Formule Statistika

PREGLED FORMULA IZ
STATISTIKE
Petra Tišler, mag.oec, predavač
Sveučilište Sjever, 2020./2021.

STATISTIKA Formule
SADRŽAJ
1. Statistički nizovi …………………………………………………………. 1

1.1. Populacija …………………………………………………………. 1
1.2. Proporcije – relativne frekvencije ………………………………. 1
1.3. Razredna sredina ………………………………..…………………. 1
1.4. Veličina razreda………………………………..…….……………………. 1
1.5. Kumulativni niz „manje od“ …………………….…………………. 1
1.6. Korigirane frekvencije ………………………………………………. 1
2. Srednje vrijednosti …………………………………………………………. 2

2.1. Aritmetička sredina …………………………………………………. 2
2.2. Mod …………………………………………………. 2
2.3. Medijan ……………………………………………………..……. 2
3. Mjere disperzije (raspršenosti) …………………………………………. 3

3.1. Raspon varijacije …………………………………………………. 3
3.2. Interkvartil …………………………………………………. 3
3.3. Kvartili ……………………………………………………..……. 3
3.4. Varijanca …………………………………………………. 4
3.5. Standardna devijacija …………………………………………………. 4
3.6. Koeficijent varijacije …………………………………………………. 4
4. Momenti numeričkih nizova ……………………………………….………… 5

4.1. Momenti negrupiranih podataka ……………………………..………… 5
4.2. Momenti grupiranih podataka ……………………………..………… 5
5. Mjere asimetrije, mjere zaobljenosti ……………………………...………… 6

5.1. Koeficijent asimetrije ………………………………………………. 6
5.2. Pearsonova mjera asimetrije ………………………………………… 6
5.3. Bowleyeva mjera asimetrije ………………………………………… 6
5.4. Koeficijent spljoštenosti – mjera zaobljenosti …….…………………… 6
6. Slučajne varijable ………………………………………………………… 7

6.1. Diskretna slučajna varijabla ………………………………………… 7
6.2. Kontinuirana slučajna varijabla ……………………………………… 7
7. Modeli distribucije vjerojatnosti ………….………………………………….. 8

7.1. Odabrane teorijske funkcije vjerojatnosti ……………………. 8
8. Procjena parametra populacije ………………………………………… 10

8.1. Procjena aritmetičke sredine populacije …………………………….. 10
8.2. Procjena totala konačne populacije …………………….......……….. 12
8.3. Procjena proporcije populacije ………………..…………………….. 13
Tišler, P., mag.oec.

I
STATISTIKA Formule
8.4. Procjena različitih aritmetičkih sredina dvaju osnovnih skupova …….. 14
9. Testiranje hipoteza o parametru ………………………………………. 15

9.1. Testiranje hipoteza o aritmetičkoj sredini populacije ………….……... 15
9.2. Testiranje hipoteza o razlici aritmetičkih sredina ……………..……... 16
9.3. Usporedba varijanci dvaju osnovnih skupova ……..………………... 16
9.4. Hi-kvadrat test ……………………………………..…………….……... 17
10. Tablice ………………………………………………………….………… 18

10.1. Tablica površine ispod normalne krivulje z …………………………... 18
10.2. Kritične vrijednosti Studentove distribucije ..………………..………… 19
10.3. F- distribucija …………………………………………………………… 20
10.4. Hi-kvadrat distribucije……………………………………...……………… 22
11. Excell - Primjena …………………………………………………………… 23

11.1. Mjere centralne tendencije …………………...………………….. 23
11.2. Mjere rasipanja ………………………..………………….……………... 24

II
STATISTIKA Formule
1. STATISTIČKI NIZOVI
POPULACIJA
Opseg odabranog statističkog skupa N=fij
RELATIVNE FREKVENCIJE – proporcija, postotna frekvencija

f
pi= i … vrijedi:
N
1. Proporcija ….. 0 ≤ pi ≤ 1 ……… u slučaju postotka …. 0 ≤ pi ≤ 100
2. Da je  pi  1 ……… u slučaju postotka ….  pi  100
pi –proporcija ili postotna frekvencija; fi – apsolutna frekvencija; N – opseg skupa (broj jedinica/veličina populacije)
Razredna sredina
L1  L2 L1 – donja granica razreda;
xi  L2 – gornja granica razreda
2
Veličina razreda
i  L2  L1 L1 – donja granica razreda;
L2 – gornja granica razreda
Kumulativni niz „manje od“
0 xi  x mac

S ( xi ) 
0  S ( xi )  N x min  xi  x max

 N xi  x max
Korigirane frekvencije
fi Ii – veličina koja je proporcionalna veličini i (veličini razreda);
Fci= fi – frekvencija vrijednosti numeričke varijable xi
Ii
Grupiranje u razrede i određivanje veličine razreda
Određivanje broja razreda Određivanje veličine razreda

X  X min
k  1 3,3 log N ii  max
k
Ii – veličina koja je proporcionalna veličini i (veličini razreda)
k– broj razreda; N – ukupan broj podataka; xmax/min – maksimalna i minimalna vrijednost promatranog obilježja
Relativni brojevi koordinacije

V
Ri  i ; dio jednog skupa stavljamo u omjer sa dijelom nekog drugog skupa: i=1,2,3,…k.
Bi
Indeksni brojevi – omjerni brojevi
član statisttickog niza (i)
Ii  *100 i=1,2,3, … , k
neka odabrana baza (fiksna)

