OSNOVE STATISTIKE I

INFORMATIKE

doc.dr.
doc. dr.sc.
sc.Tošo
TošoMaršić
Maršić
tmarsic@gmail.com
tmarsic@gmail.com
 Cilj
 Usvajanje teoretskih znanja iz statistike
 Upoznavanje s mogućnostima korištenja statističkih
aplikacija
statistika ??
??
 Svrha
 Praktična korist?
 Trener će moći:
 Razumjeti osnovne statističke pojmove
 Statistički obraditi i grafički prikazati podatke
 Bolje razumjeti znanstvene i stručne članke
 Utvrđivati efekte svog rada
 Utvrđivati povezanosti i razlike
 Efikasnije provoditi mjerenja
 PODRUČJA
 Osnovne statističke metode
 Kineziometrija
 Primjena Excela
OSNOVNE STATISTIČKE MET
ODE
 Osnovni statistički pojmovi
 Inicijalni statistički postupci
 Deskriptivni pokazatelji
 Transformacije podataka
 T-test
 Korelacija
 KINEZIOMETRIJA

 Mjerenje i mjerne skale

 Metrijske karakteristike
 Pouzdanost
 Objektivnost
 Valjanost
 Osjetljivost
OSNOVNI STATISTIČKI
POJMOVI
statistika ??
??

Statistka - skup metoda i postupaka za sređivanje,

analiziranje i grafičko prikazivanje velike količine podataka
(npr. Judo.xls)
OSNOVNI STATISTIČKI
POJMOVI
Statistka - skup metoda i postupaka za sređivanje,
analiziranje i grafičko prikazivanje velike količine
podataka.

podatak ???
?
OSNOVNI STATISTIČKI
POJMOVI
Podatak - vrijednost kojom je opisno određeno obilježje
(svojstvo) nekog entiteta.

entitet ???
?
OSNOVNI STATISTIČKI
POJMOVI
Entitet - jedinka nekog skupa osoba, objekata, stvari, i sl.
koja je opisana određenim obilježjima ili svojstvima.

varijabla ?
???
OSNOVNI STATISTIČKI
POJMOVI
Varijabla - svojstva, obilježja, osobine, sposobnosti,
motorička znanja, itd. po kojim se entiteti međusobno
razlikuju.
Mirko Marko Marin

TV=192 cm TV=174 cm TV=186 cm

TM=87 kg TM=68 kg TM=75 kg

OSNOVNI STATISTIČKI
POJMOVI

Populacija entiteta - skup svih entiteta čija su obilježja

predmet statističke analize
OSNOVNI STATISTIČKI
POJMOVI
Uzorak entiteta - podskup entiteta izabran iz populacije u
skladu s nekim pravilom, a s ciljem da je što bolje reprezentira.

Vrste uzoraka

jednostavni slučajni uzorak

namjerni
prigodni intervalni uzorak
slučajni stratificirani uzorak
OSNOVNI STATISTIČKI
POJMOVI
Populacija ili univezum varijabli je skup svih mogućih
varijabli kojima se može opisati stanje nekog entiteta.

Uzorak varijabli - podskup varijabli izabran na temelju neke

teorije iz populacije varijabli.
OSNOVNI STATISTIČKI
POJMOVI
Vrste varijabli
nominalne
kvalitativne
ordinalne
intervalne
kvantitativne
omjerne

diskretne kontinuirane
OSNOVNI STATISTIČKI
POJMOVI

Matrica podataka - skup podataka dobivenih opisom skupa

entiteta nekim skupom varijabli
OSNOVNI STATISTIČKI
POJMOVI
Spol TV TM

Marin m 192 87

Marko m 174 68

Mirko m 186 75
OSNOVNI POSTUPCI ZA
UREĐIVANJE I PRIKAZIVANJE
PODATAKA
Statistička obrada vrši pomoću specijaliziranih računalnih
programa za statističko-grafičku obradu podataka (SPSS,
STATISTICA,EXCEL itd.).
OSNOVNI POSTUPCI ZA
UREĐIVANJE I PRIKAZIVANJE
PODATAKA
Grupiranje podataka
- postupak razvrstavanja entiteta s istim oblikom obilježja u
određeni broj podskupova.
Primjer:
Na ispit je izišlo 40 studenata, 15 ih je položilo, a 25 nije.

