 Biometrika ima za cilj primjenu matematično-statističkih metoda u

biološkim naukama radi lakšeg praćenja podataka i tačnije procjene istih

 Biometrička jedinica posmatranja predstavlja određeno
svojstvo,odnosno neku osobinu naučnog istraživanja(Npr prinos
plodova(na stablu,ukupan,plodovi 1 klase,boja itd;uspješnost
selekcije(količina mesa,klasa mesa,ili kvalitet mlijeka,količina,sastav
mlijeka...) koje moraju biti jasno obilježene i definisane.
 Matematičko statističke metode nam sugerišu sa kojom vjerovatnoćom
će se određeni proces dogoditi i njegov pravac a ne zašto se nešto
dogodilo,slučajno ili namjerno
 Vjerovatnoća slučajnog događaja je odnos broja povoljnih događaja za
posmatranu pojavu i svih mogućih događaja,pri čemu su svi događaji
jednako mogući.
 Slučaj i vjerovatnoća su određenja nužnim i slučajnim događajem. Slučaj
nije nužan ali nije ni nemoguć pa je vjerovatnoća mjera za pojavu slučaja
 Razlika između nužnog i slučajnog događaja je taj što se nužan događaj
mora desiti a slučajnost se ne zna ishod istoga(kada se baca kocka,ona ce
pasti na jednu stranu i to je nužna radnja,dok vjerovatnoća predstavlja
da će pasti na određenu stranu u omeru 1/6)
 Statistička definicija vjerovatnoće predstavlja mogućnost neograničenog
ponavljanja slučajnog eksperimenta pri stabilnim frekvencijama
posmatranog događaja
 Tako da vjerovatnoća se može gledati kada imamo samo 2 jedinice
posmatranja(pravilo zbira) ili više jedinici(pravilo množenja)
-Pravilo zbira- Vjerovatnoća da će se 1 od 2 nevezana događaja dogoditi
jednaka je zbiru njihovih individualnih vjerovatnoća.
-Pravilo množenja- Vjerovatnoća da će se istovremeno dogoditi oba od 2
navedena slucaja jendak je proizvodu njihovih individualnih
vjerovatnoća.
 Formula poredstavlja rečenecu zapisanu matematičkim simbolima
 Simboli su jasno definisani na nivou svijeta tako da u svakoj zemlji simbol
isto znači(Simboli na 14,15,16 strani)
 Skup nema svoju definiciju,nego se shvata kao objedinjavanje izvjesnih
elemanata u jednu cjelinu a onda se ti elementi nazivaju elementi skupa
 Skup u biometričkom smislu treba biti određen i to da je realativno
homogen,diferenciran i cjelovit. Skup je homogeni kada su jedinice
posmatranja sličnije i približno jednake
 Skup može da bude Konačan(prebrojiv ili
neprebrojiv),Beskonačan,Realan i Hipotetički(pod pretpostavkom)
 Mjerenje predstavlja određivanje brojčane vrijednosti neke posmatrane
jedinice
 Rezultati mjerenja predstavljaju podatke koji se unose u tabele
 Prilikom unošenja podataka u tabelu,prvi korak predstavlja sređivanje
tako sto se poredaju jedinice i jasno možemo vidjeti najveću i najmanju
vrijednost.
 Distribucija frekvencije predstavlja obilježavanje rezultata na način da se
naprave intervali u koje bi se grupisale jedinice,nakon čega se te intervali
poredaju po veličini i čime bi se dobila uopštena struktura njihove pojave
 Potrebno je da prilikom pravljenja intervala oni budu jednaki.
 Prikazivanje statističkih podataka može biti tabelarno i grafički
 Grafički se može prikazati:Dijagram rasturanja(tačke na grafiku),linijski
dijagrami,površinski dijagrami(u obliku kvadrata-pravougaonika i
njegova visina je određena-moze biti i kružni) i prostorni dijagrami
 U biometričkom pogledu,realne brojeve možemo samo sabirati i
množiti,dok je dijeljenje i oduzimanje isključeno(npr,kako 4 stabla
podjeliti na 3 dijela,nije moguće)
 Relativan broj predstavlja odnost dva apsolutna broja(A 32 i B 40)
 Prema cilju upoređivanja razlikujemo relativne brojeve
-Relativni brojevi(pokazatelj strukture)-predstavlja odnos pojedinih
djelova cjeline u odnosu na cjelinu
-Statistički koeficijent(pokazatelj intenziteta)-Nastaju kao količnik
raznoimenih veličina
-Indeksni brojevi(pokazatelj dinamike)Xi-Predstavlja grupu najviše
korištenih i najrasprostranjenih statističkih podataka.