1
STATISTIKA Formule
2. SREDNJE VRIJEDNOSTI
Aritmetička sredina - potpuna srednja vrijednost

1. Za negrupirane numeričke podatke (Jednostavna aritmetička sredina):
N
 x1  x 2  ....  x n x i
x  i 1
N N
2. Za grupirane podatke u distribuciju frekvencija (Ponderirana aritmetička sredina):
k
 x1 f1  x 2 f 2  ....  x k f k fx i i k k
x  i 1
… pri čemu je  fi  N …. pi   pi xi
f1  f 2  ...  f k k
 i 1
fi i 1 i 1
fi –frekvencije; pi –relativne frekvencije (proporcije); xi – pojedinačna vrijednost numeričke varijable (obilježja) ili razredne
sredine u distribuciji frekvencija; N – broj podataka (vrijednosti)
k
N1 x1  N 2 x2  ...  N k xk  N i xi
Aritmetička sredina aritmetičkih sredina: X   i 1
N1  N 2  ...N k N
 
Mod - najčešći modalitet kvalitativne ili kvantitativne varijable
1. Nominalnog niza: M o  a j , f a j  max f ( a j ) ,   i  1,2...k.
k – broj različitih modaliteta varijable; aj – modalna kategorija obilježja s najvećom varijablom
2. Redoslijednog niza: 
M o  r j , f r j  max f ( r j ) ,   i  1,2...k.
k – broj različitih modaliteta varijable; rj – modalna kategorija obilježja s najvećom varijablom
3. Distribucija frekvencija:
b - najveća korigirana frekvencija;
a – korigirana frekvencija ispred frekvencije b;
(b  a ) c – korigirana frekvencija iza frekvencije b;
M o  L1  * i … pri čemu je
(b  a )  (b  c ) L1 – donja granica modalnog razreda;
i – veličina modalnog razreda
Medijan - položajna srednja vrijednost
1. Numeričkog niza:
{
N N
xr ;  INT , r  INT( )  1
2 2
Me=
x r  x r 1 N N
; ako je  INT tada je r 
2 2 2
N- broj članova numeričkog ili redoslijednog niza, INT – cijeli dio razlomka, r – redni broj podataka u nizu podataka uređenih
po veličini
2. Distribucija frekvencija: L1 – donja granica medijalnog razreda;

m
N
 f
m
f
i 1
I
- kumulativna medijalna frekvencija ispred
2 i 1 I medijalnog razreda;
M e  L1  *i …pri čemu je
f med f med - originalna frekvencija medijalnog razreda;
i – veličina medijalnog razreda
2
STATISTIKA Formule
3. MJERE DISPERZIJE (RASPRŠENOSTI)
Raspon varijacije
Za n negrupiranih podataka: Rx=Xmax - Xmin xmax; xmin – najveća i najmanja

vrijednost varijable x
Kod distribucije frekvencija diskretne varijable: Rx=Xk – X1
L2k – gornja granica zadnjeg razreda
L11– donja granica prvog razreda
Kod distribucije s intervalno zadanim razredima: Rx=L2k – L11
Interkvartil
Q1 – donji kvartil niza varijable X;
Iq = Q3 – Q1 Q3 – gornji kvartil niza varijable X
Koeficijent kvartilne varijacije Vq Varijabilitet

0 - 0,1 vrlo slab
Q3  Q1 0,1 - 0,2 relativno slab
Vq = ; 0<Vq<1  najčešće je izražen u % 0,2 - 0,3 Umjeren
Q3  Q1
0,3 - 0,5 relativno jak
0,5 – 1 vrlo jak
Kvartili
Q1 – DONJI KVARTIL:
N
1. Negrupirani podaci: Q1=> r=  r=N/4 ili r=(N/4) +1  Q1=xr
4
N
  fi
4
2. Grupirani podaci: Q1 = L1 + *i
f k var t
Q3 – GORNJI KVARTIL:
3N
1. Negrupirani podaci: Q3=> r=  r=3N/4 ili r=(3N/4) +1  Q3=xr
4
3N
  fi
4
2. Grupirani podaci: Q3 = L1 + *i
f k var t
- donja granica razreda kojoj pripada frekvencija N/4ili 3N/4 (kvartilni razred);
N – ukupna vrijednost obilježja;
i – veličina razreda;
- ukupno kumulativni niz „manje od“ do frekvencije koja u sebi sadrži N/4 ili 3N/4;
- vrijednost obilježja u razredu u kojem se nalazi N/4 ili 3N/4

3
STATISTIKA Formule
Varijanca - izražavamo je preko kvadrata odstupanja:
1. Za negrupirane podatke
N
N N
(  xi ) 2 N
 ( xi  x ) 2  xi2  i 1
N
x 2
i
2  i 1
; 2  i 1
 i
 x2
N N N
2. Za grupirane podatke
k k
 f i ( xi  x ) 2 fx
2
i i
2  i 1
k
; 2  i 1
k
 x2
f
i 1
i f i 1
i
fi –frekvencije; x –aritmetička sredina; xi – pojedinačna vrijednost numeričke varijable (obilježja) ili razredne sredine u
distribuciji frekvencija; N – broj podataka (vrijednosti)
Standardna devijacija - pozitivni korijen iz varijance
1. Za negrupirane podatke
N N
 ( xi  x ) 2 x 2
i
  2  i 1
;  i 1
 x2
N N
2. Za grupirane podatke
k k
 f i ( xi  x ) 2  f (x ) i i
2
  2  i 1
k
;  i 1
k
 x2
f i f
i 1
i
i 1
distribuciji frekvencija; N – broj podataka (vrijednosti);  - standardna devijacija
Koeficijent varijacije
 V (%) Varijabilitet
V * 100 ;  0≤V <+
x 0 - 10 vrlo slab
10 - 30 relativno slab
 - standardna devijacija; x –aritmetička sredina 30 - 50 Umjeren
50 - 70 relativno jak
70 i veći vrlo jak

4
STATISTIKA Formule
4. MOMENTI NUMERIČKIH NIZOVA
6.1. MOMENTI NEGRUPIRANIH PODATAKA
Momenti oko sredine  r :

N
1
r 
N
(x
i 1
i
 x ) r , r=0,1,2,…;  0  1 ; 1  0 ;  2   2
x –aritmetička sredina; xi – pojedinačna vrijednost numeričke varijable (obilježja) ili razredne sredine u distribuciji
frekvencija; N – broj podataka (vrijednosti)
Momenti oko nule  r :

