ISPIT IZ STATISTIKE

Osobine aritmetičke sredine?

1. U njenom izračunavanju učestvuju sve vrednosti obeležja u seriji.
2. Aritmetička sredina se nalazi između ekstremnih vrednosti obeležja, odnosno veća je od
najmanje vrednosti obeležja, a manja je od najveće vrednosti obeležja u nekoj seriji
3. Ako su sve vrednosti obeležja međusobno jednake aritmetička sredina je jednaka toj
vrednosti.
4. Ako se svakoj vrednosti obeležja doda ili oduzme konstanta, aritmetička sredina se
povećava ili smanjuje za tu konstantu.
5. Ako se svaka vrednost obeležja pomnoži ili podeli konstantom, aritmetička sredina je
jednaka proizvodu, odnosno količniku aritmetičke sredine i te konstante.
6. Suma odstupanja svih vrednosti obeležja od njihove aritmetičke sredine jednaka je nuli. 7.
Suma kvadrata odstupanja vrednosti obeležja od njihove aritmetičke sredine je manja je od
sume kvadrata odstupanja obeležja od bilo koje druge vrednosti a ( a X≠ ).
Osobine varijanse?
Varijansa je pokazatelj varijacije izražen kvadratima jedinice mere posmatranog obeležja. U
slučaju da kvadrat jedinice nema interpretaciju uz izračunatu vrednost varijanse se ne stavlja
jedinica mere.
- Ako su sve vrednosti obeležja u nekoj seriji međusobno jednake varijansa i standardna
devijacija su jednake nuli.
- Ako svim vrednostima obeležja u nekoj seriji dodamo ili oduzmemo konstantu varijansa
novih vrednosti obeležja se ne menja.
- Ako sve vrednosti obeležja u nekoj seriji pomnožimo konstantom, varijansa novih
vrednosti obeležja biće jednaka proizvodu kvadrata konstante i prethodno izračunate
varijanse.
Pokazatelji oblika?
Oblik distribucije podrazumeva sagledavanje dve karakteristike a to su asimetričnost i
spljoštenost. Najčešće korišćeni pokazatelji ovih karakteristika distribucije su:
- Koeficijent asimetričnosti – I Pirsonov koeficijent
- Koeficijent spljoštenosti – II Pirsonov koeficijent Za ižračunavanje koef. Potrebno je prvo
izračunati centralne momente. Pod centralnim momentima n-tog reda podrazumeva se
sume odstupanja vrednosti obeležja od ar.sred. dignuta na n-ti stepen.
Za izračunavanje koeficijenata asimetričnosti i spljoštenosti koriste se centralni momenti 2-
og, 3-eg i 4-og reda.
Za asimetričnost I Pirs. β1- Ukoliko je vrednost veća od nule raspodela je asimetrična.
Predznak 3-eg centralnog momenta u ovom slučaju pokazuje da li je reč o pozitivnoj ili o
negativnoj asimetričnosti.
Ako je
β2=3, kažemo da je normalno spljoštena u odnosu na normalnu raspodelu
β2>3, kažemo da je izdužena u odnosu na normalnu raspodjelu
β2<3, raspodela je spljoštenija u odnosu na normalnu raspodjelu
1. Teorijske distribucije( Normalna, Studentova, Fišerova, Poasonova, Binomna)
Binomna distribucija je jedna od najvažnijih prekidnih teorijskih distribucija. U osnovi
binomne distribucije su sukcesivni događaji koji imaju dva ishoda.
Binomna distribucija je definisana preko Bernulijevog eksperimenta.
Bernulijev eksperiment je slučajni eksperiment koji ima sledeće karakteristike:
1. eksperiment ima dva ishoda, '' uspeh'' i '' neuspeh''
2. u svakom ponavljanju eksperimenta verovatnoća ishoda '' uspeh'' je p i ne menja se od
eksperimenta do eksperimenta. Verovatnoća ishoda '' neuspeh'' jednaka je q=1-p.
3. eksperimenti su nezavisni
4. ishod svakog eksperimenta ili procesa je slučajan.
Kod binomne raspodele varijansa je uvek manja od aritmetičke sredine. Binomna raspodela
može da ima jedan modus ako (n+1)p nije ceo broj, ili dva modusa ukoliko je (n+1)p ceo
broj.

