito desnostrano asimetrična ova mjera će se približiti vrijednosti 3, a kod izrazito
negativno asimetričnih distribucija njena vrijednost će težiti -3. Ova mjera može poprimiti i
vrijednos
ti izvan navedenog intervala kada je distribucija neuobičajeno asimetrična.
Q1 Q3 2 Q2
Skg (42)
Q3 Q
1
Kao što je vidljivo, kod ove mjere asimetrije se standardizacija vrši pomoću vrijednosti
interkvartila. Krajnje vrijednosti koje može poprimiti ova mjera asimetrije su 1, za
maksimalno pozitivno ili desnostrano asimetričnu distribuciju i -1 za maksimalno negativno
Uz spomenute dvije mjere asimetrije u poslovnoj statistici se vrlo često koristi i potpuna
mjera asimetrije α3:
k
f (x X )
i i
3
i1 k
f i (43)
3 i1 3
Primjer desnostrano ili pozitivno asimetrične distribucije je prikazan na slici 2.5. Zaposlenici
Ekonomskog fakulteta u Splitu prema navršenim godinama radnog staža 1. ožujka 2016.
godine.
f (x X )
i i
4
i1 k
f i (44)
4
i1 4
Za zaobljenost vrha normalne distribucije ova mjera poprima vrijednost 3. Ako je distribucija
šiljastija od Gaussove krivulje, mjera će imati vrijednost veću od 3. U slučajevima kada je vrh
distribucije plosnatiji od normalne distribucije, mjera će poprimiti neku od vrijednosti manju
od 3. Kod pravokutnih ili jednolikih distribucija ova mjera ima vrijednost 1,8, a kada
distribucija poprimi U-oblik ova mjera će biti manja od 1,8. Karakteristični slučajevi su
ilustrirani slikom 3.4.
Slika 3.4. Karakteristični oblici distribucije frekvencija s obzirom na zaobljenost vrha
5. REGRESIJSKA ANALIZA
Za razliku od korelacijske, regresijska analiza ispituje međuovisnost dviju ili više varijabli.
Zahtjevima poslovne statistike u svakodnevnoj primjeni najčešće se može udovoljiti analizom
međuovisnosti dviju varijabli, pa će i daljnje izlaganje ostati na razini jednostruke ili
jednostavne regresijske analize, za razliku od višestruke ili multiple regresijske analize koja
proučava međusobne odnose više varijabli.
Nakon što se utvrdi postojanje veze između dviju varijabli, temeljna zadaća regresijske
analize je utvrditi analitički izraz te veze i prikazati je u obliku jednadžbe ili modela koji
najbolje odražava stvarne ili empirijske vrijednosti varijabli.
Regresijska analiza započinje određivanjem koja je varijabla zavisna ili regresand varijabla, a
koja je nezavisna odnosno regresorska varijabla. Pretpostavlja se da su i zavisna i nezavisna
varijabla numeričke prirode odnosno da su njihove vrijednosti mjerene na intervalnoj ili
omjernoj skali.
Budući da je cilj regresijske analize pomoću vrijednosti nezavisne varijable X što bolje
opisati, kontrolirati i posebno planirati i prognozirati kretanje zavisne varijable Y, koja je s
njom u uzročno posljedičnoj vezi, teži se određivanju te veze što jednostavnijim
matematičkim izrazima. Jednostavnost veze prvenstveno doprinosi njenom boljem
razumijevanju i lakšoj interpretaciji dobivenih rezultata. Stoga će se i na ovom mjestu temelji
regresijske analize izložiti na primjerima najjednostavnijih regresijskih modela.
yi 0 1 xi ei , i 1,2,...,n (51)
138
SVEUČILIŠTE U SPLITU
EKONOMSKI FAKULTET
Pripremila:Nada Ratković
09.05.2020.
10. ASIMPTOTSKI TREND MODELI
Vremenski nizovi svojim vrijednostima često prikazuju pojave koje se mijenjaju s vremenom
i pri tome teže npr. nekoj granici zasićenosti. Za opisivanje takvih pojava prikladni su upravo
asimptotski trend modeli. Naziv su dobili zbog činjenice da je ovoj skupini trend modela
zajedničko svojstvo da se koriste za opisivanje razvojne tendencije pojava koje se na dugi rok
približavaju nekoj graničnoj vrijednosti - asimptoti.
Asimptotski trend modeli spadaju u skupinu pravih nelinearnih trend modela, jer ih niti
jednim poznatim matematičkim postupkom odnosno transformacijom nije moguće prevesti u
linearni oblik. Budući da ovu skupinu trend modela nije moguće transformirati da budu
linearni u parametrima, ocjene njihovih parametara se ne mogu dobiti metodom najmanjih
kvadrata. Stoga se u metodološkom smislu ovim modelima pristupa ne kao stohastičkim, već
kao funkcionalnim ili determinističkim modelima i ocjene njihovih parametara se dobivaju
specifičnom metodologijom. Ta specifična metodologija obuhvaća dvije skupine metoda
ocjenjivanja parametara asimptotskih trend modela, a to su:
a) iterativne metode i
Iterativne metode ocjena parametara asimptotskih trend modela u pravilu koriste sve
vrijednosti vremenskog niza i u matematičkom smislu zahtijevaju kompleksan i obiman
proces računanja koji se vrši isključivo uporabom suvremenih računalnih paketa.
290
Od skupine asimptotskih trend modela u analizama poslovne statistike se najčešće koriste ova
tri tipa:
b) logistički trend i
c) Gompertzov trend.
Yˆ Bx
L A (158)
L L
291
Modificirani eksponencijalni trend model upotrebljava se za prikaz trend komponente
vremenskog niza kojemu su omjeri prvih diferencija vremenskog niza približno konstantni:
yt
const. (159)
yt1
S3 S 2 N
,
S 2 S1 (160)
B rr
S3 S2 3
r
S 2 S1
N (161)
B , r
3
B 1 (B 1)
A (S2 S1) r 2
(162)
L 1 S1 S3 S22 (163) r S1 S3 2S2
gdje su:
292
S3 - parcijalni zbroj posljednje trećine vrijednosti vremenskog niza.
(166)
1
B
L YI A (167)
gdje su:
Opći oblik logističkog trend modela ili Pearl-Reed-ove krivulje se matematički može
prikazati sljedećom funkcijom :
Yˆ 1
L A Bx (168)
293
Logistički trend će se upotrijebiti u slučajevima kada su omjeri prvih diferencija recipročnih
vrijednosti frekvencija vremenskog niza približno konstantni:
(1/ yt )
const. (169)
(1/ yt1)
Najčešća primjena logističkog trend modela u analizama poslovne statistike je pri opisivanju
temeljnih faza životnog vijeka proizvoda. U tom životnom vijeku razlikuju se tri temeljne
faze: faza uhodavanja, faza ekspanzije ili uzleta i faza zasićenja ili stagnacije na dostignutoj
razini vrijednosti pojave. To je vrlo ilustrativno prikazano na slici 10.2.
Uz to, u analizama demografskih kretanja često puta se logističkim trend modelom prikladno
opisuje proces naseljavanja nekog područja odnosno razvoj urbanih središta.
S3 S2 N
r
B S 2 S1 , r
3
(170)
S3 S 2
r
S 2 S1
294
N
B , r (171)
3
B 1 (172)
A (S2 S1) r 2
(B 1)
gdje su:
Ako se za ocjenjivanje parametara logističkog trenda koristi metoda triju odabranih točaka,
parametri se računaju po sljedećim formulama:
( 1 ) ( 1 ) N1
YIII YII
B , rr 2 (174)
1
( Y ) ( Y )1
II I
(1 ) ( 1 )
YIII YII
( 1 ) ( 1 )
YII YI
( 1 ) ( 1 )
YII YI
295
N 1 (175)
Br , r
2
A (176) r
B 1
L(1 )A
YI
(177)
gdje su:
1
Y ()- recipročna vrijednost pojave na početku vremenskog niza, I
Yˆ L ABx
(178) Kao model kretanja u vremenu nekih ekonomskih pojava Gompertzov trend
model je zanimljiv kada se radi o nesimetričnoj S krivulji. Ova krivulja, kada je riječ o
Gompertzovom obliku, ima dvije asimptote: donju jednaku nuli i gornju jednaku vrijednosti
parametra L.
Gompertzov trend model može poprimiti četiri različita oblika, a mogući oblici modela ovise
o vrijednostima parametara A, B i L, kao što je prikazano na slici 10.3.
296
L L
L L
S3 S 2 N
B r , r 3
S 2 S1
(180)
S3 S 2
S 2 S1
297
N
Br , r
3 (181)
B 1
log A (S2 S1) (Br 1)2 (182)
gdje su:
Ako se za ocjenjivanje parametara Gompertzovog trend modela koristi metoda triju odabranih
točaka, parametri se računaju po sljedećim formulama:
(182)
N1
Br , r
2
logYII logYI
log A
Br 1 (183)
298
logL logYI A (184)
gdje su:
(185)
299
300
Indeksi
INDIVIDUALNI I SKUPNI INDEKSI
• Individualni indeksi:izražavaju
dinamiku promjene samo jedne pojave
• verižniindeksi
• bazni indeksi.
• Skupni indeksi : izražavaju dinamiku
promjene više ili skupine srodnih pojava
• skupni indeks cijena,
• skupni indeks količinai
• skupni indeks vrijednosti.
Bazni indeksi
• Bazni indeksi - pokazuju relativne
(u %) promjene pojave u tekućem
razdoblju u odnosu na neko
odabrano bazno razdoblje.
