Professional Documents
Culture Documents
• primjer A. 5, 7, 7, 8, 8, 8, 9, 9, 10
• primjer B. 5, 7, 7, 8, 8, 8, 9, 9, 20
2
2
Σ(𝑋 − 𝑀)
𝑠 =
𝑁−1
X – rezultat
M – aritmetička sredina
N – broj ispitanika / rezultata
Primjena varijance
• varijanca se primjenjuje pri nekim složenijim postupcima
statističke analize (npr. faktorska analiza), ali ne i kao
uobičajena mjera raspršenja nekog skupa rezultata u
deskriptivnoj statistici
• ali, ako izvadimo drugi korijen iz varijance, dobivamo
STANDARDNU DEVIJACIJU koja predstavlja standard za
mjerenje varijabiliteta rezultata
Računanje standardne devijacije – SD, s, σ
• σ – prava standardna devijacija (vrijednost u populaciji)
Σ(𝑋 − 𝑀)2
𝑆𝐷 =
𝑁−1
X – rezultat
M – aritmetička sredina
N – broj ispitanika / rezultata
Računanje standardne devijacije
• formula s N – 1 u nazivniku
• koristi se u inferencijalnoj statistici tj. kad na temelju karakteristika
utvrđenih na uzorku želimo zaključiti o karakteristikama populacije
• povezano sa stupnjevima slobode (s obzirom da je aritmetička
sredina izračunata na uzorku (M) samo procjena prave aritmetičke
sredine tj. aritmetičke sredine populacije, gubi se 1 stupanj slobode u
nazivniku)
Vježba 1
• Izračunajte standardnu devijaciju iz sljedećeg skupa
rezultata:
6, 7, 7, 8, 8, 8, 9, 9, 10
Vježba 1
• N=9; M=8
Σ(𝑋−𝑀)2
• SD =
𝑁−1
6 8 ² 7 - 8 2
7 8 2
8 8 2
8 8 2
8 8 2
9 8 2
9 8 2
10 8 2
12
SD 1.22
9 -1 8
Prednosti standardne devijacije
• smanjivanje ili povećavanje veličine uzorka ne djeluje
sistematski na standardnu devijaciju, već ona, uz manja ili veća
odstupanja, ostaje približno jednaka
• standardna devijacija, uz aritmetičku sredinu, potpuno definira
normalnu distribuciju – ako su nam poznate vrijednosti M i SD,
možemo točno nacrtati krivulju normalne distribucije jer sve
krivulje normalne distribucije imaju jednake karakteristike (npr.
mjesto na kojem se krivulja iz konkavne pretvara u konveksnu
(TOČKA INFLEKSIJE) nalazi se na svim (normalnim) krivuljama
točno iznad 1 SD)
Normalna distribucija i razumijevanje
vjerojatnosti
• ako se rezultati grupiraju normalno te ako su nam poznate
vrijednosti M i SD, možemo odrediti VJEROJATNOST
pojavljivanja nekog (raspona) rezultata
• vjerojatnost (p) - odnos između ostvarenih slučajeva prema
broju mogućih
• što je manja frekvencija rezultata određene vrijednosti u skupu,
manja je i vjerojatnost pojavljivanja takvog rezultata
Normalna distribucija
Koeficijent varijabilnosti
• kad su nam poznati M i SD nekog skupa rezultata, moguće ih je
uspoređivati s nekim drugim rezultatima – npr. između nekoliko
skupova rezultata utvrditi kod kojeg skupa aritmetička sredina
najbolje predstavlja rezultate
• primjer 1. U mjerenju A utvrđene su: M=10, SD=2; u mjerenju B
utvrđene su: M=10, SD=0.9.
• u kojem mjerenju aritmetička sredina bolje reprezentira
rezultate? Zašto?