OBLIK OBILJEŽJA FREKVENCIJA

Nisu položili 25
Položili 15
Ukupno 40
OSNOVNI POSTUPCI ZA
UREĐIVANJE I PRIKAZIVANJE
PODATAKA
Grupiranje podataka
Višedimenzionalno grupiranje - grupiranje entiteta po više
obilježja (varijabli)
Primjer:
Od 26 trenera ispit je položilo 10, a od 14 trenerica položilo ih
je 5.
SPOL NISU POLOŽILI POLOŽILI UKUPNO
MUŠKARCI 16 10 26
ŽENE 9 5 14
UKUPNO 25 15 40
OSNOVNI POSTUPCI ZA
UREĐIVANJE I PRIKAZIVANJE
PODATAKA
Grupiranje i grafičko prikazivanje podataka

GRUPIRANJE PODATAKA

USPJEH NA ISPITU FREKVENCIJA %

NEDOVOLJAN 25 62,5
DOVOLJAN 8 20
DOBAR 3 7,5
VRLO DOBAR 2 5
ODLIČAN 2 5
UKUPNO 40 100
 OSNOVNI POSTUPCI ZA
UREĐIVANJE I PRIKAZIVANJE
PODATAKA
Grupiranje i grafičko prikazivanje kvalitativnih podataka

Kvalitativni podaci najčešće se prikazuju pomoću

grafikona stupaca, grafikona redaka i strukturnim krugom.

30

odličan

25
odličan
vrlo dobar 5,0%
vrlo dobar 5,0%
20
dobar
7,5%
15 dobar

10
dovoljan dovoljan
20,0%
nedovoljan
5
62,5%
nedovoljan

0
nedovoljan dovoljan dobar vrlo dobar odličan
0 5 10 15 20 25 30
f 25 8 3 2 2
OSNOVNI POSTUPCI ZA
UREĐIVANJE I PRIKAZIVANJE
PODATAKA
Grupiranje i grafičko prikazivanje kvalitativnih podataka
30

GRAFIKON STUPACA
25

20

15

10

0
nedovoljan dovoljan dobar vrlo dobar odličan
f 25 8 3 2 2
OSNOVNI POSTUPCI ZA
UREĐIVANJE I PRIKAZIVANJE
PODATAKA
Grupiranje i grafičko prikazivanje kvalitativnih podataka

odličan
GRAFIKON REDAKA

vrlo dobar

dobar

dovoljan

nedovoljan

0 5 10 15 20 25 30
OSNOVNI POSTUPCI ZA
UREĐIVANJE I PRIKAZIVANJE
PODATAKA
Grupiranje i grafičko prikazivanje kvalitativnih podataka
(primjer excel)
STRUKTURNI KRUG
odličan
vrlo dobar 5,0%
5,0%
dobar
7,5%

dovoljan
20,0%
nedovoljan
62,5%
OSNOVNI POSTUPCI ZA
UREĐIVANJE I PRIKAZIVANJE
PODATAKA
Grupiranje i grafičko prikazivanje kvantitativnih podataka
Sortiranje
uzlazno - ako se podaci nižu od najmanjeg do najvećeg
silazno - ako se podaci nižu od najvećeg do najmanjeg

Omogućava uočavanja minimalne (xmin) vrijednosti i

maksimalne (xmax) vrijednosti temeljem kojih je moguće
izračunati i tvz. totalni raspon (R) rezultata.