Yt
I *100 *
S I 100
t Y t t
b
I 250
t
Verižni indeksi
• Verižni indeksi- pokazuju relativne
(u %) promjene pojave u tekućem
razdoblju u odnosu na prethodno
razdoblje.
Yt
V
100 St = Vt -100
t Yt 1
V 167,56
1998
BAZNI INDEKS – PRIMJER
SB
NB It
It *100
SB
I
b
Preračunavanje - baznih indeksa
– sa stare baze na novu bazu –
PRIMJER
Godina Indeks (2017.=100) Indeks 2012=100
2010 202,3 113,46
2011 201,1 112,79
2012 178,3 100
2013 127,5 71,51
2014 108,9 61,08
2015 102,4 57,43
2016 99,7 55,92
2017 100 56,09
2018 103,1 57,82
Preračunavanje verižnih
indeksa u bazne indekse
za razdoblja prije baznog (b=100), računa se unatrag :
It
I t 1 *100
V
T
100
za razdoblja poslije baznog (b=100), računa se unaprijed:
It 1 *VT
I
t 100
SKUPNI INDEKSI
• Skupni indeksi količina
• Skupni indeksi cijena
• Skupni indeks vrijednosti
p
i 1
i1 * qi 0
P01q( 0 ) k *100
p i 1
i0 * qi 0
Po1(qo)
Paascheov skupni indeks
cijena
k
p i 1
i1 * qi1
P01q( 1 ) k *100
p i
1
i0 * qi1
q i1 * pi 0
Q 01 ( p 0 ) ik1 *100
q
i 1
i0 * pi 0
Qo1(po)
Laspeyresov skupni indeks
količina
k
q i1 * pi 0
Q 01 ( p 0 ) ik1 *100
q
i 1
i0 * pi 0
Qo1(po)
Skupni indeks vrijednosti
k
q i1 p i1
i 1
V 01 k
100
q i0 p i0
i 1
Vo1
Cijene i količine razlićitih proizvoda od žita u 2018 i
2019 godini
Cijena po 1 kg Količine u kg/st.
Vrsta proizvoda
2018 2019 2018 2019
Kruh tip 500 18 26 40 38
Kruh tip 850 21 32 50 63
Makaroni 24 30 14 9
Pšenično brašno, tip 500 57 72 15 18
REALNE PLA
ĆE
NOMINALNE
*10
PLAĆE
INDEKS POTROŠAČKIH0
CIJENA
INDEKS REALNIH
Ć
PLA A
INDEKS NOMINALNE PLAĆE
*100
INDEKS POTROŠAČKIH CIJENA
ZAPAMTI
REALNE PLAĆE= (NOM. PLAĆE/BAZNI INDEKS CIJ.) * 100
NOMINALNA PLAĆA JE BILA VEĆA/MANJA OD REALNE JER
JE BAZNI INDEKS CIJENA U TOM RAZDOBLJU
PRECIJENJEN/PODCIJENJEN ZA (INDEKS-100)
Hvala na pažnji
y i 0 1 xi , i 1,2,...,n (52)
Pri tome je procijenjena vrijednost slučajnog člana modela odnosno rezidualnog odstupanja:
ei y i y i (53)
Riješiti jednostavni linearni regresijski model (51) znači izračunati ocjene parametara 0 i
1
Ove parametre ocjenjujemo koristeći metodu najmanjih kvadrata. Metoda je dobila naziv po
svom temeljnom cilju – minimiziranju zbroja kvadrata odstupanja stvarnih vrijednosti
varijable Y, (yi), od njenih očekivanih ili regresijskih vrijednosti (𝑦 ). Matematičkim
rječnikom se traži minimum funkcije:
n n 2
x y n X Y
i i
i
1
1 n
(55)
2 2
x n X i
i1
0 Y 1 X (56)
𝛽 je konstantni član modela koji pokazuje kolika je očekivana vrijednost regresand ili zavisne
varijable kada regresorska ili nezavisna varijabla poprimi vrijednost nula.
Nakon što se ocijene parametri modela potrebno je ocijeniti reprezentativnost tog modela.
Reprezentativnost modela se mjeri apsolutnim i relativnim mjerama reprezentativnosti.
139
Redovito korištena apsolutna mjera reprezentativnosti je standardna greška regresije koja se
računa prema sljedećem izrazu:
n 2 n
e ( y y )
2
i i i
i
1 i
1
Y n 2 n 2 (57)
Y (58)
V Y 100
Y
Temeljna analiza regresije počiva na analizi varijance. Sljedeća slika prikazuje analizu
varijance za jedno opažanje yi varijable Y.
140
Na slici 5.1. je vidljivo da se ukupno odstupanje opažanja y T od prosjeka svih opažanja
varijable Y može podijeliti na dva djela: protumačeni dio odstupanja i neprotumačeni dio
odstupanja. Zbog važnog svojstva aritmetičke sredine da je zbroj svih odstupanja
individualnih vrijednosti od prosjeka jednak nuli, potrebno je vrijednosti sve tri vrste
odstupanja kvadrirati. Pri tome se zbroj kvadrata ukupnih odstupanja varijable Y od njezinog
prosjeka simbolički označava ST i dijeli na zbroj kvadrata protumačenih odstupanja SP i na
dio odstupanja koji je ostao neprotumačen promatranim modelom, a čiji se zbroj kvadrata
označava SR.
n n n
ST = SP + SR (60)
2
n n n 2
n n n n
SR (y y ) y
i i
2
i
2
0 yi 1 xi yi (62)
i1 i1 i1 i1
141
ST je zbroj kvadrata ukupnih odstupanja vrijednosti varijable Y od njezine aritmetičke
sredine.
n n
2 2
2
SP
2 SR 2
2
r R
(65)
.
parametra 1
142
Potrebno je istaknuti da u regresijskoj analizi po definiciji nijedna varijabla nije predodređena
kao zavisna varijabla, kao što ne postoje unaprijed određene nezavisne ili objašnjavajuće
varijable. Prema cilju i svrsi statističkog istraživanja za svaku pojedinu regresijsku analizu se
određuje regresand i regresorska varijabla. Nerijetko u istom statističkom istraživanju postoji
potreba sagledavanja spleta uzročno posljedičnih veza na način da se nakon regresijske
analize u kojoj je određena varijabla bila zavisna, analizira regresijski model u kojemu ta ista
varijabla postaje nezavisna. Zadržavajući iste simbole oznaka varijabli, procijenjeni
jednostavni linearni regresijski model u kojemu je X zavisna , a Y nezavisna varijabla ima
sljedeći opći oblik:
Kao što je vidljivo na slici 5.1. još jedno vrlo značajno i korisno svojstvo jednostavnih
linearnih regresijskih modela je da regresijski pravci 𝑌 = 𝑌 i 𝑋 = 𝑋 sadrže točku T(𝑋, 𝑌).
yi 0 1 (67)
143
logaritamskom
transformacijom na sljedeći način:
ˆ ˆ
log yˆi log 0 log i xi (68)
n
x log y n X log Y
i
1
i i
log1 n
(70)
2 2
x n X
i
i1
n
Koeficijent 𝛽 pokazuje ocijenjenu ili regresijsku vrijednost koju prema modelu očekujemo da
će poprimiti zavisna varijabla Y ako nezavisna varijabla X poprimi vrijednost jednaku 0.
144
Parametar 𝛽 na taj način daje i značajnu informaciju o prosječnoj stopi promjene koja se
računa prema izrazu:
ˆ
S ( 1 1)100 (73)
Mjerenje reprezentativnosti kao i jednadžba analize varijance se za jednostavni
eksponencijalni regresijski model provode na isti način i po istim formulama kao što se to čini
za jednostavni linearni regresijski model. Jedina razlika je što se u ovom slučaju koriste
logaritmirane vrijednosti log yi i originalne vrijednosti xi.
145
6. VREMENSKI NIZOVI
Za veliki broj ekonomskih pojava i procesa je potrebno i korisno odrediti niz statističkih
pokazatelja vezanih uz njihove promjene tijekom vremena. Stoga se i u poslovnoj statistici
vrlo često analiziraju vrijednosti pojava tijekom vremena.
Statistički vremenski niz je skup kronološki uređenih vrijednosti neke pojave. Vrijednosti
vremenskog niza se nazivaju frekvencije vremenskog niza.
Ako neku pojavu promatramo u određenom trenutku vremena npr. na točno određen datum,
što je najčešće u poslovnoj statistici, dobit ćemo skup kronološki uređenih vrijednosti koje
odražavaju razinu pojave u odabranom vremenskom trenutku. Takav kronološki uređeni skup
vrijednosti nazivamo trenutačni vremenski niz.
Grafički prikaz vremenskog niza treba zadržati potpunu informativnost kao i tablica iz koje se
najčešće koriste podaci. To znači da treba imati sve potrebne oznake: naslov grafikona s
opisom vrijednosti vremenskog niza koji se prikazuje, izvor podataka prikazanih grafikonom,
oznake mjernih jedinica na ordinati i na apscisi i kazalo odnosno legendu ako se na istom
grafikonu prikazuje više različitih vremenskih nizova.
a) linijskim grafikonom i
b) površinskim grafikonom.
Površinski grafikon intervalnog vremenskog niza crta se na isti način kao i histogram. Pri
tome je stupce potrebo prisloniti jednog uz drugog, jer vrijeme teče kontinuirano. Ako su
intervali promatranja jednaki, stuci imaju jednake baze, a visina im odgovara vrijednostima
vremenskog niza za određeno razdoblje. Dakle, za grafički prikaz se koriste u ovom slučaju
apsolutne frekvencije. Ako intervalni vremenski niz sadrži nejednake vremenske intervale,
izravna usporedivost frekvencija nije moguća, a postiže se korigiranjem frekvencija.
