Professional Documents
Culture Documents
Naziv djela:
Neparametarski statistički testovi
Autor:
Prof. dr. Emina Resić
Izdavač:
Ekonomski fakultet u Sarajevu
Za izdavača:
Prof. dr. Kemal Kozarić, dekan
Recenzenti:
Prof. dr. Rabija Somun Kapetanović
Prof. dr. Ksenija Dumičić
Dizajn i DTP:
Adis Duhović, prof.
Štampa:
Top Dog
Tiraž:
100 primjeraka
519.23(075.8)
RESIĆ, Emina
Neparametarski statistički testovi / Emina Resić.
- Sarajevo : Ekonomski fakultet, 2017. - 229 str. :
ilustr. ; 25 cm
ISBN 978-9958-25-127-6
COBISS.BH-ID 24113414
Emina Resić
NEPARAMETARSKI
STATISTIČKI
TESTOVI
PREDGOVOR
5
SADRŽAJ
Predgovor 5
7
6. Neparametarski testovi za K zavisnih uzoraka 169
6.1. Friedman test 171
6.2. Kendall’s W test 176
6.3. Cochran’s Q test 181
Izvori 187
Popis tabela 190
Popis slika 194
Popis grafikona 197
Prilozi 198
Prilog 1. Tablice funkcije rasporeda Gausove (normalne) distribucije 198
Prilog 2. Tablice funkcije rasporeda Studentove (t) distribucije 200
Prilog 3. Tablice funkcije rasporeda F distribucije 206
Prilog 4. Tablice funkcije rasporeda hi-kvadrat distribucije 214
Prilog 5. Kritične vrijednosti binomnog testa znakova 220
Prilog 6. Kritične vrijednosti za runs test 222
Prilog 7. Kritične vrijednosti za Kolmogorov-Smirnov test 224
Prilog 8. Kritične vrijednosti Wilcoxonovog testa ranga sa znakom za jedan uzorak 225
Prilog 9. Donja i gornja kritična vrijednost U testa sume rangova 226
Prilog 10. Kritične vrijednosti Wilcoxonovog testa ranga sa znakom za dva zavisna uzorka 227
Prilog 11. Kritične vrijednosti za Spearmanov koeficijent korelacije ranga 228
Prilog 12. Kritične vrijednosti za test Kendallovog koeficijenta korelacije ranga 229
8
1
Uvod u
neparametarsku
statistiku
1 Uvod u neparametarsku statistiku
1
Ne ponaša se po Gausovoj (normalnoj) distribuciji.
11
NEPARAMETARSKI STATISTIČKI TESTOVI
2
Soldić Aleksić, J. (2011). Primjenjena analiza podataka, Ekonomski fakultet u Beogradu, Beograd, str. 246
12
1 Uvod u neparametarsku statistiku
13
NEPARAMETARSKI STATISTIČKI TESTOVI
14
2
Neparametarski
testovi za jedan
uzorak
2 Neparametarski testovi za jedan uzorak
gdje je:
m- broj modaliteta ili intervala
fk,emp. (fk,teor.) - empirijske (teorijske) frekvencije
17
NEPARAMETARSKI STATISTIČKI TESTOVI
Primjer 2. 1. 1.
Direktor fabrike automobila je posljednjih godina zabilježio strukturu prodaje automobila
prema njihovoj boji prikazanu u tabeli 2. 1.
Crvena 580
Crna 620
Bijela 400
Zelena 250
18
2 Neparametarski testovi za jedan uzorak
Distribucija
Distribucija Distribucija iz ^ fk,emp. - fk,teor.h2
Boja iz prethodnog
iz prethodnog
tekućeg perioda - < F
perioda
perioda korigovana fk,teor.
- fk, teor. fk,emp.
Crvena 580 725 575 31,03
Crna 620 775 700 7,26
Bijela 400 500 685 68,45
Zelena 250 312,5 320 0,18
Druge boje 150 187,5 220 5,63
Ukupno 2000 2500 2500 112,56
19
NEPARAMETARSKI STATISTIČKI TESTOVI
^ fk,emp. - fk,teor.h2
= /< F = 112, 56
m
2
| emp.
fk,teor.
k=1
20
2 Neparametarski testovi za jedan uzorak
21
NEPARAMETARSKI STATISTIČKI TESTOVI
Slika 2. 3. SPSS procedura za unos elemenata potrebnih za provođenje hi-kvadrat testa u primjeru
2. 1. 1.
xbroj
Total 2500
22
2 Neparametarski testovi za jedan uzorak
Test Statistics
xbroj
Chi-Square 112,556a
df 4
Asymp. Sig. 0,000
a. 0 cells (,0%) have expected frequencies less than 5. The minimum expected cell frequency is 187,5.
Primjer 2. 1. 2.
Na 4 odvojena područja ispitujemo kupovinu kafe. Pretpostavka je da kafu u istoj proporciji
kupuju potrošači na svakom od ova 4 područja. Izabrali smo uzorak potrošača kafe da bi
testirali tu pretpostavku.
23
NEPARAMETARSKI STATISTIČKI TESTOVI
fk,teor. = nk $ p gdje je p = k m
=1
= 135 = 0, 193
700
/ nk
k=1
A 100 20 19,286
B 200 35 38,572
C 150 37 28,929
D 250 43 48,215
suma 700 135 135,002
^ fk,emp. - fk,teor.h2
Izračunavamo empirijsku hi-kvadrat vrijednost: |emp. = / < F
m
2
k=1
fk,teor.
.
Tabela 2. 7. Radna tabela za izračunavanje hi-kvadrat empirijske vrijednosti za primjer 2. 1. 2.
^ fk,emp. - fk,teor.h2
= /< F = 3, 173
m
2
| emp.
fk,teor.
k=1
24
2 Neparametarski testovi za jedan uzorak
Slika 2. 4. SPSS procedura za unos elemenata potrebnih za provođenje hi-kvadrat testa u primjeru
2. 1. 2.
25
NEPARAMETARSKI STATISTIČKI TESTOVI
podrucjebroj
Observed N Expected N Residual
1,00 20 19,3 ,7
2,00 35 38,6 -3,6
3,00 37 28,9 8,1
4,00 43 48,2 -5,2
Total 135
Test Statistics
podrucjebroj
Chi-Square 3,173a
df 3
Asymp. Sig. 0,366
a. 0 cells (,0%) have expected frequencies less than 5. The minimum expected cell frequency is 19,3.
Primjer 2. 1. 3.
Asistent tvrdi da je distribucija mailova koje mu studenti šalju radnim danima uniformno
raspodjeljena. Za 100 primljenih mailova od strane studenata registrovao je dan kada su
primljeni (tabela 2. 9.).
26
2 Neparametarski testovi za jedan uzorak
Ponedeljak 28 20 3,2
Utorak 23 20 0,45
Srijeda 14 20 1,8
Četvrtak 25 20 1,25
Petak 10 20 5
ukupno 100 100 11,7
^ fk,emp. - fk,teor.h2
= /< F = 11, 7
m
2
| emp.
fk,teor.
k=1
27
NEPARAMETARSKI STATISTIČKI TESTOVI
Slika 2. 6. SPSS procedura za unos elemenata potrebnih za provođenje hi-kvadrat testa u primjeru 2. 1. 3.
28
2 Neparametarski testovi za jedan uzorak
mailovi
Observed N Expected N Residual
1,00 28 20,0 8,0
2,00 23 20,0 3,0
3,00 14 20,0 -6,0
4,00 25 20,0 5,0
5,00 10 20,0 -10,0
Total 100
Test Statistics
mailovi
Chi-Square 11,700a
df 4
Asymp. Sig. 0,020
a. 0 cells (. 0%) have expected frequencies less than 5. The minimum expected cell frequency is 20. 0.
Kako je p vrijednost 0,02<0,05, odbacujemo nultu hipotezu, tj. sa greškom prve vrste 5%
zaključujemo da distribucija mailova koje studenti šalju asistentu radnim danima nije
uniformno raspodjeljena.
29
NEPARAMETARSKI STATISTIČKI TESTOVI
Određivanje razlika između aritmetičkih sredina, neki računi korelacije i tome slično,
su metode koje se mogu primijeniti samo na kvantitativne (brojčane) podatke, koji su
ili normalno raspoređeni ili makar simetrično raspoređeni. Ako su podaci kvalitativni
ili ako im distribucija značajno odstupa od normalne, onda se veliki broj postupaka u
okviru parametarskih postupaka (osim računa proporcija i nekih koeficijenata korelacije
koji se zasnivaju na procesu rangiranja i ne koriste orginalne vrijednosti varijabli) ne
mogu upotrijebiti, nego se većinom upotrebljava postupak nazvan χ² - test. Frekvencije u
pojedinim ćelijama kontigencijske tablice moraju biti nezavisne, tako da svaka frekvencija
u pojedinoj ćeliji ne smije pripadati drugom pojedincu. U kontigencijsku tablicu se ne
smije unositi više odgovora istog ispitanika. U okviru hi-kvadrat testa se račun vrši samo
sa frekvencijama, pa nije dopušteno u račun unositi nikakve mjerne jedinice. Osnovni
podaci istraživanja mogu biti i mjerne vrijednosti, ali u proceduru računa za hi-kvadrat
se unose samo njihove frekvencije. Kada imamo podatke o nekoj osobini koja se pojavila,
moramo uvrstiti i frekvencije u kojima se ta osobina nije pojavila.
Hipoteze hi-kvadrat testa nezavisnosti glase:
H0: nema signifikantne veze između dva obilježja X i Y/ H1: postoji signifikantna veza
među obilježjima X i Y
U slučajevima gdje je teorijska (tablična) vrijednost hi-kvadrat testa manja od empirijske
(izračunate) vrijednosti hi-kvadrata, odbacuje se nulta hipoteza i prihvata alternativna
hipoteza.
Nijedna očekivana frekvencija ne treba biti previše mala. U slučaju da imamo više od
80% očekivanih frekvencija većih od 5 a niti jedna očekivana frekvencija nije manja od
1, možemo koristiti procedure hi-kvadrat testa. Ukoliko to nije zadovoljeno postoje neka
pravila:
30
2 Neparametarski testovi za jedan uzorak
• U tablicama kontigencije većeg reda (kada je broj stepeni slobode veći od 1), hi-
kvadrat vrijednost se može izračunati ako manje od 20% ćelija ima očekivanu
frekvenciju manju od 5, a niti jedna ćelija očekivanu frekvenciju manju od 1. Ako
to nije postignuto, treba spajati ćelije u kojima su očekivane frekvencije previše
male. Takvo spajanje ima smisla samo onda ako se time ne pokvari svrha samog
ispitivanja, tj. ako fenomen koji ispitujemo ostaje i dalje vidljiv. Također moguće
je koristiti preciznu p-vrijednost dobijenu Fischer exact testom, koji je isto tako
neparametarski test ili p vrijednost procijeniti Monte-Carlo simulacijom koja je isto
kao i hi-kvadrat procedura asimptotska opcija, ali daje prezicniju p vrijednost nego
hi-kvadrat test. Fischer exact test je potrebno koristiti ako je N manje od 40 i ako u
bilo kojoj ćeliji imamo očekivanu frekvenciju manju od 5, to jeste ako u bilo kojoj
ćeliji imamo očekivanu frekvenciju manju od 1 nebitno koliko je N.3
• Napomena: U novije vrijeme pojavile su se rasprave koje dokazuju da nije naročito
važno pridržavati se pravila navedenh u prethodnim stavkama.
modaliteti obilježja B
modaliteti ukupno
obilježja A (∑)
B1 B2 ... Bj ... Bc
...
...
ukupno (∑) n. 1 n. 1 n. j n. c n
3
http://spssx-discussion. 1045642. n5. nabble. com/Chi-square-and-Fisher-s-Exact-Test-td1075915. html, pristup 14. 11. 2014.
31
NEPARAMETARSKI STATISTIČKI TESTOVI
k'' = ^r - 1h $ ^c - 1h
n n.j ni. $ n.j
3. pi. = ni. , p.j = n , pij =
n2
ni. $ n.j
eij = n $ pij = n
r c ^mij - eijh2
. = / /
2
|emp eij
i=1 j=1
` -b$c - Nj
2
N $ a $ d 2
. =
2
|emp
(a + c) (b + d) (c + d) (a + b)
4
Dva autora, Mantel i Haenzel, razradili su tehniku izračunavanja hi-kvadrat statistike direktno iz izvornih podataka tabele
kontigencije 2x2. Njegova primjena se preporučuje kod uzoraka manjih od 200 jedinica. Prednost primjene ovog načina
izračunavanja je u tome što razrađena formula automatski obuhvata i Yates-ovu korekciju. (http://support. sas. com/
documentation/cdl/en/statug/63033/HTML/default/viewer. htm#statug_freq_a0000000648. htm, pristup 20. 10. 2014.)
32
2 Neparametarski testovi za jedan uzorak
Primjer 2. 2. 1.
Stav
pozitivan negativan ukupno
muški 15 (a) 4 (b) 19
Spol
ženski 12 (c) 16 (d) 28
ukupno 27 20 47
N $` a $ d - b $ c - 2 j
N 2
47 ^ 240 - 48 - 23, 5h2
| = +2
= =
emp.
(a c) $ (b + d) $ (c + d) $ (a + b) 27 $ 20 $ 28 $ 19
47 ^192 - 23, 5h2 1.334.435, 75
= = = 4, 64
287.280 287.280
33
NEPARAMETARSKI STATISTIČKI TESTOVI
SPSS procedura.
Za SPSS proceduru trebaju nam podaci u dvije kolone (spol i stav). U opciji za deskriptivnu
statistiku u okviru Crosstabulation kod dijela Statistics biramo Chi-square.
34
2 Neparametarski testovi za jedan uzorak
35
NEPARAMETARSKI STATISTIČKI TESTOVI
Primjer 2. 2. 2.
U anketi sa 104 menadžera različitog nivoa jedno od pitanja je bilo “Da li je leadership
ključni faktor za prevazilaženje kriza i opstanak preduzeća?“.
Šta najbolje opisuje Vašu poziciju u Da li je, po Vašem mišljenju, leadership ključni faktor
preduzeću? za prevazilaženje kriza i za opstanak preduzeća?
prvi nivo, rukovodilac - low manager ne
prvi nivo, rukovodilac - low manager da
prvi nivo, rukovodilac - low manager da
prvi nivo, rukovodilac - low manager da
prvi nivo, rukovodilac - low manager da
prvi nivo, rukovodilac - low manager da
prvi nivo, rukovodilac - low manager da
5
Fischer exact test ne interpretiramo jer je N> 40 iako u jednoj ćeliji imamo očekivanu frekvenciju manju od 5.
36
2 Neparametarski testovi za jedan uzorak
Šta najbolje opisuje Vašu poziciju u Da li je, po Vašem mišljenju, leadership ključni faktor
preduzeću? za prevazilaženje kriza i za opstanak preduzeća?
prvi nivo, rukovodilac - low manager da
prvi nivo, rukovodilac - low manager da
prvi nivo, rukovodilac - low manager da
prvi nivo, rukovodilac - low manager da
prvi nivo, rukovodilac - low manager ne
prvi nivo, rukovodilac - low manager ne
prvi nivo, rukovodilac - low manager ne
prvi nivo, rukovodilac - low manager da
prvi nivo, rukovodilac - low manager da
prvi nivo, rukovodilac - low manager da
prvi nivo, rukovodilac - low manager ne
prvi nivo, rukovodilac - low manager ne
prvi nivo, rukovodilac - low manager ne
prvi nivo, rukovodilac - low manager da
prvi nivo, rukovodilac - low manager da
prvi nivo, rukovodilac - low manager da
prvi nivo, rukovodilac - low manager da
prvi nivo, rukovodilac - low manager da
prvi nivo, rukovodilac - low manager da
prvi nivo, rukovodilac - low manager da
prvi nivo, rukovodilac - low manager da
prvi nivo, rukovodilac - low manager da
prvi nivo, rukovodilac - low manager ne
prvi nivo, rukovodilac - low manager da
prvi nivo, rukovodilac - low manager da
prvi nivo, rukovodilac - low manager ne
prvi nivo, rukovodilac - low manager da
prvi nivo, rukovodilac - low manager da
prvi nivo, rukovodilac - low manager da
prvi nivo, rukovodilac - low manager ne
prvi nivo, rukovodilac - low manager da
prvi nivo, rukovodilac - low manager da
srednji nivo - middle manager da
37
NEPARAMETARSKI STATISTIČKI TESTOVI
Šta najbolje opisuje Vašu poziciju u Da li je, po Vašem mišljenju, leadership ključni faktor
preduzeću? za prevazilaženje kriza i za opstanak preduzeća?
srednji nivo - middle manager da
srednji nivo - middle manager da
srednji nivo - middle manager da
srednji nivo - middle manager ne
srednji nivo - middle manager ne
srednji nivo - middle manager da
srednji nivo - middle manager da
srednji nivo - middle manager ne
srednji nivo - middle manager ne
srednji nivo - middle manager da
srednji nivo - middle manager da
srednji nivo - middle manager da
srednji nivo - middle manager da
srednji nivo - middle manager da
srednji nivo - middle manager da
srednji nivo - middle manager da
srednji nivo - middle manager ne
srednji nivo - middle manager ne
srednji nivo - middle manager ne
srednji nivo - middle manager ne
srednji nivo - middle manager da
srednji nivo - middle manager da
srednji nivo - middle manager ne
srednji nivo - middle manager ne
srednji nivo - middle manager da
srednji nivo - middle manager da
srednji nivo - middle manager da
srednji nivo - middle manager da
srednji nivo - middle manager da
srednji nivo - middle manager da
srednji nivo - middle manager da
srednji nivo - middle manager da
srednji nivo - middle manager ne
38
2 Neparametarski testovi za jedan uzorak
Šta najbolje opisuje Vašu poziciju u Da li je, po Vašem mišljenju, leadership ključni faktor
preduzeću? za prevazilaženje kriza i za opstanak preduzeća?
srednji nivo - middle manager da
srednji nivo - middle manager ne
visoki nivo - top manager da
visoki nivo - top manager da
visoki nivo - top manager da
visoki nivo - top manager da
visoki nivo - top manager da
visoki nivo - top manager da
visoki nivo - top manager ne
visoki nivo - top manager ne
visoki nivo - top manager da
visoki nivo - top manager da
visoki nivo - top manager da
visoki nivo - top manager da
visoki nivo - top manager ne
visoki nivo - top manager ne
visoki nivo - top manager da
visoki nivo - top manager da
visoki nivo - top manager da
visoki nivo - top manager da
visoki nivo - top manager ne
visoki nivo - top manager ne
visoki nivo - top manager da
visoki nivo - top manager ne
visoki nivo - top manager da
visoki nivo - top manager da
visoki nivo - top manager da
visoki nivo - top manager da
visoki nivo - top manager da
visoki nivo - top manager da
visoki nivo - top manager da
39
NEPARAMETARSKI STATISTIČKI TESTOVI
Rješenje.
Imamo dvije kategoričke varijable i testiramo da li su međusobno zavisne koristeći hi-
kvadrat test nezavisnosti.
SPSS procedura.
Slika 2. 10. SPSS procedura za unos elemenata potrebnih za kreiranje kontigencijske tablice u
primjeru 2. 2. 2.
40
2 Neparametarski testovi za jedan uzorak
41
NEPARAMETARSKI STATISTIČKI TESTOVI
pt - p0 p0 $ (1 - p0)
zemp. = v pt = gdje je v pt = n
Primjer 2. 3. 1.
Pretpostavljamo da manje od 80% potrošača koji kupuju bijelu tehniku ima neutralan stav
prema plaćanju kreditnom karticom. Kako bismo provjerili navedenu pretpostavku uzeli
smo uzorak od 25 potrošača na slučaj odabranih koji su na određeni dan u posmatrane
četiri prodavnice bijele tehnike obavili kupovinu. Pitali smo da ocjene svoj stav prema
plaćanju kreditnom karticom i njih 18 se izjasnilo kao neutralno.
6
Mann S. (2009). Uvod u statistiku, (6. izdanje), Ekonomski fakultet u Beogradu, Beograd, str. C29
42
2 Neparametarski testovi za jedan uzorak
Rješenje.
U uzorku imamo 18 potrošača sa stavom neutralno, to jeste 18 znakova „+“. Dakle, realizovana
ili empirijska vrijednost statistike X testa znakova je 18. Iz tablice za jednosmjerni test na
gornju granicu, n = 25 i α = 0,01 čitamo da je gornja kritična vrijednost jednaka 19 (prilog
5.). Kako je empirijska vrijednost niža od kritične vrijednosti zaključujemo da nemamo
dovoljno dokaza da odbacimo nultu hipotezu, to jeste smatramo da većina potrošača koji
kupuju bijelu tehniku ima neutralan stav prema plaćanju kreditnom karticom.
SPSS procedura.
Hipoteze binomnog testa su: H0 | p # 0, 8 / H1 | p 2 0, 8
Podatke iz uzorka unosimo u SPSS tabelu, te ih rekodiramo tako da 1 bude neutralno a 2
ostalo.
a)
43
NEPARAMETARSKI STATISTIČKI TESTOVI
b)
c)
44
2 Neparametarski testovi za jedan uzorak
d)
45
NEPARAMETARSKI STATISTIČKI TESTOVI
Slika 2. 13. SPSS procedura za unos elemenata za provođenje binomnog testa u primjeru 2. 3. 1.
Binomial Test
Category N Observed Prop. Test Prop. Exact Sig. (1-tailed)
Group 1 1,00 18 0,7 0,8 0,220a
stav
Group 2 2,00 7 0,3
broj
Total 25 1,0
a. Alternative hypothesis states that the proportion of cases in the first group<,8.
P vrijednost binomnog testa je viša od 0,01 što znači da ne možemo odbaciti nultu hipotezu
da manje od 80% potrošača koji kupuju bijelu tehniku ima neutralan stav prema plaćanju
kreditnom karticom.
7
http://www. itl. nist. gov/div898/handbook/eda/section3/eda35d. htm, pristup: 03. 11. 2014.
46
2 Neparametarski testovi za jedan uzorak
Korak se definiše kao uzastopni niz monotono rastućih ili niz monotono opadajućih
vrijednosti, a broj rastućih ili opadajućih vrijednosti u jednom koraku je dužina koraka
(run). U „na slučaj“ nastalom nizu podataka, vjerovatnoća da je (i+1)-va vrijednost veća
ili manja od i-te vrijednosti slijedi binomnu distribuciju.
Hipoteze testa koraka glase:
H0: niz je nastao kao rezultat slučajnog procesa / H1: niz nije nastao kao rezultat slučajnog
procesa
Kod kvalitativnih varijabli imamo dihotomnost i korak znači identične modalitete
u kontinuitetu. Ukoliko imamo numeričku varijablu početni niz podataka se svodi na
dihotomni niz tako što se vrijednosti više od medijane označavaju sa „+“ a vrijednosti
niže od medijane sa „-“, dok se vrijednosti jednake medijani ne uzimaju u obzir. Korak
je uzastopni niz „+“ ili „-“ vrijednosti. Prebrojavamo koliko koraka imamo u nizu i to je
empirijski broj koraka (Remp.). Očekivani ili teorijski broj koraka i prateća mu standardna
devijacija određuju se prema formulama:
8
Freund, J. E.,Williams F. J., Perles, B. M. (1993). Elementary Business Statistics, Prentice Hall, New Jersey, str. 593,
867 - 868
47
NEPARAMETARSKI STATISTIČKI TESTOVI
Primjer 2. 4. 1.