 Proporcija predstavlja procentni račun,račun raspodjele i smjene
-Procentni račun kreće od činjenice da 1% nekog broja predstavlja
njegov stoti dio.
 Srednje vrijednosti su mjere centralne tendencije statističkih serija i po
tome one su osnov biometričkih analize. Tj. iskazuje vrijednost kojoj teže
svi članovi tog osnovnog skupa.
 Podjela srednje vrijednosti na
1.Pozicione srenje vrijednosti-modus(Mo) i medijana(Me)
2.Izračunate srednje vrijednosti-Aritmetička sredina(X sa crticom
iznad),Geometrijska sredina(G),Harmonijska sredina(H)
 Pozicione srednje vrijednosti predstavljaju obilježje jedne statističke
serije koje su pozicionirane u sredini te serije. One se ne izračunavaju
nego se određuju po poziciji u seriji.
 Modus je ona vrijednost koja se najčešće javlja u jednoj statističkoj
seriji,tj. ona koja ima najveću frekvenciju(zastupljenost)
 Medijana je poziciona vrijednost koja se nalazi na središnjoj poziciji u
sređenoj statističkoj seriji. Ako je suma frekvencija paran broj,ona fizički
ne postoji i dobija se kao srednja vrijednost sume dvije medijalne jedince
 Prave-izračunate srednje vrijednostu se dobijaju primjenom određenih
matematičkih operacija kojima se obuhvataju svi raspoloživi podaci
jedne statističke serije.
 Aritmetička sredina ili se često naziva prosjek i predstavlja prosječnu
vrijednost svih opaženih vrijednosti ispitivane serije. Izračunava se suma
svih podataka kroz ukuoan broj podataka.
 Aritmetička sredina ima nekoliko osobina matematičke prirode koje ju
određuju a to su
1.Suma odstupanja pojedinačnih vrijednosti statističke serije od njene
aritmetičke sredine,jednaka je nuli
2.Aritmetička sredina se uvjek nalazi u intervalu varijacije,odnosno njena
vrijednost mora biti veća od najmanje vrijednosti u seriji,a manja od
najveće vrijednosti u seriji
3.Suma kvadratnih odstupanja pojedinačnih vrijednosti podatak od
aritmetičke sredine,manja je od sume kvadratnih odstupanja tih
podataka od bilo kojeg drugog broja koji se razlikuje od aritmetičke
sredine
 Geometrijska sredina je oblik srednje vrijednosti obilježja,odnosno
izjednačavanje proporcione razlike između vrijednosti obilježja. Tj.
izjednačavaju se relativne promjene između podataka u dnamičkoj seriji
 Geometrijska sredinas e izračunava kao n-ti korjen iz proizvoda svih
posmatranih obiljžja.
 Harmonijska sredina je recipročna vrijednost aritmetičke sredine iz
recipročnih vrijednosti obilježja. Koristi se kada su posmatrane jedinici
izraženu u vidu recipročnih pokazatelja
 Od svih ovih podataka najviše se koristi aritmetička sredina,koja u
matematičkom smislu se ne može uzeti kao potpuno tačna jer npr ako
racunamo srednju vrijednos od brojeva 10,10,10,400 to je 107,5 sto za
masu prasadi se ne može uzeti kao tačno jer ne predstavlja centralnu
tendenciju serije,zato podaci moraju biti usklađeni.Zato se u biometrici
A. Sredina koristi kao pokazatelj vjerovatnoće prosječnog događaja.
 Svje pojave koje metodološki obuhvata biometrika predstavljaju
rezultate velikog broja faktora koji se mogu podjeliti u 2 grupe
1.Procesi razvoja i održavanja pojave-faktori grupisanja obilježja u
statističkim serijama
2.Procesi osporavanja i ograničavanja-faktori disperzije ili varijabiliteta
između obilježja u statističkim serijama
 Pojmovi preciznosti i tačnost mogu biti u odnosu:a-precizan i tačan,b-
precizan ali nije tačan,c-neprecizan ali i tačan,d-neprecizan i nije tačan.