Vrijednost apscise za svako vremensko razdoblje smješta se grafički u sredinu razdoblja, a na
tom mjestu se nanosi ordinata do visine korigirane frekvencije.
Linijski grafikon intervalnog vremenskog niza crta se točkama čijim spajanjem nastaje
poligon frekvencija. Na apscisi se prikazuje varijabla vremena, a apscisa svake točke
vremenskog niza nanosi se u sredinu razdoblja tj. intervala. Ordinate točaka određene su
vrijednostima niza za intervalne vremenske nizove koji imaju jednake intervale promatranja
odnosno korigiranim frekvencijama kod prikaza intervalnih vremenskih nizova nejednakih
razdoblja promatranja.
Trenutačni vremenski nizovi mogu se prikazivati samo linijskim grafikonom. Kod ove vrste
linijskog grafikona vrijednost pojave se nanosi u stvarnom trenutku njenog mjerenja, bez
obzira je li to početkom, sredinom, krajem razdoblja ili na neki precizni datum promatranih
177
vremenskih razdoblja koja se nižu na apscisi. Za nizove čije točke promatranja u vremenu
nisu jednako udaljene ne treba vršiti korekciju frekvencija, jer se kod trenutačnih vremenskih
nizova na ordinatu uvijek nanose vrijednosti tj. frekvencije.
Bez obzira na vrstu vremenskog niza, ako su na ordinati sve vrijednosti (Y t) promatranog
vremenskog niza izrazito velike dozvoljeno je napraviti vodoravan prekid grafikona na
ordinati, na način da se velike vrijednosti približe apscisi, da bi se izbjegao prazni prostor na
grafikonu. Ovaj vodoravan prekid grafikona može se napraviti samo za linijski grafikon.
Okomiti prekid grafikona na apscisi se radi ako nisu poznate vrijednosti vremenskog niza za
neka promatrana vremenska razdoblja, kao na primjer za ratne godine.
Za uspoređivanje dvaju ili više vremenskih nizova može se koristiti aritmetičko ili
logaritamsko mjerilo na osi ordinata.
Aritmetičko mjerilo na osi ordinata koristi se za uspoređivanje dvaju ili više vremenskih
nizova koji imaju iste jedinice mjere pod uvjetom da se njihove vrijednosti puno ne razlikuju.
U ovom slučaju se prikazivanjem dvaju ili više vremenskih nizova pomoću aritmetičkog
mjerila na osi ordinata omogućuje usporedba apsolutnih promjena pojedinačnih vrijednosti
vremenskih nizova.
b) za prikazivanje i uspoređivanje dvaju ili više vremenskih nizova koji imaju iste
jedinice mjere, ali im se vrijednosti jako razlikuju, pa je usporedba na grafikonu s
aritmetičkim mjerilom na osi ordinata nemoguća.
178
Stoga se na grafikonu s logaritamskim mjerilom na osi ordinata vrši usporedba relativnih
promjena promatranih vrijednosti vremenskih nizova.Većim nagibom linijskoga grafikona
prikazuje se veća relativna promjena odnosno veća stopa promjene promatranih vrijednosti
vremenskog niza.
Ako je omjer najveće i najmanje frekvencije vremenskoga niza veći od 10, tada treba
upotrijebiti više od jednog logaritamskog ciklusa.
Ymax
Ako je 10 , dovoljan je jedan logaritamski ciklus. Ymin
Na istom grafu se mogu istodobno prikazivati dva ili više vremenskih nizova. U tim
slučajevima se na osi ordinata mogu staviti oznake za mjerne jedinice više vremenskih nizova
i to s obje strane grafičkog prikaza. Ako se prikazuju samo dva vremenska niza, njihove
oznake se stavljaju s lijeve i s desne strane grafikona na osi ordinata. Oznake na ordinati za
više vremenskih nizova su obično u legendi (kazalu) s desne strane grafikona. Granice broju
vremenskih nizova koji se prikazuju istim grafom postavljene su načelom preglednosti.
179
Primjer 6.1.
Tablica 6.1. Procijenjeni broj stanovnika RH u tisućama sredinom godine i broj živorođenih
izvan braka od 2000. do 2014. godine
Stanovništvo u
tisućama - Živorođeni
Godina
procjena izvan braka
sredinom godine
2000. 4426 3927
2001. 4440 3845
2002. 4440 3856
2003. 4440 4026
2004. 4439 4183
2005. 4442 4464
2006. 4440 4562
2007. 4436 4823
2008. 4434 5260
2009. 4429 5768
2010. 4418 5752
2011. 4280 5768
2012. 4268 6444
2013. 4256 6442
2014. 4238 6889
Izvor: Stanovništvo – procjena sredinom godine i prirodno kretanje, Statistički ljetopis 2015. godine, str. 119.
Procijenjeni broj stanovnika RH u tisućama sredinom godine i broj živorođenih izvan braka
po promatranim godinama prikažite odgovarajućim grafikonima i, ako je prikladno,
napravite vodoravni prekid na ordinati odnosno okomiti prekid na apscisi.
180
Slika 6.1. Procijenjeni broj stanovnika RH u tisućama sredinom godine od 2000. do 2014.
godine
4500
4450
Broj stanovnika u tisućama
4400
4350
4300
4250
4200
1998 2000 2002 2004 2006 2008 2010 2012 2014 2016
Godina
Izvor: Stanovništvo – procjena sredinom godine i prirodno kretanje, Statistički ljetopis 2015. godine, str. 119.
Procijenjeni broj stanovnika RH u tisućama sredinom godine kao trenutačni vremenski niz
može se prikazati samo poligonom frekvencija, što je i učinjeno na slici 6.1. Ordinate su
podizane do visine originalnih frekvencija i to na mjestima koja označavaju sredinu
promatrane godine, jer je to vremenski trenutak procjene broja stanovnika.Vodoravni prekid
na ordinati izvršen je automatizmom MS Excela dok okomiti prekid apscise nije primjeren jer
postoje podaci tijekom čitavog promatranog razdoblja.
Slika 6.2. Broj živorođene djece izvan braka u Republici Hrvatskoj od 2000. do 2014.godine
181
Izvor: Stanovništvo – procjena sredinom godine i prirodno kretanje, Statistički ljetopis 2015. str. 119.
Broj živorođenih izvan braka je nastao kumuliranjem broja živorođene djece čiji roditelji nisu
u braku tijekom promatranih godina. Stroga se kao intervalni ovaj vremenski niz može osim
linijskim grafikonom prikazati i površinskim grafikonom što je i učinjeno na slici 6.2.
Histogram na slici 6.2. ima spojene jednostavne stupce jer vrijeme teče kontinuirano. Nije
bilo primjereno raditi okomiti prekid na apscisi je su poznati podaci za svaku promatranu
godinu, a niti vertikalni prekid na ordinati koji nije u načelu dozvoljeno raditi kod površinskih
grafikona. Vremenska razdoblja promatranja (godine) su ekvidistantna odnosno vremenski
jednako traju, pa su i na grafikonu prikazana stupcima jednakih baza. U ovakvim slučajevima
se ordinate nanose do visine originalnih frekvencija i nije bilo potrebno njihovo korigiranje.
Primjer 6.2.
182
a) Slika 6.3. Iznosi isplaćenih sredstava povlaštenim proizvođačima obnovljivih izvora
energije u milijunima kuna i isplaćena sredstva za energiju uravnoteženja u stotinama
tisuća kuna u RH za razdoblje od 2008. do 2012. godine.
Izvor: Nacionalni akcijski plan za obnovljive izvore energije do 2020. godine, str. 67.
183
Na slici 6.3. s polulogaritamskim mjerilom su prikazana dva vremenska niza s različitim
mjernim jedinicama, što je i navedeno uz oznake na ordinati s lijeve i desne strane. Uz to,
prikaz s logaritamskim mjerilom na osi ordinata bi bio nužan i za grafičku predodžbu kretanja
svakog od ovim vremenskih nizova zasebno. Naime, oba vremenska niza su u promatranom
razdoblju bilježila vrlo intenzivan rast iz godine u godinu, koji se zbog višestruko većeg
iznosa vrijednosti u posljednjim u odnosu na prve godine nije mogao prikazati aritmetičkim
mjerilom na ordinati. Vrijednosti niza isplaćenih sredstava povlaštenim proizvođačima
obnovljivih izvora energije je porastao od 2008. do 2012. godine 13-tak puta i za njegov
prikaz je bilo potrebno predvidjeti jedan logaritamski ciklus i nešto manje od polovine
narednog, što je vidljivo na oznakama s lijeve strane grafičkog prikaza, gdje su označene i
mjerne jedinice za ovu varijablu. Međutim, iznosi sredstava isplaćenih za energiju
uravnoteženja su porasli 20-tak puta u promatranom razdoblju, pa su za njihov prikaz
(mjerne jedinice na desnoj strani grafikona) bila potrebna dva logaritamska ciklusa.
184
7. BROJČANA ANALIZA VREMENSKIH NIZOVA
Nakon što grafička analiza vremenskog niza uputi na temeljne zaključke o obilježjima
kretanja promatrane pojave u vremenu, brojčanom analizom se nastavlja njihova preciznija
kvantitativna analiza putem brojčanih pokazatelja.