U toku rutinske kontrole procesa proizvodnje izvršeno je 200 mjerenja i utvrđena
odstupanja od standarda (tabela 2. 18.).
48
2 Neparametarski testovi za jedan uzorak
Rješenje.
Nulta hipoteza tvrdi da je riječ o slučajnom procesu, to jeste da odstupanje od standarda
slijedi slučajan proces.
Određujemo medijalnu vrijednost (-162) i vrijednosti više od medijane označimo sa „+“
(to jeste 1) a vrijednosti niže od medijane sa „-“ (to jeste 2). U tom kontekstu koristimo
SPSS proceduru rekodiranja postojeće u novu varijablu.
a)
49
NEPARAMETARSKI STATISTIČKI TESTOVI
b)
Remp. =120
50
2 Neparametarski testovi za jedan uzorak
51
NEPARAMETARSKI STATISTIČKI TESTOVI
Slika 2. 16. SPSS procedura za unos elemenata za provođenje Runs testa u primjeru 2. 4. 1.
Runs Test
odstupanje
Test Valuea -162,00
Cases<Test Value 100
Cases >= Test Value 100
Total Cases 200
Number of Runs 120
Z 2,694
Asymp. Sig. (2-tailed) 0,007
a. Median
P vrijednost Runs testa (0,007) je niža od 0,05, te prihvatamo alternativnu hipotezu prema
kojoj pretpostavka slučajnog procesa nije zadovoljena.
52
2 Neparametarski testovi za jedan uzorak
Primjer 2. 4. 2.
U sljedećem nizu su prezentirani podaci o 18 zahtijeva za kupovinu (K) ili prodaju (P)
koje je u kontinuitetu dao jedan berzantski špekulator:
KKKKPPKKKPPPKKKKPP
Da li je riječ o slučajnom procesu (α = 0,01)?
Rješenje.
Nulta hipoteza glasi: Redosljed zahtijeva je slučajan.
Empirijski broj koraka je 6, to jeste Remp. = 6.
Kako je n1 = 11 i n2 = 7 empirijski broj koraka (Remp.) se upoređuje sa kritičnim R
vrijednostima za α = 0,01, n1 = 11 i n2 = 7 koje glase: R1 = 4 i R2 = 15 (prilog 6.). Obzirom da
je empirijski broj koraka u intervalu kritičnih vrijednosti ne odbacujemo nultu hipotezu
da je riječ o slučajnom procesu to jeste da je redosljed zahtijeva slučajan.
SPSS procedura.
Trebamo numeričku varijablu te umjesto K uzimamo 1 a umjesto P uzimamo 2. U opciji
neparametarskih testova biramo Runs test.
Slika 2. 17. SPSS procedura za unos elemenata za provođenje Runs testa u primjeru 2. 4. 2.
53
NEPARAMETARSKI STATISTIČKI TESTOVI
Runs Test
zahtjevnum
Test Valuea
2,0000
Total Cases 18
Number of Runs 6
Z -1,567
Asymp. Sig. (2-tailed) 0,117
a. User-specified.
54
2 Neparametarski testovi za jedan uzorak
Primjer 2. 5. 1.
U 150 mjerenja jedne karakteristike kvaliteta (X) dobili smo podatke prezentirane u tabeli
2. 22.
X Broj mjerenja
-30,5 5
30,5-33,5 13
33,5-36,5 23
36,5-39,5 22
39,5-42,5 29
42,5-45,5 29
45,5-48,5 16
48,5-54,5 13
ukupno 150
9
Gopal, K. K. (2006). 100 Statistical Tests (third edition), Sage publication, London, str. 213
55
NEPARAMETARSKI STATISTIČKI TESTOVI
Rješenje.
10
Izračunamo relativne frekvencije i njihovu rastuću kumulantu.
56
2 Neparametarski testovi za jedan uzorak
57
NEPARAMETARSKI STATISTIČKI TESTOVI
Primjer 2. 5. 2.
Za slučajnu varijablu X dobili smo sljedeće podatke prezentirane u tabeli 2. 25. (n=95).
58
2 Neparametarski testovi za jedan uzorak
59
NEPARAMETARSKI STATISTIČKI TESTOVI
60
2 Neparametarski testovi za jedan uzorak
P vrijednost KS testa je jednaka 0,017 što je niže od 0,05, te sa greškom prve vrste 5%
zaključujemo da pretpostavke eksponencijalne distribucije nisu zadovoljene.
11
Žižić, M., Lovrić, M., Pavličić D. (2004), Osnovi statističke analize, Ekonomski fakultet u Beogradu, Beograd, str. 352
61
NEPARAMETARSKI STATISTIČKI TESTOVI
medijane populacije pridružujemo mu znak „+“ a ako je niži znak „-”. U slučaju da
je podatak jednak pretpostavljenoj vrijednosti medijane populacije on se eliminiše
iz daljeg postupka.
3. Dobili smo niz ili seriju znakova „+” i „-“ koji se treba ponašati po binomnoj
distribuciji čije je p=0,5.
4. Broj znakova „+” ili broj znakova „-” je empirijska statistika dvosmjernog testa
znaka za jedan uzorak ( ).12
gdje je:
, p=0,5
pri čemu je dodavanje ili oduzimanje 0,5 korekcija za kontinuitet, jer dodajemo 0,5 ako
je manja ili jednaka vrijednosti (n/2) to jeste oduzimamo 0,5 ako je veća od
vrijednosti (n/2).
Primjer 2. 6. 1.
Prema ranije provedenom istraživanju zaključak je da odrasle osobe u BiH provode u
prosjeku 20 sati sedmično u nekim slobodnim aktivnostima. Izabrali smo uzorak od 10
odraslih osoba i pitali ih koliko sati sedmično u nekim slobodnim aktivnostima. Dobili
smo sljedeće odgovore: 14, 25, 21, 16, 17, 27, 19, 23, 34, 22. Da li možemo zaključiti da
medijana dužine vremena koje odrasle osobe sedmično provedu u nekim slobodnim
aktivnostima iznosi 20 sati (greška prve vrste 5%)?
12
U slučaju jednosmjernih testova kod testa na donju granicu uzima se manji od ta dva broja, dok se za test na gornju
granicu uzima veći.
62
2 Neparametarski testovi za jedan uzorak
Rješenje.
Imamo mali uzorak i testiramo medijanu populacije, te primjenjujemo test znaka. Imamo
dvosmjernu hipotezu jer nulta hipoteza glasi da medijana dužine vremena koje odrasle
osobe sedmično provedu u nekim slobodnim aktivnostima iznosi 20 sati.
Uporedimo empirijske podatke iz uzorka veličine 10 elemenata sa pretpostavljenom
vrijednošću medijane populacije (20). Ako je podatak veći od pretpostavljene vrijednosti
medijane populacije pridružujemo mu znak „+“ a ako je niži znak „-“.
Broj znaka „+” je 6 a broj znaka „-“ je 4. Kako je u pitanju mali uzorak primjenjujemo
direktno binomnu distribuciju vjerovatnoća i uzimamo kritične vrijednosti testa znakova
(pročitane na bazi n=10 i greške prve vrste 0,05, prilog 5.) koje se kreću u intervalu (1,9)13.
Empirijska statistika kao broj znaka „+“ je u teorijskom intervalu te stoga ne možemo
odbaciti nultu hipotezu i zaključujemo da medijana dužine vremena koje odrasle osobe
sedmično provedu u nekim slobodnim aktivnostima iznosi 20 sati.
SPSS procedura.
Za provođenje SPSS procedure pored varijable „dužina vremena koje odrasle osobe sedmično
provedu u nekim slobodnim aktivnostima” u uzorku konstruišemo drugu varijablu koja je
niz konstanti vrijednosti 20. Tada koristimo varijantu testa znaka za dva zavisna uzorka.
13
Otvorene granice intervala
63
NEPARAMETARSKI STATISTIČKI TESTOVI
Slika 2. 22. SPSS procedura za provođenje testa znaka za dva zavisna uzorka u primjeru 2. 6. 1.
Slika 2. 23. SPSS procedura za unos elemenata za provođenje testa znaka za dva zavisna uzorka u
primjeru 2. 6. 1.
64
2 Neparametarski testovi za jedan uzorak
Tabela 2. 28. Rezultati testa znaka za dva zavisna uzorka u primjeru 2. 6. 1. – SPSS output
Frequencies
N
Negative Differencesa 6
Test Statisticsb
pretpostavljena medijana - vrijeme za slobodne
aktivnosti
Exact Sig. (2-tailed) 0,754a
a. Binomial distribution used.
b. Sign Test
P vrijednost za test znaka (0,754) je viša od 0,05, što znači da ne možemo odbaciti nultu
hipotezu prema kojoj medijalna vrijednost varijable „dužina vremena koje odrasle osobe
sedmično provedu u nekim slobodnim aktivnostima“ iznosi 20 sati.
Primjer 2. 6. 2.
Policijska služba u jednom gradu tvrdi da je medijana reagovanja na hitne pozive u užem
centru grada četiri minute. Na osnovu uzorka od 28 slučajno odabranih poziva (u minuti)
na broj 911, dobili smo sljedeće podatke o vremenu reagovanja policije na hitne pozive u
užem centru grada (tabela 2. 29.)
Tabela 2. 29. Vreme reagovanja policije na hitne pozive u užem centru grada, podaci iz istraživanja
6 5 7 12 2 3 4 5 10 11 5 6 5 8,5
7 15 9 8 3 10 8 4,5 9 4 6 3 6 7,5
Da li možemo zaključiti da je ispravna tvrdnja policijske službe (greška prve vrste 1%)?
65
NEPARAMETARSKI STATISTIČKI TESTOVI
Rješenje.
Testiramo medijanu populacije i primjenjujemo test znaka. Imamo dvosmjernu hipotezu
jer nulta hipoteza glasi da medijana reagovanja na hitne pozive u užem centru grada iznosi
četiri minute.
Uporedimo empirijske podatke iz uzorka veličine 28 elemenata sa pretpostavljenom
vrijednošću medijane populacije (4). Ako je podatak veći od pretpostavljene vrijednosti
medijane populacije pridružujemo mu znak „+“ a ako je niži znak „-“.
Vrijeme reagovanja na
hitne pozive u užem 6 5 7 12 2 3 4 5 10 11 5 6 5 8,5
centru grada
Poređenje sa
ostavljenom
v v v v n n j v v v v v v v
vrijednošću medijane
populacije - 4
Znak + + + + - - + + + + + + +
Vrijeme reagovanja na
hitne pozive u užem 7 15 9 8 3 10 8 4,5 9 4 6 3 6 7,5
centru grada
Poređenje sa
ostavljenom
v v v v n v v v v j v n v v
vrijednošću medijane
populacije - 4
Znak + + + + - + + + + + - + +
Broj znaka „+” je 22 a broj znaka „-“ je 4, dok su dva podatka bila jednaka pretpostavljenoj
vrijednosti i stoga se eliminišu iz dalje analize. Kako je u pitanju uzorak sa više od 25
elemenata (n korigovano = 26) primjenjujemo aproksimaciju binomne distribucije
vjerovatnoća sa normalnom distribucijom vjerovatnoća i uzimamo kritične vrijednosti
normalne distribucije vjerovatnoća (pročitane na bazi greške prve vrste 0,01, prilog 1.)
koje se kreću u intervalu (-2,58,2,58). Empirijsku statistiku ćemo izračunati po modelu:
66
2 Neparametarski testovi za jedan uzorak
gdje je: ,
Slika 2. 24. SPSS procedura za unos elemenata za provođenje testa znaka za dva zavisna uzorka u
primjeru 2. 6. 2.
67
NEPARAMETARSKI STATISTIČKI TESTOVI
Tabela 2. 31. Rezultati testa znaka za dva zavisna uzorka u primjeru 2. 6. 2. – SPSS output
Frequencies
N
Negative Differencesa 22
Test Statisticsa
pretpostavljeno - vrijeme reagovanja policije
Z -3,334
Asymp. Sig. (2-tailed) 0,001
a. Sign Test
P vrijednost testa znaka je niža od 0,01, te odbacujemo nultu hipotezu. Možemo zaključiti
da se medijana varijable „vrijeme reagovanja na hitne pozive u užem centru grada”
statistički značajno razlikuje od pretpostavljene vrijednosti koja je iznosila 4 minute.
68
2 Neparametarski testovi za jedan uzorak
Hipoteze Wilcoxon test ranga sa znakom za jedan uzorak formulišemo na sljedeći način:
H0: medijana populacije je jednaka zadanoj vrijednosti/ H1: medijana populacije se
razlikuje od zadane vrijednosti
Postupak se sastoji u tome da:
14
Žižić, M., Lovrić, M., Pavličić D. (2004), Osnovi statističke analize, Ekonomski fakultet u Beogradu, Beograd, str. 478
69
NEPARAMETARSKI STATISTIČKI TESTOVI
gdje je:
n – broj nenultih razlika u uzorku
Primjer 2. 7. 1.
Pretpostavka je da medijalna vrijednost potrošnje papira za kopir aparat u jednoj kompaniji
iznosi 143 paketa. U slučajnom uzorku od 13 sedmica evidentirali smo potrošnju papira
za kopir aparat u toj kompaniji: 138, 150, 141, 125, 133, 134, 155, 137, 139, 132, 144, 130 i
135 paketa. Sa greškom 1% testirati navedenu pretpostavku.
Rješenje.
Kako je u pitanju hipoteza koja testira medijanu biramo neparametarski Wilcoxov test
ranga sa znakom za jedan uzorak. Provjeravamo simetričnost izračunavajući koeficijent
asimetrije.
70
2 Neparametarski testovi za jedan uzorak
Tabela 2. 32. Rezultati deskriptivnih statistika za varijablu potrošnja papira za kopir aparat za
primjer 2. 7. 1.
Statistics
sedmična potrošnja papira
Valid 13
N
Missing 0
Mean 139,4615
Median 139,0000
Std. Deviation 9,62302
Skewness 0,168
Std. Error of Skewness 0,616
Kurtosis -1,177
Std. Error of Kurtosis 1,191
Minimum 125,00
Maximum 155,00
Niska vrijednost koeficijenta asimetrije ukazuje na vrlo blagu desnu asimetriju te možemo
reći da distribucija teži simetričnoj. Navedeno ukazuje na zadovoljenje pretpostavke za
primjenu Wilcoxov test ranga sa znakom za jedan uzorak. Pretpostavljena medijalna
vrijednost je 143, te ćemo naći razlike vrijednosti iz uzorka i pretpostavljene vrijednosti i
razlike rangirati po apsolutnoj vrijednosti, pa rangovima dati predznak razlike.
71
NEPARAMETARSKI STATISTIČKI TESTOVI
Slika 2. 25. SPSS procedura za provođenje Wilcoxovog testa za dva zavisna uzorka u primjeru 2. 7. 1.
15
Prilog 8.
72
2 Neparametarski testovi za jedan uzorak
Slika 2. 26. SPSS procedura za unos elemenata za provođenje Wilcoxovog testa za dva zavisna
uzorka u primjeru 2. 7. 1.
Tabela 2. 34. Rezultati Wilcoxovog testa za dva zavisna uzorka u primjeru 2. 7. 1. – SPSS output
Ranks
N Mean Rank Sum of Ranks
Negative Ranks 8a 8,00 64,00
sedmična
potrošnja papira Positive Ranks 5b 5,40 27,00
- pretpostavljena
medijalna Ties 0 c
vrijednost
Total 13
a. sedmična potrošnja papira <pretpostavljena medijalna vrijednost
b. sedmična potrošnja papira > pretpostavljena medijalna vrijednost
c. sedmična potrošnja papira = pretpostavljena medijalna vrijednost
Test Statisticsb
sedmična potrošnja papira - pretpostavljena
medijalna vrijednost
Z -1,294a
Asymp. Sig. (2-tailed) 0,196
a. Based on positive ranks.
b. Wilcoxon Signed Ranks Test
73
NEPARAMETARSKI STATISTIČKI TESTOVI
P vrijednost za Wilcoxov test ranga sa znakom (0,196) je viša od 0,01, što znači da ne
možemo odbaciti nultu hipotezu prema kojoj medijalna vrijednost potrošnje papira za
kopir aparat u jednoj kompaniji iznosi 143 paketa.
Primjer 2. 7. 2.
Analizirali smo vrijeme obrta u uzorku od 32 drogerije i dobili podatke prezentirane u
tabeli 2. 35.
34 30 36 31
35 43 30 34
38 34 42 38
40 38 34 37
29 35 38 32
36 41 31 29
33 28 28 35
41 33 39 39
Rješenje.
I u ovom slučaju koristimo Wilcoxov test ranga sa znakom za provjeru hipoteze o
medijalnoj vrijednosti. Provjeravamo simetričnost izračunavajući koeficijent asimetrije.
74
2 Neparametarski testovi za jedan uzorak
Tabela 2. 36. Rezultati deskriptivnih statistika za varijablu vrijeme obrta u danima za primjer 2. 7. 2.
Statistics
vrijeme obrta (dani)
Valid 32
N
Missing 0
Mean 35,0313
Median 35,0000
Std. Deviation 4,23872
Skewness 0,028
Std. Error of Skewness 0,414
Kurtosis -0,909
Std. Error of Kurtosis 0,809
Minimum 28,00
Maximum 43,00
34 2 7,5 7,5
35 3 13 13
38 6 22,5 22,5
40 8 27 27
29 -3 13 -13
36 4 17,5 17,5
33 1 2,5 2,5
75
NEPARAMETARSKI STATISTIČKI TESTOVI
41 9 28,5 28,5
30 -2 7,5 -7,5
43 11 31 31
34 2 7,5 7,5
38 6 22,5 22,5
35 3 13 13
41 9 28,5 28,5
28 -4 17,5 -17,5
33 1 2,5 2,5
36 4 17,5 17,5
30 -2 7,5 -7,5
42 10 30 30
34 2 7,5 7,5
38 6 22,5 22,5
31 -1 2,5 -2,5
28 -4 17,5 -17,5
39 7 25,5 25,5
31 -1 2,5 -2,5
34 2 7,5 7,5
38 6 22,5 22,5
37 5 20 20
32 0
29 -3 13 -13
35 3 13 13
39 7 25,5 25,5
76
2 Neparametarski testovi za jedan uzorak
gdje je: n = 31 i
Slika 2. 27. SPSS procedura za unos elemenata za provođenje Wilcoxovog testa za dva zavisna
uzorka u primjeru 2. 7. 2.
77
NEPARAMETARSKI STATISTIČKI TESTOVI
Tabela 2. 38. Rezultati Wilcoxovog testa za dva zavisna uzorka u primjeru 2. 7. 2. – SPSS output
Ranks
N Mean Rank Sum of Ranks
Negative Ranks 8a 10,13 81,00
vrijeme obrta
(dani) - Positive Ranks 23b 18,04 415,00
pretpostavljena Ties 1c
vrijednost
Total 32
a. vrijeme obrta (dani) < pretpostavljena vrijednost
b. vrijeme obrta (dani) > pretpostavljena vrijednost
c. vrijeme obrta (dani) = pretpostavljena vrijednost
Test Statisticsb
vrijeme obrta (dani) - pretpostavljena vrijednost
Z -3,279a
Asymp. Sig. (2-tailed) 0,001
a. Based on negative ranks.
b. Wilcoxon Signed Ranks Test
P vrijednost za Wilcoxov test ranga sa znakom (0,001) je niža od 0,05, što znači da
možemo odbaciti nultu hipotezu i zaključiti da postoji statistički značajna razlika između
vrijednosti varijable „vrijeme obrta za drogeriju” i pretpostavljene vrijednosti 32.
78
3
Neparametarski
testovi za dva
nezavisna uzorka
3 Neparametarski testovi za dva nezavisna uzorka
1. Uzmemo sve elemente oba uzorka zajedno (ne vodeći računa o tome kojem uzorku
pripadaju) i rangiramo ih prema varijabli koju pratimo, sa tim da rang 1 damo
elementu koji ima najnižu vrijednost.
2. Za oba uzorka posebno zbrojimo ranove (T1 i T2). Treba da važi:
3. Kada oba uzorka imaju manje od 11 elemenata ( ) empirijska statistika
je zbir rangova u manjem uzorku (T1), dok se za odgovarajući nivo greške prve vrste
i veličine uzoraka iz tablice za Mann-Whitney U test test uzima teorijska vrijednost
(Prilog 9.)16.
4. Ukoliko je empirijska statistika u intervalu za teorijske vrijednosti ne možemo
odbaciti nultu hipotezu.
16
Žižić, M., Lovrić, M., Pavličić D. (2004), Osnovi statističke analize, Ekonomski fakultet u Beogradu, Beograd, str. 478
81
NEPARAMETARSKI STATISTIČKI TESTOVI
2643 953
2179 942
2672 1124
2453 1057
2546 1023
1492
2389
Želimo testirati pokazuje li grupa ispitanika koja je primila kredit bolje materijalno stanje?
Rješenje.
Posmatraćemo podatke iz oba uzorka pojedinačno i na samom početku testirati
pretpostavku „normalnosti” Shapiro-Wilk testom.
82
3 Neparametarski testovi za dva nezavisna uzorka
Slika 3. 1. SPSS procedura za podjelu podataka prema zadanoj kategoriji i dalje analize unutar
svake kategorije u primjeru 3. 1. 1.
83
NEPARAMETARSKI STATISTIČKI TESTOVI
84
3 Neparametarski testovi za dva nezavisna uzorka
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
uzorak
Statistic df Sig. Statistic df Sig.
85
NEPARAMETARSKI STATISTIČKI TESTOVI
86
3 Neparametarski testovi za dva nezavisna uzorka
87
NEPARAMETARSKI STATISTIČKI TESTOVI
Primjer 3. 1. 2.
Za 27 osiguravajućih društava imamo podatke o sjedištu (FBiH ili RS) i kapitalu za 2009.
godinu.
Grawe FBiH 14. 185. 818 Grawe Banja Luka RS 7. 941. 991
88
3 Neparametarski testovi za dva nezavisna uzorka
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
sjediste2
Statistic df Sig. Statistic df Sig.
89
NEPARAMETARSKI STATISTIČKI TESTOVI
90
3 Neparametarski testovi za dva nezavisna uzorka
91
NEPARAMETARSKI STATISTIČKI TESTOVI
92
3 Neparametarski testovi za dva nezavisna uzorka
Slika 3. 10. SPSS procedura za unos elemenata potrebnih za provođenje Mann-Whitney U testa u
primjeru 3. 1. 2.
93
NEPARAMETARSKI STATISTIČKI TESTOVI
Ranks
Test Statisticsb
kapital
Mann-Whitney U 61,000
Wilcoxon W 127,000
Z - 1,332
17
Gopal, K. K. (2006). 100 Statistical Tests (third edition), Sage publication, London, str. 78
94
3 Neparametarski testovi za dva nezavisna uzorka
18
http://books. google. ba/books?id=w7jfuqtXaXIC&pg=PA201&lpg=PA201&dq=Ks+test+for+comparing+two+ popul
ations&source=bl&ots=0C5F34f5OH&sig=Ti68oezHkZsGarZnDgf6O-Z1CyY&hl=bs&sa=X&ei=X3B0VKqxE6v9ygO
eiIHgAQ&ved=0CCYQ6AEwATgU#v=onepage&q=Ks%20test%20for%20comparing%20two%20populations&f=false
(pristup 25. 11. 2014.)