Rtot  xmax  xmin

OSNOVNI POSTUPCI ZA
UREĐIVANJE I PRIKAZIVANJE
PODATAKA
Grupiranje i grafičko prikazivanje kvantitativnih podataka
ENTITETI ZGIB
ANZU-V 4
Primjer - broj zgibova ERJA-M 2
(ZGIB) 18 sportaša jednog KRST-V 1
MILA-D 4
kluba (entiteti) MILL-M 3
NORI-M 1
NOVO-K 4
SAMA-A 2
SUBO-S 3
VANJ-M 5
VOLO-D 3
VUJI-I 2
BAZD-M 3
BLAS-M 3
GIRI-G 4
KRUN-D 3
MALI-M 3
MAMI-M 2
OSNOVNI POSTUPCI ZA
UREĐIVANJE I PRIKAZIVANJE
PODATAKA
Grupiranje i grafičko prikazivanje kvantitativnih podataka
ENTITETI ZGIB
KRST-V 1
Primjer - broj zgibova NORI-M 1
(ZGIB) 18 sportaša jednog MAMI-M 2
ERJA-M 2
kluba (entiteti) SAMA-A 2
VUJI-I 2
MILL-M 3
SUBO-S 3
VOLO-D 3
BAZD-M 3
BLAS-M 3
KRUN-D 3
MALI-M 3
ANZU-V 4
NOVO-K 4
GIRI-G 4
MILA-D 4
VANJ-M 5
OSNOVNI POSTUPCI ZA
UREĐIVANJE I PRIKAZIVANJE
PODATAKA
Grupiranje i grafičko prikazivanje kvantitativnih podataka

Broj entiteta s jednakom vrijednosti kvantitativnog obilježja

predstavlja frekvenciju.

BROJ OSOBNIH POGREŠAKA FREKVENCIJA

1 2
2 4
3 7
4 4
5 1
UKUPNO 18
OSNOVNI POSTUPCI ZA
UREĐIVANJE I PRIKAZIVANJE
PODATAKA
Grupiranje i grafičko prikazivanje kvantitativnih podataka
8
HISTOGRAM FREKVENCIJA
7

5
Frekvencije

0
1 2 3 3 5
OSNOVNI POSTUPCI ZA
UREĐIVANJE I PRIKAZIVANJE
PODATAKA
Grupiranje i grafičko prikazivanje kvantitativnih podataka
8
POLIGON FREKVENCIJA
7

0
1 2 3 4 5
OSNOVNI POSTUPCI ZA
UREĐIVANJE I PRIKAZIVANJE
PODATAKA
Grupiranje i grafičko prikazivanje kvantitativnih podataka
35
POLIGON FREKVENCIJA DVIJU GRUPA

30

25

20

15

10

0
x<=120 120<x<=140 140<x<=160 160<x<=180 180<x<=200 200<x<=220 220<x
DESKRIPTIVNI POKAZATELJI
Deskriptivni pokazatelji koriste se za opis varijabli putem:

mjera centralne tendencije ili središnjih mjera,

mjera varijabilnosti ili disperzije,

mjera asimetrije i zakrivljenosti (izduženosti ili

spljoštenosti) distribucije.
DESKRIPTIVNI POKAZATELJI
Mjere centralne tendencije ili središnje mjere
Zajedničko obilježje - dobra zamjena za skup svih
pojedinačnih vrijednosti, odnosno njihov najbolji
reprezentant.

Postoji nekoliko različitih mjera centralne tendencije, to su:

aritmetička sredina
mod
medijan
DESKRIPTIVNI POKAZATELJI
Mjere centralne tendencije ili središnje mjere
Aritmetička sredina

Najčešće korištena mjera centralne tendencije. Izračunava

se kao omjer zbroja svih vrijednosti neke varijable i
ukupnog broja entiteta.
n

x i
x i 1

gdje je n
i = 1, …,n,
n - broj entiteta.
DESKRIPTIVNI POKAZATELJI
Mjere centralne tendencije ili središnje mjere
Aritmetička sredina

Primjer
Naka je 10 entiteta postiglo sljedeće rezultate u nekom
motoričkom testu: 1, 2, 2, 3, 3, 3, 3, 4, 4, 5.
Aritmetička sredina je

1  2  2  3  3  3  3  4  4  5 30
x  3
10 10
DESKRIPTIVNI POKAZATELJI
Mjere centralne tendencije ili središnje mjere
Aritmetička sredina
Računa se samo za kvantitativne podatke i ima sljedeća
svojstva:

  x  x  0
n

i
i 1

  x  x
n
2
i  min
i 1

xmin  x  xmax
DESKRIPTIVNI POKAZATELJI
Mjere centralne tendencije ili središnje mjere
Mod ili dominantna vrijednost
- vrijednost koja se najčešće pojavljuje.