N
1
r 
N
x
i 1
r
i
, r=0,1,2,…;  0  1 ; 1  x ;
N- broj vrijednosti podataka, xi – vrijednost numeričke varijable, x - aritmetička sredina,
6.2. MOMENTI GRUPIRANIH PODATAKA
Momenti oko sredine  r :

N
1
r 
N
 f (x
i 1
i i
 x )r
distribuciji frekvencija; N – broj podataka (vrijednosti)
Momenti oko nule  r :

N
1
r 
N
fx i 1
i
r
i
fi – frekvencije ili relativne frekvencije, N – zbroj frekvencija, xi – vrijednost numeričke varijable (razredna sredina), x-
aritmetička sredina

5
STATISTIKA Formule
5. MJERE ASIMETRIJE, MJERA ZAOBLJENOSTI
Koeficijent asimetrije  3
3
3  , … pri čemu je  3 :
3
N
1
a) Za negrupirane podatke  3 
N
(x
i 1
i
 x )3
N
1
b) Za grupirane podatke  3 
fi
 f (x
i 1
i i
 x )3
Pearsonova mjera asimetrije Sk:  3  Sk  3

3( x  M e )
a) S k 

(x  MO )
b) S k 

x –aritmetička sredina; Mo – mod; Me - medijan;  - standardna devijacija
Bowleyeva mjera asimetrije Skq:  1  S ka  1

Q1 Q 3 2M e
S kq 
Q3  Q1
x –aritmetička sredina; Q1 – gornij kvartil; Q3 – donji kvartil; Me - medijan
Koeficijent spljoštenosti –mjera zaobljenosti  4

4
4  … pri čemu je  4
4
N
1
a) Za negrupirane podatke  4 
N
(x i 1
i
 x )4
N
1
b) Za grupirane podatke  4 
fi
 f (x
i 1
i i
 x )4

6
STATISTIKA Formule
6. SLUČAJNE VARIJABLE
8.1. DISKRETNA SLUČAJNA VARIJABLA
Funkcija diskretne slučajne varijable (kumulativna funkcija)

k
F(xi)=  p( x )
x  xi
i
P(xi) – vjerojatnost slučajne varijable x
Očekivana vjerojatnost diskretne slučajne varijable
E X  
k
 i 1
xi p ( xi )
Definicija vjerojatnosti:
 2  E ( x   )2  
Operativne formule:
k k
Varijanca:  2   xi2 p ( xi )   2  2   ( xi   ) 2 * p ( xi )
i 1 i 1
Standardna devijacija:   2

Koeficijent devijacije: V  *100

8.2. KONTINUIRANA SLUČAJNA VARIJABLA
Očekivana vjerojatnost kontinuirane slučajne varijable:

00
E(x)=  f ( x ) dx  
 00
Varijanca po definiciji:
  (x  )
00
 2  E ( x   )2  2
f ( x ) dx
00
Operativne formule:
00
Varijanca:   x ( x ) dx   2
2 2
 00
Standardna devijacija:   2

Koeficijent devijacije: V *100


7
STATISTIKA Formule
7. MODELI DISTRIBUCIJE VJEROVATNOSTI
9.1. ODABRANE TEORIJSKE FUNKCIJE VJEROJATNOSTI
Očekivana vrijednost:    X 
Varijanca: 
 2   ( X   )2 
Binomna funkcija
 n n!
p( x)    p x q n  x  p( x)  p x q n x 1,2 … n 0  p  1, q  1  p
 x x!(n  x)!
Očekivana vrijednost:   np
Varijanca:  2  npq
1 2 p
Koeficijent asimetrije:  3 
npq
1  6 pq
Koeficijent zaobljenosti:  4  3 
npq
p - vjerojatnost da će se ostvariti događaj A; q - vjerojatnost da se događaj A neće ostvariti; n - broj elemenata u uzorku
(pokusa); x – broj povoljnih ishoda u n pokusa; n – x - broj nepovoljnih ishoda u n pokusa
Poissonova funkcija
e   x
p( x)   0
x!
Očekivana vrijednost:   
Varijanca: 2 
1
Koeficijent asimetrije:  3 

1
Koeficijent zaobljenosti:  4  3 

n – broj pokusa; p – vjerojatnost realizacije slučajnog događaja; x – broj povoljnih ishoda u n pokusa; e – baza prirodnih
logaritama 2.71828;  - broj događaja u vremenskom razdoblju
Čibiševijeva jednakost
1
P ( x  k  x  x  k )  1  k 1
k2
P – vjerojatnost; x – vrijednost numeričke varijable; x – aritmetička sredina;  - standardna devijacija

8
STATISTIKA Formule
Normalna (Gaussova) funkcija

2
1  x 
  
1 2 
f ( x)  e 
   x  ;    ;  0
 2
Očekivana vrijednost:   
Varijanca: 2 2
Koeficijent asimetrije:  3  0 Koeficijent zaobljenosti:  4  3
  ockivanja; konstante :   3,14; e  2, 71828
Normalna (jedinična, standardizirana) funkcija

x
1
1 
f (z)  e 2
z
2 
Očekivana vrijednost:  z  0
Varijanca:  2z 1
Koeficijent asimetrije:  3  0 Koeficijent zaobljenosti:  4  3
  ockivanja; konstante :   3,14; e  2, 71828
Studentova (t) funkcija

 1  1 
 
1  2   t2  2
f (t )  1      t  ;  N
      

 
2
Očekivana vrijednost:   0 2

Varijanca: 2   3
 2
6
Koeficijent asimetrije:  3  0 4 Koeficijent zaobljenosti:  4  3   5
 4
X 2 (hi-kvadrat)
x
v  
1  1  e 2
f ( x)  x 2 
x0
v
v
 22
2
Očekivana vrijednost:   v
Varijanca:  2  2v
8 12
Koeficijent asimetrije:  3  Koeficijent zaobljenosti:  4  3 
v 