19
Huynh V. N., Nakamori Y., Lawry J., Inuiguchi M. (2010). Integrated Uncertainty Management and Applications, Springer
Science & Business Media, New York, str. 182-183
95
NEPARAMETARSKI STATISTIČKI TESTOVI
Primjer 3. 2. 1.
Pretpostavljamo da su žene spremne platiti veću cijenu za večeru u luksuznom restoranu
nego muškarci. Na slučaj smo odabrali uzorak sa 18 žena i uzorak sa 20 muškaraca i pitali
ih koji je maksimalan iznos koji su spremni platiti za večeru u luksuznom restoranu.
Tabela 3. 9. Podaci o iznosu koji su ispitanici iz uzorka spremni platiti za večeru u luksuznom
restoranu
Žene Muškarci
140 100
90 60
85 70
100 120
130 90
90 130
150 100
140 80
80 50
100 120
150 100
70 120
100 90
90 70
100 130
140 60
125 80
80 135
125
90
96
3 Neparametarski testovi za dva nezavisna uzorka
Rješenje.
Na samom početku analize provjeravamo da li je zadovoljena pretpostavka „normalnosti“.
Tabela 3. 10. Rezultati Shapiro–Wilk testa „normalnosti“ kod posmatranih uzoraka u primjeru 3. 2. 1. –
SPSS output
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
97
NEPARAMETARSKI STATISTIČKI TESTOVI
Žene Muškarci
70 50
80 60
80 60
85 70
90 70
90 80
90 80
100 90
100 90
100 90
100 100
125 100
130 100
140 120
140 120
140 120
150 125
150 130
130
135
x f1 f2 F-1 F-2 D
50-70 1 5 0,0556 0,2500 0,1944
71-90 6 5 0,3889 0,5000 0,1111
91-110 4 3 0,6111 0,6500 0,0389
111-130 2 6 0,7222 0,9500 0,2278
131-150 5 1 1,0000 1,0000 0,0000
suma 18 20
98
3 Neparametarski testovi za dva nezavisna uzorka
Teorijsku ili kritičnu vrijednost za grešku prve vrste α=0,05, i veličine uzoraka n1=18 i
n2=20 uzimamo iz tablice kritičnih vrijednosti za Kolmogorov-Smirnov test (prilog 7.):
. Kako je empirijska statistika niža od teorijske statistike ne odbacujemo nultu
hipotezu da uzorci dolaze iz iste populacije to jeste da ne postoji statistički signifikantna
razlika između žena i muškaraca po pitanju koliku cijenu za večeru u luksuznom restoranu
su spremni tolerisati.
SPSS procedura.
U opciji neparametarskih testova za dva nezavisna uzorka biramo Kolmogorov-Smirnov
z test za dva uzorka.
Slika 3. 11. SPSS procedura za provođenje Kolmogorov-Smirnov z testa za dva uzorka u primjeru 3. 2. 1.
99
NEPARAMETARSKI STATISTIČKI TESTOVI
Tabela 3. 13. Rezultati Kolmogorov-Smirnov z testa za dva uzorka u primjeru 3. 2. 1. – SPSS output
Frequencies
grupa (1-M,2-Ž) N
cijena večere 1,00 20
2,00 18
Total 38
Test Statisticsa
cijena večere
Absolute 0,278
Most Extreme Differences Positive 0,278
Negative 0,000
Kolmogorov-Smirnov Z 0,855
Asymp. Sig. (2-tailed) 0,458
a. Grouping Variable: grupa (1-M,2-Ž)
100
3 Neparametarski testovi za dva nezavisna uzorka
20
http://www. analystsoft. com/en/products/statplus/content/help/src/analysis_nonparametric_statistics_comparing_two_
independent_samples_mann-whitney_wilcoxon_rank_sum. html,, pristup 28. 11. 2014.
21
Slično kao kod runs testa za jedan uzorak, korak se definiše kao uzastopni niz monotono rastućih ili niz monotono
opadajućih vrijednosti koje se odnose na isti uzorak, a broj rastućih ili padajućih vrijednosti u jednom koraku je dužina
koraka (run)
101
NEPARAMETARSKI STATISTIČKI TESTOVI
Primjer 3. 3. 1.
Deset redovnih i deset DL studenata polagalo je ispit iz predmeta Statistika u ekonomiji i
menadžmentu i ostvarili su sljedeće bodove koje prezentiramo u tabeli 3. 14.
Tabela 3. 15. Rezultati Shapiro–Wilk testa „normalnosti“ kod posmatranih uzoraka u primjeru 3. 3. 1. –
SPSS output
Tests of Normality
102
3 Neparametarski testovi za dva nezavisna uzorka
103
NEPARAMETARSKI STATISTIČKI TESTOVI
104
3 Neparametarski testovi za dva nezavisna uzorka
Slika 3. 14. SPSS procedura za unos elemenata potrebnih za provođenje Wald-Wolfowitz testa
koraka u primjeru 3. 3. 1.
105
NEPARAMETARSKI STATISTIČKI TESTOVI
Frequencies
status (1 - redovni,2 - DL) N
broj bodova 1,00 10
2,00 10
Total 20
Test Statisticsb, c
Exact Sig.
Number of Runs Z
(1-tailed)
Minimum Possible 13a 1,149 0,872
broj bodova
Maximum Possible 15 a
2,068 0,981
a. There are 2 inter-group ties involving 5 cases.
b. Wald-Wolfowitz Test
c. Grouping Variable: status (1 - redovni,2 - DL)
P vrijednost Wald-Wolfowitz testa koraka je viša od 0,05 što znači da nemamo argumenata
da odbacimo nultu hipotezu i zaključujemo da ne postoji signifikantna razlika između
uspjeha redovnih i DL studenata.
22
Moses (1952.)
106
3 Neparametarski testovi za dva nezavisna uzorka
Primjer 3. 4. 1.
Profesor je 17 studenata slučajnim izborom podijelio u dvije grupe A i B. U grupi A je bilo
8 a u grupi B je bilo 9 studenata. Nastavu su slušali zajedno i imali isti tretman. Međutim
razlika je bila u načinu formiranja konačne ocjene. Kod studenata grupe A u finalnoj
ocjeni su bili bodovi u vezi sa: aktivnostima u toku nastave, parcijalnom provjerom znanja
i finalnim ispitom. Kod studenata grupe B u konačnoj ocjeni imamo samo bodove u vezi
sa parcijalnom provjerom znanja i finalnim ispitom.
Grupa A Grupa B
6 4
7 4
9 5
10 5
12 10
13 15
14 17
18 18
19
107
NEPARAMETARSKI STATISTIČKI TESTOVI
Tabela 3. 19. Rezultati Shapiro–Wilk testa „normalnosti“ kod posmatranih uzoraka u primjeru 3. 4. 1. –
SPSS output
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
grupa (A/B)
Statistic df Sig. Statistic df Sig.
A rezultat 0,112 8 0,200 ,972 8 0,915
B rezultat 0,258 9 0,085 0,831 9 0,046
a. Lilliefors Significance Correction
*. This is a lower bound of the true significance.
108
3 Neparametarski testovi za dva nezavisna uzorka
6 5 4 1,5
7 6 4 1,5
9 7 5 3,5
10 8,5 5 3,5
12 10 10 8,5
13 11 15 13
14 12 17 14
18 15,5 18 15,5
19 17
Za grupu A raspon rangova je jednak s = (15,5-5)+1=11,5 što kada zaokružimo iznosi s = 12.
Tada je: .
Kako je dobijena vjerovatnoća viša od greške prve vrste (0,05) ne možemo odbaciti nultu
hipotezu i zaključujemo da imamo istu vjerovatnoću pojavljivanja ekstremnih vrijednosti
kod obje grupe studenata.
SPSS procedura.
U opciji neparametarskih testova za dva nezavisna uzorka biramo Moses extreme reactions
test.
109
NEPARAMETARSKI STATISTIČKI TESTOVI
Slika 3. 15. SPSS procedura za provođenje Moses extreme reactions testa u primjeru 3. 4. 1.
Slika 3. 16. SPSS procedura za unos elemenata potrebnih za provođenje Moses extreme reactions
testa u primjeru 3. 4. 1.
110
3 Neparametarski testovi za dva nezavisna uzorka
Tabela 3. 21. Rezultati Moses extreme reactions testa u primjeru 3. 4. 1. – SPSS output
Frequencies
grupa broj N
rezultat 1,00 (Control) 8
2,00 (Experimental) 9
Total 17
Test Statisticsa, b
rezultat
12
Observed Control Group Span
Sig. (1-tailed) 0,088
7
Trimmed Control Group Span
Sig. (1-tailed) 0,043
Outliers Trimmed from each End 1
a. Moses Test
b. Grouping Variable: grupa broj
111
4
Neparametarski
testovi za dva
zavisna uzorka
4 Neparametarski testovi za dva zavisna uzorka
Za dva uzorka kažemo da su zavisni ukoliko za svaki podatak ili vrijednost iz jednog uzorka
postoji adekvatna uparena vrijednost iz drugog uzorka, pri čemu se te obje vrijednost
dobijaju iz istog izvora (od istih objekata u istraživanju).
23
http://www. csun. edu/sites/default/files/exact-tests19. pdf, pristupljeno 04. 12. 2014.
24
Ciechalski, J. C., Pinkney, J. W. & Weaver, F. S. (2002). A method for assessing change in attitude: The McNemar Test.
Poster presented at the Annual Meeting of the American Educational Research Association, New Orleans
115
NEPARAMETARSKI STATISTIČKI TESTOVI
II
I ukupno
+ -
+ a b a+b
- c d c+d
ukupno a+c b+d N
Ivični zbirovi nisu bitni za McNemar test. U izračunavanju se koriste one učestalosti u
kojima se ogleda razlika u djelovanju faktora. U kontigencijskoj tablici je vidljivo da se
dobijene razlike nalaze u ćelijama b i c. Empirijska vrijednost McNemarovog testa dobija
se pomoću hi-kvadrat statistike:
Primjer 4. 1. 1.
150 mladića podvrgnuto je testu trčanja na 100 m u kojemu je norma 12 s. Normu je
postiglo 75 mladića. Nakon treninga mladići su ponovo testirani, te je sada 100 mladića
postiglo normu. Prateći individualne rezultate ustanovljeno je da u drugom trčanju nije
postiglo normu 10 mladića koji su u prvom trčanju postigli normu. U drugom trčanju
normu je postiglo 35 mladića koji u prvom trčanju nisu postigli normu. Da li postoji
statistički značajna razlika između rezultata u prvom i drugom trčanju?
Rješenje.
Dobijenu informaciju ćemo predstaviti pomoću kontigencijske tablice (tabela 4. 2.).
U ovom slučaju hipoteze glase: H0: ne postoji statistički značajna razlika između rezultata
u prvom i drugom trčanju / H1: postoji statistički značajna razlika između rezultata u
prvom i drugom trčanju.
116
4 Neparametarski testovi za dva zavisna uzorka
117
NEPARAMETARSKI STATISTIČKI TESTOVI
Slika 4. 2. SPSS procedura za unos elemenata potrebnih za provođenje McNemar testa u primjeru
4. 1. 1.
Test Statisticsb
prvo broj & drugo broj
N 150
Chi-Squarea 12,800
Asymp. Sig. 0,000
a. Continuity Corrected
b. McNemar Test
118
4 Neparametarski testovi za dva zavisna uzorka
Primjer 4. 2. 1.
Dva ekonomska analitičara ocjenjivali su 118 projekata (nivo 1 – neprihvatljivo do nivo
5 – apsolutno opravdano) i dobili smo rezultate predstavljene u tabeli 4. 4.
Analitičar 2
Nivo
1 2 3 4 5
1 22 2 2
2 5 7 14
Analitičar 1 3 2 36
4 1 7 14
5 3 3
119
NEPARAMETARSKI STATISTIČKI TESTOVI
SPSS procedura.
U dvije kolone SPSS baze podataka unosimo uređene parove iz dva zavisna uzorka za
analiziranu varijablu sa pet modaliteta. U opciji Analyze biramo Nonparametric tests – 2
Related Samples – Marginal Homogeneity.
Slika 4. 4. SPSS procedura za unos elemenata potrebnih za provođenje Marginal homogeneity testa
u primjeru 4. 2. 1.
120
4 Neparametarski testovi za dva zavisna uzorka
121
NEPARAMETARSKI STATISTIČKI TESTOVI
gdje je dodavanje ili oduzimanje 0,5 korekcija za kontinuitet, jer dodajemo 0,5 ako je
manja ili jednaka vrijednosti (n/2) to jeste oduzimamo 0,5 ako je veća od
vrijednosti (n/2).
Primjer 4. 3. 1.
Osam zaposlenih iz jedne kompanije pohađalo je kurs za unapređenje samopouzdanja.
Njihovi rezultati testa samopouzdanja prije i nakon kursa su prezentirani u tabeli 4. 6.
25
U slučaju jednosmjernih testova kod testa na donju granicu uzima se manji od ta dva broja, dok se za test na gornju
granicu uzima veći.
122
4 Neparametarski testovi za dva zavisna uzorka
Prije 8 5 4 9 7 9 5 8
Poslije 10 8 5 11 7 8 9 9
Prije 8 5 4 9 7 9 5 8
Poslije 10 8 5 11 7 8 9 9
Znak
- - - - + - -
razlike
Broj znaka „+” je 1 a broj znaka „-“ je 6 (jedan par je eliminisan iz analize). Kako je
u pitanju mali uzorak primjenjujemo binomnu distribuciju vjerovatnoća i uzimamo
kritične vrijednosti testa znakova (pročitane na bazi n=7 i greške prve vrste 0,05, prilog
5.) koje se kreću u intervalu (0, 7). kao broj znaka „-“ je u teorijskom intervalu te
stoga ne možemo odbaciti nultu hipotezu i zaključujemo da pohađanje navedenog kursa
signifikantno ne mijenja medijanu rezultata testa samopouzdanja kod zaposlenih.
SPSS procedura.
U opciji neparametarskih testova za dva zavisna uzorka biramo Sign test.
123
NEPARAMETARSKI STATISTIČKI TESTOVI
Slika 4. 6. SPSS procedura za unos elemenata potrebnih za provođenje Sign testa u primjeru 4. 3. 1.
124
4 Neparametarski testovi za dva zavisna uzorka
Frequencies
Negative Differencesa 1
Positive Differencesb 6
poslije - prije
Tiesc 1
Total 8
a. poslije < prije
b. poslije > prije
c. poslije = prije
Test Statisticsb
poslije - prije
Primjer 4. 3. 2.
Menadžer u jednoj velikoj fabrici sumnja da radnici u noćnoj smjeni koriste više sati za
bolovanje nego radnici u dnevnoj smjeni. U toj fabrici radnici svaka dva mjeseca mijenjaju
smjene. Menadžer je uzeo slučajan uzorak od 30 radnika i zabilježio ukupan broj sati koje
su ovi radnici koristili na ime bolovanja u toku prva dva mjeseca kada su radili dnevnu
smjenu i u toku naredna dva mjeseca kada su radili noćnu smjenu.
125
NEPARAMETARSKI STATISTIČKI TESTOVI
Dnevna smjena 24 30 12 24 18 0 24 6 12 36
Noćna smjena 18 48 6 30 36 24 42 30 30 24
Dnevna smjena 12 12 6 36 18 24 12 6 12 24
Noćna smjena 32 24 18 54 12 36 42 24 18 12
Dnevna smjena 30 24 48 30 30 42 18 36 12 6
Noćna smjena 48 30 60 36 18 48 0 12 48 24
Dnevna smjena 24 30 12 24 18 0 24 6 12 36
Noćna smjena 18 48 6 30 36 24 42 30 30 24
Znak + - + - - - - - - +
Dnevna smjena 12 12 6 36 18 24 12 6 12 24
Noćna smjena 32 24 18 54 12 36 42 24 18 12
Znak - - - - + - - - - +
Dnevna smjena 30 24 48 30 30 42 18 36 12 6
Noćna smjena 48 30 60 36 18 48 0 12 48 24
Znak - - - - + - + + - -
126
4 Neparametarski testovi za dva zavisna uzorka
Broj znaka “+” je 8 a broj znaka “-“ je 22. Kako je u pitanju uzorak sa više od 25 elemenata
primjenjujemo aproksimaciju binomne distribucije vjerovatnoća sa normalnom
distribucijom:
Uzimamo kritične vrijednosti normalne distribucije (pročitane na bazi greške prve vrste
0,05, prilog 1.) koje se kreću u intervalu (-1,96,1,96). nije u teorijskom intervalu te
stoga odbacujemo nultu i prihvatamo alternativnu hipotezu i zaključujemo da je medijana
broja sati na ime bolovanja koje su radnici koristili signifikantno različita u dnevnoj i
noćnoj smjeni.
SPSS procedura.
U opciji neparametarskih testova za dva zavisna uzorka biramo Sign test.
Slika 4. 7. SPSS procedura za unos elemenata potrebnih za provođenje Sign testa u primjeru 4. 3. 2.
127
NEPARAMETARSKI STATISTIČKI TESTOVI
Frequencies
N
Negative Differences a
8
Test Statisticsa
sati bolovanja u noćnoj smjeni - sati bolovanja u
dnevnoj smjeni
Z -2,373
Asymp. Sig. (2-tailed) 0,018
a. Sign Test
128
4 Neparametarski testovi za dva zavisna uzorka
u brojne vrijednosti. Zove se i test ekvivalentnih parova jer je riječ o zavisnim uzorcima
(ponovljenim mjerenjima). Rezultira z vrijednošću. I ovaj test je neparametarska
alternativa t-testu zavisnih uzoraka (paired samples).
Hipoteze Wilcoxon testa ranga sa znakom testa možemo izraziti na sljedeći način:
H0: ne postoji signifikantna razlika između medijalnih vrijednosti dva uzorka koji
predstavljaju ciljnu populaciju u različitim periodima ili različitim okolnostima i
zavisni su / H1: postoji signifikantna razlika između medijalnih vrijednosti dva uzorka
koji predstavljaju ciljnu populaciju u različitim periodima ili različitim okolnostima i
zavisni su.
Da bismo mogli primjeniti Wilcoxon test ranga sa znakom razlika između uparenih
vrijednosti za posmatrane grupe treba slijediti simetričnu distribuciju26. Ukoliko ta
pretpostavka nije ispunjena onda trebamo primijeniti test znakova.
Kao i kod testa znaka, razliku medijana osnovnog skupa iz kojeg su u različitim stanjima
(ili tretmanima) ili vremenskim periodima (ili trenucima) uzeti uzorci obilježićemo
sa: MeD = Me1 - Me2 . Tada možemo matematski formulisati hipoteze Wilcoxon testa:
H0: MeD = 0/ H1: MeD ! 0 .
Postupak se sastoji u tome da:
26
https://statistics. laerd. com/spss-tutorials/wilcoxon-signed-rank-test-using-spss-statistics. php, pristup 15. 11. 2014.
129
NEPARAMETARSKI STATISTIČKI TESTOVI
gdje je:
n – broj nenultih razlika u uzorku
Temp. = min (T + , T -)
Primjer 4. 4. 1.
Prilikom ispitivanja uticaja propagande na potražnju za ponudom osiguravajućeg
društva, uzet je uzorak od 7 osiguravajućih društava. Zabilježena je dnevna potražnja za
“proizvodima” društva prije intenziviranja propagandnih aktivnosti (kontrolni uzorak).
27
Mann, S. (2009). Uvod u statistiku, (6. izdanje), Ekonomski fakultet u Beogradu, Beograd, str. C30
130
4 Neparametarski testovi za dva zavisna uzorka
10 9
8 5
5 4
11 9
4 5
7 5
9 6
Tabela 4. 13. Rezultati Shapiro–Wilk testa „normalnosti“ kod posmatranih uzoraka u primjeru 4. 4.
1. – SPSS output
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
uzorak
Statistic df Sig. Statistic df Sig.
dnevna
Eksperimentalni 0,141 7 0,200* 0,962 7 0,837
potražnja
dnevna
Kontrolni 0,284 7 0,092 0,803 7 0,044
potražnja
a. Lilliefors Significance Correction
131
NEPARAMETARSKI STATISTIČKI TESTOVI
Tabela 4. 14. Rezultati Shapiro–Wilk testa „normalnosti“ kod varijable razlika između posmatranih
uzoraka u primjeru 4. 4. 1. – SPSS output
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
uzorak
Statistic df Sig. Statistic df Sig.
dnevna
razlika 0,198 7 0,200* 0,896 7 0,307
potražnja
132
4 Neparametarski testovi za dva zavisna uzorka
Zbrojimo posebno pozitivne rangove (T+) i posebno negativne rangove (T- ). T+=26, T- =
-2, te biramo manji: Temp. =min (T+, T-)=2 (predznak sume možemo izostaviti). Evidentna je
velika razlika u sumama rangova različitih predznaka, te stoga očekujemo odbacivanje H0.
Iz tablice za n=7 i α=0,05 pročitamo tabličnu ili teorijsku vrijednost: Tt=2. Kako je Temp. ≤Tt
slijedi zaključak da odbacujemo nultu i prihvatamo alternativnu hipotezu H1: privredna
propaganda značajno pozitivno utiče na poslovanje.
SPSS procedura.
Slika 4. 8. SPSS procedura za provođenje Wilcoxon test ranga sa znakom u primjeru 4. 4. 1.
133
NEPARAMETARSKI STATISTIČKI TESTOVI
Slika 4. 9. SPSS procedura za unos elemenata potrebnih za provođenje Wilcoxon test ranga sa
znakom u primjeru 4. 4. 1.
Tabela 4. 16. Rezultati Wilcoxon test ranga sa znakom u primjeru 4. 4. 1. – SPSS output
Ranks
N Mean Rank Sum of Ranks
Negative Ranks 6a 4,33 26,00
dnevna potražnja e Positive Ranks 1b 2,00 2,00
- dnevna potražnja
k Ties 0c
Total 7
a. dnevna potražnja e<dnevna potražnja k
b. dnevna potražnja e>dnevna potražnja k
c. dnevna potražnja e = dnevna potražnja k
Test Statisticsb
dnevna potražnja e - dnevna potražnja k
Z - 2,052a
Asymp. Sig. (2 - tailed) 0,040
a. Based on positive ranks.
b. Wilcoxon Signed Ranks Test
134
4 Neparametarski testovi za dva zavisna uzorka
Primjer 4. 4. 2.
Inspektor sumnja da dvije medicinske laboratorije dobijaju različite rezultate prilikom
određivanja nivoa holesterola u krvi. Uzeti su uzorci krvi od 30 slučajno odabranih odraslih
osoba. Uzorak krvi svake osobe uključene u istraživanje podijeljen je u dva dijela: jedan
dio poslan je na analizu u laboratoriju A a drugi dio u laboratoriju B. U laboratorijima je
za uzorke određen nivo holesterola u krvi i dobijeni su rezultati prikazani u tabeli 4. 17.