 Mjere varijabiliteta obilježja posmatranih pojava,odnosno podataka u
statističkim serijama djele se na
1.Apsolutne mjere varijabilitete
2.Relativne mjere varijabiliteta
 Pored ovih,mjere varijabiliteta se mogu podjeliti na
1.Potpune:Baziraju se na svim podacima bometričke
serije:Varijansa,standardna devijacija,koeficijent varijacije
2.Nepotpune:Baziraju se na pojedinim podacima statističke
serije:Interval varijacije,interkvartilna razlika i koeficijent kvartilne
devijacije
 Interval varijacije predstavlja razliku između najmanje i najveće
vrijednosti obilježja u biometričkoj seriji
 Interkvartilna razlika(varjacija) predstavlja razliku između vrijednosti
obilježja pozicioniranih na prvoj i trećoj četvrtini statističke serije.
 Potpune mjere varijabiliteta predstavljaju pokazatelje u čiji obračun se
uzimaju sve podjedinačne vrijednosti jedne statističke serije
 Srednje apsolutno odstupanje predstavlja odstupanje pojedinačnih
vrijednosti od aritmetičke sredine,koja je i izračunata od istih.
 Srednje kvadratno odstupanje-Varijansa- Predstavlja osnovnu mjeru
varijabiliteta. Izračunava se kao srednja vrijednost kvadrata odstupanja
pojedinih vrijednosti obilježja od aritmetičke sredine posmatrane
statističke serije
 Standardna devijacija je apsolutna mjera varijabiliteta koja pokazuje
kolika je srednja mjera odstupanja vrijednosti obilježja od A. Sredine.
-----Dobija se vađenjem drugog korjena od varijanse
 Koeficijent varijacije je relativna mjera varijabiliteta koja predstavlja
procentni udio standardne devijacije u odnosu na vrijednosti aritmetičke
sredine
 Koeficijent varijacije tačnije predstavlja procentualni udio standardne
devijacije u odnosu na vrijednosti A. Sredine,onda se empirijski dokazuje
da kada je koeficijent varijacije manji od 5% podaci u seriji su suviše
dobri da bi bez provjere bili prihvaćeni kao tačni.Kada koeficijent
varijacije veći od 30% podaci isuviše variraju i aritmetička sredina takve
serije nije reprezentativna
 Standardizovano odstupanje je mjera varijabiliteta i pokazuje odstupanje
jedne(bilo koje) vrijednosti bilježja od aritmetičkesredine,izraženo u
standardnim devijacijama
 Za definisanje oblika raspodjele frekvencije u distribucii frekvencije jedne
statističke serije ili skupa koriste se statistički momenti
 Statistički momenti predstavljaju prosjena stepenovana odstupanja
pojedinih podataka u seriji od njihove aritmetičke sredine.
 Stepenovanje se može vršiti u skali od 0 pa do bilo kog broja i
razlikujemo:nulti,prvi,drugi...statistički momenat
 Sve raspodjele distribucije funkcije se mogu podjeliti na
1.Empirijske(stvarne,neposredno utvrđene)
2.Teorijske(na prirodnoj vjerovatnoći uopštavanje definisane
matematičke funcije koje idealizuju tok empirijske distribucije
 Podjela statističkih metoda prema opsegu skupa i načina zaključivanja
1.Deskriptivna statistika(potpuno posmatranje)
2.Inferencijalnu statistiku(posmatranje na osnovu uzorka)
 Uzorak treba da odgovara na postavljeno pitanje o osnovnom skupu
 Uzorak predstavlja određeni broj slučajno odabranih jedinica iz
statističkog osnovnog skupa
 Indukativna metoda je sistem primjene indukovanog načina zaključivanja
kojim se na osnovu analize pojedinačnih činjenica dolazi do zaključka o
opštem,odnosno kada se od zapažanja konkretnih i pojedinačnih
slučajeva dolazi do opšte zakonitosti
 Pouzdanost ove metode zavisi od broja istraženih činjenica i slučajeva
 Da bi uzorak bio reprezentativan mora da zadovolji:
1.Da bude dovoljno velik
2.Da bude slučajno izabran
 Vrste uzoraka
1.Prosti slučajni uzorak
2.Kvotni uzorak-
3.Sertifikovani slučajni uzorak
4.Prigodni uzorak
 Uzorke u biološkim i poljorpivrednim naukama dijelimo u 2 grupe
1.Uzorci za ispitivanje spontanih-masovnih pojava
2.Uzorci u eksperimentalnim istraživanjima
 Veza(relacija)izmedju uzorka i načina prikupljanja postoji pa se zato
mora voditi računa pri prikupljanju uzoraka
1.Djlovi iz kojih se uzorak prikuplja(dio njive,od koje krave se uzima
mlijeko,koje leglo svinja...)