9
STATISTIKA Formule
8. PROCJENA PARAMETRA POPULACIJE
8.1. PROCJENA ARITMETIČKE SREDINE POPULACIJE
Razina pouzdanosti:
1   
Intervalna procjena aritmetičke sredine:
Procjenitelj aritmetičke sredine populacije,  , brojem uzorkom veličine n elemenata: ̂  x
1 n 1 n n
x x
n i 1 i
x
fi
fx
i 1
i i
n   fi
i 1
x -aritmetička sredina uzorka; n – veličina uzorka,
Intervalna procjena:
1. Za velike uzorke n>30 P ( x  z x    x  z x )  (1   )
1 
koeficijent pouzdanosti za razinu povjerenja (1-  ) Z (P  )
2
2. Za male uzorke n<30 P ( x  t   x    x  t   x )  (1   )

2 2
t  – koeficijent pouzdanosti za razinu povjerenja (1-  ) t  ( n  1)

2
2
Standardna pogreška aritmetičke sredine:

  N n ˆ N n
 ; f  0,05  ; f  0,05
 n N 1 n N 1
x   x 
 
  f  0,05 ˆ
;  ; f  0,05
 n n
Procjenitelj standardne devijacije populacije za negrupirane i grupirane podatke iz uzorka:

n
1 n k
1 k
  (  xi ) 2  f i xi  (  f i xi ) 2
2 2
x i k
n   fi
n i 1 n i 1
ˆ  i 1
ˆ  i 1
;
n 1 n 1 i 1
n
ˆ  s ;
n 1

10
STATISTIKA Formule
S – standardna devijacija uzorka za slučaj:
a) negrupiranih podataka
n
1 n n
x  (  xi ) 2 (x  x )2
2
s i 1
i
n i 1
s i 1
i

x 2
i
 x2
n n n
b) grupiranih podataka
n
 f (x  x) i i
2
fx 2
f x 2
s i 1
 i i
x 2
s i i
 x2
f i f i
fi
N n
N – broj elemenata populacije; n – veličina uzorka; ; faktor korekcije za konačne osnovne skupove uz uvjet da
N 1
se izbor uzorka vrši bez ponavljanja
Izraz za standardnu pogrešku

Uvjeti za primjenu izraza
aritmetičke sredine populacije

x  σ poznata i f < 0.05
n
 N n
x  σ poznata i f ≥ 0.05
n N 1
ˆ
x  σ nije poznata i f < 0.05
n
ˆ
N n
x  σ nije poznata i f ≥ 0.05
N 1
n
s
x  σ nije poznata i f < 0.05
n 1
s N n
x  σ nije poznata i f ≥ 0.05
n 1 N 1
Interval izbora:
N 1
k 
n f
Frakcija pouzdanosti:
n
f 
N
N – broj elemenata populacije; n – veličina uzorka

11
STATISTIKA Formule
Procjena veličine uzorka za procjenu aritmetičke sredine:

 z * 
2
Planirana pogreška procjene d u mjernim jedinicama varijable: no   

 d 
 -standardna devijacija populacije; d – maksimalna pogreška procjene; z – koeficijent pouzdanosti
2
 z *V 
Planirana pogreška procjene dr u relativnom iznosu: no   
 d r 
V -koeficijent varijacije; dr – maksimalna relativna zadana pogreška procjene; z – koeficijent pouzdanosti
Određivanju konačne veličine uzorka n:

no
no ; ako je f o   0, 05
N
n=
no no
; ako je f o   0, 05
1 fo N
no – prethodna veličina uzorka; n – konačna veličina uzorka; fo –frakcija izbora
8.2. PROCJENA TOTALA KONAČNE POPULACIJE
Procjena totala brojem:

T  xi
 
N N
N
Total populacije T   xi   X
i 1
Procjenitelj totala populacije Tˆ  N * x   x
Standardna pogreška procjene totala  ˆ  N * x  

T x
Intervalna procjena totala:
1. Procjena intervala pomoću velikog uzorka … n>30

P (T  z *  ˆ  T  Tˆ  z *  ˆ )  (1   ) ILI P (  x  z * 
ˆ   x   x  z * )  (1   )
T T x x
2. Procjena intervala pomoću malog uzorka … n<30

P (T  t  *  ˆ  T  Tˆ  t  *  ˆ )  (1   )
ˆ
T T
2 2
N – broj elemenata populacije; x – aritmetička sredina uzorka; t – koeficijent pouzdanosti

12
STATISTIKA Formule
8.3. PROCJENA PROPORCIJE POPULACIJE
Procjena proporcije populacije brojem:

Procjena populacije: p
M

broje jedinica s nekim obiljezjem
N ukupan broj jedinica
m nm
Procjena brojem: pˆ  qˆ  1  pˆ 
n n
m - broj članova uzorka s određenim oblikom obilježja; n - veličina uzorka
Standardna pogreška sampling distribucije procjene proporcija:

 pˆ qˆ N  n 
 *  f  0,05 
 n - 1 N 1  N n f  n
 pˆ     faktor korelacije za koncne populacije
N 1 N
 pˆ qˆ  f  0,05 

 n 1 

Intervalna procjena proporcije:

P ( pˆ  z  *  pˆ  p  pˆ  z  *  pˆ )  (1   )
2 2
z - koeficijent pouzdanosti procjene  - standardna pogreška procjene proporcije

p̂
2
Određivanje veličine uzorka za procjenu proporcije populacije:
2
 
Planirana pogreška procjene d u apsolutnom iznosu: no   z *     z pq    
2
pq
 d 
 d 
 -standardna devijacija populacije; d – maksimalna pogreška procjene; z – koeficijent pouzdanosti
2
 q 
 z *V 
2 z 
p
Planirana pogreška procjene dr u relativnom iznosu: n     
o
 d r   d 
 r 
 
