Mjere raspršenja rezultata

Normalna distribucija
• Normalna distribucija je distribucija rezultata koja je uzdignuta
na sredini i simetrično raspoređena na obje strane vrha. Često
se zove “zvonolika”. Kod idealne normalne distrubucije,
aritmetička sredina, centralna i dominantna vrijednost su u
samoj sredini krivulje i predstavljaju istu vrijednost.
 Normalna distribucija
• Većina varijabli i pojava oko nas je normalno
distribuirana.
• Da bi distribucija bila normalna ona mora
zadovoljiti sljedeće karakteristike:
Mora biti simetrična oko aritmetičke
sredine.
krakovi idu prema x osi do beskonaćnosti
Mora biti zvonolika.
 Normalna distribucija
• Sve ove distribucije
su normalne, iako
nisu iste, ali su sve
simetrične,
asimptotski se
približavaju jedna
drugoj i zvonolike su.
• Jedina je razlika u
standardnoj
devijaciji, odnosno
raspršenju.
 Raspršenje rezultata
• Druga važna odlika deskriptivne statistike je
koliko su podaci raspršeni oko vrijednosti,
odnosno koliko se razilikuju podaci unutar
jednog uzorka ili populacije.
• Varijanca pokazuje stepen u kojem su podaci
različiti jedni od drugih.
 Raspon rezultata
• Jednostavna mjera, ili indikator raspršenja
rezultata jeste totalni raspon, što je zapravo
razlika između minimalnog i maksimalnog
rezultata.
• Totalni raspon nam govori o tome da svi
rezultati nisu jednaki, da postoji određeni
dijapazon, u kojem se ostali rezultati kreću, ali
nemamu nikakvu informaciju o tome šta se
dešava između samih skorova.
• Ova dva histograma su napravljena za iste podatke
kod kojih je M 16, i isti im je raspon rezultata.
• Oba imaju isti raspon rezultata, 22. Ali su zapravo
sasvim različite distribucije. U distribuciji A, rezultati
su više različiti nego u distribuciji B.
 Standardna devijacija
• Bolja mjera za raspršenje rezultata je standardna
devijacija (SD ili δ). Standardna devijacija nam
daje informaciju o tome šta se dešava između
minimalnog i maksimalnog rezultata zbog toga
što ona govori o tome kolio rezultati variraju oko
M (aritmetičke sredine).
• Standardna devijacija je stepen u kojem skorovi
u setu podataka variraju oko M. To je procjena
prosjećne devijacije rezultata oko aritmetičke
sredine.
 Kako izračunati SD(δ)
• Zamislimo da imamo grupu rezultata koja govori koliko
čokolada ljudi pojedu u toku sedmice: 1, 4, 5, 6, 9, 11.
• Da bismo izračunali SD, moramo uraditi sljedeće:
1. Izračunati M, koja iznosi 6.
2. Odstupanja svakog rezultata od M su sljedeća: −5, −2,
−1, 0, 3, 5 (ako ih saberemo, dobijemo 0).
3. Stoga, da bi se riješili predznaka, trebamo sve ove
vrijednosti kvadrirati, te onda dobijemo: 25, 4, 1, 0, 9,
25.
4. Dalje, računamo aritmetičku sredinu ovih vrijednosti, i
to je 64 ÷ 6, odnosno 10.67. Ova cifra je cifra varijance.
5. Da bi dobili standardnu devijaciju, ovaj skor ćemo
korjenovati, te dobijemo 3.27.
 Ostale osobine distribucija
• Mjera koja nam govori koliko je distribucija “zašiljena” zove se kurtičnost
distribuvije. Zaravnjena distribuvija se zove platikurtična a veoma zašiljena
je leptokurtična. Distribucija koja je između ova dva kraja je mezokurtična.
• U SPSS-u pozitivne vrijednosti kurtičnosti ukazuju da je distribucija
leptokurtična, dok negativne vrijednosti ukazuju na platikurtičnost.
Vrijednost 0 ukazuje na mezokurtičnost.
 Distribucije koje nisu normalne
• Nagete distribucije su one čiji je vrh udaljen o centra
distribucije na jednu ili na drugu stranu. Negativno
asimetrična distribucija je ona čiji je vrh naget prema
desno, odnosno višim vrijednostima x skale, a rep joj ide
prema nižim vrijednostima. Pozitivno nageta distribucija
ima vrh koji je pomjeren u lijevo, prema nižim
vrijednostima, a rep je usmjeren prema višim
vrijednostima.
• Pozitivne vrijednosti sugeriraju na pozitivno nagetu
distribuciju, dok negativne vrijednosti sugeriraju na
negativnu distribuiju. Vrijednost 0 govori da distribucija
nje nageta niti na jednu stranu. Vrijednosti nagetosti
distribucije oko 1 (ili -1) sugeriraju devijaciju od
normalnosti, te tako ne možemo koristiti određene
statističke postupke.
 Distribucije koje nisu normalne
• Bimodalna
distribucija je ona
koja ima dva vrha.
Ona sugerira da
zapravo imamo
dvije različite
populacije iz kojih
smo crpili
podatke.