135
NEPARAMETARSKI STATISTIČKI TESTOVI
Tabela 4. 18. Rezultati Shapiro–Wilk testa „normalnosti“ kod posmatranih uzoraka iz dvije
laboratorije u primjeru 4. 4. 2. – SPSS output
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
A 0,172 30 0,024 0,924 30 0,034
B 0,123 30 0,200* 0,976 30 0,717
a. Lilliefors Significance Correction
*. This is a lower bound of the true significance.
136
4 Neparametarski testovi za dva zavisna uzorka
Tabela 4. 19. Rezultati Shapiro–Wilk testa „normalnosti“ kod varijable razlika između posmatranih
zavisnih uzoraka u primjeru 4. 4. 2. – SPSS output
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
137
NEPARAMETARSKI STATISTIČKI TESTOVI
138
4 Neparametarski testovi za dva zavisna uzorka
gdje je:
Kako je riječ o dvosmjernom testu za grešku prve vrste 0,05 teorijska vrijednost iz
normalne distribucije biće u intervalu . Empirijska z statistika
nije u teorijskom intervalu te odbacujemo nultu i prihvatamo alternativnu hipotezu da
dvije medicinske laboratorije dobijaju statistički signifikantno različite rezultate prilikom
određivanja nivoa holesterola u krvi.
SPSS procedura.
U opciji Analyze – Nonparametric tests – 2 Related Samples biramo Wilcoxon test.
Slika 4. 10. SPSS procedura za unos elemenata potrebnih za provođenje Wilcoxon test ranga sa
znakom u primjeru 4. 4. 2.
139
NEPARAMETARSKI STATISTIČKI TESTOVI
Tabela 4. 21. Rezultati Wilcoxon test ranga sa znakom u primjeru 4. 4. 2. – SPSS output
Ranks
N Mean Rank Sum of Ranks
Negative Ranks 25 a
17,54 438,50
Positive Ranks 5 b
5,30 26,50
B-A
Ties 0 c
Total 30
a. B < A
b. B > A
c. B = A
Test Statisticsb
B-A
Z -4,238a
Asymp. Sig. (2-tailed) 0,000
a. Based on positive ranks.
b. Wilcoxon Signed Ranks Test
140
4 Neparametarski testovi za dva zavisna uzorka
Primjer 4. 5. 1.
Pretpostavljamo da postoji veza između rezultata koje učenik ima iz predmeta Matematika
i predmeta Fizika. Na slučaj je odabrano deset učenika osnovne škole koji su se pripremali
za polaganje eksterne mature. Dat im je test iz ova dva predmeta i poredak koji su ostvarili
(prema osvojenim bodovima) prikazali smo u tabeli 4. 22.
Tabela 4. 22. Rezultati (poredak) na testovima iz Matematike i Fizike iz uzorka učenika osnovne škole
28
Gopal, K. K. (2006). 100 Statistical Tests (third edition), Sage publication, London, str. 226
141
NEPARAMETARSKI STATISTIČKI TESTOVI
Rješenje.
Imamo istu grupu učenika ocjenjivanu iz dva predmeta, dakle riječ je o dva zavisna
uzorka. Podatak koji imamo je njihova pozicija na rang listi, što znači da imamo ordinalnu
varijablu i za analizu stepena međuzavisnosti moramo koristiti neparametarsku opciju
koeficijenta korelacije ranga.
A 2 3 -1 1
B 5 4 1 1
C 4 5 -1 1
D 9 8 1 1
E 3 1 2 4
F 10 10 0 0
G 6 9 -3 9
H 1 2 -1 1
I 8 6 2 4
J 7 7 0 0
suma 22
Izračunavamo ρ:
Koeficijent korelacije ranga iznosi 0,867 što ukazuje na jaku direktnu vezu između rezultata
iz predmeta Matematika i Fizika.
Za n=10 i grešku prve vrste 1% čitamo tabličnu vrijednost 0,733. Empirijska vrijednost
koeficijenta korelacije ranga je viša od granične te stoga odbacujemo nultu hipotezu i
zaključujemo da je veza signifikantna.
SPSS procedura.
U opciji Analyze – Correlate - Bivariate biramo Spearman koeficijent korelacije.
142
4 Neparametarski testovi za dva zavisna uzorka
Slika 4. 12. SPSS procedura za unos elemenata potrebnih za provođenje korelacione analize u
primjeru 4. 5. 1.
143
NEPARAMETARSKI STATISTIČKI TESTOVI
Correlations
matematika fizika
Correlation
1,000 0,867**
Coefficient
matematika
Sig. (2-tailed) . 0,001
N 10 10
Spearman’s rho
Correlation
0,867** 1,000
Coefficient
fizika
Sig. (2-tailed) 0,001 .
N 10 10
**. Correlation is significant at the 0. 01 level (2-tailed).
Koeficijent korelacije ranga iznosi 0,867. P vrijednost uz koeficijent korelacije ranga iznosi
0,001 što je niže od 0,01 i stoga smatramo vezu između rezultata iz predmeta Matematika
i Fizika signifikantnom, jakom i direktnom. Znači, uz visok rezultat na Matematici
očekujemo i visok rezultat na Fizici.
144
4 Neparametarski testovi za dva zavisna uzorka
4. U tablici (prilog 12.) čitamo odgovarajuću kritičnu vrijednost Steor., na bazi veličine
uzorka i odabranog nivoa greške prve vrste.29
5. Ako je Semp. >Steor. odbacuje se nulta i prihvata alternativna hipoteza da postoji slaganje
između dva zavisna uzorka.
6. Za uzorke veće od 10 elemenata može se koristiti aproksimacija normalnom
distribucijom i biće:
Kada se radi sa vrlo malim uzorkom i kada postoji veći broj observacija koje imaju iste
rangove daje se prednost primjeni Kendallovog koeficijenta korelacije ranga u poređenju
sa Spermanovim koeficijentom korelacije ranga.
Primjer 4. 6. 1.
Poreski inspektor želi provjeriti da li postoji veza između prihoda od investicija i prihoda
od dodatnih aktivnosti. Za 10 kompanija dobio je podatke o prihodima od investicija i od
dodatnih aktivnosti.
Prihodi
Investicije (000 KM) Dodatne aktivnosti (000 KM)
7,1 62
8,3 66
10,7 74
9,4 74
12,6 82
11,1 76
10,3 72
13,1 79
9,6 68
12,4 74
29
Gopal, K. K. (2006). 100 Statistical Tests (third edition), Sage publication, London, str. 227
145
NEPARAMETARSKI STATISTIČKI TESTOVI
7,1 62 1 1 9 0
8,3 66 2 2 8 0
10,7 74 6 6 5 0
9,4 74 3 6 3 2
12,6 82 9 10 4 1
11,1 76 7 8 3 1
10,3 72 5 4 3 1
13,1 79 10 9 2 0
9,6 68 4 3 1 0
12,4 74 8 6 0 0
ukupno 38 5
146
4 Neparametarski testovi za dva zavisna uzorka
Slika 4. 14. SPSS procedura za unos elemenata potrebnih za provođenje korelacione analize u
primjeru 4. 6. 1.
147
NEPARAMETARSKI STATISTIČKI TESTOVI
Correlations
dodatne
investicije
aktivnosti
Correlation
1,000 0,782**
Coefficient
investicije
Sig. (2-tailed) . 0,002
N 10 10
Kendall’s tau_b
Correlation
0,782** 1,000
Coefficient
dodatne aktivnosti
Sig. (2-tailed) 0,002 .
N 10 10
**. Correlation is significant at the 0. 01 level (2-tailed).
148
5
Neparametarski
testovi za K
nezavisnih uzoraka
5 Neparametarski testovi za K nezavisnih uzoraka
a Ni k 3 $ (N 1)
12 / Ti2 - +
Hemp. = $
N $ (N + 1)
30
Bahovec, V., Erjavec, N., at al. (2015). Statistika, Sveučilište u Zagrebu, Element, Zagreb, str. 393
151
NEPARAMETARSKI STATISTIČKI TESTOVI
a Ni k 3 $ (N 1)
12 Ti2 -
N $ (N + 1)
$ / +
Hemp. =
1-
/ Ti
N $ (N 2 - 1)
Primjer 5. 1. 1.
Podaci o broju dana bolovanja zaposlenika preduzeća X u 2015. godini zadani su u tabeli
5. 1. Analizirane su tri grupe zaposlenika: mlađa dob (20 – 30 god.), srednja dob (30 – 50
god.) i starija dob (50 – 60 god.).
2 7 25
5 9 30
10 0 0
0 0 0
0 15 0
7 8 3
15 10 2
8 0 2
9 15 0
31
Smatra se da su uzorci dovoljno veliki ako svaki uzorak sadrži više od 5 rezultata.
152
5 Neparametarski testovi za K nezavisnih uzoraka
8 5 30
4 2 0
5 7 5
0 5 0
7 8 2
Postoji li statistički značajna razlika u broju dana bolovanja između tri posmatrane dobne
skupine, tj. utiče li značajno dob zaposlenika na broj dana bolovanja?
Rješenje.
Rezultati Shapiro-Wilk testa „normalnosti“ i prateće p vrijednosti su prezentirane u
narednoj tabeli.
Tabela 5. 2. Rezultati Shapiro–Wilk testa „normalnosti“ kod posmatranih uzoraka iz tri dobne
skupine u primjeru 5. 1. 1. – SPSS output
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Mladja dobna
dani bolovanja 0,120 14 0,200* 0,941 14 0,429
skupina
Srednja dobna
dani bolovanja 0,119 14 0,200* 0,922 14 0,236
skupina
Starija dobna
dani bolovanja 0,356 14 0,000 0,625 14 0,000
skupina
153
NEPARAMETARSKI STATISTIČKI TESTOVI
Empirijska distribucija kod uzorka starije dobne skupine je asimetrična i ima outliere,
a p vrijednost Shapiro-Wilk testa je manja od 0,05 te zaključujemo da pretpostavka
„normalnosti“ nije zadovoljena. Uzorci su nezavisni, imamo tri uzorka i stoga
primjenjujemo Kruskal-Wallisov one way test.
Rangiramo sve rezultate (rang je uz svaki rezultat označen u zagradi) i izračunamo sume
rangova u svakom uzorku (posljednji red u tabeli 5. 3.).
154
5 Neparametarski testovi za K nezavisnih uzoraka
Onda je: / a N k = 14
T i
2
318, 5 2
+ 227, 5 + 239, 5 = 15039, 91 i možemo izračunati empirijsku
2 2
i 14 14
vrijednost H statistike:
a Ni k 3 $ (N 1)
12 Ti2 - 12
N $ (N + 1)
$ / +
42 $ (42 + 1)
$ 15039, 91 - 3 $ (42 + 1)
Hemp. = = = 2, 938
/ Ti - 785, 5
42 $ ^42 - 1h
1- 1 2
N $ (N 2 - 1)
Hi-kvadrat teorijska vrijednost za (k-1)=2 stepeni slobode i grešku prve vrste 5% iznosi 6
(prilog 4.). Empirijska vrijednost je niža od teorijske vrijednosti te slijedi zaključak da ne
možemo odbaciti nultu hipotezu to jeste da se uzorci statistički značajno ne razlikuju, ili
da pripadaju istoj populaciji.
SPSS procedura.
155
NEPARAMETARSKI STATISTIČKI TESTOVI
Slika 5. 2. SPSS procedura za unos elemenata potrebnih za provođenje Kruskal-Wallisov one way
testa u primjeru 5. 1. 1.
156
5 Neparametarski testovi za K nezavisnih uzoraka
Ranks
uzorak N Mean Rank
dani bolovanja 1,00 14 22,75
2,00 14 24,11
3,00 14 17,64
Total 42
Test Statisticsa, b
dani bolovanja
Chi - Square 2,225
df 2
Asymp. Sig. 0,329
a. Kruskal Wallis Test
b. Grouping Variable: uzorak
157
NEPARAMETARSKI STATISTIČKI TESTOVI
uzorak 1 2 3 … k
+
-
Primjer 5. 2. 1.
Da bi se ispitao uticaj vrste hrane na prirast težine peradi, uzete su četiri hranljive smjese
A, B, C i D. Smjesom A je hranjeno 11 kokoši, smjesom B je hranjeno 13 kokoši, smjesom
C je hranjeno 12 kokoši i smjesom D je hranjeno 10 kokoši.
Nakon mjesec dana, izmjerena je težina kokoši i izračunat je prirast (u %).
A 8 B 10 C 16 D 18
A 12 B 15 C 16 D 42
A 13 B 19 C 17 D 49
A 14 B 25 C 21 D 54
A 20 B 30 C 29 D 59
A 21 B 38 C 33 D 60
A 25 B 40 C 44 D 62
A 37 B 45 C 45 D 64
A 43 B 47 C 46 D 65
A 45 B 48 C 53 D 67
A 52 B 51 C 62
B 54 C 66
B 55
Utiče li vrsta hrane na prirast težine? (α = 0,05)
158
5 Neparametarski testovi za K nezavisnih uzoraka
Rješenje.
Radimo sa četiri nezavisna uzorka. Shapiro–Wilk testom provjerićemo pretpostavku
„normalnosti“.
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
uzorak (1-A,2-B,3-C,4-D)
Statistic df Sig. Statistic df Sig.
1,00 prirast težine 0,183 11 0,200 0,904 11 0,208
2,00 prirast težine 0,167 13 0,200 0,917 13 0,230
3,00 prirast težine 0,152 12 0,200 0,916 12 0,258
4,00 prirast težine 0,232 10 0,136 0,805 10 0,017
a. Lilliefors Significance Correction
*. This is a lower bound of the true significance.
159
NEPARAMETARSKI STATISTIČKI TESTOVI
160
5 Neparametarski testovi za K nezavisnih uzoraka
Obzirom da je ukupan broj podataka paran (46) medijana se nalazi između 23. i 24.
podatka u rastućem nizu i iznosi 42,5.
A 8 - A 43 +
B 10 - C 44 +
A 12 - A 45 +
A 13 - B 45 +
A 14 - C 45 +
B 15 - C 46 +
C 16 - B 47 +
C 16 - B 48 +
C 17 - D 49 +
D 18 - B 51 +
B 19 - A 52 +
A 20 - C 53 +
A 21 - B 54 +
C 21 - D 54 +
A 25 - B 55 +
B 25 - D 59 +
C 29 - D 60 +
B 30 - C 62 +
C 33 - D 62 +
A 37 - D 64 +
B 38 - D 65 +
B 40 - C 66 +
D 42 - D 67 +
161
NEPARAMETARSKI STATISTIČKI TESTOVI
uzorak 1 2 3 4 ukupno
+ 3 6 6 8 23
- 8 7 6 2 23
ukupno 11 13 12 10 46
^ fk,emp. - fk,teor.h2
f k, emp. f k, teor. < F
fk,teor.
3 5,5 1,14
8 5,5 1,14
6 6,5 0,04
7 6,5 0,04
6 6 0,00
6 6 0,00
8 5 1,80
2 5 1,80
ukupno 46 5,95
32
Ali ako je medijana jedan od rezultata (ako je ukupan broj podataka neparan), onda obje desne sume u tablici nisu jednaki
brojevi, pa očekivane frekvencije treba izračunati prema standardnom postupku. Očekivana frekvencija svake ćelije je
suma reda puta suma stupca, podijeljeno ukupnom sumom frekvencija.
162
5 Neparametarski testovi za K nezavisnih uzoraka
SPSS procedura.
U SPSS bazi podataka imamo podatke raspoređene u dvije kolone: prva kolona označava o
kojem uzorku je riječ a u drugoj koloni je podatak o prirastu težine. U opciji Nonparametric
tests biramo testove za više od dva nezavisna uzorka i u okviru njih Median test.
Slika 5. 4. SPSS procedura za unos elemenata potrebnih za provođenje testa medijane u primjeru 5. 2. 1.
163
NEPARAMETARSKI STATISTIČKI TESTOVI
Frequencies
uzorak (1-A,2-B,3-C)
1,00 2,00 3,00 4,00
prirast težine > Median 3 6 6 8
<= Median 8 7 6 2
Test Statisticsb
prirast težine
N 46
Median 42,5000
Chi-Square 5,950a
df 3
Asymp. Sig. 0,114
a. 0 cells (,0%) have expected frequencies less than 5. The minimum expected cell frequency is 5,0.
b. Grouping Variable: uzorak (1-A, 2-B, 3-C)
33
Jonckheere trend test
34
http://support. sas. com/documentation/cdl/en/procstat/63963/HTML/default/viewer. htm#procstat_freq_a0000000567.
htm, pristup 09. 12. 2014.
164
5 Neparametarski testovi za K nezavisnih uzoraka
pri čemu je PXY broj podataka u uzorku y koji su veći od svakog podatka u uzorku x.
Primjer 5. 3. 1.35
Učesnici eksperimenta su na slučaj podijeljeni u tri grupe. Svima je prikazan isti snimak
sudara dva automobila. Učesnicima prve grupe je postavljeno sljedeće pitanje: „Procijenite
brzinu kretanja vozila u trenutku kada su se sudarili.“ Učesnicima druge grupe je
postavljeno pitanje: „Procijenite brzinu kretanja vozila u trenutku kada su naletjeli jedno
na drugo.“ Učesnicima druge grupe je postavljeno pitanje: „Procijenite brzinu kretanja
35
Prema: Loftus, E. F., Palmer, J. C. (1974). Reconstruction of automobile destruction: An example of the interaction
between language and memory. Journal of Verbal Learning and Verbal Behavior, 13, str. 585-589.
165
NEPARAMETARSKI STATISTIČKI TESTOVI
vozila u trenutku kada su se zabili jedno u drugo.“ Očekuje se da će vrsta glagola koji se
upotrijebljen u pitanju uticati na procjenu brzine u kontekstu da energičniji glagol znači
višu brzinu. Rezultati su prikazani u sljedećoj tabeli.
Za svaki podatak se odredi koliko podataka u uzorcima sa desne strane je veće od tog
podatka i na taj način se dobije veličina P.
P = 8 + 7 + 7 + 7 + 4 + 4 + 3,5 + 3 = 43,5
166
5 Neparametarski testovi za K nezavisnih uzoraka
Za svaki podatak se odredi koliko podataka u uzorcima sa desne strane je manje od tog
podatka i na taj način se dobije veličina Q.
Q = 0 + 0 + 1 + 1 + 0 + 0 + 0,5 + 1 = 3,5
Onda je: S = P - Q = 43,5– 3,5 = 40
167
NEPARAMETARSKI STATISTIČKI TESTOVI
Jonckheere-Terpstra Testa
brzina
Number of Levels in grupa 3
N 12
Observed J-T Statistic 44,000
Mean J-T Statistic 24,000
Std. Deviation of J-T Statistic 6,805
Std. J-T Statistic 2,939
Asymp. Sig. (2-tailed) 0,003
a. Grouping Variable: grupa
168
6
Neparametarski
testovi za K
zavisnih uzoraka
6 Neparametarski testovi za K zavisnih uzoraka
Friedmanovim testom možemo provjeriti da li između tri ili više setova podataka, koji
se odnose na ponovljena mjerenja i zavisne uzorke za varijablu kod koje je predhodno
odgovarajućim statističkim testom dokazano da ne zadovoljava osobinu „normalnosti“,
postoji statistički signifikantna razlika. To je test „dvostruke analize varijanse rangova“.
Koristi se ako na istoj grupi ispitanika vršimo mjerenje u različitim periodima ili okolnostima
i rezultati dobiveni u svakom od tih perioda ili okolnosti su u korelaciji sa ostalim
rezultatima. Friedmanov test rezultira hi-kvadrat empirijskom vrijednošću. P-vrijednost
uz odgovarajuće statističke testove se smatra statistički značajnom ili signifikantnom ako
je niža od zadanog nivoa greške prve vrste. U tom slučaju se prihvata hipoteza da se stanja
populacije iz kojih su uzeti uzorci ili grupe statistički značajno razlikuju.
Hipoteze Friedmanovog testa se formulišu na sljedeći način:
H0: ne postoji signifikantna razlika između medijalnih vrijednosti više od dva uzorka koji
predstavljaju ciljnu populaciju u različitim periodima ili različitim okolnostima i zavisni
su (uzorci pripadaju istoj populaciji) / H1: postoji signifikantna razlika između medijalnih
vrijednosti više od dva uzorka koji predstavljaju ciljnu populaciju u različitim periodima
ili različitim okolnostima i zavisni su (uzorci ne pripadaju istoj populaciji)
Postupak Friedmanova testa je sljedeći:
1. Rezultati se najprije razvrstavaju u tablicu sa N redova i k kolona. Redovi
odgovaraju pojedinim ispitanicima (ili grupama ispitanika). Kolone predstavljaju
eksperimentalne uslove (različite periode, različite okolnosti ili zavisne uzorke).
2. Rezultati u svakom redu (dakle za svakog ispitanika posebno) pretvore se u rangove
tako da najviši rezultat dobije rang 1. U slučaju jednakih rezultata, dobivamo
naravno zajedničke rangove, ali to ne utiče na vrijednost testa.
3. Rangovi se u svakoj koloni (eksperimentalnoj situaciji) zbroje (Ti).
4. Kada ne bi bilo razlika u rezultatima među uzorcima iz različitih eksperimentalnih
uslova (tj. kad bi svi uzorci bili iz iste populacije), sume rangova težile bi sličnim
vrijednostima.
5. Ako se te sume značajno razlikuju, možemo odbaciti nultu hipotezu.
6. Da bismo izmjerili relativnu veličinu tih razlika, saberemo kvadrirane sume rangova
(suma rangova = Ti), i nakon toga izračunavamo hi-kvadrat empirijsku vrijednost:
$ _ / Ti2 i - 3 $ N $ (k + 1)
12
. =
2
|emp
N $ k $ (k + 1)
171
NEPARAMETARSKI STATISTIČKI TESTOVI
7. Ako je broj ispitanika (N) i broj eksperimentalnih uslova dovoljno veliki, dobijeni
izraz ima približno jednaku distribuciju kao i hi-kvadrat sa (k - 1) stepena slobode
(prilog 4.).
Friedmanov test koji koristi samo rangove, a ne stvarne to jeste orginalne izmjerene
vrijednosti posjeduje vrlo sličnu snagu statističkog testa kao i njegov parametarski suplement
analiza varijanse zavisnih uzoraka. U tom kontekstu sagledavanja i komparacije snage
Friedmanovog testa i parametarskog F testa prezentiramo rezultate 56 nezavisnih analiza,
kod kojih je Friedman uporedio značajnost dobivenu F testom i Friedmanovim testom.
Kod 45 od 56 analiza (80%) oba testa dala su istu statističku značajnost (p vrijednost).36
Primjer 6. 1. 1.
Provedeno je istraživanje sa ciljem da se utvrdi kako na radni učinak utiče više odmora
i da li je u toku rada racionalnije uzeti jedan duži odmor ili više kraćih odmora. Mjeren
je ukupan radni učinak kod rada od 4 minute bez odmora (eksperimentalna situacija
„a“), kod rada od ukupno 3 minute s jednim odmorom od 60 sekundi u sredini rada
(eksperimentalna situacija „b“), kod rada od ukupno 3 minute sa 2 odmora od po 30
sekundi u toku rada (eksperimentalna situacija „c“) i kod rada od ukupno 3 minute sa
3 odmora od po 20 sekundi (eksperimentalna situacija „d“). Na uzorku od ukupno 11
ispitanika dobili smo rezultate prezentirane u tabeli 6. 1.