V -koeficijent varijacije; dr – maksimalna relativna zadana pogreška procjene; z – koeficijent pouzdanosti
Određivanju konačne veličine uzorka n:

no
no ; ako je f o   0, 05
N
n=
no no
; ako je f o   0, 05
1  fo N
no – prethodna veličina uzorka; n – konačna veličina uzorka; fo –frakcija izbora

13
STATISTIKA Formule
8.4. PROCJENA RAZLIČITIH ARITEMTIČKIH SREDINA

DVAJU OSNOVNIH SKUPOVA
Procjena proporcije nezavisnim uzorkom:
Procjena brojem:
 
D  X1  X 2
Intervalna procjena
a) veliki uzorci:
 
P( D  z x1  x2  1  2  D  z x1  x2 )  (1   )
 12  22
 x x  
1 2
n1 n2
b) mali uzorci:
 
P( D  t x1  x2  1  2  D  t x1  x2 )  (1   )
n1  n 2 (n1  1)ˆ 12  (n 2  1) 22 n1  n 2

 x x   
 x1  x2  (
1 2
n1 n 2 n1  n 2  2 n1 n 2 )
t  (n1  n2  2)
xi1  x1    xi1
2
ˆ 1 2   x1 
n1  1 n1

D - razlika sredina nezavisnih uzoraka
z  / 2 - koeficijen t pouzdanosti procjene koji ovisi o razini pouzdanosti (TABLICE!)
 x  x - standardna pogrješka razlike sredina
1 2

14
STATISTIKA Formule
9. TESTIRANJE HIPOTEZA O PARAMETRU
9.1. TESTIRANJE HIPOTEZA O ARITMETIČKOJ SREDINI POPULACIJE
Za velike uzorke … n>30

Tabela 9.1. Tabela hipoteze o pretpostavljenoj aritmetičkoj sredini osnovnog skupa i način donošenja odluke
Nulta Alternativna Područje Područje
VRSTA TESTA
hipoteza hipoteza prihvaćanja Ho odbacivanja Ho
z  z z  z p 
Dvosmjeran H o ...   o H 1 ...   o p 
2 2
Jednosmjeran, na gornju p 
H o ...   o H 1 ...   o z  z p  z  z
granicu (test „više od“)
Jednosmjeran, na donju p 
H o ...   o H 1 ...   o z   z p  z   z
granicu (test „manje od“)
Izvor: Šošić, I.: Primijenjena statistika, Školska knjiga, Zagreb, 2006., 238. stranica
KRITIČNE GRANICE: c1   o  z *  x c 2   o  z *  x
2 2
Za male uzorke … n<30

Tabela 9.2. Tabela hipoteze o pretpostavljenoj aritmetičkoj sredini osnovnog skupa i način donošenja odluke
Alternativna Područje Područje
VRSTA TESTA Nulta hipoteza
hipoteza prihvaćanja Ho odbacivanja Ho
t  t t  t p 
Dvosmjeran H o ...   o H 1 ...   o p 
2 2
Jednosmjeran, na gornju p 
H o ...   o H 1 ...   o t  t p  t  t
granicu (test „više od“)
Jednosmjeran, na donju p 
H o ...   o H 1 ...   o t   t p  t   t
granicu (test „manje od“)
KRITIČNE GRANICE: c1   o  t *  x c 2   o  t *  x
2 2
Testna veličina:
x  o z,t – empirijski z,t omjer;
z
x X - aritmetička sredina uzorka;
 o - pretpostavljena vrijednost aritmetičke sredine populacije;
x  o
t  x - standardna pogreška
x
Koeficijent pouzdanosti
z ( P  0, 5   / 2 ) z ( P  0, 5   ) t ( n  1)
2
Empirijska razina značajnosti p-vrijednosti:
p-vrijednost=2P(z> z ) p-vrijednost=P(z> z )
p-vrijednost=2P(t> t ) p-vrijednost=P(t> t )

15
STATISTIKA Formule
9.2. TESTIRANJE HIPOTEZA O RAZLICI ARITMETIČKIH SREDINA

- nezavisni uzorci
Alternativna Područje Područje

VRSTA TESTA Nulta hipoteza
hipoteza prihvaćanja Ho odbacivanja Ho
Dvosmjeran H o ...1   2  D0 H 1 ...1   2  D0 z  z z  z
2 2
Jednosmjeran, na H o ...1   2  D0 H o ...1   2  D0 z  z z  z

C2 („više od“)
Jednosmjeran, na H o ...1   2  D0 H o ...1   2  D0 z   z z   z
C1 („manje od“)
KRITIČNE GRANICE: c1  Do  z *  x1  x2 c 2  Do  z *  x1  x2
2 2
Testna veličina:
( x1  x 2 )  D0 z,t – empirijski z,t omjer;
z
x 1  x2
X - aritmetička sredina uzorka;
 o - pretpostavljena vrijednost aritmetičke sredine populacije;
( x1  x 2 )  D0
t  x - standardna pogreška
x 1  x2
 ˆ 2 ˆ 2 2
  ˆ 12 / n1 ) 2 (ˆ 22 / n 2 ) 2 
ss  INT  1  2  /
  n 1  n 1
  stupnjevi slobode za t-test

 n1 n2   1 2 
9.3. USPOREDBA VARIJANCI DVAJU OSNOVNIH SKUPOVA

- nezavisni uzorci
ˆ 12 /  12 ˆ 12
F Empirijski F-omjer: F 
ˆ 22 /  22 ˆ 22
Područje Područje
VRSTA TESTA Nulta hipoteza Alternativna hipoteza
prihvaćanja Ho odbacivanja Ho
 12  12  12  12
Dvosmjeran H o ... 1 H 1 ... 1  F / 2  F / 2
 22  22  22  22
Jednosmjeran, 2 2  12  12
H o ... 12  1 H 1 ... 12  1  F  F
gornja granica 2 2  22  22
Jednosmjeran, donja  12  12  22  22
H o ... 1 H 1 ... 1  F  F
granica  22  22  12  12
Testna veličina:
F / 2n1 1;n2 1 - dvosmjeran test F n1 1; n2 1 - jednosmjeran test