Koeficijent varijabilnosti
• primjer 2. U mjerenju A utvrđene su: M=100, SD=10; u mjerenju
B utvrđene su: M=8, SD=2
• u kojem mjerenju aritmetička sredina bolje reprezentira
rezultate? zašto?
Koeficijent varijabilnosti – V
• točan odgovor na prethodno pitanje omogućuje nam izračun
KOEFICIJENTA VARIJABILNOSTI (V) koji pokazuje koliki
postotak vrijednosti aritmetičke sredine iznosi vrijednost
standardne devijacije
𝑆𝐷 ∙ 100
𝑉=
𝑀
Psihologijski praktikum
2.6∙100
𝑉= =10.40
25
Q 3 Q1
Q
2
N N
RQ3 3
RQ1
4 4
Q – indeks poluinterkvartilnog raspršenja
Q1 – granična vrijednost 1. kvartila
Q3 – granična vrijednost 3. kvartila
RQ1 – redno mjesto vrijednosti 1. kvartila
RQ2 – redno mjesto vrijednosti 3. kvartila
N – broj rezultata / ispitanika
Vježba 3
• Izračunajte poluinterkvartilno raspršenje iz sljedećeg skupa
rezultata:
6, 7, 7, 7, 8, 8, 8, 8, 9, 9, 9, 10
Vježba 3
1. Odrediti redno mjesto granične vrijednosti 1. i 3. kvartila
𝑁 12
𝑅𝑄1 = = =3
4 4
𝑁 ∙ 3 12 ∙ 3
𝑅𝑄3 = = =9
4 4
2. Očitati vrijednosti Q1 i Q3
6, 7, 7, 7, 8, 8, 8, 8, 9, 9, 9, 10 → Q1=7 i Q3=9
3. Izračunati Q
𝑄3 −𝑄1 9−7
•𝑄= = =1
2 2
Distribucija rezultata
Distribucija rezultata
• distribucija=raspodjela rezultata, čestina (frekvencija) kojom se
u nekom skupu rezultata poredanih po veličini pojavljuju
pojedini rezultati
• statistička analiza podataka započinje:
• provjerom oblika distribucije rezultata
• utvrđivanjem deskriptivnih pokazatelja skupine rezultata
Zašto je važna distribucija rezultata?
• oblik distribucije rezultata određuje:
• koje statističke postupke možemo koristiti u obradi podataka (npr. je li
opravdano određivati M ili samo C i D; parametrijska vs.
neparametrijska statistika)
• interpretaciju dobivenih rezultata
Normalna distribucija
• dobila ime po astronomu
Karlu Friedrichu Gaussu, iako
ju je “otkrio” matematičar
Abraham de Moivre
• naziva se još i zvonolika ili
Gaussova krivulja
• tendencija grupiranja
rezultata oko jedne središnje
vrijednosti
Normalna distribucija
• nastaje zbog:
• djelovanja konstantnih i
nesistematskih varijabilnih
faktora prilikom mjerenja neke
pojave na jednom pojedincu
(npr. višekratno mjerenje
vremena reakcije)
• jer se neke osobine u
populaciji normalno
distribuiraju (npr. inteligencija)
Normalna distribucija
• simetrična
• zvonolika
• unimodalna
• granice: ± ∞
• apscisa predstavlja različite
moguće vrijednosti X, a
ordinata frekvenciju ili
vjerojatnost pojavljivanja X
Normalna distribucija
• matematička ili teorijska
distribucija
• odstupanja od normalne
distribucije:
• asimetričnost (engl. skewness)
• spljoštenost (engl. kurtosis)
Asimetričnost
• najčešće odstupanje od normalne distribucije
• glavnina rezultata se grupira više prema lijevoj ili desnoj strani
raspona dobivenih rezultata
• često se javlja zbog nemogućnosti variranja rezultata u jednu
stranu
• posljedica je djelovanja i SISTEMATSKIH FAKTORA (npr.
umor, uvježbavanje, selekcionirana skupina ispitanika)
Asimetričnost distribucije