Poasonovu distribuciju je definisao francuski matematičar Siméon Denis Poisson 1837.

godine.
Poasonova distribucija se primenjuje u kontroli kvaliteta robe ili neispravnih proizvoda u
proizvodnim procesima određene veličine, ispitivanjima saobraćajnih udesa, kontroli
pristizanja prevoznih sredstava u stanice, itd.
Verovatnoće Poasonove distribucije zavise od jednog parametra i to je parametar m.
Parametar m u distribuciji prosečan broj nastupanja nekog događaja u određenom
vremenskom intervalu, jedinici površine ili zapremine.
Kod Poasonove raspodele aritmetička sredina i varijansa su jednake. U slučaju da parametar
m nije ceo broj Poasonova raspodela ima jedan modus, dok u slučaju da je m ceo broj ima
dva modusa. Poasonova raspodela je pozitivno asimetrična i izdužena u poređenju sa
normalnom raspodelom.
Normalna distribucija
Najvažniji model teorijske distribucije verovatnoće je normalna ili Gausova distribucija.
Zakon verovatnoće normalne distribucije zavisi od dva parametra i to od aritmetičke sredine
µ i od standardne devijacije σ. Standardna normalna distribucija ima aritmetičku sredinu 0 i
standardnu devijaciju 1. Normalna distribucija je grafički predstavljena kontinuiranom
zaobljenom krivom koja u odnosu na X osu ima zvonasti oblik.
Najvažnija svojstva – normalna kriva je zvonastog oblika, unimodalna je I simetrična u
odnosu na Y osu.
 Aritmetička sredina, modus i medijana se poklapaju i imaju vrednost
 Definisana je od – beskonačno do + beskonačno
 Mera simetrije β1=0, mera spljoštenosti β2=3
 Ukupna površina ispod krive je 1.
Studentova – t distribucija

Karakteristike t-distribucije
 Definiše je stepen slobode
 Ima sličan oblik ka ND samo što je šira
 Kako raste br. Stepeni slobode oblikom je sve sličnija ND
 Primjenjuje se u računanju pouzdanosti i testiranju
 Parametar koji definiše SD je je stepen slobode r=n-1

Fišerova – F distribucija
Slučajna promenljiva F definisana je kao količnik ocenjenih varijansi dva nezavisna slučajna
uzoraka čije su veličine n1 I n2.
Fišerova distribucija zavisi od dva parametra, odnosno dva stepena slobode r1 i r2.
šerova distribucija ima široku primenu, a najčešće se koristi kod testiranja jednakosti dve
varijanse i kod testiranja razlika tri ili više aritmetičkih sredina, odnosno u primeni metoda
analize varijanse.
Ocene na osnovu uzorka
Iz osnovnog skupa uzima se 1 uzorak dovoljne veličine i na osnovu njega ocenjujemo
nepoznate parametre tog skupa. Primjenjuje se u slučajevima kada je skup beskonačan I
kada se ne mogu utvrditi sve vrijednosti. Te vrijednosti nisu tačne već približne. Ocena
nepoznatog parametra će biti tačnija, što je uzorak veći. U obzir mora da se uzme
standardna greška kao pokazatelj varijabiliteta.
Razlikujemo ocenitelja I ocenu- ocenitelj je funkcija uzorka a ocena izračunata vrijednost.
Svojstva koja ocenitelj treba da ima su nepristrasnost, konzistentnost, efikasnost i
egzotivnost.
Interval poverenja za ocenu nepoznate sredine osnovnog skupa
Kada je poznat varijabilitet- imamo tačkastu ocenu aritmetičke sredine I uzorka ,
standardna greska aritmetičke sredine I kritične vrijednosti iz tablice normalne
raspodjele