16
STATISTIKA Formule
9.4. Hi-KVADRAT TEST
( f 1  e1 ) 2 ( f 2  e2 ) 2 ( f i  ei ) 2 ( f k  ek ) 2
X  2
  ...   ... 
e1 e2 ei ek
X 2

 ( f i  ei ) 2
ei
H 0 .... p i  p  m  m  ...  mk
p 1 2
H 1 ... p i  p n1  n 2  ...  n k
Teorijska vrijednost x2 (k  g  1)
 ni * n j
Očekivane frekvencije iz uzorka: eij  np ij  eij 
n
c
  r
i 1
j 1
(mij  eii ) 2
Testna veličina empirijski hi-kvadrat: X 2 
eij
H 0 ....x 2  x2 (r  1)(c  1)

H 1 ...x 2  x2 (r  1)(c  1)

17
STATISTIKA Formule
10. T A B L I C E
Površina ispod normalne krivulje – z
Z .00 .01 .02 .03 .04 .05 .06 .07 .08 .09
0.0 .0000 .0040 .0080 .0120 .0160 .0199 .0239 .0279 .0319 .0359
0.1 .0398 .0438 .0478 .0517 .0557 .0596 .0636 .0675 .0714 .0754
0.2 .0793 .0832 .0871 .0910 .0948 .0987 .1026 .1064 .1103 .1141
0.3 .1179 .1217 .1255 .1293 .1331 .1368 .1406 .1443 .1480 .1517
0.4 .1554 .1591 .1628 .1664 .1700 .1736 .1772 .1808 .1844 .1879
0.5 .1915 .1950 .1985 .2019 .2054 .2088 .2123 .2157 .2190 .2224
0.6 .2258 .2291 .2324 .2357 .2389 .2422 .2454 .2486 .2518 .2549
0.7 .2580 .2612 .2642 .2673 .2704 .2734 .2764 .2794 .2823 .2852
0.8 .2881 .2910 .2939 .2967 .2996 .3023 .3051 .3078 .3106 .3133
0.9 .3159 .3186 .3212 .3238 .3264 .3289 .3315 .3340 .3365 .3389
1.0 .3413 .3438 .3461 .3485 .3508 .3531 .3554 .3577 .3599 .3621
1.1 .3643 .3665 .3686 .3708 .3729 .3749 .3770 .3790 .3810 .3830
1.2 .3849 .3869 .3888 .3907 .3925 .3944 .3962 .3980 .3997 .4015
1.3 .4032 .4049 .4066 .4082 .4099 .4115 .4131 .4147 .4162 .4177
1.4 .4192 .4207 .4222 .4236 .4251 .4265 .4279 .4292 .4306 .4319
1.5 .4332 .4345 .4357 .4370 .4382 .4394 .4406 .4418 .4429 .4441
1.6 .4452 .4463 .4474 .4484 .4495 .4505 .4515 .4525 .4535 .545
1.7 .4554 .4564 .4573 .4582 .4591 .4599 .4608 .4616 .4625 .4633
1.8 .4641 .4649 .4656 .4664 .4671 .4678 .4686 .4693 .4699 .4706
1.9 .4713 .4719 .4726 .4732 .4738 .4744 .4750 .4756 .4761 .4767
2.0 .4772 .4778 .4783 .4788 .4793 .4798 .4803 .4808 .4812 .4817
2.1 .4821 .4826 .4830 .4834 .4838 .4842 .4846 .4850 .4854 .4857
2.2 .4861 .4864 .4864 .4871 .4875 .4878 .4881 .4884 .4887 .4890
2.3 .4893 .4896 .4898 .4901 .4904 .4906 .4909 .4911 .4913 .4916
2.4 .4918 .4920 .4922 .4925 .4927 .4929 .4931 .4932 .4934 .4936
2.5 .4938 .4940 .4941 .4943 . 4945 . 4946 . 4948 . 4949 . 4951 . 4952
2.6 . 4953 . 4955 . 4956 . 4957 . 4959 . 4960 . 4961 . 4962 . 4963 . 4964
2.7 . 4965 . 4966 . 4967 . 4968 . 4969 . 4970 . 4971 . 4972 . 4973 . 4974
2.8 . 4974 . 4975 . 4976 . 4977 . 4977 . 4978 . 4979 . 4979 . 4980 . 4981
2.9 . 4981 . 4982 . 4982 . 4983 . 4984 . 4984 . 4985 . 4985 . 4986 . 4986
3.0 . 4987 . 4987 . 4987 . 4988 . 4988 . 4989 . 4989 . 4989 . 4990 . 4990
3.1 . 4990 . 4991 . 4991 . 4991 . 4992 . 4992 . 4992 . 4992 . 4993 . 4993
3.2 . 4993 . 4993 . 4994 . 4994 . 4994 . 4994 . 4994 . 4995 . 4995 . 4995
3.3 . 4995 . 4995 . 4995 . 4996 . 4996 . 4996 . 4996 . 4996 . 4996 . 4997
3.4 . 4997 . 4997 . 4997 . 4997 . 4997 . 4997 . 4997 . 4997 . 4998 . 4998