2.U koje doba se uzima uzorak
3.Dinamika i brzina prikupljanja uzoraka
 Kontaminacija je pojava da se u toku analize ili u procesu pripreme
analize,uzorak djelimično izmjeni i da više ne predstavlja stanje onakvo
kakvo se nlazi u prirodi-osnovnom skupu
 Numerička obilježja su ona koja se mogu izraziti brojčano(masa,količina
mlijeka,broj bakterija u mlijeku...)
 Atributivna ili opisna obilježja su ona koja se ne mogu mjeriti i ne mogu
izraziti brojčano(Zdravstvenos tanje,izgled individue)
 Numerička obilježja se mogu podjeliti u neprekidna(kontinuirana) i
prekidna(diskontinuirana)
 Neprekidne numeričke vrijednosti zavise od tehničkih mogućnosti
mjernih instrumenati(npr masa ploda može biti 8,5 ili 8,523)
 Prekidna vrijednost nastaje u procesu brojanja(broj stabala,broj goveda)
 Od svih uzoraka najviše se koristi eksperimentalni koji se uzima iz
određenog skupa kao reprezentativni tj. očekivani i na njemu se
sprovode tretmani kao i dalje operacije.
 Ocjena parametara osnovnog skupa na osnovu uzoraka zasniva se na
vjerovatnoći da će se izračunate prosječne vrijednsoti iz odabranih
uzoraka razlikovati od stvarnih vrijednosti osnovnog skupa u granicama
intervala koji se može pouzdano odrediti
 Srednja mjera svih odstupanja sredine uzoraka od sredine osnovnog
skupa pokazuje standardnu grešku sredine(Sx)
 T-test,T-distribucija ili studentov test se koristi za testiranje značajnosti
razlika između srednjih vrijednosti

(X1-X2) -Oduzimanje aritmetičkih sredina

 Texp=----------------
Korjen (Sx1)2+(Sx2)2 -Kvadriranje pa sabiranje standardnih greški pa
nakon toga sve korjenovati
 Za njegovo dokazivanje potrebno je poznavati veličinu
uzorka,aritmetičku sredinu i standardnu devijaciju
 Nulta hipoteza predstavlja da razlika između Aritmetičkih sredina je oko
0 i da nije značajna i ovo se rijetko dešava
 Da li su razlike značajne ukazuje nam tablica t-testa u kojoj dobijamo
broj(n-2, tj ako imamo 20 uzoraka-2 to je 18) pa tako ako važi ta je
T0,05<Texp<T0,01 zaključujemo da je razlika između aritmetičkih sredina
značajna
 Analiza varijanse-Fišerov test je matematičko statistička metoda kojom
se ispituje uticaj ili efekat jedne ili više nezavisno promjenjivih(Xi) na
jednu zavisno promjenjivu (Yi)
 Pomoću F-testa dolazimo do F-faktora koji bi predstavljao usaglašenost
varijacijaizmeđu uzorka i varijacije u osnovnom skupu
 Prostije rečeno fišerov koeficijent(faktor) pokazuje koliko puta je jedna
varijansa veća od druge varijanse
 Koeficijent Fexp. Se upoređuje sa teoretskim vrijednostima koeficijenata
F0,05 i F0,01 za broj stepeni slobode k-1 po kolonama i N-k po redavima
i dolazimo do zaključka:
 -Ako je Fexp<F0,05 ne postoji uticaj primjenjenih tretmana
-Ako je Fexp>F0,05 i Fexp<F0,01 postoji statistički značajan uticaj
primjenjenih metoda
-Ako je Fexp>F0,01 postoji statistički visok značajan uticaj primjenjenih
tretmana
 Prema ovome vidimo da statistički test analize varijanse pokazuje samo
da li je između analiziranih uzoraka ili statističkih serija koje su bile pod