Kad nije poznat varijabilitet- imamo ocenjenu standardnu gresku ar. Sredine I
vrijednost iz tabele normalne raspodjele (za velike uzorke n>30) I tablice Studentove
raspodjele za n<30)
Interval poverenja za ocenu nepoznate proporcije osnovnog skupa
Proporcija se označava sa p(osnovnog skupa)- utvrdjuje se kao odnos broja jedinice koje
imaju željenu osobinu I ukupnog broja jdinica. Proporcija osnovnog skupa je uglavnom
nepoznata, pa je ocenjujemo na osnovu uzorka. Označava se sa

Testiranje statističkih hipoteza

Pod hipotezom se podrazumjeva predpostavka zasnovana na poznatim činjenicama zbog
uvodjenja nekog zaključka.
Pravilo kojim se donosi odluka o prihvatanju ili neprihvatanju tvrdnji naziva se testiranje
statističkih hipoteza.
Nulta hipoteza- je tvrdnja o nekom parametru osnovnog skupa koje se smatra istinitim sve
dok se ne dokaze suprotno
Alternatvna hipoteza- je tvrdnja o nekom parametru osnovnog skupa koje će biti istinito ako
je nulta hipoteza netačna.
Postupak obuhvata 3 faze:
 Formiranje polazne predpostavke
 Provjera postavljene hipoteze
 Zaključak o postavljenoj hipotezi
Testovi aritmetičkih sredina
1. Test značajnosti jedne sredine
2. Test značajnosti razlike 2 sredine
3. Metod analize varijanse

Test značajnosti jedne sredine

Polazna hipoteza- jeste da je ar. sredina uzorka jednaka sa ar. sred. Osnovnog skupa ili
nekom predostavljenom vrijednoscu.
Alternativna je da nisu jednake. Predpostavljamo je preko Z količnika, a zaključak donosimo
tako da ako je izracunata vrednost količnika manja od tablične vrijednosti prihvatamo Ho- da
ne postoji razlika.
Ako je izračunata vrednost Z količnika veća od tablične, prihvatamo H1 da postoji statisticki
znacajna razlika.
Ako je poznat varijabilitet znaci da imamo
Ako nije poznat radi se izracunavanjem t-kolicnika

Test znacajnosti razlike dvije sredine

Polazna hipoteza- jeste da u 2 ispitivana tretmana ne postoji statisticki značajna razlika.
Alternativna je da postoji.
Provjeravamo ih preko Z kolicnika (kada je varijabilitet poznat) a kada varijabilitet nije
poznat provjeravamo preko t-kolicnika. Zaključak donosimo na taj način sto izracunatu
vrijednost poredimo sa tablicnim vrednostima (kada
imamo )normalne distribucije. Ako nije poznat varijabilitet kada
je n1+n2 <30 koristimo tablice t- distribucije, a kada je n1+n2>30 poredimo sa Z
vrednostima.
Ako je izracunata vrijednost veca od tablicne prihvatamo H1, da postoji razlika, ako je manja
prihvatamo H0

Analiza varijanse- ispitujemo varijabilitet ar. sredine iz vise slucajno odabranih uzoraka.
Polazna hipoteza- je da su aritmeticka sredina osnovnih skupova jednake, dok je tvrdjenje
alternativne hipoteze da postoji bar jedan par ar. sred. oji se razlikuje. Provjeravamo
predpostavke izracunavanjem F odnosa koji je količnik izracunatih varijansi. Formira se
tabela analize varijanse. Zakljucak donosimo tako sto izracunato F uporedimo sa
vrijednostima iz tabele Fiserove distribucije . Ukoliko je izracunata vrijednost F kolicnika
manja od vrijednosti iz tablica prihvatamo Ho da ne postoji statisticki znacajna razlika, a
ukoliko je F vrijednost veca od tablicnih prihvatamo H1 da postoji razlika.
Za testiranje razlika izmedju sredina tretmana koristimo t-test- postavimo hipotezu , onda
proveravamo hipoteze putem t količnika I donosimo zakljucak- izracunati t kolicnik
uporedimo sa vrijednostima iz tablice Studentove distribucije (N-k).