18
STATISTIKA Formule
Kritične vrijednosti tr Studentove distribucije

* granične vrijednosti varijable t za pripadne površine ispod krivulje i k
stupnjeva slobode
k (s.s.) t0,500 t0,100 t0,050 t0,025 t0,010 t0,005 t0,001
1 1,000 3,078 6,314 12,706 31,821 63,657 636,619
2 0,816 1,886 2,920 4,303 6,965 9,925 31,599
3 0,765 1,638 2,353 3,182 4,541 5,841 12,924
4 0,741 1,533 2,132 2,776 3,747 4,604 8,610
5 0,727 1,476 2,015 2,571 3,365 4,032 6,869
6 0,718 1,440 1,943 2,447 3,143 3,707 5,959
7 0,711 1,415 1,895 2,365 2,998 3,499 5,408
8 0,706 1,397 1,860 2,306 2,896 3,355 5,041
9 0,703 1,383 1,833 2,262 2,821 3,250 4,781
10 0,700 1,372 1,812 2,228 2,764 3,169 4,587
11 0,697 1,363 1,796 2,201 2,718 3,106 4,437
12 0,695 1,356 1,782 2,179 2,681 3,055 4,318
13 0,694 1,350 1,771 2,160 2,650 3,012 4,221
14 0,692 1,345 1,761 2,145 2,624 2,977 4,140
15 0,691 1,341 1,753 1,131 2,602 2,947 4,073
16 0,690 1,337 1,746 2,120 2,583 2,921 4,015
17 0,689 1,333 1,740 2,110 2,567 2,898 3,965
18 0,688 1,330 1,734 1,101 2,552 2,878 3,922
19 0,688 1,328 1,729 2,093 2,539 2,861 3,883
20 0,687 1,325 1,725 2,086 2,528 2,845 3,850
21 0,686 1,323 1,721 2,080 2,518 2,831 3,819
22 0,686 1,321 1,717 2,074 2,508 2,819 3,792
23 0,685 1,319 1,714 2,069 2,500 2,807 3,768
24 0,685 1,318 1,711 2,064 2,492 2,797 3,745
25 0,684 1,316 1,708 2,060 2,485 2,787 3,725
26 0,684 1,315 1,706 2,056 2,479 2,779 3,707
27 0,684 1,314 1,703 2,052 2,473 2,771 3,690
28 0,683 1,313 1,701 2,048 2,467 2,763 3,674
29 0,683 1,311 1,699 2,045 2,462 2,756 3,659
30 0,683 1,310 1,697 2,042 2,457 2,750 3,646
 0,674 1,282 1,645 1,960 2,326 2,576 3,291

19
STATISTIKA Formule
F-razdioba
  0,01

20
STATISTIKA Formule
F-razdioba
  0,05

21
STATISTIKA Formule
Hi-kvadrat distribucija
Granične vrijednosti varijable  2 za pripadne površine

ispod krivulje i k stupnjeva slobode

22
STATISTIKA Formule - Ecell Primjena
11. EXCELL - Primjena
11.1. Mjere centralne tendencije
Aritmetička sredina  funkcija AVERAGE

1.
Postupak:
1. Unesi podatke u radni list EXCEL-a
2.
2. Odaberi slobodno polje gdje će se ispisati rezultat. Na traci alata
klikni na ikonu funkcija (1.)
3. U dijalog prozoru u polju select a category odaberi Statistical, a u
polju Select a function odaberi AVERAGE (2.). Klikni na Ok
4. U dijalog prozoru u polju Number1 unesi podatke iz radnog lista
(3.). Klikni na Ok.
5. U odabranom polju program ispiše vrijednost aritmetičke sredine za 3.
unesene podatke.
Napomena: Ako u nekom polju nedostaju podaci, primjenjuje se

funkcija AVERAGEA koja ignorira prazno polje
Harmonijska sredina  funkcija HARMEAN

- srednja vrijednost recipročnih vrijednosti statističkog niza i za njeno računanje uzimaju se u obzir sve
recipročne vrijednosti statističkog niza. Njena je vrijednost manje osjetljiva na ekstremne vrijednosti.
Obično se primjenjuje u financijskim izvješćima.
Median  funkcija MEDIAN

1.
Postupak:
1. Unesi podatke u radni list EXCEL-a 2.
klikni na ikonu funkcija (1)
polju Select a function odaberi MEDIAN (2). Klikni na Ok
4. U dijalog prozoru u polju Number1 unesi podatke iz radnog lista (3).
Klikni na Ok.
3.
5. U odabranom polju program ispiše vrijednost medijan unesenih
podataka.

23
Mod  funkcija MODE
1.
Postupak:
1. Unesi podatke u radni list EXCEL-a
2.
klikni na ikonu funkcija (1)
polju Select a function odaberi MODE (2). Klikni na Ok
4. U dijalog prozoru u polju Number1 unesi podatke iz radnog lista (3).
Klikni na Ok.
5. U odabranom polju program ispiše vrijednost moda unesenih
podataka. 3.
11.2. Mjere rasipanja

1.
Raspon  funkcija MAX / MIN
2.
Postupak:
1. Upiši podatke u radni list
2. klikni na slobodno polje gdje želiš upisati MAX. Na alatnoj traci klikni
na ikonu funkcija (1)
3. u dijalog prozoru u polju select a category odaberi Statistical, a u
polju Select a function odaberi MAX (2). Klikni na Ok
3.
4. U dijalog prozoru u polju Number1 unesi podatke iz radnog lista (3)
4. ponovi točke 2, 3 i 4, a u polju Select a function odaberi MIN.
5. Raspon R jednak je razlici MAX – MIN.
Percentili  funkcija PERCENTILE

- Mjerni rezultat ispod kojeg se nakazi k-ti udio svih rezultata
Primjer: 90-ti Percentil = 95,2 kg  Objašnjenje: 90% svih izmjerenih vrijednosti je manje ili jednako
95,2 kg, odnosno 10% svih izmjerenih vrijednosti je veće od 95,2 kg
Postupak:
1. Upiši podatke u EXCEL radni list. Klikni na slobodnu ćeliju gdje će biti upisan rezultat računanja. Na
traci alata klikni na ikonu funkcija (1)
2. U dijalog prozoru u polju select a category odaberi Statistical, a u polju Select a function odaberi
PERCENTILE. Klikni na Ok (2).