Primjer
Naka je 10 entiteta postiglo sljedeće rezultate u nekom
motoričkom testu: 1, 2, 2, 3, 3, 3, 3, 4, 4, 5.
Ocjena f
1 1
2 2
3 4
4 2
5 1
DESKRIPTIVNI POKAZATELJI
Mjere centralne tendencije ili središnje mjere
Medijan ili centralna vrijednost
- vrijdenost koja se nalazi na sredini uređenog niza podataka
(uzlazno ili silazno sortiranog)

Primjer
Naka je 15 entiteta (neparan niz) izmjereno nekim testom
čiji su rezultati uređeni po veličini:
x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 x11 x12 x13 x14 x15
1 2 2 2 2 3 3 3 3 3 4 4 4 5 5
DESKRIPTIVNI POKAZATELJI
Mjere centralne tendencije ili središnje mjere
Medijan ili centralna vrijednost

Primjer

Ako je 16 entiteta (paran niz) izmjereno nekim testom čiji su

rezultati uređeni po veličini:

x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 x11 x12 x13 x14 x15 x16

1 1 2 2 2 3 3 3 3 3 4 4 4 4 5 5

e= (x8+x9)/2 = (3+3)/2=3 (npr Excel)

DESKRIPTIVNI POKAZATELJI
Mjere centralne tendencije ili središnje mjere

Medijan je kao i mod nisu pod utjecajem ekstremno visokih

ili niskih rezultata, te u tim slučajima bolje predočuju
(reprezentiraju) niz podataka.
DESKRIPTIVNI POKAZATELJI
Mjere disperzije ili varijabilnosti

Mjerama disperzije ili varijabilnosti ukazuje se na veličinu

međusobnog razlikovanja rezultata entiteta u nakoj varijabli.
To su:
totalni raspon
varijanca
standardna devijacija
DESKRIPTIVNI POKAZATELJI
Mjere disperzije ili varijabilnosti
Totalni raspon
Totalni raspn predstavlja razliku između maksimalne (xmax) i
minimalne (xmin) vrijednosti.
Rtot  xmax  xmin
Vrlo je nesigurana mjera varijabilnosti, jer jedan ekstremni
rezultata znatno utječe na njegovu vrijednost.
DESKRIPTIVNI POKAZATELJI
Mjere disperzije ili varijabilnosti
Varijanca i standardna devijacija
Procjena stupnja disperzije moguća je i putem odstupanja
vrijednosti članova niza od neke središnje vrijednosti,
najčešće aritmetičke sredine.

d i  xi  x
n

d
i 1
i 0
DESKRIPTIVNI POKAZATELJI
Mjere disperzije ili varijabilnosti
Varijanca i standardna devijacija
Varijanca – prosječno kvadratno odstupanje rezultata entiteta
od aritmetičke sredine n

 i
( x  x ) 2

s2  i 1
n 1
Standardna devijacija – korijen iz varijance
n

 i
( x  x ) 2

s i 1

n 1
DESKRIPTIVNI POKAZATELJI
Mjere disperzije ili varijabilnosti
Varijanca i standardna devijacija
Primjer
10 entiteta postiglo sljedeće rezultate u nekom motoričkom
testu xi x-x
i (x  x )
i
2

1 -2 4
2 -1 1
2 -1 1
3 0 0
30
3 0 0 x
3 0 0 10
3 0 0
4 1 1 n
4
5
1
2
1
4
 ( x  x)
i
2

12
s i 1
  1,33  1,15
 30 0 12 n 1 3
Normalna ili Gaussova distribucija

0,60

3  99.73 % Carl Friedrich Gauss

(1777- 1855)
0,45 2  95.45 %

0,30
1  67.27 %

0,15

0,00
-3 -2 -1 0 1 2 3
1.96   95 %

2.57  99 %
DESKRIPTIVNI POKAZATELJI
Mjere asimetrije i izduženosti distribucije
Skewness - mjera asimetrije distribucije

POZITIVNO ASIMETRIČNA DISTRIBUCIJA

o  e  x
DESKRIPTIVNI POKAZATELJI
Mjere asimetrije i izduženosti distribucije
Skewness - mjera asimetrije distribucije