Među osnovne brojčane pokazatelje se ubrajaju pojedinačne apsolutne promjene i razne vrste
indeksa vremenskih nizova.
koja pokazuje za koliko se apsolutno promijenila razina pojave u vremenu t u odnosu na neko
razdoblje b.
185
Indeksi su relativni brojevi koji pokazuju odnos stanja jedne pojave ili homogene skupine
pojava u različitim trenucima ili intervalima vremena. Indeksi mjere dinamiku (tempo)
promjene neke pojave u relativnom izrazu. Dvije su glavne skupine indeksa:
a) individualni i
b) skupni indeksi.
Individualni indeksi mjere dinamiku promjene samo jedne pojave, a skupni indeksi više
pojava koje imaju određene sličnosti i međusobno su povezane na način da tvore homogenu
skupinu pojava.
a) verižne indekse i
b) bazne indekse.
yt
Vt 100, t 2,3,...,N (78)
y
t1
Verižni indeksi se još nazivaju i lančani indeksi, jer pokazuju promjene pojave u uzastopnim
vremenskim razdobljima i nadovezuju se jedan na drugi poput karika lanca.
Promjena koju mjere verižni indeksi računa se putem individualne stope promjene, tako da se
od vrijednosti verižnog indeksa oduzme 100.
186
St Vt 100 (79)
Vrijednosti verižnog indeksa iznad 100 pokazuje porast vrijednosti pojave u odnosu na
prethodno razdoblje za iznos postotnih jedinica koji je jednak stopi promjene.
Vrijednost verižnog indeksa manja od 100 pokazuje smanjenje vrijednosti pojave u postotnim
jedinicama u odnosu na prethodno razdoblje za iznos pripadajuće stope promjene.
Bazni indeksi vremenskih nizova ili indeksi na stalnoj bazi pokazuju relativne promjene
pojave u tekućem razdoblju u odnosu na neko odabrano bazno razdoblje odnosno na neku
odabranu veličinu npr. srednju vrijednost, standardnu vrijednost i slično. Bazni indeksi
pokazuju za koliko % se vrijednost pojave u promatranom razdoblju promijenila u odnosu na
odabrano bazno razdoblje odnosno odabranu baznu veličinu. Bazni indeksi se računaju po
formuli:
yt
It 100, t 2,3,...,N (80) yb
Pri tome je 𝑦 vrijednost pojave u nekom izabranom baznom razdoblju. Kod baznih indeksa
uobičajen je zapis za bazno razdoblje da je jednako 100 odnosno (b=100).
187
Za interpretaciju baznog indeksa potrebno je izračunati individualnu stopu promjene u odnosu
na bazno razdoblje kao i kod verižnog indeksa, na način da se od vrijednosti baznog indeksa
oduzme 100.
Vrijednosti baznog indeksa mogu biti manje, jednake ili veće od 100. Vrijednost baznog
indeksa koja je jednaka 100 pokazuje da nema promjene u dinamici kretanja te pojave u
odnosu na odabrano bazno razdoblje odnosno odabranu baznu veličinu.
Vrijednosti baznog indeksa iznad 100 pokazuje porast vrijednosti pojave u odnosu na bazno
razdoblje za iznos postotnih jedinica koji je jednak stopi promjene u odnosu na bazno
razdoblje
(b).
Vrijednost baznog indeksa manja od 100 pokazuje smanjenje vrijednosti pojave u postotnim
jedinicama u odnosu na izabranu bazu za iznos pripadajuće stope promjene.
b) površinskim grafikonom.
Površinski grafikon za bazne indekse se sastoji od jednostavnih stupaca koji imaju iste baze,
jer se promjene odnose na istu duljinu vremenskog razdoblja npr. kada se u svim slučajevima
radi o godišnjim promjenama. Na ordinati je uočljivo označena vrijednost 100 koja je
188
pridružena baznom razdoblju i svim ostalim razdobljima u kojima je vrijednost pojave ista
kao u baznom razdoblju, što znači da promjene nema i da je indeks jednak 100.
Visine stupaca se podižu iznad bazne crte 100 do vrijednosti indeksa za sve indekse koji
imaju stope promjene pozitivnog predznaka. To znači da je u tim razdobljima promatrana
pojava bilježila rast u odnosu na bazno razdoblje.
Stupci se crtaju ispod bazne crte 100 za sve indekse čija je vrijednost manja od 100 odnosno
koji imaju stope promjene negativnog predznaka. To znači da je u tim razdobljima
promatrana pojava bilježila smanjenje vrijednosti u odnosu na bazno razdoblje.
a) baznih indeksa po jednoj bazi pomoću vrijednosti baznih indeksa po drugoj bazi,
It
It * 100 (82)
Ib
yt
189
Vt 100
yt1
vrijedi da je:
It
Vt 100, t 2,3,....N (83)
I
t1
U prvom koraku izračuna se određuje vrijednost baznog indeksa za razdoblje prije baznog (t <
b). Izračun se vrši najprije za prethodno razdoblje, pa za ono koje njemu prethodi i tako iz
razdoblja u razdoblje unatrag. Pri tome se koristi sljedeća formula:
It
I t 1 100 (84)
Vt
gdje je:
Za razdoblja poslije baznog (t > b), u drugom koraku, izračun se vrši od razdoblja do
razdoblja unaprijed po sljedećoj formuli:
Vt It1
It 100 (85)
190
It - bazni indeks za razdoblje t za t > b
Verižni indeksi se, dakle, mogu pretvoriti u indekse na stalnoj bazi, vezanoj za bilo koje
razdoblje, primjenom formule:
100,t
b
It1
It 100,t b (86)
Vt1
Vt
It1 ,t b
100
191
1. Skupni indeksi vremenskih nizova
Skupni indeksi su relativni pokazatelji dinamike kretanja vrijednosti skupine pojava tijekom
vremena koje su na neki način povezane ili su međusobno homogene u odnosu na referentne
značajke.
Razdoblje za koje se mjeri dinamika promjene skupine pojava naziva se tekuće ili izvještajno
razdoblje. Simbolički se u pravilu označava s 1.
Razdoblje čija je pripadajuća vrijednost skupine pojava izabrana za bazu odnosno razdoblje s
kojim se uspoređuje ostvarena vrijednost pojave u tekućem razdoblju naziva se bazno ili
početno razdoblje. Simbolički se u pravilu označava s 0.
S obzirom na način izračunavanja odnosno odabira pondera pri računanju dinamike kretanja
skupni indeksi se dijele u dvije skupine:
Laspeyresovi skupni indeksi uvažavaju kao pondere vrijednosti iz baznog (0) razdoblja, a
Paascheovi indeksi imaju pondere iz tekućeg (1) razdoblja.
Skupni indeksi se, bez obzira na način izračuna, interpretiraju na isti način. Kao relativni
pokazatelji dinamike kretanja skupine pojava izraženi su u postotnim jedinicama. U svrhu
njihovog tumačenja provodi se isti postupak kao i kod individualnih indeksa. Naime, od
izračunate vrijednosti skupnog indeksa se oduzme 100. Tako dobiveni broj svojim
predznakom pokazuje smjer (porast ili smanjenje), a apsolutnom vrijednošću intenzitet
promatrane promjene.
1.1. Skupni indeks cijena
Skupni indeks cijena je relativni pokazatelj dinamike kretanja cijena skupine pojava u
tekućem razdoblju u odnosu na bazno razdoblje uz neizmijenjene količine.
Laspeyresov skupni indeks cijena je vagana aritmetička sredina individualnih indeksa cijena,
gdje su kao ponderi uzimaju količine iz baznog, odnosno nultog razdoblja.
pi0qi0
i1
Ako su ponderi zadani u relativnim iznosima kao struktura vrijednosti iz baznog razdoblja
gdje su Wi0 ponderi koji ne moraju biti apsolutne veličine nego se mogu koristiti i strukturni
U praksi se vrlo često koristi agregatni oblik Laspeyresov skupnog indeksa cijena:
k
pi1qi0
P01(q0) ik1 100 (89)
pi0qi0
i1
Paascheov skupni indeks cijena je vagana aritmetička sredina individualnih indeksa cijena,
gdje su ponderi količine iz izvještajnog odnosno tekućeg razdoblja.
Paascheov skupni indeks cijena mjeri za koliko postotnih jedinica su se promijenile cijene
skupine pojava zajedno u izvještajnom u odnosu na bazno razdoblje, računajući uz
neizmijenjene količine iz izvještajnog razdoblja. Računa se na sljedeći način:
p
P01(q1) i1 i0k (90)
pi0qi1
i1
k pi1 100Wi1
Wi1
i1
gdje su Wi1 umnošci cijena baznog razdoblja i količina tekućeg razdoblja ili njima
proporcionalne veličine.
pi0qi1
i1
Skupni indeks količina je relativni pokazatelj dinamike kretanja količina skupine pojava u
tekućem razdoblju u odnosu na bazno razdoblje.
S obzirom na način izračuna i kod ovog skupnog indeksa se pojavljuju dva temeljna oblika:
k qi1 100qi0pi0
qi0pi0
i1
Ako su ponderi zadani u relativnim iznosima kao struktura vrijednosti iz baznog razdoblja
Wi0
i1
k
qi1pi0
Q01(p0) i 1
k 100 (95)
qi0pi0
i1
k qi1 100qi0pi1
qi0pi1
i1
k qi1 100Wi1
Wi1
i1
k
qi1pi1
Q01(p1) i 1
k 100 (98)
qi0pi1
i1
Skupni indeks vrijednosti je relativni pokazatelj dinamike kretanja vrijednosti skupine pojava
u tekućem razdoblju u odnosu na bazno razdoblje.