24
3. U dijalog prozoru u polju Array unesi podatke iz radnog lista, a u polju K upiši udio ispod granice,
(npr. 0,9) (3). Klikni na Ok.
4. U odabranom polju program ispiše vrijednost zahtijevanog percentila unesenih podataka
Varijanca  funkcija VAR
Postupak:
1. Unesi podatke u radni list EXCEL programa
2. Odaberi praznu ćeliju u koju će se upisati vrijednost varijance. Na traci alata klikni na ikonu funkcija
(1)
3. U dijalog prozoru u polju select a category odaberi Statistical, a u polju Select a function odaberi VAR
(2). Klikni na Ok
4. U dijalog prozoru u polju Number1 upiši sve podatke iz radnog lista (3). Klikni na Ok.
5. U odabranu ćeliju program ispiše vrijednost varijance.
Napomena: Funkcija VARA računa varijancu iz podataka u kojima ima i praznih ćelija. Funkcija VARP
računa varijancu populacije, a VARPA varijancu populacije kad su neke ćelije prazne.
Standardno odstupanje  funkcija STDEV

- računa standardno odstupanje pridruženih podataka uzorka (dijeli s n-1).
Postupak:
1. Unesi podatke u radni list EXCEL programa
2. Odaberi praznu ćeliju u koju će se upisati vrijednost standardnog odstupanja. Na traci alata klikni na
ikonu funkcija (1)
3. U dijalog prozoru u polju select a category odaberi Statistical, a u polju Select a function
odaberi STDEV (2). Klikni na Ok
4. U dijalog prozoru u polju Number1 upiši sve podatke iz radnog lista (3). Klikni na Ok.
5. U odabranu ćeliju program ispiše vrijednost standardnog odstupanja.
Napomena: Funkcija STDEVA računa standardno odstupanja iz podataka u kojima ima i praznih ćelija.
Funkcija STDEVP računa standardno odstupanje populacije (dijeli s N),
a STDEVPA standardno odstupanje populacije kad su neke ćelije prazne.

25

Formule Statistika

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Formule Statistika

Uploaded by

Copyright:

Available Formats

PREGLED FORMULA IZ

Petra Tišler, mag.oec, predavač

Sveučilište Sjever, 2020./2021.

1. Statistički nizovi …………………………………………………………. 1

2. Srednje vrijednosti …………………………………………………………. 2

3. Mjere disperzije (raspršenosti) …………………………………………. 3

4. Momenti numeričkih nizova ……………………………………….………… 5

5. Mjere asimetrije, mjere zaobljenosti ……………………………...………… 6

6. Slučajne varijable ………………………………………………………… 7

7. Modeli distribucije vjerojatnosti ………….………………………………….. 8

8. Procjena parametra populacije ………………………………………… 10

Tišler, P., mag.oec.

8.4. Procjena različitih aritmetičkih sredina dvaju osnovnih skupova …….. 14

9. Testiranje hipoteza o parametru ………………………………………. 15

10. Tablice ………………………………………………………….………… 18

11. Excell - Primjena …………………………………………………………… 23

Tišler, P., mag.oec.

RELATIVNE FREKVENCIJE – proporcija, postotna frekvencija

Određivanje broja razreda Određivanje veličine razreda

Relativni brojevi koordinacije

Tišler, P., mag.oec.

Aritmetička sredina - potpuna srednja vrijednost

2. Distribucija frekvencija: L1 – donja granica medijalnog razreda;

3. MJERE DISPERZIJE (RASPRŠENOSTI)

Za n negrupiranih podataka: Rx=Xmax - Xmin xmax; xmin – najveća i najmanja

Koeficijent kvartilne varijacije Vq Varijabilitet

Tišler, P., mag.oec.

Varijanca - izražavamo je preko kvadrata odstupanja:

Standardna devijacija - pozitivni korijen iz varijance

Tišler, P., mag.oec.

4. MOMENTI NUMERIČKIH NIZOVA

6.1. MOMENTI NEGRUPIRANIH PODATAKA

Momenti oko sredine  r :

Momenti oko nule  r :

N- broj vrijednosti podataka, xi – vrijednost numeričke varijable, x - aritmetička sredina,

6.2. MOMENTI GRUPIRANIH PODATAKA

Momenti oko sredine  r :

Momenti oko nule  r :

Tišler, P., mag.oec.

5. MJERE ASIMETRIJE, MJERA ZAOBLJENOSTI

Pearsonova mjera asimetrije Sk:  3  Sk  3

x –aritmetička sredina; Mo – mod; Me - medijan;  - standardna devijacija

Bowleyeva mjera asimetrije Skq:  1  S ka  1

x –aritmetička sredina; Q1 – gornij kvartil; Q3 – donji kvartil; Me - medijan

Koeficijent spljoštenosti –mjera zaobljenosti  4

Tišler, P., mag.oec.

8.1. DISKRETNA SLUČAJNA VARIJABLA

Funkcija diskretne slučajne varijable (kumulativna funkcija)

P(xi) – vjerojatnost slučajne varijable x

Očekivana vjerojatnost diskretne slučajne varijable

8.2. KONTINUIRANA SLUČAJNA VARIJABLA

Očekivana vjerojatnost kontinuirane slučajne varijable:

Tišler, P., mag.oec.

7. MODELI DISTRIBUCIJE VJEROVATNOSTI

9.1. ODABRANE TEORIJSKE FUNKCIJE VJEROJATNOSTI

P – vjerojatnost; x – vrijednost numeričke varijable; x – aritmetička sredina;  - standardna devijacija

Tišler, P., mag.oec.

Normalna (Gaussova) funkcija

Normalna (jedinična, standardizirana) funkcija

Studentova (t) funkcija

Tišler, P., mag.oec.

8. PROCJENA PARAMETRA POPULACIJE

8.1. PROCJENA ARITMETIČKE SREDINE POPULACIJE