Ispitanici a b c d
1 991 1157 1232 1217
2 1139 1055 1057 1256
3 762 775 931 778
4 1074 1121 1220 1260
5 544 596 655 691
6 765 728 840 700
7 904 839 746 774
8 862 916 881 1257
9 725 886 925 1089
10 1079 894 1130 1009
11 833 844 890 1063
Da li dužina i struktura odmora utiče na radni učinak?
36
http://zaf. biol. pmf. unizg. hr/behaviour/Neparametrijski%20%20testovi. pdf, pristup 13. 12. 2014.
172
6 Neparametarski testovi za K zavisnih uzoraka
Rješenje.
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
situacija
Statistic df Sig. Statistic df Sig.
A 0,132 11 0,200* 0,963 11 0,808
B 0,170 11 0,200* 0,963 11 0,811
C 0,188 11 0,200 *
0,952 11 0,666
D 0,202 11 0,200* 0,853 11 0,047
a. Lilliefors Significance Correction
*. This is a lower bound of the true significance.
Ispitanici a b c d
1 991 (4) 1157 (3) 1232 (1) 1217 (2)
2 1139 (2) 1055 (4) 1057 (3) 1256 (1)
3 762 (4) 775 (3) 931 (1) 778 (2)
4 1074 (4) 1121 (3) 1220 (2) 1260 (1)
5 544 (4) 596 (3) 655 (2) 691 (1)
6 765 (2) 728 (3) 840 (1) 700 (4)
7 904 (1) 839 (2) 746 (4) 774 (3)
8 862 (4) 916 (2) 881 (3) 1257 (1)
9 725 (4) 886 (3) 925 (2) 1089 (1)
10 1079 (2) 894 (4) 1130 (1) 1009 (3)
11 833 (3) 844 (3) 890 (2) 1063 (1)
Ti 35 33 22 20
173
NEPARAMETARSKI STATISTIČKI TESTOVI
$ _ / Ti2 i - 3 $ N $ (k + 1) = 11 $ 4 $ 5 $ 3198 - 3 $ 11 $ 5 = 9, 44
12 12
|e2 =
N $ k $ (k + 1)
174
6 Neparametarski testovi za K zavisnih uzoraka
Slika 6. 2. SPSS procedura za unos elemenata potrebnih za provođenje Friedman testa u primjeru
6. 1. 1.
Ranks
Mean Rank
a 1,82
b 2,00
c 3,00
d 3,18
Test Statisticsa
N 11
Chi - Square 9,436
df 3
Asymp. Sig. 0,024
a. Friedman Test
175
NEPARAMETARSKI STATISTIČKI TESTOVI
P vrijednost Friedman testa je niža od 0,05, te stoga sa greškom prve vrste 5% odbacujemo
nultu i prihvatamo alternativnu hipotezu da uzorci ne pripadaju istoj populaciji, i da se
zato posmatrane populacije statistički značajno razlikuju. Dobijeni rezultat ukazuje na
zaključak da dužina i struktura odmora utiče na radni učinak, na taj način da više kratkih
odmora povećava radni učinak.
ili
ili
37
Kendall, M. G., Babington Smith, B. (1939). The Problem of m Rankings, The Annals of Mathematical Statistics 10 (3), str.
275–287.
176
6 Neparametarski testovi za K zavisnih uzoraka
Primjer 6. 2. 1.
Na takmičenju je učestvovalo šest plesnih parova. U komisiji za ocjenjivanje je devet
sudija. Njihove ocjene (od 1 do 6) prezentirane su u tabeli 6. 5.
Sudija
Par 1 2 3 4 5 6 7 8 9
1 3 4 4 2 2 3 5 3 2
2 6 6 6 6 6 5 4 6 6
3 2 1 2 3 2 2 2 2 3
4 5 5 5 5 5 6 6 5 5
5 4 3 3 4 4 4 3 4 4
6 1 2 1 1 3 2 2 1 1
38
http://www. real-statistics. com/reliavility/kendalls-w/, pristupljeno 10. 12. 2014.
39
http://pqstat. com/?mod_f=Kendall_W, pristupljeno 10. 12. 2014.
177
NEPARAMETARSKI STATISTIČKI TESTOVI
Par 1 2 3 4 5 6 zbir
1 3 6 2 5 4 1
2 4 6 1 5 3 2
3 4 6 2 5 3 1
4 2 6 3 5 4 1
Sudija
5 2 6 2 5 4 3
6 3 5 2 6 4 2
7 5 4 2 6 3 2
8 3 6 2 5 4 1
9 2 6 3 5 4 1
28 51 19 47 33 14
ili
178
6 Neparametarski testovi za K zavisnih uzoraka
179
NEPARAMETARSKI STATISTIČKI TESTOVI
Slika 6. 4. SPSS procedura za unos elemenata potrebnih za provođenje Kendall’s W testa u primjeru
6. 2. 1.
Ranks
Mean Rank
par 1 3,06
par 2 5,67
par 3 1,94
par 4 5,22
par 5 3,67
par 6 1,44
Test Statistics
N 9
Kendall’s Wa 0,838
Chi-Square 37,724
df 5
Asymp. Sig. 0,000
a. Kendall’s Coefficient of Concordance
180
6 Neparametarski testovi za K zavisnih uzoraka
1. Jednom ishodu damo vrijednost 1 (+) a drugom 0 (-) i formiramo tabelu u kojoj su
kolone različite okolnosti a redovi objekti ili ispitanici.
2. Odredimo sume za svaki uzorak (kolonu) - .
3. Odredimo sume za svaki objekat (red)- i te sume kvadriramo
, te onda za kolone gdje smo te sume izračunali i kvadrirali nađemo sume -
i .
4. Formula za empirijsku statistiku Cochranovog testa je:
181
NEPARAMETARSKI STATISTIČKI TESTOVI
Primjer 6. 3. 1.
15 studenata smjera menadžment polagalo je u junskom roku tri ispita. Evidentirali smo
da li je student položio (+) ili pao (-).
Ispiti
Menadžment ljudskih
Student Organizacija Strateški menadžment
rerursa
1 + + +
2 + - +
3 + + +
4 - - -
5 + + -
6 + + +
7 + + +
8 + + +
9 - + -
10 - - +
11 - - -
12 - + -
13 + + -
14 + - +
15 - - -
182
6 Neparametarski testovi za K zavisnih uzoraka
Rješenje.
Kako imamo iste studente na različitim ispitima riječ je o zavisnim uzorcima. Karakteristika
koju pratimo je „da li je student položio ispit” i riječ je o dihotomnoj varijabli. Unosimo 1
ako jeste i 0 ako nije, te izračunamo potrebne sume.
d / xi,j n
Menadžment k k 2
1 1 1 1 3 9
2 1 0 1 2 4
3 1 1 1 3 9
4 0 0 0 0 0
5 1 1 0 2 4
6 1 1 1 3 9
7 1 1 1 3 9
8 1 1 1 3 9
9 0 1 0 1 1
10 0 0 1 1 1
11 0 0 0 0 0
12 0 1 0 1 1
13 1 1 0 2 4
14 1 0 1 2 4
15 0 0 0 0 0
- -
- =9
183
NEPARAMETARSKI STATISTIČKI TESTOVI
Iz tablice hi-kvadrat distribucije za grešku prve vrste 5% i dva stepena slobode pronalazimo
teorijsku vrijednost Q statistike i ona iznosi 6. Kako je empirijska vrijednost hi-kvadrat
statistike niža od tablične vrijednosti (0,2857>6) zaključujemo da ne možemo odbaciti
nultu i hipotezu da uzorci pripadaju istoj populaciji.
SPSS procedura.
U tri kolone unijeli smo rezultate za tri ispita. Biramo Cocran’s Q test u opciji
neparametarskih testova za više zavisnih uzoraka.
184
6 Neparametarski testovi za K zavisnih uzoraka
Slika 6. 6. SPSS procedura za unos elemenata potrebnih za provođenje Cocran’s Q testa u primjeru
6. 3. 1.
Frequencies
Value
0 1
HRM 6 9
Organizacija 6 9
Strateški menadžment 7 8
Test Statistics
N 15
Cochran’s Q 0,286a
df 2
Asymp. Sig. 0,867
a. 1 is treated as a success.
P vrijednost Cocran’s Q testa (0,867) je viša od 0,05, te stoga sa greškom prve vrste 5%
ne odbacujemo nultu hipotezu da uzorci pripadaju istoj populaciji. Dobijeni rezultat
ukazuje na zaključak da ne postoji statistički signifikantna razlika u proporciji uspješnosti
polaganja tih ispita.
185
Izvori
• Bahovec, V., Erjavec, N., at al. (2015). Statistika, Sveučilište u Zagrebu, Element,
Zagreb
• Ciechalski, J. C., Pinkney, J. W. & Weaver, F. S. (2002). A method for assessing change
in attitude: The McNemar Test. Poster presented at the Annual Meeting of the
American Educational Research Association, New Orleans
• Corder, G. W., Foreman, D. I. (2009). Nonparametric Statistics for Non-Statisticians:
A Step-by-Step Approach, Wiley, New Jersey
• Dumičić, K., Bahovec V., at al. (2011). Poslovna statistika, Sveučilište u Zagrebu,
Element, Zagreb
• Freund, J. E., Williams F. J., Perles, B. M. (1993). Elementary Business Statistics,
Prentice Hall, New Jersey
• Gopal, K. K. (2006). 100 Statistical Tests, Third edition, Sage publication, London
• Huynh V. N., Nakamori Y., Lawry J., Inuiguchi M. (2010). Integrated Uncertainty
Management and Applications, Springer Science & Business Media, New York
• International Encyclopedia of Statistics (Vols. 1 and 2) (Book). By: Press, S. James.
Journal of the American Statistical Association, march 1981, vol. 76 Issue 373, p2 06,
2p, (AN 4603133)
• Kraska-Miller, M. (2013). Nonparametric Statistics for Social and Behavioral Sciences,
CRC Press, New York
• Mann, S. (2009). Uvod u statistiku, (6. izdanje), Ekonomski fakultet u Beogradu,
Beograd
• Mendenhall,W., Reinmuth, J. (1982.). Statistics for Management and Ecomonics,
fourth Edition, Duxbury Press, Boston
• Petz, B. (2007.). Osnovne statističke metode za nematematičare (6. izdanje),
Sveučilišna naklada Slap, Zagreb
• Raič, A. (2005.). Uvod u metode istraživanja i statističku analizu, Ekonomski fakultet
u Beogradu, Beograd
• Resić, E., Delalić, A., Balavac, M., Abdić, A. (2010). Statistics in Economics and
Management, Ekonomski fakultet u Sarajevu, Sarajevo
187
• Resić, E. (2006). Zbirka zadataka iz statistike, Ekonomski fakultet u Sarajevu,
Sarajevo
• Soldić Aleksić, J. (2011). Primjenjena analiza podataka, Ekonomski fakultet u
Beogradu, Beograd
• Somun–Kapetanović, R. (2008). Statistika u ekonomiji i menadžmentu, Ekonomski
fakultet u Sarajevu, Sarajevo
• Sprent, P., Smeeton, N. C. (2007). Applied Nonparametric Statistical Methods, fourth
Edition, CRC Press, New York
• Žižić, M., Lovrić, M., Pavličić D. (2004). Osnovi statističke analize, Ekonomski
fakultet u Beogradu, Beograd
• Loftus, e. F., Palmer, J. C. (1974). Reconstruction of automobile destruction: An
example of the interaction between language and memory, Journal of Verbal Learning
and Verbal Behavior, 13, str. 585-589.
• Kendall, M. G., Babington Smith, B. (1939). The Problem of m Rankings, The Annals
of Mathematical Statistics 10 (3), str. 275–287.
• https://statistics. laerd. com/spss-tutorials/wilcoxon-signed-rank-test-using-spss-
statistics
• http://www.analystsoft.com/en/products/statplus/content/help/src/analysis_non
parametric_statistics_comparing_two_independent_samples_mann-whitney_
wilcoxon_rank_sum. html
• http://documentation.statsoft.com/STATISTICAHelp.aspx?path=Nonpara
metrics/NonparametricAnalysis/Dialogs/StartupPanel/NonparametricsStatistics
StartupPanelWaldWolfowitzrunstest
• http://spssx-discussion.1045642.n5.nabble.com/Chi-square-and-Fisher-s-Exact-
Test-td1075915. html
• http://support.sas.com/documentation/cdl/en/statug/63033/HTML/default/
viewer.htm#statug_freq_a0000000648. htm
• http://www. itl. nist. gov/div898/handbook/eda/section3/eda35d. htm
• http://books.google.ba/books?id=w7jfuqtXaXIC&pg=PA201&lpg=PA201&dq= Ks
+test+for+comparing+two+populations&source=bl&ots=0C5F34f5OH&sig=Ti6
8oezHkZsGarZnDgf6O-Z1CyY&hl=bs&i=X3B0VKqxE6v9ygOeiIHgAQ&ved=0
CCYQ6AEwATgU#v=onepage&q=Ks%20test%20for%20comparing%20two%20
populations&f=false
188
• http://www.analystsoft.com/en/products/statplus/content/help/src/analysis_non
parametric_statistics_comparing_two_independent_samples_mann-whitney_
wilcoxon_rank_sum. html
• http://www.unistat.com/guide/nonparametric-tests-unpaired-samples
• http://www.csun.edu/sites/default/files/exact-tests19. pdf
• http://support.sas.com/documentation/cdl/en/procstat/63963/HTML/default/
viewer.htm#procstat_freq_a0000000567. htm
• http://www.ncbi.nlm.nih.gov/pmc/articles/PMC468904/
• http://dx.doi.org/10.1016/S0022-5371(74)80011-3
• http://www.real-statistics.com/reliavility/kendalls-w/
• http://pqstat.com/?mod_f=Kendall_W
• http://zaf.biol.pmf.unizg.hr/behaviour/Neparametrijski%20%20testovi. pdf
189
Popis tabela
Tabela 1. 1. Parametarski versus neparametarski testovi 13
Tabela 1. 2. Neparametarski testovi u SPSS programskom paketu 13
Tabela 2. 1. Struktura prodaje automobila prema boji 18
Tabela 2. 2. Prodaja automobila u tekućoj godini 19
Tabela 2. 3. Radna tabela za izračunavanje empirijske hi-kvadrat vrijednosti za primjer 2. 1. 1. 19
Tabela 2. 4. Rezultati hi-kvadrat testa u primjeru 2. 1. 1. – SPSS output 22
Tabela 2. 5. Kupovina kafe u uzorku za primjer 2. 1. 2. 23
Tabela 2. 6. Radna tabela za izračunavanje teorijskih frekvencija za primjer 2. 1. 2. 24
Tabela 2. 7. Radna tabela za izračunavanje hi-kvadrat empirijske vrijednosti za primjer 2. 1. 2. 24
Tabela 2. 8. Rezultati hi-kvadrat testa u primjeru 2. 1. 2. – SPSS output 26
Tabela 2. 9. Broj primljenih mailova od strane studenata 26
Tabela 2. 10. Radna tabela za izračunavanje hi-kvadrat empirijske vrijednosti za primjer 2. 1. 3. 27
Tabela 2. 11. Rezultati hi-kvadrat testa u primjeru 2. 1. 3. – SPSS output 29
Tabela 2. 12. Konstrukcija kontigencijske tablice 31
Tabela 2. 13. Kontigencijska tablica za primjer 2. 2. 1. 33
Tabela 2. 14. Rezultati hi-kvadrat testa nezavisnosti u primjeru 2. 2. 1. – SPSS output 36
Tabela 2. 15. Odgovori menadžera iz primjera 2. 2. 2. na pitanje o važnosti leadership-a 36
Tabela 2. 16. Rezultati hi-kvadrat testa nezavisnosti u primjeru 2. 2. 2. – SPSS output 41
Tabela 2. 17. Rezultati binomnog testa u primjeru 2. 3. 1. – SPSS output 46
Tabela 2. 18. Odstupanja od standarda u primjeru 2. 4. 1. 48
Tabela 2. 19. Rekodirani dihotomni niz za primjer 2. 4. 1. 50
Tabela 2. 20. Rezultati Runs testa u primjeru 2. 4. 1. – SPSS output 52
Tabela 2. 21. Rezultati Runs testa u primjeru 2. 4. 2. – SPSS output 54
Tabela 2. 22. Rezultati mjerenja iz primjera 2. 5. 1. 55
Tabela 2. 23. Radna tabela za izračunavanje razlika za primjer 2. 5. 1. 56
Tabela 2. 24. Rezultati KS testa u primjeru 2. 5. 1. – SPSS output 58
Tabela 2. 25. Podaci za varijablu X iz primjera 2. 5. 2. 58
Tabela 2. 26. Rezultati KS testa u primjeru 2. 5. 2. – SPSS output 61
Tabela 2. 27. Radna tabela za pridruživanje znaka za primjer 2. 6. 1. 63
Tabela 2. 28. Rezultati testa znaka za dva zavisna uzorka u primjeru 2. 6. 1. – SPSS output 65
Tabela 2. 29. Vreme reagovanja policije na hitne
pozive u užem centru grada, podaci iz istraživanja 65
Tabela 2. 30. Radna tabela za pridruživanje znaka za primjer 2. 6. 2. 66
Tabela 2. 31. Rezultati testa znaka za dva zavisna uzorka u primjeru 2. 6. 2. – SPSS output 68
Tabela 2. 32. Rezultati deskriptivnih statistika za varijablu
potrošnja papira za kopir aparat za primjer 2. 7. 1. 71
Tabela 2. 33. Radna tabela za rangiranje za primjer 2. 7. 1. 71
190
Tabela 2. 34. Rezultati Wilcoxovog testa za dva zavisna uzorka u primjeru 2. 7. 1. – SPSS output 73
Tabela 2. 35. Vrijeme obrta u uzorku od 32 drogerije 74
Tabela 2. 36. Rezultati deskriptivnih statistika za
varijablu vrijeme obrta u danima za primjer 2. 7. 2. 75
Tabela 2. 37. Radna tabela za rangiranje za primjer 2. 7. 2. 75
Tabela 2. 38. Rezultati Wilcoxovog testa za dva zavisna uzorka u primjeru 2. 7. 2. – SPSS output 78
Tabela 3. 1. Prosječni mjesečni troškovi za dva nezavisna uzorka 82
Tabela 3. 2. Rezultati Shapiro-Wilk testa „normalnosti“ u
uzorcima u primjeru 3. 1. 1. – SPSS output 85
Tabela 3. 3. Radna tabela za određivanje rangova za primjer 3. 1. 1. 86
Tabela 3. 4. Rezultati Mann-Whitney U testa u primjeru 3. 1. 1. – SPSS output 87
Tabela 3. 5. Podaci za 27 osiguravajućih društava iz BiH 88
Tabela 3. 6. Rezultati Shapiro–Wilk testa „normalnosti“
kod posmatranih uzoraka u primjeru 3. 1. 2. – SPSS output 89
Tabela 3. 7. Radna tabela za određivanje rangova za primjer 3. 1. 2. 90
Tabela 3. 8. Rezultati Mann–Whitney U testa u primjeru 3. 1. 2. – SPSS output 94
Tabela 3. 9. Podaci o iznosu koji su ispitanici iz
uzorka spremni platiti za večeru u luksuznom restoranu 96
Tabela 3. 10. Rezultati Shapiro–Wilk testa „normalnosti“
kod posmatranih uzoraka u primjeru 3. 2. 1. – SPSS output 97
Tabela 3. 11. Radna tabela sa numerički uređenim podacima za primjer 3. 2. 1. 98
Tabela 3. 12. Radna tabela sa podacima grupisanim u
intervale i određivanjem kumulanti za primjer 3. 2. 1. 98
Tabela 3. 13. Rezultati Kolmogorov-Smirnov z testa za
dva uzorka u primjeru 3. 2. 1. – SPSS output 100
Tabela 3. 14. Rezulati na ispitu iz predmeta Statistika u ekonomiji i menadžmentu 102
Tabela 3. 15. Rezultati Shapiro–Wilk testa „normalnosti“
kod posmatranih uzoraka u primjeru 3. 3. 1. – SPSS output 102
Tabela 3. 16. Radna tabela sa numerički uređenim podacima za primjer 3. 3. 1. 103
Tabela 3. 17. Rezultati Wald-Wolfowitz testa koraka u primjeru 3. 3. 1. – SPSS output 106
Tabela 3. 18. Rezultati na ispitu kod studenata iz grupa A i B 107
Tabela 3. 19. Rezultati Shapiro–Wilk testa „normalnosti“
kod posmatranih uzoraka u primjeru 3. 4. 1. – SPSS output 108
Tabela 3. 20. Radna tabela sa rangiranjem za primjer 3. 4. 1. 109
Tabela 3. 21. Rezultati Moses extreme reactions testa u primjeru 3. 4. 1. – SPSS output 111
Tabela 4. 1. Kontigencijska tablica za McNemar test 116
Tabela 4. 2. Podaci iz primjera 4. 1. 1. predstavljeni u kontigencijskoj tablici 116
Tabela 4. 3. Rezultati McNemar testa u primjeru 4. 1. 1. – SPSS output 118
Tabela 4. 4. Ocjene projekata 119
Tabela 4. 5. Rezultati Marginal homogeneity testa u primjeru 4. 2. 1. – SPSS output 121
191
Tabela 4. 6. Rezultati testa samopouzdanja prije i nakon kursa 123
Tabela 4. 7. Radna tabela za određivanje znaka razlike u primjeru 4. 3. 1. 123
Tabela 4. 8. Rezultati Sign testa u primjeru 4. 3. 1. – SPSS output 125
Tabela 4. 9. Sati bolovanja u periodu od dva mjeseca 126
Tabela 4. 10. Radna tabela za određivanje znaka razlike za primjer 4. 3. 2. 126
Tabela 4. 11. Rezultati Sign testa u primjeru 4. 3. 2. – SPSS output 128
Tabela 4. 12. Dnevna potražnja za “proizvodima” osiguravajućeg društva 131
Tabela 4. 13. Rezultati Shapiro–Wilk testa „normalnosti“
kod posmatranih uzoraka u primjeru 4. 4. 1. – SPSS output 131
Tabela 4. 14. Rezultati Shapiro–Wilk testa „normalnosti“ kod varijable
razlika između posmatranih uzoraka u primjeru 4. 4. 1. – SPSS output 132
Tabela 4. 15. Radna tabela za rangiranje za primjer 4. 4. 1. 133
Tabela 4. 16. Rezultati Wilcoxon test ranga sa znakom u primjeru 4. 4. 1. – SPSS output 134