dejstvom tretmana postoje snačajne razlike ili ne
 Na F koeficijent utiču faktori
1.Razlika između srednjih vrijednosti-sa većom razlikom srednjih
vrijednosti veća je vrijednost f koeficijenta
2.Veličina uzorka-sa većim uzorkom dobija se veća vrijednost F
koeficijenta jer je smanjuje vrijednost pogreške
3.Varijacija unutar grupa-Sa velikom varijacijom unutar grupe dobija se
manja vrijednost F,jer je varijacija unutar grupe veća od varijacije između
grupa
 Razlika izedju T-testa i F-testa je ta sto F-test pokazuje da li je razlika
između 2 centralne tendencije značajna ili ne,dok F-test pokazuje da li
tretman utiče na proučavanu pojavu ili ne.
 Matematičko-statistička analiza pokazuje uticaje jedne pojave na drugu
ili uslovljenost promjena kod jedne pojave pod uticajem promjena druge
pojave što znači da se moraju analizirati 2 odvojena pitanja
1.Koliko je jaka međusobna veza između posmatranih pojava ili koliki je
jak uticaj jedne pojave na drugu(PITANJE KORELACIJE)
2.Kojom formulom ili matematičkim izrazom može da se predstavi veza
između posmatranih pojava(FUNKCIJA REGRESIJE ili TRENDA)
 U korelaciji posmatramo odnos dvije pojave koje se po svojoj prirodi
ispoljavaju u uzročno-posljedičnom odnosu(npr kada istražujemo
produktivnost nekoliko sorti kroz pokazatelj prinosa. Uzrok je nasljedna
osnova a posljedica je rezultat ukupnog djelovanje genotipa u datim
uslovima
 Ako je odnos dvije pojave takav da pojava A,može da varira u granicama
koje određuju pojavu B,onda je pojava B nezavisno promjenjiva(x) a
pojava A zavisno promjenjiva(y)
 Prilikom utvrđivanja korelacije ona može da bude
1.pozitivna(jaka korelativna veza bez,rasipanja varijabli)
2.Negativna(Slaba korelativna veza,veliko rasipanje varijabli)
3.Složeni odnos između zavisno i nezavisno promjenjive(Umjereno
rasipanje ali u granicama normale)
 Koeficijent korelacije pokazuje uticaj nezavisno promjenjive na zavisno
promjenjivu
 Kada Xi i Yi imaju proporcionalan odnos,onda je koeficijent korelacije
pozitivan a kada imaju obrnuto proporcionalan onda je negativan i kreće
se od -1 do +1
 Korelacionom analizom opažamo u kome smjeru i do kog stepena dvije
varijavle zajednički variraju-kovariraju.
 Regresijom opažamo ili opisujemo način povezanosti te dvije varijable,i
utvrđujemo odgovarajući analitičko-matematički izraz ili funkciju te veze
 Standardna greška regresije pokazuje stepen prilagođenosti linije
regresije orginalnim podacima zavisno promjenjive y.
 X2 –testom se izračunavaju statistička značajnost povezanosti frekvencija
dva ili više atributivnih obilježja,tj. ocjenjuje razlike između dobijenih
frekvencija i frekvencija koje se očekuju kod određenih analiza
 X2 test se računa kao razlika opaženih frekvencija i teorijskih kroz
teorijske(očekivane) frekvencije
 Greške u analizi podataka mogu da nastanu zbog
1.Pogrešno definisani uzorak ili pogrešno prikupljeni podaci
2.Pogrešno izvedena mjerenja
3.Pretjerana matematizacija u dokazivanju nebitnih činjenica
4.Pogrešna primjena matematičko-statističkih metoda