Vrijednost nekog proizvoda ili usluge (i) je umnožak njegove količine i cijene:
V q p
i i i (99)
k
qi1pi1
V
01 ik1100 (100)
qi0pi0
i1
P01(q0)Q01(p1)
V
01 100 (101)
ili množenjem Paascheovog skupnog indeksa cijena i Laspeyresovog skupnog indeksa količina na
sljedeći način:
P01(q1)Q01(p0) (102)
V01
100
Skupni indeksi se prema potrebama raznih ekonomskih analiza u okviru poslovne statistike
pojavljuju pod različitim nazivima. Skupni indeks cijena se može računati za cijene
ugostiteljskih usluga, za cijene poljoprivrednih proizvoda, za cijene na malo, za cijene na
veliko itd.
Između posebnih oblika skupnog indeksa cijena nedvojbeno posebnu važnost ima skupni
indeks potrošačkih cijena, a od posebnih oblika skupnog indeksa količina svojim značajem se
izdvaja indeks fizičkog obujma.
Primjer 1.
Poznate su cijene i broj podanih komada pet vrsta mobilnih telefona u jednoj splitskoj
prodavaonici u ožujku 2015. godine i u ožujku 2016. godine.
a) Izračunajte Laspeyresov skupni indeks cijena i interpretirajte ga u konkretnom
slučaju.
Podaci su ispisani u radnom listu na slici 7.6 koji je dio rješenja primjera 7.4.
Prije izračuna skupnih indeksa potrebno je znati cijenu i količinu prodanih mobitela u baznom
(početnom) razdoblju i izvještajnom (tekućem) razdoblju. Potrebno je odrediti izvještajno ili
tekuće razdoblje ( koje se u pravilu obilježava s 1) za koje se računa dinamika pojave i bazno
ili početno razdoblje ( koje se u pravilu obilježava s 0) u odnosu na koje se dinamika pojave
računa. U ovom primjeru bazno razdoblje za cijene i količine prodanih mobitela je ožujak
2015. godine, a izvještajno razdoblje je ožujak 2016. godine.
p q
i1 i0
p q
i0 i0
i1
Za izračun P01(q0) treba izračunati umnožak cijena iz baznog razdoblja s količinama iz baznog
Slika 1. Cijene i broj podanih komada pet vrsta mobilnih telefona u jednoj splitskoj
prodavaonici u ožujku 2015. godine i u ožujku 2016. godine
U ćeliju B14 unesite formulu = B6*C6, gdje B6 sadrži cijenu prve vrste mobitela u baznom
razdoblju, a C6 je ćelija koja sadrži broj prodanih komada (količinu) prve vrste mobitela u
baznom razdoblju. Kopirajte sadržaj ćelije B14 u bloku ćelija B15:B18.
U ćeliju D14 unesite formulu =D6*C6, gdje je D6 ćelija koja sadrži cijenu prve vrste mobitela
u tekućem razdoblju, a C6 je ćelija koja sadrži broj prodanih komada (količinu) prve vrste
mobitela u baznom razdoblju. Kopirajte sadržaj ćelije D14 u bloku ćelija D15:D18.
Za izračun indeksa potrebni su zbrojevi dobivenih umnožaka u blokovima ćelija.
U ćeliju B19 unesite formulu =SUM(B14:B18) ili označite blok ćelija B14:B18 i kliknite na
AutoSum (Automatski zbroj). U ćeliju D19 unesite formulu =SUM(D14:D18) ili kopirajte
sadržaj ćelije B19.
Na ekranu računala će biti sljedeći prikaz:
U praznu ćeliju npr.D23 upišite formulu:
=D19/B19*100.
k
p q
i1 i0
P01(q0) i 1
k 100 100 74,89
p q
i0 i0
i1
Laspeyresov skupni indeks cijena P01(q0)iznosi 74,89, što znači da su se cijene svih pet vrsta
mobilnih telefona prodanih u splitskoj prodavaonici u ožujku 2016. u odnosu na ožujak 2015.
godine, smanjile za 25,11 (74,89-100) indeksnih jedinica pod pretpostavkom da je broj
prodanih komada ostao isti kao u ožujku 2015. godine (računajući uz neizmijenjene količine
prodanih mobitela iz ožujka 2015. godine).
Ponovo, ali sada drugim postupkom, treba izračunati za koliko su se promijenile cijene svih
navedenih vrsta mobitela u ožujku 2016. godine u odnosu na ožujak 2015. godine, računajući
uz neizmijenjene količine prodanih mobitela iz ožujka 2016. godine.
Formula za izračun Paascheovog skupnog indeksa cijena je:
k
p q
i1 i1
U ćeliju C13 upišite naziv stupca tablice „ pi0 qi1“, a u ćeliju E13 naziv stupca „ pi1 qi1“.
U ćeliju C14 unesite formulu =B6*E6, gdje je B6 ćelija koja sadržava cijenu prve vrste
mobitela u baznom razdoblju, a E6 ćelija koja sadrži broj prodanih komada (količinu) prve
vrste mobitela u izvještajnom razdoblju. Kopirajte sadržaj ćelije C14 u bloku ćelija C15:C18.
U ćeliju E14 unesite formulu =D6*E6, gdje je D6 ćelija koja sadrži cijenu prve vrste mobitela u
izvještajnom razdoblju, a E6 sadrži broj prodanih proizvoda (količinu) prve vrste mobitela u
izvještajnom razdoblju. Kopirajte sadržaj ćelije E14 u bloku ćelija E15:E18.
Za izračun indeksa potrebni su zbrojevi dobivenih umnožaka u blokovima ćelija.
U ćeliju C19 unesite formulu =SUM(C14:C18) ili označite blok ćelija C14:C18 i kliknite na
AutoSum (Automatski zbroj). U ćeliju E19 unesite formulu =SUM(E14:E18).
U praznu ćeliju npr.D24 upišite formulu: =E19/C19*100.
p q
i1 i1
mobilnih telefona prodanih u splitskoj prodavaonici u ožujku 2016. u odnosu na ožujak 2015.
q i1 pi0
Q01(p0) ik1 100
q i0 pi0
i1
k
q i1 pi0
q i1 i1p
izračun Paascheovog skupnog indeksa količina Q01(p1) je:Q01(p1) i 1
k 100
q i0 pi1
i1
qi0pi1
i1
Paasscheov skupni indeks količina Q01(p1) iznosi 172,60, što znači da je broj prodanih komada
(količine) svih pet vrsta mobilnih telefona prodanih u splitskoj prodavaonici u ožujku 2016. u
odnosu na ožujak 2015. godine, porastao za 72,60 (172,60-100) indeksnih jedinica pod
pretpostavkom da su cijene bile iste kao u ožujku 2016. godine.
Skupni indeks vrijednosti V01 može se izračunati na više načina, pomoću različitih formula.
1. Skupni indeks vrijednosti V01 može se izračunati tako da zbroj umnožaka količine i
cijena u izvještajnom razdoblju podijelimo sa zbrojem umnožaka količine i cijene u baznom
razdoblju.
skupnog indeksa cijena P01(q0) i Paascheovog skupnog indeksa količina Q01(p1) podijeljeno sa
100.
P01(q0)Q01(p1) 74,89172,39
V01 129,26 100 100
1. Skupni indeks vrijednosti V01 može se izračunati kao umnožak Paascheovog skupnog
indeksa cijena P01(q1) i Laspeyresovog skupnog indeksa količina Q01(p0) podijeljeno sa 100.
P01(q1)Q01(p0) 74,98172,39
V01 129,26
100 100
Skupni indeks vrijednosti V01 iznosi 129,26, što znači da je vrijednost prodaje za svih pet vrsta
mobilnih telefona prodanih u splitskoj prodavaonici u ožujku 2016. u odnosu na ožujak 2015.
godine, porasla za 29,26 (129,26-100) indeksnih jedinica.
Pri rješavanju primjera 7.4, tablica se može formirati i na sljedeći način:
Tablica 2. Cijene i broj podanih komada pet vrsta mobilnih telefona u jednoj splitskoj
prodavaonici s pripadajućim međurezultatima u ožujku 2015. godine i u ožujku 2016. godine
broj broj
Vrsta mobilnog Cijena p prodanih Cijena p prodanih
telefona i0 komada i1 komada
q i0 q i1 p i0 · q i0 p i1 · q i0 p i1 · q i1 p i0 · q i1
I phone 6 5850 5 4250 11 29250 21250 46750 64350
I phone 5 4100 2 3340 4 8200 6680 13360 16400
Samsung Galaxy A5 2719 8 2070 17 21752 16560 35190 46223
LG G3 3295 6 2445 3 19770 14670 7335 9885
Samsung S-56 11 495 2 360 2 990 720 720 990
Ukupno 79962 59880 103355 137848
Izvor: Izrada autora prema računovodstvenim podacima splitske prodavaonice
-
7.1.4. Odabrani skupni indeksi
Skupni indeksi se prema potrebama raznih ekonomskih analiza u okviru poslovne statistike
pojavljuju pod različitim nazivima. Skupni indeks cijena se može računati za cijene
ugostiteljskih usluga, za cijene poljoprivrednih proizvoda, za cijene na malo, za cijene na
veliko itd.
Između posebnih oblika skupnog indeksa cijena nedvojbeno posebnu važnost ima skupni
indeks potrošačkih cijena, a od posebnih oblika skupnog indeksa količina svojim značajem se
izdvaja indeks fizičkog obujma.
