SREDIŠNJE VRIJEDNOSTI

◻ M (artimetička sredina)
◻ C (centralna vrijednost)
◻ D (dominantna vrijednosti)

◻ Geometrijska sredina
◻ Harmonična sredina
M (artimetička sredina)
◻ Rezultati moraju biti prave mjerene vrijednosti (barem
na intervalnoj ljestvici)

◻ Svi rezultati moraju biti rezultat istog mjerenja-dobiveni

u jednakim uvjetima

◻ Određivanje M zahtjeva dovoljan broj rezultata (min 30)

◻ Distribucija rezultata mora biti normalna (simetrična)

Aritmetička sredina kao TEŽIŠTE REZULTATA

◻ na nju djeluje numerička veličina svakog

pojedinog rezultata

◻ „težina rezultata” iznad i ispod M uvijek je

jednaka

◻ „aritmetička sredina je točka oko koje zbroj

pozitivnih i negativnih odstupanja iznosi nula”
◻ može se usporediti s vagom
Aritmetička sredina kao TEŽIŠTE
REZULTATA

Pr. 3, 3, 9

3 4 6 7 8 9
M
Osjetljiva na
vrijednost
pojedinog
rezultata!
Mjerenje 1 osobine na 1 pojedincu

NVF izviru iz nesustavnih, slučajnih varijacija u

organizmu osobe, samom procesu mjerenja,
neposrednoj okolini itd.
= POGREŠKA MJERENJA
Mjere centralne tendencije
VAŽNO ZA UPAMTITI!

 M i C bit će jednake samo kada je distribucija

simetrična
 M, C i D bit će jednake samo kada je
distribucija simetrična i unimodalna (ima
samo 1 vrh koji reprezentira frekvenciju
rezultata veću od susjednih)
 U svim drugim slučajevima moramo odabrati
neku od mjera centralne tendencije
Kada odabrati D?

 To je rezultat koji se zaista i pojavio, dok M i C

mogu biti vrijednosti koje se nikada nisu
pojavile među rezultatima
 Prednost u reprezentiranju većeg broja ljudi
(npr. prodavač u manjoj trgovini)
 Vjerojatnost da će neki rezultat izvučen po
slučaju biti jednak D veća je od vjerojatnosti da
će taj rezultat biti jednak bilo kojem drugom
rezultatu
 Primjenjiv na nominalne podatke
Kada odabrati C?

 Nije pod utjecajem ekstremnih rezultata

 Ne zahtijeva zadovoljavanje pretpostavki
intervalne skale

 Ne možemo ju lako uključiti u jednadžbe pa je

s njom teže raditi nego s M

 Nije stabilna od uzorka do uzorka kao M

Kada odabrati M?

 Pod utjecajem ekstremnih rezultata

 Vrijednost ne mora nužno postojati u

podacima

 Interpretacija zahtijeva zadovoljene barem

neke pretpostavke o intervalnoj skali u
podacima
Kada odabrati M?

 S njom se može manipulirati algebrično,

osobito iz razloga što možemo napisati
jednadžbu koja ju definira

 Ima nekoliko poželjnih svojstava, uzimajući u

obzir njezinu upotrebu pri procjeni aritmetičke
sredine populacije
 M uzorka je općenito bolja procjena
populacijske M, nego D i C
5. GEOMETRIJSKA SREDINA
Geometrijska sredina (G)

◻
6. HARMONIČNA SREDINA
Harmonična sredina (H)

◻
Harmonična sredina (H)

× Ne može se izračunati ako je bilo koji broj negativan ili nula!

MJERE VARIJABILNOSTI
◻ Ako su vrijednosti ◻ Ako su vrijednosti
nekog niza mjerenja mjerenja samo
gusto grupirane oko minimalno grupirane
srednje vrijednosti, oko srednje
onda nam ta srednja vrijednosti, onda
vrijednost dobro nam ona slabo
reprezentira rezultate reprezentira rezultate
Ekstremni slučaj
◻ Kada bi sve vrijednosti nekog niza mjerenja bile
jednake, onda bi srednja vrijednost bila
potpuno točan reprezentant svih rezultata

◻ primjer
Je li aritmetička sredina dobar reprezentant svih rezultata?