NZR test (test najmanje znacajne razlike)

Postavljanje hipoteze, izracunavanje NZR i t količnika formira se tabela gdje se u prvu kolonu
poredjaju ar. sredine od max do min vrednosti, u sledecoj koloni unose se razlike ar. sredina
tretmana, onda se te razlike tretmana uporedjuju sa izracunatim najmanje znacajnim
razlikama.
Dankanov test
Izvođenju ovog testa prethodi izračunavanje ocene standardne greške aritmetičke sredine
na osnovu varijanse pogreške iz tabele analize varijanse kao i na osnovu broja ponavljanja u
tretmanima.
U tabeli u prvom redu upisuju mogući intervali na osnovu broja posmatranih tretmana.
Onda se ocitavaju kriticne vrijednosti iz tablice za α( 0,05-0,01) I stepene slobode pokreske
(N-k) iz tabele analize varijanse I upisuju se u drugu kolonu.
U treci red tabele upisuju se kriticne vrijednosti pomnozene sa standardnom greskom
aritmeticke sredine =najmanje znacajni interval. Sa NZI uporedjujemo ar. sred. Tretmana.
Test znacajnosti jedne proporcije
Polazna hipoteza jeste da je proporcija uzorka p1 jednaka nekoj predpostavljenoj vrednosti
ili predpostavljenoj proporciji osnovnog skupa p0. U drugom koraku racunamo kolicnik, u
trecem donosim zakljucak na taj nacin ako je nas kolicnik manji od tablicne vrijednosti
prihvatamo Ho, ako je veci prihvatamo H1- da postoji statisticki znacajna razlika.

Parametar a predstavlja prosečni početni nivo zavisno promenljive Y, odnosno, on pokazuje

vrednost zavisno promenljive u tački preseka linije regresije i ordinatne ose.
Parametar b ili koeficijent regresije pokazuje prosečnu promenu zavisno promenljive Y za
jedinicu promene nezavisno promenljive X. Kod rastuće regresije parametar b ima pozitivnu
vrednost (b>0), a kod opadajuće regresije ima negativnu vrednost (b<0) Parametar a se
iskazuje u jedinicama mere zavisno promenljive Y, dok se parameter b iskazuje u jedinicama
koje su količnik jedinica zavisno i nezavisno promenljive.
Standardna greška regresije je pokazatelj disperzije individualnih vrednosti zavisno
promenljive Y od linije regresije. U praktičnom radu utvrđuje se ocenjena standardna greška
regresije primenom sledećeg obrasca:

Standardna greška regresije je pokazatelj prosečnog odstupanja ili varijacije originalnih

vrednosti zavisno promenljive Y u odnosu na njihove ocenjene vrednosti (linija regresije).
Standardna greška regresije iskazuje se u jedinicama mere zavisno promenljive Y.

Koeficijent linearne korelacije (prost ili Pirsonov koeficijent korelacije) je pokazatelj

kvantitativnog slaganja dve promenljive. Koeficijent linearne korelacije je relativni pokazatelj
korelacije, nezavisan od jedinica mere promenljivih X i Y. Vrednost ovog koeficijenta se kreće
u intervalu [−1,1 .] Kod pozitivne korelacije koeficijent korelacije se kreće u intervalu (0,1 ,] a
kod negativne korelacije u interval [−1,0).
Koeficijent determinacije (r2 ) predstavlja kvadrat koeficijenta korelacije i najčešće se
iskazuje u procentima. Ovaj koeficijent se kreće u intervalu[0,1] ili [0,100% .] Interpretacija
ovog koeficijenta ukazuje da je koeficijent determinacije pokazatelj udela uticaja odabrane
nezavisno promenljive X na varijabilnost zavisno promenljive Y, uzimajući da je ukupna
varijabilnost zavisno promenljiva Y jedan (100%).
Na osnovu izračunatog koeficijenta determinacije može se iskazati i koeficijent alijenacije,
odnosno koeficijent nedeterminacije (k2 ). Koeficijent nedeterminacije pokazuje uticaj
ostalih neispitivanih nezavisno promenljivih na varijabilnost zavisno promenljive Y, uzimajući
da je ukupna varijabilnost zavisno promenljiva Y jedan (100%).