Tabela 4. 17. Podaci o nivou holesterola u krvi iz dvije laboratorije 135
Tabela 4. 18. Rezultati Shapiro–Wilk testa „normalnosti“ kod
posmatranih uzoraka iz dvije laboratorije u primjeru 4. 4. 2. – SPSS output 136
Tabela 4. 19. Rezultati Shapiro–Wilk testa „normalnosti“ kod varijable razlika
između posmatranih zavisnih uzoraka u primjeru 4. 4. 2. – SPSS output 137
Tabela 4. 20. Radna tabela za rangiranje za primjer 4. 4. 2. 138
Tabela 4. 21. Rezultati Wilcoxon test ranga sa znakom u primjeru 4. 4. 2. – SPSS output 140
Tabela 4. 22. Rezultati (poredak) na testovima iz
Matematike i Fizike iz uzorka učenika osnovne škole 141
Tabela 4. 23. Radna tabela za rangiranje i određivanje razlike rangova za primjer 4. 4. 2. 142
Tabela 4. 24. Korelaciona matrica u primjeru 4. 5. 1. – SPSS output 144
Tabela 4. 25. Podaci o prihodima od investicija i od dodatnih aktivnosti 145
Tabela 4. 26. Radna tabela za rangiranje za primjer 4. 6. 1. 146
Tabela 4. 27. Korelaciona matrica u primjeru 4. 6. 1. – SPSS output 148
Tabela 5. 1. Podaci o broju dana bolovanja zaposlenika preduzeća X u 2015. godini 152
Tabela 5. 2. Rezultati Shapiro–Wilk testa „normalnosti“ kod
posmatranih uzoraka iz tri dobne skupine u primjeru 5. 1. 1. – SPSS output 153
Tabela 5. 3. Radna tabela za rangiranje za primjer 5. 1. 1. 155
Tabela 5. 4. Rezultati Kruskal-Wallisov one way testa u primjeru 5. 1. 1. – SPSS output 157
Tabela 5. 5. Kontigencijska tablica za test medijane 158
Tabela 5. 6. Podaci o prinosu prema vrsti hrane 158
Tabela 5. 7. Rezultati Shapiro–Wilk testa „normalnosti“
kod posmatranih uzoraka u primjeru 5. 2. 1. – SPSS output 159
Tabela 5. 8. Radna tabela sa numerički uređenim podacima za primjer 5. 2. 1. 160
Tabela 5. 9. Radna tabela za utvrđivanje znaka za primjer 5. 2. 1. 161
Tabela 5. 10. Kontigencijska tablica za primjer 5. 2. 1. 162
192
Tabela 5. 11. Hi-kvadrat metodologija na bazi kontigencijske tablice za primjer 5. 2. 1. 162
Tabela 5. 12. Rezultati testa medijane u primjeru 5. 2. 1. – SPSS output 164
Tabela 5. 13. Podaci o procjenjenoj brzini kretanja 166
Tabela 5. 14. Radna tabela za određivanje medijana za primjer 5. 3. 1. 166
Tabela 5. 15. Rezultati Janckheere–Terpstra testa u primjeru 5. 3. 1. – SPSS output 168
Tabela 6. 1. Radni učinak za 11 ispitanika u različitim eksperimentalnim situacijama 172
Tabela 6. 2. Rezultati Shapiro–Wilk testa „normalnosti“
kod posmatranih uzoraka u primjeru 6. 1. 1. – SPSS output 173
Tabela 6. 3. Radna tabela sa određivanjem rangova za primjer 6. 1. 1. 173
Tabela 6. 4. Rezultati Friedman testa u primjeru 6. 1. 1. – SPSS output 175
Tabela 6. 5. Ocjene za šest plesnih parova 177
Tabela 6. 6. Radna tabela sa rangovima za primjer 6. 2. 1. 178
Tabela 6. 7. Rezultati Kendall’s W testa u primjeru 6. 2. 1. – SPSS output 180
Tabela 6. 8. Prolaznost studenata 182
Tabela 6. 9. Radna tabela sa sumama potrebnim za izračunavanje Q statistike za primjer 6. 3. 1. 183
Tabela 6. 10. Rezultati Cocran’s Q testa u primjeru 6. 3. 1. – SPSS output 185
193
Popis slika
Slika 1. 1. Neparametarski testovi u SPSS programskom paketu 14
Slika 2. 1. SPSS procedura za ponderisanje u primjeru 2. 1. 1. 20
Slika 2. 2. SPSS procedura za provođenje hi-kvadrat testa u primjeru 2. 1. 1. 21
Slika 2. 3. SPSS procedura za unos elemenata potrebnih za
provođenje hi-kvadrat testa u primjeru 2. 1. 1. 22
Slika 2. 4. SPSS procedura za unos elemenata potrebnih za
provođenje hi-kvadrat testa u primjeru 2. 1. 2. 25
Slika 2. 5. SPSS procedura za provođenje hi-kvadrat testa u primjeru 2. 1. 3. 28
Slika 2. 6. SPSS procedura za unos elemenata potrebnih za
provođenje hi-kvadrat testa u primjeru 2. 1. 3. 28
Slika 2. 7. SPSS procedura za kreiranje kontigencijske tablice u primjeru 2. 2. 1. 34
Slika 2. 8. SPSS procedura za unos elemenata potrebnih za
kreiranje kontigencijske tablice u primjeru 2. 2. 1. 35
Slika 2. 9. SPSS procedura za kreiranje kontigencijske tablice u primjeru 2. 2. 2. 40
Slika 2. 10. SPSS procedura za unos elemenata potrebnih za
kreiranje kontigencijske tablice u primjeru 2. 2. 2. 40
Slika 2. 11. SPSS procedura za rekodiranje u primjeru 2. 3. 1. (koraci a-d) 43
Slika 2. 12. SPSS procedura za provođenje binomnog testa u primjeru 2. 3. 1. 45
Slika 2. 13. SPSS procedura za unos elemenata za
provođenje binomnog testa u primjeru 2. 3. 1. 46
Slika 2. 14. SPSS procedura za rekodiranje u primjeru 2. 4. 1. (koraci a-b) 49
Slika 2. 15. SPSS procedura za provođenje Runs testa u primjeru 2. 4. 1. 51
Slika 2. 16. SPSS procedura za unos elemenata za provođenje Runs testa u primjeru 2. 4. 1. 52
Slika 2. 17. SPSS procedura za unos elemenata za provođenje Runs testa u primjeru 2. 4. 2. 53
Slika 2. 18. SPSS procedura za provođenje KS testa u primjeru 2. 5. 1. 57
Slika 2. 19. SPSS procedura za unos elemenata za provođenje KS testa u primjeru 2. 5. 1. 57
Slika 2. 20. SPSS procedura za provođenje KS testa u primjeru 2. 5. 2. 60
Slika 2. 21. SPSS procedura za unos elemenata za provođenje KS testa u primjeru 2. 5. 2. 60
Slika 2. 22. SPSS procedura za provođenje testa znaka za dva zavisna uzorka u primjeru 2. 6. 1. 64
Slika 2. 23. SPSS procedura za unos elemenata za
provođenje testa znaka za dva zavisna uzorka u primjeru 2. 6. 1. 64
Slika 2. 24. SPSS procedura za unos elemenata za
provođenje testa znaka za dva zavisna uzorka u primjeru 2. 6. 2. 67
Slika 2. 25. SPSS procedura za provođenje Wilcoxovog
testa za dva zavisna uzorka u primjeru 2. 7. 1. 72
Slika 2. 26. SPSS procedura za unos elemenata za provođenje
Wilcoxovog testa za dva zavisna uzorka u primjeru 2. 7. 1. 73
194
Slika 2. 27. SPSS procedura za unos elemenata za provođenje
Wilcoxovog testa za dva zavisna uzorka u primjeru 2. 7. 2. 77
Slika 3. 1. SPSS procedura za podjelu podataka prema zadanoj
kategoriji i dalje analize unutar svake kategorije u primjeru 3. 1. 1. 83
Slika 3. 2. SPSS procedura za provođenje Shapiro-Wilk
testa „normalnosti“ u uzorcima u primjeru 3. 1. 1. 84
Slika 3. 3. SPSS procedura za unos elemenata potrebnih za
provođenje Shapiro-Wilk testa „normalnosti“ u uzorcima u primjeru 3. 1. 1. 84
Slika 3. 4. SPSS procedura za provođenje Mann-Whitney U testa u primjeru 3. 1. 1. 86
Slika 3. 5. SPSS procedura za unos elemenata potrebnih za
provođenje Mann-Whitney U testa u primjeru 3. 1. 1. 87
Slika 3. 6. SPSS procedura za novo kodiranje u primjeru 3. 1. 2. 91
Slika 3. 7. SPSS procedura za unos elemenata potrebnih za novo kodiranje u primjeru 3. 1. 2. 91
Slika 3. 8. SPSS baza u primjeru 3. 1. 2. sa novom varijablom „sjediste2“. 92
Slika 3. 9. SPSS procedura za provođenje Mann-Whitney U testa u primjeru 3. 1. 2. 93
Slika 3. 10. SPSS procedura za unos elemenata potrebnih za
provođenje Mann-Whitney U testa u primjeru 3. 1. 2. 93
Slika 3. 11. SPSS procedura za provođenje Kolmogorov-Smirnov z
testa za dva uzorka u primjeru 3. 2. 1. 99
Slika 3. 12. SPSS procedura za unos elemenata potrebnih za
provođenje Kolmogorov-Smirnov z testa za dva uzorka u primjeru 3. 2. 1. 100
Slika 3. 13. SPSS procedura za provođenje Wald-Wolfowitz testa koraka u primjeru 3. 3. 1. 104
Slika 3. 14. SPSS procedura za unos elemenata potrebnih za
provođenje Wald-Wolfowitz testa koraka u primjeru 3. 3. 1. 105
Slika 3. 15. SPSS procedura za provođenje Moses extreme reactions testa u primjeru 3. 4. 1. 110
Slika 3. 16. SPSS procedura za unos elemenata potrebnih za
provođenje Moses extreme reactions testa u primjeru 3. 4. 1. 110
Slika 4. 1. SPSS procedura za provođenje McNemar testa u primjeru 4. 1. 1. 117
Slika 4. 2. SPSS procedura za unos elemenata potrebnih za
provođenje McNemar testa u primjeru 4. 1. 1. 118
Slika 4. 3. SPSS procedura za provođenje Marginal homogeneity testa u primjeru 4. 2. 1. 120
Slika 4. 4. SPSS procedura za unos elemenata potrebnih za
provođenje Marginal homogeneity testa u primjeru 4. 2. 1. 120
Slika 4. 5. SPSS procedura za provođenje Sign u primjeru 4. 3. 1. 124
Slika 4. 6. SPSS procedura za unos elemenata potrebnih za
provođenje Sign testa u primjeru 4. 3. 1. 124
Slika 4. 7. SPSS procedura za unos elemenata potrebnih za
provođenje Sign testa u primjeru 4. 3. 2. 127
Slika 4. 8. SPSS procedura za provođenje Wilcoxon test ranga sa znakom u primjeru 4. 4. 1. 133
Slika 4. 9. SPSS procedura za unos elemenata potrebnih za
provođenje Wilcoxon test ranga sa znakom u primjeru 4. 4. 1. 134
Slika 4. 10. SPSS procedura za unos elemenata potrebnih za
provođenje Wilcoxon test ranga sa znakom u primjeru 4. 4. 2. 139
Slika 4. 11. SPSS procedura za provođenje korelacione analize u primjeru 4. 5. 1. 143
Slika 4. 12. SPSS procedura za unos elemenata potrebnih za
provođenje korelacione analize u primjeru 4. 5. 1. 143
Slika 4. 13. SPSS procedura za provođenje korelacione analize u primjeru 4. 6. 1. 147
Slika 4. 14. SPSS procedura za unos elemenata potrebnih za
provođenje korelacione analize u primjeru 4. 6. 1. 147
Slika 5. 1. SPSS procedura za provođenje Kruskal-Wallisov one way testa u primjeru 5. 1. 1. 156
Slika 5. 2. SPSS procedura za unos elemenata potrebnih za
provođenje Kruskal-Wallisov one way testa u primjeru 5. 1. 1. 156
Slika 5. 3. SPSS procedura za provođenje testa medijane u primjeru 5. 2. 1. 163
Slika 5. 4. SPSS procedura za unos elemenata potrebnih za
provođenje testa medijane u primjeru 5. 2. 1. 163
Slika 5. 5. SPSS procedura za provođenje Janckheere–Terpstra testa u primjeru 5. 3. 1. 167
Slika 5. 6. SPSS procedura za unos elemenata potrebnih za
provođenje Janckheere–Terpstra testa u primjeru 5. 3. 1. 168
Slika 6. 1. SPSS procedura za provođenje Friedman testa u primjeru 6. 1. 1. 174
Slika 6. 2. SPSS procedura za unos elemenata potrebnih za
provođenje Friedman testa u primjeru 6. 1. 1. 175
Slika 6. 3. SPSS procedura za provođenje Kendall’s W testa u primjeru 6. 2. 1. 179
Slika 6. 4. SPSS procedura za unos elemenata potrebnih za
provođenje Kendall’s W testa u primjeru 6. 2. 1. 180
Slika 6. 5. SPSS procedura za provođenje Cocran’s Q testa u primjeru 6. 3. 1. 184
Slika 6. 6. SPSS procedura za unos elemenata potrebnih za
provođenje Cocran’s Q testa u primjeru 6. 3. 1. 185
196
Popis grafikona
Grafikon 3. 1. Box-plot dijagrami za uzorke u primjeru 3. 1. 1. – SPSS output 85
Grafikon 3. 2. Box-plot dijagrami za uzorke u primjeru 3. 1. 2. – SPSS output 89
Grafikon 3. 3. Box-plot dijagrami za uzorke u primjeru 3. 2. 1. – SPSS output 97
Grafikon 3. 4. Box-plot dijagrami za uzorke u primjeru 3. 3. 1. – SPSS output 103
Grafikon 3. 5. Box-plot dijagrami za uzorke u primjeru 3. 4. 1. – SPSS output 108
Grafikon 4. 1. Box-plot dijagrami za uzorke u primjeru 4. 4. 1. – SPSS output 132
Grafikon 4. 2. Box-plot dijagrami za zavisne uzorke u primjeru 4. 4. 2. – SPSS output 137
Grafikon 5. 1. Box-plot dijagrami za uzorke u primjeru 5. 1. 1. – SPSS output 154
Grafikon 5. 2. Box-plot dijagrami za nezavisne uzorke u primjeru 5. 2. 1. – SPSS output 159
197
NEPARAMETARSKI STATISTIČKI TESTOVI
Prilozi
Prilog 1. Tablice funkcije rasporeda Gausove (normalne) distribucije
druga
z 0 1 2 3 4 5 6 7 8 9
decimala
0,0 500000 503989 507978 511966 515953 519939 523922 527903 531881 535856
0,1 539828 543795 547758 551717 555670 559618 563559 567495 571424 575345
0,2 579260 583166 587064 590954 594835 598706 602568 606420 610261 614092
0,3 617911 621720 625516 629300 633072 636831 640576 644309 648027 651732
0,4 655422 659097 662757 666402 670031 673645 677242 680822 684386 687933
0,5 691462 694974 698468 701944 705401 708840 712260 715661 719043 722405
0,6 725747 729069 732371 735653 738914 742154 745373 748571 751748 754903
0,7 758036 761148 764238 767305 770350 773373 776373 779350 782305 785236
0,8 788145 791030 793892 796731 799546 802337 805105 807850 810570 813267
0,9 815940 818589 821214 823814 826391 828944 831472 833977 836457 838913
cijeli broj 1,0 841345 843752 846136 848495 850830 853141 855428 857690 859929 862143
i prva
decimala 1,1 864334 866500 868643 870762 872857 874928 876976 879000 881000 882977
1,2 884930 886861 888768 890651 892512 894350 896165 897958 899727 901475
1,3 903200 904902 906582 908241 909877 911492 913085 914657 916207 917736
1,4 919243 920730 922196 923641 925066 926471 927855 929219 930563 931888
1,5 933193 934478 935745 936992 938220 939429 940620 941792 942947 944083
1,6 945201 946301 947384 948449 949497 950529 951543 952540 953521 954486
1,7 955435 956367 957284 958185 959070 959941 960796 961636 962462 963273
1,8 964070 964852 965620 966375 967116 967843 968557 969258 969946 970621
1,9 971283 971933 972571 973197 973810 974412 975002 975581 976148 976705
2,0 977250 977784 978308 978822 979325 979818 980301 980774 981237 981691
2,1 982136 982571 982997 983414 983823 984222 984614 984997 985371 985738
198
PRILOZI
druga
z 0 1 2 3 4 5 6 7 8 9
decimala
2,2 986097 986447 986791 987126 987455 987776 988089 988396 988696 988989
2,3 989276 989556 989830 990097 990358 990613 990863 991106 991344 991576
2,4 991802 992024 992240 992451 992656 992857 993053 993244 993431 993613
2,5 993790 993963 994132 994297 994457 994614 994766 994915 995060 995201
2,6 995339 995473 995604 995731 995855 995975 996093 996207 996319 996427
2,7 996533 996636 996736 996833 996928 997020 997110 997197 997282 997365
2,8 997445 997523 997599 997673 997744 997814 997882 997948 998012 998074
2,9 998134 998193 998250 998305 998359 998411 998462 998511 998559 998605
3,0 998650 998694 998736 998777 998817 998856 998893 998930 998965 998999
cijeli broj
i prva 3,1 999032 999065 999096 999126 999155 999184 999211 999238 999264 999289
decimala
3,2 999313 999336 999359 999381 999402 999423 999443 999462 999481 999499
3,3 999517 999534 999550 999566 999581 999596 999610 999624 999638 999651
3,4 999663 999675 999687 999698 999709 999720 999730 999740 999749 999758
3,5 999767 999776 999784 999792 999800 999807 999815 999822 999828 999835
3,6 999841 999847 999853 999858 999864 999869 999874 999879 999883 999888
3,7 999892 999896 999900 999904 999908 999912 999915 999918 999922 999925
3,8 999928 999931 999933 999936 999938 999941 999943 999946 999948 999950
3,9 999952 999954 999956 999958 999959 999961 999963 999964 999966 999967
4,0 999968 999970 999971 999972 999973 999974 999975 999976 999977 999978
199
NEPARAMETARSKI STATISTIČKI TESTOVI
200
PRILOZI
n 1 2 3 4 5 6 7 8 9 10
3,1 0,90067 0,95490 0,97335 0,98189 0,98657 0,98944 0,99134 0,99267 0,99364 0,99437
3,2 0,90359 0,95733 0,97533 0,98355 0,98800 0,99070 0,99247 0,99369 0,99458 0,99525
3,3 0,90634 0,95958 0,97713 0,98503 0,98926 0,99180 0,99344 0,99457 0,99539 0,99599
3,4 0,90895 0,96166 0,97877 0,98636 0,99037 0,99275 0,99428 0,99532 0,99606 0,99661
3,5 0,91141 0,96359 0,98026 0,98755 0,99136 0,99359 0,99500 0,99596 0,99664 0,99714
3,6 0,91375 0,96538 0,98162 0,98862 0,99223 0,99432 0,99563 0,99651 0,99713 0,99758
3,7 0,91598 0,96705 0,98286 0,98958 0,99300 0,99496 0,99617 0,99698 0,99754 0,99795
3,8 0,91809 0,96860 0,98400 0,99045 0,99369 0,99552 0,99664 0,99738 0,99789 0,99826
3,9 0,92010 0,97005 0,98504 0,99123 0,99430 0,99601 0,99705 0,99773 0,99819 0,99852
4,0 0,92202 0,97140 0,98600 0,99193 0,99484 0,99644 0,99741 0,99803 0,99844 0,99874
4,1 0,92385 0,97267 0,98687 0,99257 0,99532 0,99682 0,99771 0,99828 0,99866 0,99893
4,2 0,92560 0,97386 0,98768 0,99315 0,99576 0,99716 0,99798 0,99850 0,99885 0,99909
4,3 0,92727 0,97497 0,98843 0,99368 0,99614 0,99745 0,99822 0,99869 0,99900 0,99922
4,4 0,92887 0,97602 0,98912 0,99415 0,99649 0,99772 0,99842 0,99886 0,99914 0,99933
4,5 0,93040 0,97700 0,98975 0,99459 0,99680 0,99795 0,99860 0,99900 0,99926 0,99943
t
4,6 0,93186 0,97792 0,99034 0,99498 0,99708 0,99815 0,99876 0,99912 0,99935 0,99951
4,7 0,93327 0,97879 0,99089 0,99535 0,99733 0,99834 0,99890 0,99923 0,99944 0,99958
4,8 0,93462 0,97962 0,99140 0,99568 0,99756 0,99850 0,99902 0,99932 0,99951 0,99964
4,9 0,93592 0,98039 0,99187 0,99598 0,99776 0,99864 0,99912 0,99940 0,99958 0,99969
5,0 0,93717 0,98113 0,99230 0,99625 0,99795 0,99877 0,99922 0,99947 0,99963 0,99973
5,1 0,93837 0,98182 0,99271 0,99651 0,99811 0,99889 0,99930 0,99954 0,99968 0,99977
5,2 0,93952 0,98248 0,99309 0,99674 0,99827 0,99899 0,99937 0,99959 0,99972 0,99980
5,3 0,94064 0,98310 0,99344 0,99696 0,99840 0,99909 0,99944 0,99964 0,99975 0,99983
5,4 0,94171 0,98369 0,99378 0,99715 0,99853 0,99917 0,99950 0,99968 0,99978 0,99985
5,5 0,94275 0,98425 0,99409 0,99734 0,99864 0,99924 0,99955 0,99971 0,99981 0,99987
5,6 0,94375 0,98478 0,99437 0,99750 0,99875 0,99931 0,99959 0,99974 0,99983 0,99989
5,7 0,94472 0,98529 0,99465 0,99766 0,99884 0,99937 0,99963 0,99977 0,99985 0,99990
5,8 0,94565 0,98577 0,99490 0,99780 0,99893 0,99942 0,99967 0,99980 0,99987 0,99991