Indeks potrošačkih cijena formiraju, prate i objavljuju u svojim publikacijama službene osobe
državnih statističkih institucija. To radi i DZS svakog mjeseca za područje RH.
Ova posebna vrsta skupnog indeksa cijena odražava promjene u razini cijena dobara i usluga
koje nabavlja, koristi se njima ili ih plaća referentno stanovništvo (privatna kućanstva) radi
finalne potrošnje.
a) mjerenje inflacije,
197
9. TREND KOMPONENTA VREMENSKOG NIZA
Vremenski niz kao kronološki uređen niz podataka se može sastojati od više različitih
komponenata. To su:
a) trend komponenta,
b) kalendarska komponenta,
c) sezonska komponenta,
d) ciklička komponenta i
Sezonsku komponentu ima pojava koja se približno isto obnavlja unutar jedne godine. Primjer
je Broj noćenja domaćih turista po mjesecima u Splitsko-dalmatinskoj županiji od 2001. do
2016. godine.
Iregularna ili slučajna komponenta uključuje sve nesustavne značajke koje utječu na razvoj
pojave u vremenu. Ta komponenta daje pojavi stohastički značaj. Sve ostale komponente
statistički niz može, ali ne mora nužno sadržavati, a iregularnu ili slučajnu komponentu ima
svaki statistički niz.
259
Vremenski nizovi koji prate kretanje ekonomskih pojava gotovo redovito sadrže trend
komponentu. Stoga je upravo analiza trend komponente vremenskih nizova od posebnog
značaja u poslovnoj statistici, pa će joj i na ovom mjestu biti posvećeno nešto više pažnje.
Ako je vremenski niz stacionaran, to znači da ne sadrži trend komponentu. Ako niz ima
dugoročnu tendenciju rasta ili pada, tada kažemo da sadrži trend. Trend ima vrlo različite
oblike pojavljivanja. Najčešći oblici pojavljivanja trenda u praksi su:
Ako vremenski niz ima dugoročnu tendenciju kretanja koja se može opisati trend polinomom
k-tog stupnja tj. ako se njegovo kretanje može matematički opisati na sljedeći način:
govorimo o trend polinomu k-tog stupnja. Formulom (120) definiran je procijenjeni model
trend polinoma k - tog stupnja, koji se kao i ostali trend modeli ovog oblika ubraja u aditivne
modele. Ocjena parametara ove skupine modela se dobije korištenjem standardne metode
najmanjih kvadrata. Ocjenjuje se (k + 1) parametar trend polinoma.
Pri određivanju stupnja trend polinoma općenito vrijedi da su za trend polinom k - tog
stupnja k - te diferencije vrijednosti vremenskog niza približno konstantne:
k yt const. (121)
260
Najvažniji među njima u analizama poslovne statistike i model koji je najčešće u uporabi je
model linearnog trenda za koji je k = 1.
Linearno kretanje (pozitivno ili negativno) vrijednosti promatranog vremenskog niza kroz
vrijeme se može koristiti i za prognoziranje vrijednosti pojave u budućim vremenskim
razdobljima. To se radi na temelju ocijenjenog trend modela uz pretpostavku da će se pojava i
nakon promatranog razdoblja nastaviti kretati u približno jednakim uvjetima i na približno
jednak način kao i u razdoblju za koje je ocijenjen trend model. Opći oblik linearnog trend
modela je:
gdje je:
261
Za ocjene parametara 0 i 1 se koristi metoda najmanjih kvadrata, koja minimizira
2
n n n
min et2 min (yt yt )2 min yt (0 1 xt )
(125)
t1 t1 t1
x y nXY t t
x t2 nX 2
t1
ˆ 0 Y ˆ1X (127)
gdje su:
x t
X t1 (128)
n
y t (129)
Y t1 n
Yˆ ˆ0 ˆ1X
X=0, ishodište
262
Jedinica za X=…
Jedinica za Y=…
SPSR ST (130)
263
jednostavni linearni trend sukladan postupku računanja ST kod jednostavnog linearnog
regresijskog modela.
SR
ˆYˆ n 2 (131)
ˆYˆ
VˆYˆ 100
Y (132)
Najmanja vrijednost koeficijenta varijacije može teorijski poprimiti 0%, a najveću nije
moguće definirati. Što je koeficijent varijacije trend modela bliži nuli, to je model u pravilu
reprezentativniji.
Još jedna vrlo važna mjera reprezentativnosti trend modela je koeficijent determinacije.
Koeficijent determinacije trend modela, kao kvadrat Pearsonovog koeficijenta linearne
korelacije je omjer zbroja kvadrata odstupanja protumačenih trend modelom i zbroja kvadrata
ukupnih odstupanja.
2 SP
R (133)
ST
264
SR (134)
2
R 1
ST
Vremenski niz ima dugoročnu tendenciju kretanja u obliku eksponencijalnog trenda k - tog
stupnja ako se njegovo kretanje može matematički opisati na ovaj način:
(135)
Ocjena parametara eksponencijalnog trenda bilo kojeg stupnja se vrši metodom najmanjih
kvadrata. Pri tome se u pravilu provodi linearizacija korištenjem logaritamske transformacije
modela.
Ocjena parametra 0 predstavlja trend vrijednost u ishodištu za sve trend modele odnosno
ˆ
U poslovnoj statistici je posebno značajna ocjena parametra trenda 1 jer se pomoću nje
265
S (ˆ1 1)100 (137)
ˆ ˆ ˆ
Y 0 1X (138)
ˆ ˆ ˆ
logY log 0 log 1 X
(139)
n n 2
(140)
t1 t1
266
Nakon primjene matematičkog postupka traženja minimuma dobiju se logaritmirane ocjene
parametara:
x log y nlogY
t t
gdje su:
x t
X t1
(143) n
log y t
ˆ
ˆ1 10logˆ (146) Koeficijent
1 0 je ocjena konstantni član, tj. trend vrijednost pojave u
ˆ Yˆ
ishodištu, 0 kada je X=0.
ˆ
Ocjena parametra 1 pokazuje ocjenu tempa ili dinamike kretanja zavisne varijable Y (u %)
Prosječna stopa promjene kazuje stopu po kojoj se u promatranoj jedinici vremena (godišnje,
mjesečno, kvartalno…) prosječno mijenja vrijednost vremenskog niza kroz čitavo promatrano
razdoblje.Računanje prosječne stope promjene na ovaj način ima značajnu prednost pred
računanjem putem geometrijske sredine. Ovim se postupkom uzimaju u obzir sve vrijednosti
vremenskog niza u promatranom razdoblju, a ne samo prva i posljednja od njih, kao što je to
slučaj pri računanju geometrijske sredine verižnih indeksa.
Jednadžba analize varijance kod modela jednostavnog eksponencijalnog trenda se, također,
transformira logaritmiranjem na sljedeći način:
n log yt
ˆ
SP n log yt logY 2 log 0
log 1n xt
ˆ
log yt nlogY2
t1 t1 t1
2
n n n n
ˆ
log2 yt log yt log 1xt log yt
ˆ
SR log yt log yt (149)
log 0
2
n
n
(150)
t1 t1
268
Pri tome vrijedi da je zbroj kvadrata ukupnih odstupanja jednak zbroju kvadrata odstupanja
protumačenih jednostavnim eksponencijalnim trend modelom i zbroja kvadrata slučajnih
grešaka ili rezidualnih odstupanja:
ST SP SR (151)
SR
ˆlogYˆ (152)
n 2
ˆ ˆ
ˆ
V logYˆ
logY
100
(153)
logY
Ako je koeficijent varijacije manji od 10% model je u pravilu dobar reprezentant kretanja
pojave u promatranom razdoblju.
2 SP
R 100 (154) ST
269
Koeficijent determinacije se može izračunati i pomoću rezidualnog zbroja kvadrata, preciznije
koristeći koeficijent alijenacije A2 , koji predstavlja omjer rezidualnog zbroja kvadrata i zbroja
kvadrata ukupnih odstupanja.
R2 1 A2 (155)
Vrijednost koeficijenta determinacije kreće se u intervalu 0 R2 1. Trend model je
reprezentativniji ako je vrijednost ovog pokazatelja bliža 1.
Ako vremenski niz ima dugoročnu tendenciju kretanja u obliku hiperboličkog trenda k-tog
stupnja njegovo se kretanje može ocijeniti modelom (156) odnosno matematički opisati na
sljedeći način:
Yˆ
ˆ ˆ1X ˆ21X2 ... ˆkXk (156)
0
Drugim riječima, ako su k-te diferencije recipročnih vrijednosti vremenskog niza približno
konstantne ocjenjuje se hiperbolički trend (k + 1) stupnja:
k
1
( ) const. (157) yt
Parametri hiperboličkih trend modela se ocjenjuju metodom najmanjih kvadrata. Pri tome se,
kao i kod eksponencijalnih trend modela, vrši prethodno linearizacija putem logaritamske
transformacije. Kod hiperboličkih trend modela se vrši logaritamska transformacija u obliku
recipročnih vrijednosti vremenskog niza. Takav model je linearan u parametrima. Svi ostali
postupci su sukladni postupcima pri ocjenjivanju i ispitivanju reprezentativnosti
eksponencijalnih trend modela.