NEGATIVNO ASIMETRIČNA DISTRIBUCIJA

x  e  o
DESKRIPTIVNI POKAZATELJI
Mjere asimetrije i izduženosti distribucije
Kurtosis - mjera izduženosti distribucije

platikurtična mezokurtična leptokurtična

STANDARDIZACIJA PODATAKA
(Z - VRIJEDNOST)
Postupak standardizacije provodi se pomoću formule

xij  x j
zij 
j

zij - standardizirani rezultat entiteta i (i = 1, …,n) u

varijabli j (j = 1, …,m)
xij - originalna vrijednost ispitanika i u varijabli j
x j - aritmetička sredina varijable j
j - standardna devijacija varijable j
STANDARDIZACIJA PODATAKA
(Z - VRIJEDNOST)
Primjer 1:

Deset sportaša natjecalo se u tri SD T100M BK

atletske discipline: A.B. 359 13,6 561
- skok udalj iz mjesta (SDM), D.F. 321 13,9 550
- trčanje na 100 metara (T100m) i J.G. 346 13,7 538
- bacanje kugle (BK) i postiglo K.L. 332 14,0 490
D.D. 450 12,2 518
rezultate navedene u tablici: E.D. 314 14,1 551
T.B 410 12,5 589
Z.N 425 12,3 602
R.G. 369 13,5 547
E.N. 378 13,8 510
Potrebno je utvrditi ukupan poredak (rang) ovog natjecanja ?
STANDARDIZACIJA PODATAKA
(Z - VRIJEDNOST)
Prvi korak: Izračunati aritmetičke sredine i standardne
devijacije za svaku varijablu (disciplinu).
SD T100M BK
A.B. 359 13,6 561
D.F. 321 13,9 550
J.G. 346 13,7 538
K.L. 332 14,0 490
D.D. 450 12,2 518
E.D. 314 14,1 551
T.B 410 12,5 589
  SD T100m BK
Z.N 425 12,3 602
x 370,4 13,36 545,6 R.G. 369 13,5 547
 45,66 0,73 34,21 E.N. 378 13,8 510
STANDARDIZACIJA PODATAKA
(Z - VRIJEDNOST)
Drugi korak: Transformacija originalnih podataka u z -
vrijednosti na temelju izračunatih aritmetičkih sredina i
standardnih devijacija. SD T100M BK
A.B. 359 13,6 561
D.F. 321 13,9 550
359  370,4  11,4
z AB , SD    0,25 J.G. 346 13,7 538
45,66 45,66 K.L. 332 14,0 490
D.D. 450 12,2 518
E.D. 314 14,1 551
T.B 410 12,5 589
  SD T100m BK
Z.N 425 12,3 602
x 370,4 13,36 545,6 R.G. 369 13,5 547
 45,66 0,73 34,21 E.N. 378 13,8 510
STANDARDIZACIJA PODATAKA
(Z - VRIJEDNOST)
Drugi korak: Transformacija originalnih podataka u z -
vrijednosti na temelju izračunatih aritmetičkih sredina i
standardnih devijacija.   SD T100M BK
A.B. -0,25 0,33 0,45
D.F. -1,08 0,74 0,13
359  370,4  11,4 J.G. -0,53 0,46 -0,22
z AB , SD    0,25
45,66 45,66 K.L. -0,84 0,87 -1,63
D.D. 1,74 -1,58 -0,81
E.D. -1,24 1,01 0,16
T.B 0,87 -1,17 1,27
  SD T100m BK
Z.N 1,20 -1,44 1,65
x 370,4 13,36 545,6 R.G. -0,03 0,19 0,04
 45,66 0,73 34,21 E.N. 0,17 0,60 -1,04
STANDARDIZACIJA PODATAKA
(Z - VRIJEDNOST)
Treći korak: Prije kondenzacije rezultata potrebno je varijabe
koje su obrnuto skalirane pomnožiti s -1, odnosno promjeniti