◻ KAKO i KOLIKO se ◻ KAKO i KOLIKO se

rezultati grupiraju rezultati međusobno
razlikuju

NVF
Opće pojave koje se pojavljuju pri mjerenju neke
veličine

1. Pri svakom mjerenju djeluju NVF

� Uzrok razlikovanja rezultata
� Djeluju po slučaju
� Najčešći ishod je njihovo međusobno
poništavanje
Opće pojave koje se pojavljuju pri mjerenju neke
veličine

2. Što je veći broj mjerenja, to se dobiva

pravilnija distribucija ishoda nekog mjerenja
� Najčešće se pojavljuje jedan rezultat koji se
nalazi po sredini rezultata
� On pokazuje PVM
� Rjeđe se pojavljuju rezultati udaljeniji od
srednjeg rezultata
 M je reprezentant
skupa rezultata i
pokazatelj PVM

Najčešći rezultat koji

ćemo dobiti pri
višekratnom
ponavljanju mjerenja
Svaki pojedini „mi” = PVM
rezultat nekog
mjerenja

„epsilon” = NVF
Kada imamo dovoljno velik broj mjerenja
aritmetička sredina ε bit će:
Budući da se pri svakom mjerenju dobije μ plus
neka vrijednost ε, konačan ishod većeg broja
mjerenja bit će:

M skupa rezultata
pokazatelj je PVM
Grafički prikaz ND
Stupanj reprezentativnosti središnje
vrijednosti
Stupanj reprezentativnosti središnje vrijednosti

◻ Kako bismo odredili koliko je središnja vrijednost

reprezentativna , odnosno koliko se oko nje
grupiraju rezultati, uvijek se uz nju prikazuje i
indeks varijabiliteta rezultata
Stupanj reprezentativnosti središnje
vrijednosti

◻ Uz aritmetičku sredinu određuje se uvijek

standardna devijacija (SD)

◻ Uz centralnu vrijednost određuje se indeks

poluinterkvartilnog raspršenja (Q)

◻ Uz to se uvijek prikazuje i podatak o rasponu

rezultata
1. RASPON REZULTATA
Raspon rezultata
◻ Razlika između najvećeg i najmanjeg rezultata

◻ Vrlo nesigurna i varljiva mjera varijabilnosti

rezultata

◻ Obično to veći što je veći broj mjerenja

� Primjer:
■ 1. mjerenje 3 7 9 TR = 6
■ 2. mjerenje 3 7 9 11 13 TR = 10
2. SREDNJE ODSTUPANJE
Srednje odstupanje
◻
Srednje odstupanje
◻ Možemo izračunati uz aritmetičku sredinu,
medijan i mod

◻ Ne može poslužiti da daljnja računanja

◻ Služi kao grubi pokazatelj razlikovanja

rezultata od središnje vrijednosti
1. mjerenje
4.00
4.50
4.50
5.00
5.00
5.00
5.00
5.50
5.50
6.00
1. mjerenje
4.00 –1
4.50 – 0.5
4.50 – 0.5
5.00 0
5.00 0
5.00 0
5.00 0
5.50 0.5
5.50 0.5
6.00 1
3. STANDARDNA DEVIJACIJA
Standardna devijacija
◻ Kada bismo prosječno odstupanje pojedinih
rezultata od M računali vodeći računa o
predznaku, onda bismo uvijek kao zbroj dobili
nulu

ZAŠTO?

M kao težište rezultata

Standardna devijacija
◻

„Prosječan” (N – 1) zbroj
kvadriranih odstupanja
Standardna devijacija
◻ Varijanca