270
271
c) usporedbu kretanja cijena između gospodarskih sektora iste zemlje,
Potrebno je napomenuti da, iako je indeks potrošačkih cijena jedinstvena i opća mjera
inflacije u RH, on je samo mjeritelj kretanja cijena dobara i usluga osobne potrošnje, a ne
stvarnih promjena razlike i strukture osobne potrošnje, za koje se podaci prikupljaju
posebnim anketama.
n
pn
W 0
i1 p0 (103)
It n 100
W 0
i1
pri čemu je :
Pomoću ovog indeksa mjeri se utjecaj potrošačkih cijena na nominalne plaće. U poslovnoj
statistici posebno mjesto zauzima analiza, izračun i praćenje kretanja realnih plaća koje
odražava kretanje životnog standarda stanovništva.
Realna plaća = šč
∙ 100
198
ć
Indeks realnih plaća = ∙ 100 (105) š č
Pri tome je važno da se iznosi realne i nominalne plaće kao i svih vrsta skupnih indeksa u
navedenim izračunima odnose na isto vremensko razdoblje.
Indeks fizičkog obujma je poseban oblik skupnog indeksa količina. U proceduri njegovog
izračuna se statističkim postupkom deflacioniranja uklanja utjecaj cijena iz pokazatelja
vrijednosti. Na taj način se može sagledati kretanje odgovarajućih pokazatelja u fizičkom
obujmu odnosno u realnom iznosu. Deflacioniranje se vrši na sljedeći način:
ć
Indeks fizičkog obujma = ∙ 100 (106)
ć
Vrijednost u stalnim cijenama = ∙ 100 (107)
Bitno je napomenuti da svi korišteni indeksi u postupku deflacioniranja trebaju biti izračunati
po istoj bazi radi konzistentnosti i usporedivosti podataka. Svi skupni indeksi u formulama
(106) i (107) trebaju se, također,odnositi na isto vremensko razdoblje.
199
8. SREDNJE VRIJEDNOSTI VREMENSKIH NIZOVA
a) aritmetička sredina,
b) kronološka sredina,
c) geometrijska sredina i
d) trend.
y t
Y t1
(108)
N
Poznati su statistički postupci kojima bi se omogućila primjena aritmetičke sredine kao mjere
centralne tendencije i u slučajevima nestacionarnosti vremenskog niza. Naime, ako pojava
ima tendenciju rasta s vremenom, aritmetička sredina će neko vrijeme, kao mjera centralne
tendencije, precjenjivati niz, da bi ga nakon nekog vremena počela podcjenjivati. To bi se
moglo otkloniti uvođenjem linearne transformacije frekvencija vremenskog niza.
252
Ako je aritmetička sredina primijenjena kao mjera centralne tendencije vremenskog niza,
njena reprezentativnost se može mjeriti apsolutnom mjerom disperzije, prema formuli:
N
(y Y) t
2
Osim standardne devijacije (y ) koja se dobije kao pozitivni drugi korijen iz varijance
y2
V 100 (110)
Y
W y t t
Y t1
N (111)
W t
t1
254
Ako je trenutačni vremenski niz nastao promatranjem razine pojave u jednako udaljenim
vremenskim točkama, ako je npr. promatranje provedeno početkom ili krajem razdoblja
(godine, kvartala, mjeseca) koristi se sljedeći izraz za kronološku sredinu:
y1 YN N1
yt
2
Y t2
(112)
N 1
Ako vremenski niz ima dugoročnu tendenciju rasta ili pada u vremenu i što je ona jače
izražena, manja je reprezentativnost kronološke sredine takvog niza. Općenito se
reprezentativnost kronološke sredine mjeri varijancom kronološke sredine kao apsolutnom
mjerom disperzije uvažavajući pri tome i pondere na sljedeći način:
W (y Y)
t t
2
Kao pozitivni drugi korijen iz varijance dobije se apsolutna mjera disperzije, standardna
devijacija, koja je najčešće u uporabi i izražena je u jedinicama originalnih frekvencija
promatranog niza.
Relativna mjera disperzije, koeficijent varijacije, koja pokazuje postotni dio vrijednosti
standardne devijacije od vrijednosti prethodno izračunate sredine vremenskog niza računa se
na uobičajeni način.
Geometrijsku sredinu kao mjeru centralne tendencije vremenskog niza možemo izračunati na
dva načina i to kao:
255
a) geometrijsku sredinu vremenskog niza i
G N yt (114)
t1
Geometrijska sredina vremenskog niza se na ovaj način vrlo rijetko računa u statističkim
analizama. Razlog je jednostavan i leži u činjenici da ovako izračunata srednja vrijednost
nema logičnu interpretaciju.
Nasuprot tome, geometrijska sredina verižnih indeksa ima značajnu i vrlo široku primjenu u
poslovnoj statistici, posebno pri računanju prosječne stope promjene promatranog
vremenskog niza.
N Vt
G N1 t2 100 (115)
S (G 1)100 (116)
256
yN
G N y1 1
(117)
Ako raspolažemo samo vrijednostima baznih indeksa vremenskog niza, a nemamo izvorne
podatke, prosječnu stopu promjene možemo izračunati i iz baznih indeksa na ovaj način:
IN
G N I1 1
(118)
Pri tome je svejedno koja se baza (bazno razdoblje) odabire pri računanju indeksa na stalnoj
bazi.
Prosječnu stopu promjene se i u ovom slučaju računa prema formuli (116) kao i pri uporabi
originalnih vrijednosti vremenskog niza.
Vrlo česti motiv i cilj računanja prosječne stope promjene vremenskog niza je prognoziranje
njegovih vrijednosti u budućnosti.
257
Y y1 Gt1 (119)
Primjer 8.1.
a) Koliko iznosi prosječna godišnja stopa promjene broja noćenja stranih turista u
Splitsko-dalmatinskoj županiji u razdoblju od 2001. do 2013. godine?
258
3. KARAKTERISTIKE STATISTIČKIH NIZOVA
Karakteristike, temeljne osobine kojima najčešće predstavljamo određeni statistički niz su: a)
srednje vrijednosti,
b) relativni brojevi,
c) mjere disperzije,
d) mjere asimetrije i
e) mjere zaobljenosti.
Srednja vrijednost kao reprezentant statističkog niza zamjenjuje svaku pojedinačnu vrijednost
obilježja koju imaju jedinice promatranog statističkog skupa. Stoga je srednja vrijednost
mjera centralne tendencije odnosno vrijednost oko koje se gomilaju podaci statističkog niza.
Srednja vrijednost se koristi, poput imena i prezimena građanina, da bi se time opisao skup
varijabilnih podataka. S obzirom na obuhvat jedinica statističkog niza pri njihovom računanju
sve srednje vrijednosti se mogu podijeliti u dvije skupine: potpune srednje vrijednosti i
položajne srednje vrijednosti.
Potpune srednje vrijednosti se mogu izračunati samo za numerička obilježja. Naziv su dobile
zbog činjenice da njihov izračun uvažava sve pojedinačne vrijednosti varijable. U potpune
srednje vrijednosti se ubrajaju:
a) aritmetička sredina,
b) geometrijska sredina i
c) harmonijska sredina.
Za numerički statistički niz grupiran u razrede se računa složena, ponderirana ili vagana
aritmetička sredina pomoću sljedeće formule:
fx i i
fr x i i
i1 fr1x1 fr2x2 ... frk xk fr1x1 fr2x2 ... frk xk (6)
X k
fr1 fr2 ... frk 100
fr i
i1
(x X) 0 i (8)
i1
f (x X)0i i (9)
i1
N N
f (x X) f (x a)
i i
2
i i
2
(11) i1 i1
G N x1 x2 x3...xn (12)
U slučajevima kada su jedinice statističkog skupa grupirane u razrede koristi se ova formula:
G N x1 f1 x2 f2 x3 f3...xn fn (13)
3.1.1.3. Harmonijska sredina
1 N
H N N
(14)
1 1 x x i1 i i1 i N
Složena ili vagana harmonijska sredina se računa za distribuciju frekvencija koristeći sljedeću
formulu:
f i
1 i1
H k fi k fi (15)
x
x i1 i
i1 ik
f i
i1
Položajne srednje vrijednosti su dobile naziv zbog toga što se određuju položajem podatka u
statističkom nizu. Stoga su položajne srednje vrijednosti nerijetko prikladnije kao mjere
centralne tendencije jer na njihovu vrijednost ne utječu izrazito male ni izrazito velike
vrijednosti statističkog niza. Položajne srednje vrijednosti su:
a) medijan i
b) mod.
3.1.2.1. Medijan
Medijan je položajna srednja vrijednost koja jedinice statističkog niza dijeli u omjeru 1 : 1,
tako da jedna polovina jedinica statističkog niza ima vrijednost obilježja jednaku ili manju od
medijana, a druga polovina jedinica statističkog niza ima vrijednost obilježja veću od
vrijednosti medijana.
Kod negrupiranih statističkih nizova se jedinice statističkog skupa trebaju poredati po veličini
vrijednosti obilježja. U pravilu se poredak radi od najmanje do najveće vrijednosti obilježja.
Ako je broj jedinica statističkog niza neparan, medijan je jednak vrijednosti obilježja koju ima
središnji član uređenog statističkog niza.
Ako je broj jedinica statističkog niza paran, medijan je jednak poluzbroju vrijednosti obilježja
koje imaju središnja dva člana uređenog niza.