5,9 0,94656 0,98623 0,99514 0,99794 0,99900 0,99947 0,99970 0,99982 0,99989 0,99992
6,0 0,94743 0,98666 0,99536 0,99806 0,99908 0,99952 0,99973 0,99984 0,99990 0,99993
201
NEPARAMETARSKI STATISTIČKI TESTOVI
n 11 12 13 14 15 16 17 18 19 20
0,0 0,50000 0,50000 0,50000 0,50000 0,50000 0,50000 0,50000 0,50000 0,50000 0,50000
0,1 0,53893 0,53900 0,53906 0,53912 0,53917 0,53921 0,53924 0,53928 0,53930 0,53933
0,2 0,57743 0,57759 0,57771 0,57782 0,57792 0,57800 0,57807 0,57814 0,57820 0,57825
0,3 0,61511 0,61534 0,61554 0,61571 0,61585 0,61598 0,61609 0,61619 0,61628 0,61636
0,4 0,65159 0,65191 0,65217 0,65240 0,65260 0,65278 0,65293 0,65307 0,65319 0,65330
0,5 0,68654 0,68694 0,68728 0,68758 0,68783 0,68806 0,68826 0,68843 0,68859 0,68873
0,6 0,71967 0,72017 0,72059 0,72095 0,72127 0,72155 0,72179 0,72201 0,72220 0,72238
0,7 0,75077 0,75136 0,75187 0,75230 0,75268 0,75301 0,75330 0,75356 0,75379 0,75400
0,8 0,77968 0,78037 0,78096 0,78146 0,78190 0,78229 0,78263 0,78293 0,78320 0,78344
0,9 0,80630 0,80709 0,80776 0,80833 0,80883 0,80927 0,80965 0,81000 0,81031 0,81059
1,0 0,83060 0,83148 0,83222 0,83286 0,83341 0,83390 0,83433 0,83472 0,83506 0,83537
1,1 0,85259 0,85355 0,85436 0,85506 0,85566 0,85620 0,85667 0,85709 0,85746 0,85780
1,2 0,87233 0,87335 0,87422 0,87497 0,87563 0,87620 0,87670 0,87715 0,87756 0,87792
1,3 0,88991 0,89099 0,89191 0,89270 0,89339 0,89399 0,89452 0,89500 0,89542 0,89581
1,4 0,90546 0,90658 0,90754 0,90836 0,90907 0,90970 0,91025 0,91074 0,91118 0,91158
t 1,5 0,91912 0,92027 0,92125 0,92209 0,92282 0,92346 0,92402 0,92452 0,92498 0,92538
1,6 0,93105 0,93221 0,93320 0,93404 0,93478 0,93542 0,93599 0,93650 0,93695 0,93736
1,7 0,94140 0,94256 0,94354 0,94439 0,94512 0,94576 0,94632 0,94683 0,94728 0,94768
1,8 0,95034 0,95148 0,95245 0,95328 0,95400 0,95463 0,95518 0,95568 0,95612 0,95652
1,9 0,95802 0,95914 0,96008 0,96089 0,96158 0,96220 0,96273 0,96321 0,96364 0,96403
2,0 0,96460 0,96567 0,96658 0,96736 0,96803 0,96861 0,96913 0,96959 0,97000 0,97037
2,1 0,97020 0,97123 0,97209 0,97283 0,97347 0,97403 0,97452 0,97495 0,97534 0,97569
2,2 0,97496 0,97593 0,97675 0,97745 0,97805 0,97858 0,97904 0,97945 0,97981 0,98014
2,3 0,97898 0,97990 0,98067 0,98132 0,98189 0,98238 0,98281 0,98319 0,98352 0,98383
2,4 0,98238 0,98324 0,98396 0,98457 0,98509 0,98554 0,98594 0,98629 0,98660 0,98688
2,5 0,98525 0,98604 0,98671 0,98727 0,98775 0,98816 0,98853 0,98885 0,98913 0,98938
2,6 0,98765 0,98839 0,98900 0,98951 0,98995 0,99033 0,99066 0,99095 0,99121 0,99144
2,7 0,98967 0,99035 0,99090 0,99137 0,99177 0,99211 0,99241 0,99267 0,99291 0,99311
2,8 0,99136 0,99198 0,99249 0,99291 0,99327 0,99358 0,99385 0,99408 0,99429 0,99447
2,9 0,99278 0,99334 0,99380 0,99418 0,99450 0,99478 0,99502 0,99523 0,99541 0,99557
3,0 0,99396 0,99447 0,99488 0,99522 0,99551 0,99576 0,99597 0,99616 0,99632 0,99646
202
PRILOZI
n 11 12 13 14 15 16 17 18 19 20
3,1 0,99495 0,99541 0,99578 0,99608 0,99634 0,99656 0,99675 0,99691 0,99705 0,99718
3,2 0,99577 0,99618 0,99652 0,99679 0,99702 0,99721 0,99738 0,99752 0,99764 0,99775
3,3 0,99646 0,99683 0,99713 0,99737 0,99757 0,99774 0,99788 0,99801 0,99812 0,99821
3,4 0,99704 0,99737 0,99763 0,99784 0,99802 0,99817 0,99830 0,99840 0,99850 0,99858
3,5 0,99751 0,99781 0,99804 0,99823 0,99839 0,99852 0,99863 0,99872 0,99880 0,99887
3,6 0,99792 0,99818 0,99838 0,99855 0,99869 0,99880 0,99890 0,99898 0,99905 0,99911
3,7 0,99825 0,99848 0,99866 0,99881 0,99893 0,99903 0,99911 0,99918 0,99924 0,99929
3,8 0,99853 0,99874 0,99890 0,99902 0,99913 0,99921 0,99928 0,99934 0,99940 0,99944
3,9 0,99876 0,99894 0,99909 0,99920 0,99929 0,99936 0,99942 0,99948 0,99952 0,99956
4,0 0,99896 0,99912 0,99924 0,99934 0,99942 0,99948 0,99954 0,99958 0,99962 0,99965
4,1 0,99912 0,99926 0,99937 0,99946 0,99953 0,99958 0,99963 0,99966 0,99970 0,99972
4,2 0,99926 0,99938 0,99948 0,99955 0,99961 0,99966 0,99970 0,99973 0,99976 0,99978
4,3 0,99937 0,99948 0,99957 0,99963 0,99968 0,99972 0,99976 0,99978 0,99981 0,99983
4,4 0,99947 0,99957 0,99964 0,99970 0,99974 0,99978 0,99980 0,99983 0,99985 0,99986
4,5 0,99955 0,99964 0,99970 0,99975 0,99979 0,99982 0,99984 0,99986 0,99988 0,99989
t
4,6 0,99962 0,99969 0,99975 0,99979 0,99983 0,99985 0,99987 0,99989 0,99990 0,99991
4,7 0,99967 0,99974 0,99979 0,99983 0,99986 0,99988 0,99990 0,99991 0,99992 0,99993
4,8 0,99972 0,99978 0,99983 0,99986 0,99988 0,99990 0,99992 0,99993 0,99994 0,99995
4,9 0,99976 0,99982 0,99985 0,99988 0,99990 0,99992 0,99993 0,99994 0,99995 0,99996
5,0 0,99980 0,99985 0,99988 0,99990 0,99992 0,99993 0,99995 0,99995 0,99996 0,99997
5,1 0,99983 0,99987 0,99990 0,99992 0,99993 0,99995 0,99996 0,99996 0,99997 0,99997
5,2 0,99985 0,99989 0,99991 0,99993 0,99995 0,99996 0,99996 0,99997 0,99997 0,99998
5,3 0,99987 0,99991 0,99993 0,99994 0,99996 0,99996 0,99997 0,99998 0,99998 0,99998
5,4 0,99989 0,99992 0,99994 0,99995 0,99996 0,99997 0,99998 0,99998 0,99998 0,99999
5,5 0,99991 0,99993 0,99995 0,99996 0,99997 0,99998 0,99998 0,99998 0,99999 0,99999
5,6 0,99992 0,99994 0,99996 0,99997 0,99997 0,99998 0,99998 0,99999 0,99999 0,99999
5,7 0,99993 0,99995 0,99996 0,99997 0,99998 0,99998 0,99999 0,99999 0,99999 0,99999
5,8 0,99994 0,99996 0,99997 0,99998 0,99998 0,99999 0,99999 0,99999 0,99999 0,99999
5,9 0,99995 0,99996 0,99997 0,99998 0,99999 0,99999 0,99999 0,99999 0,99999 1,00000
6,0 0,99996 0,99997 0,99998 0,99998 0,99999 0,99999 0,99999 0,99999 1,00000 1,00000
203
NEPARAMETARSKI STATISTIČKI TESTOVI
n 21 22 23 24 25 26 27 28 29 30
0,0 0,50000 0,50000 0,50000 0,50000 0,50000 0,50000 0,50000 0,50000 0,50000 0,50000
0,1 0,53935 0,53937 0,53939 0,53941 0,53943 0,53944 0,53946 0,53947 0,53948 0,53950
0,2 0,57830 0,57834 0,57838 0,57842 0,57845 0,57848 0,57851 0,57854 0,57856 0,57858
0,3 0,61644 0,61650 0,61656 0,61662 0,61667 0,61672 0,61676 0,61680 0,61684 0,61688
0,4 0,65340 0,65349 0,65358 0,65365 0,65372 0,65379 0,65385 0,65390 0,65396 0,65400
0,5 0,68886 0,68898 0,68909 0,68919 0,68928 0,68936 0,68944 0,68951 0,68958 0,68964
0,6 0,72254 0,72268 0,72281 0,72294 0,72305 0,72315 0,72325 0,72333 0,72342 0,72349
0,7 0,75420 0,75437 0,75453 0,75467 0,75480 0,75493 0,75504 0,75515 0,75525 0,75534
0,8 0,78367 0,78387 0,78405 0,78422 0,78438 0,78452 0,78465 0,78478 0,78489 0,78500
0,9 0,81084 0,81107 0,81128 0,81147 0,81165 0,81181 0,81196 0,81210 0,81223 0,81236
1,0 0,83565 0,83591 0,83614 0,83636 0,83655 0,83674 0,83691 0,83706 0,83721 0,83735
1,1 0,85811 0,85839 0,85864 0,85888 0,85909 0,85929 0,85948 0,85965 0,85981 0,85996
1,2 0,87825 0,87855 0,87882 0,87907 0,87931 0,87952 0,87972 0,87990 0,88007 0,88023
1,3 0,89616 0,89647 0,89676 0,89703 0,89727 0,89750 0,89770 0,89790 0,89808 0,89825
1,4 0,91194 0,91227 0,91257 0,91285 0,91310 0,91333 0,91355 0,91375 0,91394 0,91411
t 1,5 0,92575 0,92609 0,92639 0,92667 0,92693 0,92717 0,92739 0,92760 0,92779 0,92797
1,6 0,93773 0,93807 0,93838 0,93866 0,93892 0,93916 0,93938 0,93959 0,93978 0,93996
1,7 0,94805 0,94839 0,94869 0,94897 0,94923 0,94947 0,94969 0,94989 0,95008 0,95026
1,8 0,95688 0,95720 0,95750 0,95778 0,95803 0,95826 0,95848 0,95868 0,95886 0,95904
1,9 0,96437 0,96469 0,96498 0,96524 0,96549 0,96571 0,96592 0,96611 0,96629 0,96646
2,0 0,97070 0,97100 0,97128 0,97153 0,97176 0,97198 0,97217 0,97236 0,97253 0,97269
2,1 0,97601 0,97629 0,97655 0,97679 0,97701 0,97721 0,97740 0,97757 0,97773 0,97788
2,2 0,98043 0,98070 0,98094 0,98116 0,98137 0,98155 0,98173 0,98189 0,98204 0,98218
2,3 0,98410 0,98435 0,98457 0,98478 0,98496 0,98514 0,98530 0,98544 0,98558 0,98571
2,4 0,98713 0,98735 0,98756 0,98775 0,98792 0,98807 0,98822 0,98836 0,98848 0,98860
2,5 0,98961 0,98982 0,99000 0,99017 0,99033 0,99047 0,99060 0,99072 0,99084 0,99094
2,6 0,99164 0,99183 0,99200 0,99215 0,99229 0,99242 0,99253 0,99264 0,99274 0,99284
2,7 0,99330 0,99346 0,99361 0,99375 0,99387 0,99398 0,99409 0,99419 0,99427 0,99436
2,8 0,99464 0,99478 0,99491 0,99504 0,99515 0,99525 0,99534 0,99542 0,99550 0,99557
2,9 0,99572 0,99585 0,99596 0,99607 0,99617 0,99625 0,99633 0,99641 0,99648 0,99654
3,0 0,99659 0,99670 0,99680 0,99690 0,99698 0,99706 0,99713 0,99719 0,99725 0,99731
204
PRILOZI
n 21 22 23 24 25 26 27 28 29 30
3,1 0,99729 0,99739 0,99748 0,99756 0,99763 0,99769 0,99775 0,99781 0,99786 0,99791
3,2 0,99785 0,99793 0,99801 0,99808 0,99814 0,99820 0,99825 0,99830 0,99834 0,99838
3,3 0,99830 0,99837 0,99843 0,99849 0,99855 0,99860 0,99864 0,99868 0,99872 0,99875
3,4 0,99865 0,99871 0,99877 0,99882 0,99887 0,99891 0,99894 0,99898 0,99901 0,99904
3,5 0,99893 0,99899 0,99904 0,99908 0,99912 0,99915 0,99918 0,99921 0,99924 0,99926
3,6 0,99916 0,99920 0,99924 0,99928 0,99931 0,99934 0,99937 0,99939 0,99941 0,99943
3,7 0,99934 0,99937 0,99941 0,99944 0,99947 0,99949 0,99951 0,99953 0,99955 0,99957
3,8 0,99948 0,99951 0,99954 0,99956 0,99959 0,99961 0,99963 0,99964 0,99966 0,99967
3,9 0,99959 0,99962 0,99964 0,99966 0,99968 0,99970 0,99971 0,99973 0,99974 0,99975
4,0 0,99968 0,99970 0,99972 0,99974 0,99975 0,99977 0,99978 0,99979 0,99980 0,99981
4,1 0,99974 0,99976 0,99978 0,99980 0,99981 0,99982 0,99983 0,99984 0,99985 0,99986
4,2 0,99980 0,99981 0,99983 0,99984 0,99985 0,99986 0,99987 0,99988 0,99988 0,99989
4,3 0,99984 0,99986 0,99987 0,99988 0,99989 0,99989 0,99990 0,99991 0,99991 0,99992
4,4 0,99988 0,99989 0,99990 0,99990 0,99991 0,99992 0,99992 0,99993 0,99993 0,99994
4,5 0,99990 0,99991 0,99992 0,99993 0,99993 0,99994 0,99994 0,99995 0,99995 0,99995
t
4,6 0,99992 0,99993 0,99994 0,99994 0,99995 0,99995 0,99996 0,99996 0,99996 0,99996
4,7 0,99994 0,99995 0,99995 0,99996 0,99996 0,99996 0,99997 0,99997 0,99997 0,99997
4,8 0,99995 0,99996 0,99996 0,99997 0,99997 0,99997 0,99997 0,99998 0,99998 0,99998
4,9 0,99996 0,99997 0,99997 0,99997 0,99998 0,99998 0,99998 0,99998 0,99998 0,99998
5,0 0,99997 0,99997 0,99998 0,99998 0,99998 0,99998 0,99998 0,99999 0,99999 0,99999
5,1 0,99998 0,99998 0,99998 0,99998 0,99999 0,99999 0,99999 0,99999 0,99999 0,99999
5,2 0,99998 0,99998 0,99999 0,99999 0,99999 0,99999 0,99999 0,99999 0,99999 0,99999
5,3 0,99999 0,99999 0,99999 0,99999 0,99999 0,99999 0,99999 0,99999 0,99999 1,00000
5,4 0,99999 0,99999 0,99999 0,99999 0,99999 0,99999 0,99999 1,00000 1,00000 1,00000
5,5 0,99999 0,99999 0,99999 0,99999 0,99999 1,00000 1,00000 1,00000 1,00000 1,00000
5,6 0,99999 0,99999 0,99999 1,00000 1,00000 1,00000 1,00000 1,00000 1,00000 1,00000
5,7 0,99999 1,00000 1,00000 1,00000 1,00000 1,00000 1,00000 1,00000 1,00000 1,00000
5,8 1,00000 1,00000 1,00000 1,00000 1,00000 1,00000 1,00000 1,00000 1,00000 1,00000
5,9 1,00000 1,00000 1,00000 1,00000 1,00000 1,00000 1,00000 1,00000 1,00000 1,00000
6,0 1,00000 1,00000 1,00000 1,00000 1,00000 1,00000 1,00000 1,00000 1,00000 1,00000
205
NEPARAMETARSKI STATISTIČKI TESTOVI
P(F)=0,1
m 1 2 3 4 5 6 7 8 9 10
1 39,8635 49,5000 53,5932 55,8330 57,2401 58,2044 58,9060 59,4390 59,8576 60,1950
2 8,5263 9,0000 9,1618 9,2434 9,2926 9,3255 9,3491 9,3668 9,3805 9,3916
3 5,5383 5,4624 5,3908 5,3426 5,3092 5,2847 5,2662 5,2517 5,2400 5,2304
4 4,5448 4,3246 4,1909 4,1072 4,0506 4,0097 3,9790 3,9549 3,9357 3,9199
5 4,0604 3,7797 3,6195 3,5202 3,4530 3,4045 3,3679 3,3393 3,3163 3,2974
6 3,7759 3,4633 3,2888 3,1808 3,1075 3,0546 3,0145 2,9830 2,9577 2,9369
7 3,5894 3,2574 3,0741 2,9605 2,8833 2,8274 2,7849 2,7516 2,7247 2,7025
8 3,4579 3,1131 2,9238 2,8064 2,7264 2,6683 2,6241 2,5893 2,5612 2,5380
9 3,3603 3,0065 2,8129 2,6927 2,6106 2,5509 2,5053 2,4694 2,4403 2,4163
n
10 3,2850 2,9245 2,7277 2,6053 2,5216 2,4606 2,4140 2,3772 2,3473 2,3226
12 3,1765 2,8068 2,6055 2,4801 2,3940 2,3310 2,2828 2,2446 2,2135 2,1878
15 3,0732 2,6952 2,4898 2,3614 2,2730 2,2081 2,1582 2,1185 2,0862 2,0593
20 2,9747 2,5893 2,3801 2,2489 2,1582 2,0913 2,0397 1,9985 1,9649 1,9367
24 2,9271 2,5383 2,3274 2,1949 2,1030 2,0351 1,9826 1,9407 1,9063 1,8775
30 2,8807 2,4887 2,2761 2,1422 2,0492 1,9803 1,9269 1,8841 1,8490 1,8195
40 2,8354 2,4404 2,2261 2,0909 1,9968 1,9269 1,8725 1,8289 1,7929 1,7627
60 2,7911 2,3933 2,1774 2,0410 1,9457 1,8747 1,8194 1,7748 1,7380 1,7070
120 2,7478 2,3473 2,1300 1,9923 1,8959 1,8238 1,7675 1,7220 1,6842 1,6524
206
PRILOZI
P(F)=0,1
m 12 15 20 24 30 40 60 120
207
NEPARAMETARSKI STATISTIČKI TESTOVI
P(F)=0,05
m 1 2 3 4 5 6 7 8 9 10
1 161,4476 199,5000 215,7073 224,5832 230,1619 233,9860 236,7684 238,8827 240,5433 241,8817
2 18,5128 19,0000 19,1643 19,2468 19,2964 19,3295 19,3532 19,3710 19,3848 19,3959
3 10,1280 9,5521 9,2766 9,1172 9,0135 8,9406 8,8867 8,8452 8,8123 8,7855
4 7,7086 6,9443 6,5914 6,3882 6,2561 6,1631 6,0942 6,0410 5,9988 5,9644
5 6,6079 5,7861 5,4095 5,1922 5,0503 4,9503 4,8759 4,8183 4,7725 4,7351
6 5,9874 5,1433 4,7571 4,5337 4,3874 4,2839 4,2067 4,1468 4,0990 4,0600
7 5,5914 4,7374 4,3468 4,1203 3,9715 3,8660 3,7870 3,7257 3,6767 3,6365
8 5,3177 4,4590 4,0662 3,8379 3,6875 3,5806 3,5005 3,4381 3,3881 3,3472
9 5,1174 4,2565 3,8625 3,6331 3,4817 3,3738 3,2927 3,2296 3,1789 3,1373
n
10 4,9646 4,1028 3,7083 3,4780 3,3258 3,2172 3,1355 3,0717 3,0204 2,9782
12 4,7472 3,8853 3,4903 3,2592 3,1059 2,9961 2,9134 2,8486 2,7964 2,7534
15 4,5431 3,6823 3,2874 3,0556 2,9013 2,7905 2,7066 2,6408 2,5876 2,5437
20 4,3512 3,4928 3,0984 2,8661 2,7109 2,5990 2,5140 2,4471 2,3928 2,3479
24 4,2597 3,4028 3,0088 2,7763 2,6207 2,5082 2,4226 2,3551 2,3002 2,2547
30 4,1709 3,3158 2,9223 2,6896 2,5336 2,4205 2,3343 2,2662 2,2107 2,1646
40 4,0847 3,2317 2,8387 2,6060 2,4495 2,3359 2,2490 2,1802 2,1240 2,0772
60 4,0012 3,1504 2,7581 2,5252 2,3683 2,2541 2,1665 2,0970 2,0401 1,9926
120 3,9201 3,0718 2,6802 2,4472 2,2899 2,1750 2,0868 2,0164 1,9588 1,9105
208
PRILOZI
P(F)=0,05
m 12 15 20 24 30 40 60 120
209
NEPARAMETARSKI STATISTIČKI TESTOVI
P(F)=0,01
m 1 2 3 4 5 6 7 8 9 10
1 4052,1807 4999,5000 5403,3520 5624,5833 5763,6496 5858,9861 5928,3557 5981,0703 6022,4732 6055,8467
2 98,5025 99,0000 99,1662 99,2494 99,2993 99,3326 99,3564 99,3742 99,3881 99,3992
3 34,1162 30,8165 29,4567 28,7099 28,2371 27,9107 27,6717 27,4892 27,3452 27,2287
4 21,1977 18,0000 16,6944 15,9770 15,5219 15,2069 14,9758 14,7989 14,6591 14,5459
5 16,2582 13,2739 12,0600 11,3919 10,9670 10,6723 10,4555 10,2893 10,1578 10,0510
6 13,7450 10,9248 9,7795 9,1483 8,7459 8,4661 8,2600 8,1017 7,9761 7,8741
7 12,2464 9,5466 8,4513 7,8466 7,4604 7,1914 6,9928 6,8400 6,7188 6,6201
8 11,2586 8,6491 7,5910 7,0061 6,6318 6,3707 6,1776 6,0289 5,9106 5,8143
9 10,5614 8,0215 6,9919 6,4221 6,0569 5,8018 5,6129 5,4671 5,3511 5,2565
n
10 10,0443 7,5594 6,5523 5,9943 5,6363 5,3858 5,2001 5,0567 4,9424 4,8491
12 9,3302 6,9266 5,9525 5,4120 5,0643 4,8206 4,6395 4,4994 4,3875 4,2961
15 8,6831 6,3589 5,4170 4,8932 4,5556 4,3183 4,1415 4,0045 3,8948 3,8049
20 8,0960 5,8489 4,9382 4,4307 4,1027 3,8714 3,6987 3,5644 3,4567 3,3682
24 7,8229 5,6136 4,7181 4,2184 3,8951 3,6667 3,4959 3,3629 3,2560 3,1681
30 7,5625 5,3903 4,5097 4,0179 3,6990 3,4735 3,3045 3,1726 3,0665 2,9791
40 7,3141 5,1785 4,3126 3,8283 3,5138 3,2910 3,1238 2,9930 2,8876 2,8005
60 7,0771 4,9774 4,1259 3,6490 3,3389 3,1187 2,9530 2,8233 2,7185 2,6318
120 6,8509 4,7865 3,9491 3,4795 3,1735 2,9559 2,7918 2,6629 2,5586 2,4721
210
PRILOZI
P(F)=0,01
m 12 15 20 24 30 40 60 120
211
NEPARAMETARSKI STATISTIČKI TESTOVI
P(F)=0,005
m 1 2 3 4 5 6 7 8 9 10
1 16210,7227 19999,5000 21614,7414 22499,5833 23055,7982 23437,1111 23714,5658 23925,4062 24091,0041 24224,4868
2 198,5013 199,0000 199,1664 199,2497 199,2996 199,3330 199,3568 199,3746 199,3885 199,3996
3 55,5520 49,7993 47,4672 46,1946 45,3916 44,8385 44,4341 44,1256 43,8824 43,6858
4 31,3328 26,2843 24,2591 23,1545 22,4564 21,9746 21,6217 21,3520 21,1391 20,9667
5 22,7848 18,3138 16,5298 15,5561 14,9396 14,5133 14,2004 13,9610 13,7716 13,6182
6 18,6350 14,5441 12,9166 12,0275 11,4637 11,0730 10,7859 10,5658 10,3915 10,2500
7 16,2356 12,4040 10,8824 10,0505 9,5221 9,1553 8,8854 8,6781 8,5138 8,3803
8 14,6882 11,0424 9,5965 8,8051 8,3018 7,9520 7,6941 7,4959 7,3386 7,2106
9 13,6136 10,1067 8,7171 7,9559 7,4712 7,1339 6,8849 6,6933 6,5411 6,4172
n
10 12,8265 9,4270 8,0807 7,3428 6,8724 6,5446 6,3025 6,1159 5,9676 5,8467
12 11,7542 8,5096 7,2258 6,5211 6,0711 5,7570 5,5245 5,3451 5,2021 5,0855
15 10,7980 7,7008 6,4760 5,8029 5,3721 5,0708 4,8473 4,6744 4,5364 4,4235
20 9,9439 6,9865 5,8177 5,1743 4,7616 4,4721 4,2569 4,0900 3,9564 3,8470
24 9,5513 6,6609 5,5190 4,8898 4,4857 4,2019 3,9905 3,8264 3,6949 3,5870
30 9,1797 6,3547 5,2388 4,6234 4,2276 3,9492 3,7416 3,5801 3,4505 3,3440
40 8,8279 6,0664 4,9758 4,3738 3,9860 3,7129 3,5088 3,3498 3,2220 3,1167
60 8,4946 5,7950 4,7290 4,1399 3,7599 3,4918 3,2911 3,1344 3,0083 2,9042