� Grafički nemoguće predočiti

� Nije prikladan za razumijevanje varijabiliteta

Standardna devijacija
◻ Drugi korijen iz varijance

◻ Standard za mjerenje varijabiliteta rezultata

◻ Numeričkom vrijednošću odgovara

numeričkim vrijednostima skale korištene pri
mjerenju kojim su rezultati dobiveni
Standardna devijacija
◻
Računanje SD
RB Bodovi Primjer:
1. 110
Na nekom ispitu N = 10
2. 115
studenata je imalo
3. 115
sljedeće rezultate
4. 130
5. 105
6. 100
7. 120
8. 110
9. 105
10. 110
Računanje SD
RB Bodovi Primjer:
1. 110
Na nekom ispitu N = 10
2. 115
studenata je imalo
3. 115
sljedeće rezultate
4. 130
5. 105
6. 100
7. 120
8. 110 N = 10
9. 105 M = 112
10. 110
Računanje SD
RB Bodovi (X) X–M (X – M)²
1. 110
2. 115
3. 115
4. 130
5. 105
6. 100
7. 120
8. 110
9. 105
10. 110
Računanje SD
RB Bodovi (X) X–M (X – M)²
1. 110 – 2.00
2. 115 3.00
3. 115 3.00
4. 130 18.00
5. 105 – 7.00
6. 100 – 12.00
7. 120 8.00
8. 110 – 2.00
9. 105 – 7.00
10. 110 – 2.00
Računanje SD
RB Bodovi (X) X–M (X – M)²
1. 110 – 2.00 4.00
2. 115 3.00 9.00
3. 115 3.00 9.00
4. 130 18.00 324.00
5. 105 – 7.00 49.00
6. 100 – 12.00 144.00
7. 120 8.00 64.00
8. 110 – 2.00 4.00
9. 105 – 7.00 49.00
10. 110 – 2.00 4.00
Računanje SD
◻
Standardna devijacija
◻
Računanje SD iz bruto rezultata
RB Bodovi (X) X²
1. 110
2. 115
3. 115
4. 130
5. 105
6. 100
7. 120
8. 110
9. 105
10. 110
Računanje SD iz bruto rezultata
RB Bodovi (X) X²
1. 110 12 100
2. 115 13 225
3. 115 13 225
4. 130 16 900
5. 105 11 025
6. 100 10 000
7. 120 14 400
8. 110 12 100
9. 105 11 025
10. 110 12 100
Računanje SD iz bruto rezultata
RB Bodovi (X) X²
1. 110 12 100
2. 115 13 225
3. 115 13 225
4. 130 16 900
5. 105 11 025
6. 100 10 000
7. 120 14 400
8. 110 12 100
9. 105 11 025
10. 110 12 100
𝝨X = 1 120 𝝨X² = 126 100
Računanje SD iz bruto rezultata
Računanje SD iz bruto rezultata
Standardna devijacija

◻ Odnos raspona i SD
� nije manji od 2
� ili veći od 6.5
4. POLUINTERKVARTILNO
RASPRŠENJE
Poluinterkvartilno raspršenje
◻
Poluinterkvartilno raspršenje
◻
Poluinterkvartilno raspršenje
◻
Poluinterkvartilno raspršenje
◻
◻
Poluinterkvartilno raspršenje
◻
Primjer: Tjelesna težina dvije skupine djevojaka (N = 117). Prvu skupinu
čine djevojke koje se aktivno bave tenisom, a drugu po slučaju izabrane
djevojke.

Razred m

1 48 – 50

2 51 – 53

3 54 – 56

4 57 – 59

5 60 – 62

6 63 – 65

7 66 – 68

8 69 – 71
Primjer: Tjelesna težina dvije skupine djevojaka (N = 117). Prvu skupinu
čine djevojke koje se aktivno bave tenisom, a drugu po slučaju izabrane
djevojke.

Razred m f1 𝝨f1 %𝝨f1 f2 𝝨f2 %𝝨f2

1 48 – 50 49

2 51 – 53 52

3 54 – 56 55

4 57 – 59 58

5 60 – 62 61

6 63 – 65 64

7 66 – 68 67

8 69 – 71 70
Primjer: Tjelesna težina dvije skupine djevojaka (N = 117). Prvu skupinu
čine djevojke koje se aktivno bave tenisom, a drugu po slučaju izabrane
djevojke.

Razred m f1 𝝨f1 %𝝨f1 f2 𝝨f2 %𝝨f2

1 48 – 50 49 2 5

2 51 – 53 52 5 11

3 54 – 56 55 10 19

4 57 – 59 58 36 24

5 60 – 62 61 40 23

6 63 – 65 64 15 17

7 66 – 68 67 8 11

8 69 – 71 70 1 7
Primjer: Tjelesna težina dvije skupine djevojaka (N = 117). Prvu skupinu
čine djevojke koje se aktivno bave tenisom, a drugu po slučaju izabrane
djevojke.

Razred m f1 𝝨f1 %𝝨f1 f2 𝝨f2 %𝝨f2

1 48 – 50 49 2 2 1.7

2 51 – 53 52 5 7 5.98

3 54 – 56 55 10 17 14.53

4 57 – 59 58 36 53 45.3

5 60 – 62 61 40 93 79.49

6 63 – 65 64 15 108 92.3

7 66 – 68 67 8 116 99.15

8 69 – 71 70 1 117 100
Domaća zadaća

◻ Prikaži na istom grafičkom prikazu distribucije

rezultata za tenisačice i netenisačice.

◻ Izračunajte C i Q za netenisačice

◻ Nacrtajte krivulje relativne kumulativne

frekvencije za tenisačice i netenisačice (na
istom grafičkom prikazu)