Ako je statistički niz grupiran u razrede čija je veličina jednaka 1 postupak računanja
medijana je nešto složeniji i radi se po slijedećoj proceduri:
Ako su veličine razreda u koje su grupirane jedinice statističkog niza različite od 1, nakon što
su obavljeni prethodno navedeni koraci a) i b) procedure za računanje medijana kod nizova
grupiranih u razrede veličine 1, medijan se računa po formuli:
N m
f
2 i1 i
Me L1 i (16)
fmed
gdje je:
razred,
f
med - apsolutna frekvencija medijalnog razreda,
3.1.2.2. Mod
Mod je položajna srednja vrijednost koju možemo odrediti za statističke nizove čije jedinice
promatramo prema nominalnom, redosljednom ili numeričkom obilježju. Mod je najčešća
vrijednost obilježja. Za negrupirane podatke se odredi, a za statističke nizove s numeričkim
obilježjem u razredima odnosno za distribucije frekvencija se računa.
Kada se određuje mod za distribuciju koja ima razrede različitih veličina, treba najprije
izvršiti korekciju frekvencija. U tim slučajevima je razred s najvećom korigiranom
frekvencijom modalni razred.
ba
Mo L1 i (17)
(b a)(b c)
gdje je :
razreda koji prethodi modalnom razredu; c – (korigirana) frekvencija razreda koji slijedi
modalnog razreda.
Ako se dvije ili više vrijednosti obilježja pojavljuju jednako (najviše) puta, odnosno postoje
dva ili više moda, takva se distribucija naziva bimodalna ili višemodalna distribucija. U
primjeru 2.4. na slici 2.5. je prikazana bimodalna distribucija zaposlenika Ekonomskog
fakulteta u Splitu prema navršenim godinama radnog staža 1.ožujka 2016. godine.
3.1.2.3. Kvantili
Donji kvartil (Q1) je vrijednost obilježja koja dijeli statistički niz na dva dijela u omjeru 1:3.
To znači da 25% jedinica statističkog skupa ima vrijednost obilježja jednaku ili manju od
donjeg kvartila, a 75% elemenata statističkog skupa ima vrijednost obilježja veću od donjeg
kvartila.
Pri računanju donjeg kvartila za distribuciju frekvencija koristi se slična procedura koja je
opisana za određivanje medijana grupiranih statističkih nizova. Umjesto formule (16) koristit
će se u ovom slučaju sljedeća formula:
N q
fi
f
Q1 L1 4 i1 i (18) k var t
f
kvart - apsolutna frekvencija kvartilnog razreda,
Medijan je drugi kvartil (Q2) i već je predstavljen kao položajna srednja vrijednost.
Gornji kvartil (Q3) je vrijednost obilježja koja dijeli statistički niz na dva dijela u omjeru 3:1.
Naime, 75% elemenata statističkog skupa ima vrijednost obilježja jednaku ili manju od
gornjeg kvartila, a preostalih 25% jedinica statističkog skupa ima vrijednost obilježja veću od
gornjeg kvartila.
Pri računanju gornjeg kvartila za distribuciju frekvencija, također se koristi slična procedura
koja je opisana za određivanje medijana. Umjesto formule (16) koristit će se u ovom slučaju
formula:
3N q
fi
Q3 L1 4 i1 i (19)
f
k var t
f
kvart - apsolutna frekvencija kvartilnog razreda,
Tablica 3.1. Ostvareni prihod deset najmoćnijih hrvatskih kompanija u 2015. u milijardama
kuna
Ostvareni prihod
Naziv kompanije u 2015.
(mrld. kn)
AGROKOR 51,3
INA 20,6
HEP 14,6
ORBICO 9,7
ADRIS GRUPA 8,7
ZABA 8,6
HT 7,1
ATLANTIC 5,5
ZG HOLDING 5,4
PBZ 5,2
Izvor: „LIDER“, broj 581. od 18. studenog 2016. str. 28. i 29.
i1 xi
136,7
x 13,67
N 10
Dakle, prosječna vrijednost ostvarenog prihoda deset najmoćnijih hrvatskih kompanija u
2015. godini iznosi 13,67 mrld. kuna.
U ovom primjeru je medijan, kao položajna srednja vrijednost, bolji reprezentant od prosjeka
što je redovito slučaj u primjerima gdje imamo velike razlike (ponekad i ekstremno velike)
između vrijednosti obilježja. U našem primjeru je najmoćnija kompanija od navedenih deset
hrvatskih kompanija ipak imala desetak puta veći ostvareni prihod od one koja je ostvarila
najmanji prihod u 2015. godini. Ovakav zaključak je donesen i na temelju pokazatelja
reprezentativnosti o kojima će biti riječi u poglavlju 3.3. Mjere disperzije.
Primjer 3.2.
Tablica 3.2. Čokolade u pakiranju od 300g prodane 5. prosinca 2016. godine u jednom
splitskom trgovačkom centru
Broj
Vrsta čokolade prodanih
komada
Čokolada za kuhanje 35
Mliječna čokolada 225
Čokolada s lješnjakom 231
Čokolada s rižom 258
Bijela čokolada 193
Čokolada s voćem 156
Čokolada s keksom 183
Izvor: Računovodstveni podaci splitskog trgovačkog centra
Odredite modalnu ili najčešću vrstu prodane čokolade, u pakiranju od 300g, 5. prosinca 2016.
godine u tom splitskom trgovačkom centru.
U tablici 3.2. je prikazan nominalni statistički niz te se mod određuje brojenjem. Najveća
apsolutna frekvencija je f4 = 258 i pokazuje broj prodanih „čokolada s rižom“. Dakle,
najčešće prodavana vrsta čokolade u pakiranju od 300g, odnosno modalna vrsta prodane
čokolade, 5. prosinca 2016. godine u tom splitskom trgovačkom centru je bila „čokolada s
rižom“.
Relativni brojevi nastaju dijeljenjem dviju međusobno povezanih veličina. Pomoću njih se
mogu uspoređivati i analizirati pojave koje imaju različite jedinice mjere i statistički nizovi
s različitim brojem jedinica.
Veličina koja se nalazi u nazivniku relativnog broja se zove osnova ili baza relativnog broja i
po njoj se relativni brojevi međusobno razlikuju.
Relativni brojevi se mogu podijeliti na:
Relativni brojevi strukture pokazuju odnos dijela prema cjelini promatranog statističkog niza.
Zbog jednostavnijeg objašnjenja u pravilu se relativni brojevi množe sa sto ili s tisuću.
Dakle, u ovu vrstu relativnih brojeva spadaju proporcije i postoci koje tako često koristimo u
analizama u okviru poslovne statistike. To su po svojoj definiciji sve relativne frekvencije
(fri):
fi
fri n (20)
fi
i1
Ai
Ri (21)
B
i
gdje je:
Ovim indeksima se, također, može uspoređivati smjer i intenzitet varijacija vrijednosti unutar
istog statističkog niza.
Indeksi se računaju tako da se određeni član promatranog niza stavi u odnos prema odabranoj
veličini koju nazivamo baza. Baza indeksa (B) može biti jedan od članova promatranog
statističkog niza ili neka druga zadana veličina. Za izračunavanje indeksa se koristi sljedeća
formula:
fi
(22)
Ii 100
B
pri čemu je:
fi – apsolutna frekvencija
B – baza indeksa.
Ako je indeks manji od 100, rezultat će biti negativnog predznaka i pokazuje za koliko % je
veličina koja se uspoređuje manja od baze usporedbe.
Grafički prikaz indeksa kvalitativnih nizova s istom bazom su jednostavni stupci koji imaju
jednake baze, jer se članovi niza uspoređuju uvijek s istom veličinom. Specifičnost ovog
grafikona je da se stupci naslanjaju na bazu koja je jednaka 100 i od te visine se uzdižu ili
spuštaju, ovisno o tome prikazuju li vrijednosti koje su više ili manje u odnosu na vrijednost
baze.
Primjer 3.3.
Tablica 3.3. Broj zaposlenih i broj zaposlenih po jednom poduzetniku u 2015. godini u
hrvatskim županijama s više od 200 000 stanovnika
Broj zaposlenih po
Županija Broj zaposlenih jednom poduzetniku
b) Koliki je bio broj poduzetnika u 2015. godini u svakoj hrvatskoj županiji koja
je
imala najmanje 200 000 stanovnika?
A i
R ik1 .
B i
i1
U našem slučaju A je broj svih zaposlenih, a B je broj svih poduzetnika u 2015. godini u
hrvatskim županijama s više od 200 000 stanovnika. Poznat nam je broj zaposlenika u 2015.
godini u navedenim županijama Ai i pripadajući relativni brojevi koordinacije Ri.
Stoga ćemo prosjek svih šest relativnih brojeva koordinacije dobiti kao vaganu harmonijsku
sredinu pomoću formule:
Ai
R i1 k
Ai
i1 Ri
Veličinu u nazivniku, u našem slučaju ukupan broj poduzetnika, računamo pomoću sljedećeg
izraza:
A
B i
i1
k i
i1 R
U tu svrhu ćemo izračunati u četvrtom stupcu naredne tablice broj poduzetnika u 2015. godini
za svaku hrvatsku županiju s više od 200 000 stanovnika.
Dakle, prosječni broj zaposlenika po jednom poduzetniku u 2015. godini u svih šest
navedenih hrvatskih županija zajedno je bio:
A i
i1
592225
R k 8,14 9
72728
B i
i1
1 2 3 4 5
Splitskodalmatinsk
70498 6 11751 136,92
a
Osječkobaranjska
37475 9 4165 48,53
Primorskogoranska
60070 7 8582 100,00
f2 11751
I2 100 100
136,92 f B 8582
f3 6000
I3 100 100
69,90 f B 8582
Indeks nam pokazuje da je u 2015. godini u Zagrebačkoj županiji bilo za 30,10 % manje
(69,90 - 100) poduzetnika nego li u Primorsko-goranskoj županiji.