120 8,1788 5,5393 4,4972 3,9207 3,5482 3,2849 3,0874 2,9330 2,8083 2,7052
212
PRILOZI
P(F)=0,005
m 12 15 20 24 30 40 60 120
213
NEPARAMETARSKI STATISTIČKI TESTOVI
214
PRILOZI
n 1 2 3 4 5 6 7 8 9 10
19 0,999987 0,999925 0,999727 0,999214 0,998078 0,995836 0,991813 0,985140 0,974807 0,959737
20 0,999992 0,999955 0,999830 0,999501 0,998750 0,997231 0,994430 0,989664 0,982088 0,970747
21 0,999995 0,999972 0,999895 0,999683 0,999190 0,998165 0,996230 0,992853 0,987350 0,978906
22 0,999997 0,999983 0,999935 0,999800 0,999476 0,998789 0,997460 0,995084 0,991121 0,984895
23 0,999998 0,999990 0,999960 0,999873 0,999662 0,999204 0,998295 0,996636 0,993804 0,989253
24 0,999999 0,999994 0,999975 0,999920 0,999783 0,999478 0,998861 0,997708 0,995699 0,992400
25 0,999999 0,999996 0,999985 0,999950 0,999861 0,999659 0,999241 0,998445 0,997029 0,994654
26 1,000000 0,999998 0,999990 0,999968 0,999911 0,999777 0,999496 0,998950 0,997957 0,996260
27 1,000000 0,999999 0,999994 0,999980 0,999943 0,999855 0,999667 0,999293 0,998601 0,997396
28 1,000000 0,999999 0,999996 0,999988 0,999964 0,999906 0,999780 0,999526 0,999046 0,998195
29 1,000000 0,999999 0,999998 0,999992 0,999977 0,999939 0,999855 0,999683 0,999352 0,998754
30 1,000000 1,000000 0,999999 0,999995 0,999985 0,999961 0,999905 0,999789 0,999561 0,999143
31 1,000000 1,000000 0,999999 0,999997 0,999991 0,999975 0,999938 0,999859 0,999704 0,999413
32 1,000000 1,000000 0,999999 0,999998 0,999994 0,999984 0,999959 0,999907 0,999801 0,999600
33 1,000000 1,000000 1,000000 0,999999 0,999996 0,999990 0,999974 0,999938 0,999866 0,999728
hi 34 1,000000 1,000000 1,000000 0,999999 0,999998 0,999993 0,999983 0,999959 0,999911 0,999815
kvadrat 35 1,000000 1,000000 1,000000 1,000000 0,999998 0,999996 0,999989 0,999973 0,999940 0,999875
36 1,000000 1,000000 1,000000 1,000000 0,999999 0,999997 0,999993 0,999982 0,999960 0,999916
37 1,000000 1,000000 1,000000 1,000000 0,999999 0,999998 0,999995 0,999988 0,999974 0,999943
38 1,000000 1,000000 1,000000 1,000000 1,000000 0,999999 0,999997 0,999992 0,999983 0,999962
39 1,000000 1,000000 1,000000 1,000000 1,000000 0,999999 0,999998 0,999995 0,999988 0,999975
40 1,000000 1,000000 1,000000 1,000000 1,000000 1,000000 0,999999 0,999997 0,999992 0,999983
41 1,000000 1,000000 1,000000 1,000000 1,000000 1,000000 0,999999 0,999998 0,999995 0,999989
42 1,000000 1,000000 1,000000 1,000000 1,000000 1,000000 0,999999 0,999999 0,999997 0,999993
43 1,000000 1,000000 1,000000 1,000000 1,000000 1,000000 1,000000 0,999999 0,999998 0,999995
44 1,000000 1,000000 1,000000 1,000000 1,000000 1,000000 1,000000 0,999999 0,999999 0,999997
45 1,000000 1,000000 1,000000 1,000000 1,000000 1,000000 1,000000 1,000000 0,999999 0,999998
46 1,000000 1,000000 1,000000 1,000000 1,000000 1,000000 1,000000 1,000000 0,999999 0,999999
47 1,000000 1,000000 1,000000 1,000000 1,000000 1,000000 1,000000 1,000000 1,000000 0,999999
48 1,000000 1,000000 1,000000 1,000000 1,000000 1,000000 1,000000 1,000000 1,000000 0,999999
49 1,000000 1,000000 1,000000 1,000000 1,000000 1,000000 1,000000 1,000000 1,000000 1,000000
50 1,000000 1,000000 1,000000 1,000000 1,000000 1,000000 1,000000 1,000000 1,000000 1,000000
215
NEPARAMETARSKI STATISTIČKI TESTOVI
n 11 12 13 14 15 16 17 18 19 20
0,001 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000
0,01 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000
0,05 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000
0,1 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000
0,2 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000
0,3 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000
0,4 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000
0,5 0,000001 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000
0,6 0,000004 0,000001 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000
0,7 0,000008 0,000002 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000
0,8 0,000016 0,000004 0,000001 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000
0,9 0,000029 0,000008 0,000002 0,000001 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000
1 0,000050 0,000014 0,000004 0,000001 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000
2 0,001504 0,000594 0,000226 0,000083 0,000030 0,000010 0,000003 0,000001 0,000000 0,000000
3 0,009274 0,004456 0,002066 0,000926 0,000402 0,000170 0,000070 0,000028 0,000011 0,000004
hi
4 0,030083 0,016564 0,008809 0,004534 0,002263 0,001097 0,000517 0,000237 0,000106 0,000046
kvadrat
5 0,068833 0,042021 0,024807 0,014187 0,007874 0,004247 0,002229 0,001140 0,000569 0,000277
6 0,126636 0,083918 0,053847 0,033509 0,020252 0,011905 0,006814 0,003803 0,002072 0,001102
7 0,200916 0,142386 0,097848 0,065288 0,042350 0,026739 0,016451 0,009874 0,005787 0,003315
8 0,286696 0,214870 0,156400 0,110674 0,076217 0,051134 0,033453 0,021363 0,013329 0,008132
9 0,378108 0,297070 0,227056 0,168949 0,122483 0,086586 0,059738 0,040257 0,026521 0,017093
10 0,469613 0,384039 0,306066 0,237817 0,180260 0,133372 0,096390 0,068094 0,047054 0,031828
11 0,556737 0,471081 0,389182 0,313964 0,247406 0,190515 0,143436 0,105643 0,076162 0,053777
12 0,636357 0,554320 0,472356 0,393697 0,320971 0,256020 0,199863 0,152763 0,114375 0,083924
13 0,706675 0,630959 0,552188 0,473476 0,397702 0,327242 0,263814 0,208427 0,161429 0,122616
14 0,767007 0,699292 0,626156 0,550289 0,474471 0,401286 0,332898 0,270909 0,216309 0,169504
15 0,817503 0,758564 0,692647 0,621845 0,548583 0,475361 0,404518 0,338033 0,277403 0,223592
16 0,858869 0,808764 0,750870 0,686626 0,617948 0,547039 0,476165 0,407453 0,342722 0,283376
17 0,892124 0,850403 0,800696 0,743822 0,681136 0,614403 0,545634 0,476895 0,410132 0,347026
18 0,918419 0,884309 0,842481 0,793219 0,737334 0,676103 0,611159 0,544347 0,477562 0,412592
19 0,938906 0,911472 0,876896 0,835051 0,786266 0,731337 0,671468 0,608177 0,543164 0,478174
216
PRILOZI
n 11 12 13 14 15 16 17 18 19 20
20 0,954659 0,932914 0,904790 0,869859 0,828067 0,779779 0,725771 0,667180 0,605422 0,542070
21 0,966629 0,949620 0,927071 0,898367 0,863171 0,821489 0,773710 0,720587 0,663199 0,602867
22 0,975627 0,962480 0,944638 0,921386 0,892196 0,856808 0,815281 0,768015 0,715744 0,659489
23 0,982325 0,972274 0,958324 0,939730 0,915860 0,886265 0,850749 0,809410 0,762658 0,711205
24 0,987267 0,979659 0,968870 0,954178 0,934907 0,910496 0,880565 0,844972 0,803848 0,757608
25 0,990883 0,985177 0,976916 0,965433 0,950057 0,930175 0,905290 0,875084 0,839458 0,798569
26 0,993510 0,989266 0,982999 0,974113 0,961977 0,945972 0,925539 0,900242 0,869811 0,834188
27 0,995405 0,992273 0,987559 0,980746 0,971264 0,958517 0,941932 0,921005 0,895347 0,864736
28 0,996763 0,994468 0,990950 0,985772 0,978431 0,968380 0,955062 0,937945 0,916571 0,890601
29 0,997730 0,996060 0,993454 0,989550 0,983915 0,976064 0,965474 0,951621 0,934015 0,912241
30 0,998415 0,997208 0,995290 0,992368 0,988079 0,981998 0,973655 0,962554 0,948202 0,930146
31 0,998898 0,998030 0,996628 0,994456 0,991215 0,986544 0,980028 0,971213 0,959627 0,944810
32 0,999237 0,998616 0,997598 0,995994 0,993562 0,990000 0,984952 0,978013 0,968745 0,956702
33 0,999474 0,999032 0,998296 0,997119 0,995306 0,992610 0,988728 0,983310 0,975960 0,966259
34 0,999638 0,999325 0,998796 0,997938 0,996595 0,994567 0,991604 0,987404 0,981622 0,973875
hi
35 0,999752 0,999532 0,999153 0,998530 0,997541 0,996026 0,993779 0,990548 0,986033 0,979896
kvadrat
36 0,999831 0,999676 0,999407 0,998957 0,998232 0,997107 0,995413 0,992944 0,989444 0,984619
37 0,999885 0,999777 0,999586 0,999262 0,998734 0,997903 0,996635 0,994759 0,992065 0,988298
38 0,999922 0,999846 0,999712 0,999480 0,999098 0,998487 0,997542 0,996127 0,994065 0,991144
39 0,999947 0,999895 0,999800 0,999635 0,999359 0,998912 0,998213 0,997150 0,995583 0,993333
40 0,999964 0,999928 0,999862 0,999745 0,999547 0,999221 0,998706 0,997913 0,996728 0,995005
41 0,999976 0,999951 0,999905 0,999822 0,999680 0,999445 0,999067 0,998478 0,997587 0,996275
42 0,999984 0,999967 0,999935 0,999876 0,999775 0,999605 0,999329 0,998894 0,998228 0,997234
43 0,999989 0,999977 0,999955 0,999914 0,999843 0,999721 0,999520 0,999200 0,998704 0,997956
44 0,999993 0,999985 0,999969 0,999941 0,999890 0,999803 0,999657 0,999423 0,999056 0,998495
45 0,999995 0,999990 0,999979 0,999959 0,999923 0,999861 0,999756 0,999586 0,999315 0,998897
46 0,999997 0,999993 0,999986 0,999972 0,999947 0,999903 0,999827 0,999703 0,999504 0,999194
47 0,999998 0,999995 0,999990 0,999981 0,999963 0,999932 0,999878 0,999788 0,999643 0,999413
48 0,999999 0,999997 0,999993 0,999987 0,999975 0,999953 0,999914 0,999849 0,999743 0,999575
49 0,999999 0,999998 0,999996 0,999991 0,999982 0,999967 0,999940 0,999893 0,999816 0,999693
50 0,999999 0,999999 0,999997 0,999994 0,999988 0,999977 0,999958 0,999925 0,999869 0,999779
217
NEPARAMETARSKI STATISTIČKI TESTOVI
n 21 22 23 24 25 26 27 28 29 30
0,001 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000
0,01 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000
0,05 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000
0,1 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000
0,2 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000
0,3 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000
0,4 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000
0,5 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000
0,6 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000
0,7 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000
0,8 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000
0,9 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000
1 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000
2 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000
3 0,000002 0,000001 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000
hi 4 0,000020 0,000008 0,000003 0,000001 0,000001 0,000000 0,000000 0,000000 0,000000 0,000000
kvadrat 5 0,000132 0,000062 0,000028 0,000013 0,000006 0,000002 0,000001 0,000000 0,000000 0,000000
6 0,000574 0,000292 0,000146 0,000071 0,000034 0,000016 0,000007 0,000003 0,000002 0,000001
7 0,001858 0,001019 0,000548 0,000289 0,000150 0,000076 0,000038 0,000019 0,000009 0,000004
8 0,004856 0,002840 0,001628 0,000915 0,000505 0,000274 0,000146 0,000076 0,000039 0,000020
9 0,010786 0,006669 0,004043 0,002404 0,001404 0,000805 0,000454 0,000252 0,000137 0,000074
10 0,021088 0,013695 0,008723 0,005453 0,003347 0,002019 0,001197 0,000698 0,000401 0,000226
11 0,037213 0,025251 0,016812 0,010988 0,007054 0,004451 0,002761 0,001685 0,001012 0,000599
12 0,060382 0,042621 0,029529 0,020092 0,013432 0,008827 0,005706 0,003628 0,002271 0,001400
13 0,091376 0,066839 0,048010 0,033880 0,023499 0,016027 0,010753 0,007100 0,004616 0,002956
14 0,130401 0,098521 0,073129 0,053350 0,038268 0,027000 0,018745 0,012811 0,008623 0,005717
15 0,177048 0,137762 0,105366 0,079241 0,058617 0,042666 0,030568 0,021565 0,014985 0,010260
16 0,230349 0,184114 0,144731 0,111924 0,085171 0,063797 0,047053 0,034181 0,024464 0,017257
17 0,288894 0,236638 0,190748 0,151338 0,118206 0,090917 0,068878 0,051411 0,037819 0,027425
18 0,350996 0,294012 0,242511 0,196992 0,157609 0,124227 0,096480 0,073851 0,055728 0,041466
19 0,414860 0,354672 0,298775 0,248010 0,202879 0,163570 0,129999 0,101864 0,078712 0,059992
20 0,478739 0,416960 0,358088 0,303224 0,253175 0,208443 0,169244 0,135536 0,107073 0,083458
218
PRILOZI
n 21 22 23 24 25 26 27 28 29 30
21 0,541056 0,479262 0,418912 0,361275 0,307390 0,258036 0,213712 0,174651 0,140851 0,112112
22 0,600490 0,540111 0,479748 0,420733 0,364256 0,311303 0,262623 0,218709 0,179811 0,145956
23 0,656022 0,598270 0,539229 0,480202 0,422437 0,367053 0,314988 0,266960 0,223457 0,184740
24 0,706941 0,652771 0,596192 0,538403 0,480626 0,424035 0,369684 0,318464 0,271068 0,227975
25 0,752836 0,702925 0,649715 0,594239 0,537626 0,481025 0,425538 0,372165 0,321752 0,274968
26 0,793551 0,748318 0,699134 0,646835 0,592401 0,536895 0,481399 0,426955 0,374509 0,324868
27 0,829147 0,788774 0,744032 0,695547 0,644115 0,590667 0,536205 0,481753 0,428295 0,376729
28 0,859849 0,824319 0,784218 0,739960 0,692147 0,641542 0,589026 0,535552 0,482087 0,429563
29 0,885998 0,855139 0,819690 0,779869 0,736084 0,688918 0,639101 0,587472 0,534934 0,482403
30 0,908012 0,881536 0,850598 0,815248 0,775711 0,732389 0,685846 0,636782 0,585996 0,534346
31 0,926342 0,903884 0,877207 0,846217 0,810981 0,771731 0,728861 0,682919 0,634576 0,584593
32 0,941450 0,922604 0,899857 0,873007 0,841988 0,806878 0,767916 0,725489 0,680127 0,632473
33 0,953783 0,938126 0,918933 0,895927 0,868932 0,837902 0,802930 0,764256 0,722261 0,677458
34 0,963761 0,950876 0,934842 0,915331 0,892092 0,864976 0,833953 0,799127 0,760740 0,719167
hi 35 0,971765 0,961255 0,947984 0,931599 0,911797 0,888351 0,861134 0,830133 0,795460 0,757360
kvadrat 36 0,978135 0,969634 0,958747 0,945113 0,928400 0,908331 0,884701 0,857402 0,826436 0,791923
37 0,983166 0,976344 0,967487 0,956240 0,942263 0,925246 0,904933 0,881139 0,853776 0,822856
38 0,987111 0,981678 0,974528 0,965327 0,953739 0,939439 0,922138 0,901601 0,877664 0,850250
39 0,990185 0,985888 0,980159 0,972691 0,963160 0,951245 0,936641 0,919077 0,898336 0,874271
40 0,992563 0,989188 0,984631 0,978613 0,970836 0,960988 0,948763 0,933872 0,916063 0,895136
41 0,994393 0,991759 0,988158 0,983343 0,977043 0,968966 0,958814 0,946294 0,931134 0,913096
42 0,995792 0,993749 0,990922 0,987095 0,982027 0,975451 0,967085 0,956641 0,943841 0,928426
43 0,996857 0,995281 0,993074 0,990053 0,986003 0,980686 0,973841 0,965195 0,954471 0,941404
44 0,997662 0,996453 0,994741 0,992370 0,989155 0,984884 0,979322 0,972215 0,963298 0,952307
45 0,998268 0,997346 0,996025 0,994175 0,991638 0,988229 0,983739 0,977938 0,970576 0,961398
46 0,998722 0,998022 0,997009 0,995573 0,993582 0,990878 0,987277 0,982572 0,976535 0,968926
47 0,999061 0,998532 0,997758 0,996650 0,995097 0,992964 0,990093 0,986301 0,981383 0,975116
48 0,999312 0,998915 0,998327 0,997476 0,996270 0,994598 0,992322 0,989284 0,985302 0,980175
49 0,999498 0,999201 0,998756 0,998106 0,997175 0,995870 0,994076 0,991656 0,988452 0,984282
50 0,999635 0,999414 0,999079 0,998584 0,997869 0,996856 0,995449 0,993533 0,990968 0,987598
219
NEPARAMETARSKI STATISTIČKI TESTOVI
220
PRILOZI
6 0 6 0 6
7 0 7 0 7
8 0 8 1 7
9 1 8 1 8
10 1 9 1 9
11 1 10 2 9
12 2 10 2 10
13 2 11 3 10
14 2 12 3 11
15 3 12 3 12
16 3 13 4 12
17 4 13 4 13
18 4 14 5 13
19 4 15 5 14
20 5 15 5 15
21 5 16 6 15
22 5 17 6 16
23 6 17 7 16
24 6 18 7 17
25 7 18 7 18
221
NEPARAMETARSKI STATISTIČKI TESTOVI
R1,α=0,05
n1 n2
2 3 4 5 6 7 8 9 10 11 12 13 14 15
2 2 2 2 2
3 2 2 2 2 2 2 2 2 2 3
4 2 2 2 3 3 3 3 3 3 3 3
5 2 2 3 3 3 3 3 4 4 4 4 4
6 2 2 3 3 3 3 4 4 4 4 5 5 5
7 2 2 3 3 3 4 4 5 5 5 5 5 6
8 2 3 3 3 4 4 5 5 5 6 6 6 6
9 2 3 3 4 4 5 5 5 6 6 6 7 7
10 2 3 3 4 5 5 5 6 6 7 7 7 7
11 2 3 4 4 5 5 6 6 7 7 7 8 8
12 2 2 3 4 4 5 6 6 7 7 7 8 8 8
13 2 2 3 4 5 5 6 6 7 7 8 8 9 9
14 2 2 3 4 5 5 6 7 7 8 8 9 9 9
15 2 3 3 4 5 6 6 7 7 8 8 9 9 10
R2,α=0,05
n1 n2
4 5 6 7 8 9 10 11 12 13 14 15
4 9 9
5 9 10 10 11 11
6 9 10 11 12 12 13 13 13 13
7 11 12 13 13 14 14 14 14 15 15 15
8 11 12 13 14 14 15 15 16 16 16 16
9 13 14 14 15 16 16 16 17 17 18
10 13 14 15 16 16 17 17 18 18 18
11 13 14 15 16 17 17 18 19 19 19
12 13 14 16 16 17 18 19 19 20 20
13 15 16 17 18 19 19 20 20 21
14 15 16 17 18 19 20 20 21 22
15 15 16 8 18 19 20 21 22 22
222
PRILOZI
R1,α=0,01
n2
n1 3 4 5 6 7 8 9 10 11 12 13 14 15
3 2 2 2 2
4 2 2 2 2 2 2 2 3
5 2 2 2 2 3 3 3 3 3 3
6 2 2 2 3 3 3 3 3 3 4 4
7 2 2 3 3 3 3 4 4 4 4 4
8 2 2 3 3 3 3 4 4 4 5 5 5
9 2 2 3 3 3 4 4 5 5 5 5 6
10 2 3 3 3 4 4 5 5 5 5 6 6
11 2 3 3 4 4 5 5 5 6 6 6 7
12 2 2 3 3 4 4 5 5 6 6 6 7 7
13 2 2 3 3 4 5 5 5 6 6 7 7 7
14 2 2 3 4 4 5 5 6 6 7 7 7 8
15 2 3 3 4 4 5 6 6 7 7 7 8 8
R2,α=0,01
n1 n2
5 6 7 8 9 10 11 12 13 14 15
5 11
6 11 12 13 13
7 13 13 14 15 15 15
8 13 14 15 15 16 16 17 17 17
9 15 15 16 17 17 18 18 18 19
10 15 16 17 17 18 19 19 19 20
11 15 16 17 18 19 19 20 20 21
12 17 18 19 19 20 21 21 22
13 17 18 19 20 21 21 22 22
14 17 18 19 20 21 22 23 23
15 19 20 21 22 22 23 24
223
NEPARAMETARSKI STATISTIČKI TESTOVI
više od 35 n n
1,36/ 1,63/
224
PRILOZI
225
NEPARAMETARSKI STATISTIČKI TESTOVI
226
PRILOZI
6 1
7 2
8 0 4
9 2 6
10 3 8
11 5 11
12 7 14
13 10 17
14 13 21
15 16 25
16 20 30
17 23 35
18 28 40
19 32 46
20 38 52
21 43 59
22 49 66
23 55 73
24 61 81
25 68 89
227
NEPARAMETARSKI STATISTIČKI TESTOVI
228
PRILOZI
229