im predznake.   SD T100M BK
A.B. -0,25 0,33 0,45
D.F. -1,08 0,74 0,13
J.G. -0,53 0,46 -0,22
K.L. -0,84 0,87 -1,63
D.D. 1,74 -1,58 -0,81
E.D. -1,24 1,01 0,16
T.B 0,87 -1,17 1,27
Z.N 1,20 -1,44 1,65
R.G. -0,03 0,19 0,04
E.N. 0,17 0,60 -1,04
STANDARDIZACIJA PODATAKA
(Z - VRIJEDNOST)
Treći korak: Prije kondenzacije rezultata potrebno je varijabe
koje su obrnuto skalirane pomnožiti s -1, odnosno promjeniti
im predznake.   SD T100M BK
A.B. -0,25 -0,33 0,45
D.F. -1,08 -0,74 0,13
J.G. -0,53 -0,46 -0,22
K.L. -0,84 -0,87 -1,63
D.D. 1,74 1,58 -0,81
E.D. -1,24 -1,01 0,16
T.B 0,87 1,17 1,27
Z.N 1,20 1,44 1,65
R.G. -0,03 -0,19 0,04
E.N. 0,17 -0,60 -1,04
STANDARDIZACIJA PODATAKA
(Z - VRIJEDNOST)
Četvrti korak: Kondenzacija standardiziranih vrijednosti putem
aritmetičke sredine.
  SD T100M BK Z
A.B. -0,25 -0,33 0,45 -0,04
z AB ,SD  z AB ,T 100  z AB ,BK D.F. -1,08 -0,74 0,13 -0,56
z AB   J.G. -0,53 -0,46 -0,22 -0,41
3
K.L. -0,84 -0,87 -1,63 -1,11
 0 ,25  ( 0 ,33 )  0 ,45
  0 ,04 D.D. 1,74 1,58 -0,81 0,84
3 E.D. -1,24 -1,01 0,16 -0,70
T.B 0,87 1,17 1,27 1,10
Z.N 1,20 1,44 1,65 1,43
R.G. -0,03 -0,19 0,04 -0,06
E.N. 0,17 -0,60 -1,04 -0,49
STANDARDIZACIJA PODATAKA
(Z - VRIJEDNOST)
Četvrti korak: Kondenzacija standardiziranih vrijednosti putem
aritmetičke sredine.
  SD T100M BK Z
A.B. -0,25 -0,33 0,45 -0,04
z AB ,SD  z AB ,T 100  z AB ,BK D.F. -1,08 -0,74 0,13 -0,56
z AB   J.G. -0,53 -0,46 -0,22 -0,41
3
K.L. -0,84 -0,87 -1,63 -1,11
 0 ,25  ( 0 ,33 )  0 ,45
  0 ,04 D.D. 1,74 1,58 -0,81 0,84
3 E.D. -1,24 -1,01 0,16 -0,70
T.B 0,87 1,17 1,27 1,10
Z.N 1,20 1,44 1,65 1,43
R.G. -0,03 -0,19 0,04 -0,06
E.N. 0,17 -0,60 -1,04 -0,49
STANDARDIZACIJA PODATAKA
(Z - VRIJEDNOST)
Peti korak: Silazno (od većeg k manjem) sortiranje sportaša
po izračunatoj prosječnoj z - vrijednosti.
Rang Sportaš Z
1.       Z.N 1,43
2.       T.B 1,10
3.       D.D. 0,84
4.       A.B. -0,04
5.       R.G. -0,06
6.       J.G. -0,41
7.       E.N. -0,49
8.       D.F. -0,56
9.       E.D. -0,70
10.   K.L. -1,11
STANDARDIZACIJA PODATAKA
(Z - VRIJEDNOST)
Primjer 2:
200 nogometaša izmjereno je testom za procjenu eksplozivne
snage skok udalj s mjesta. Aritmetička sredina iznosila je 250
cm, a standardna devijacija 10 cm. Nogometaš Lampard
postiga je rezultat 280 cm. Potrebno je procjeniti postotak (%)
nogometaša koji postižu lošije i bolje rezultate od Lamparda. 

280  250 30
z XY    3
10 10
Normalna ili Gaussova distribucija

0,60

3  99.73 %

0,45 2  95.45 %

0,30
1  67.27 %

0,15

0,00
-3 -2 -1 0 1 2 3
STANDARDIZACIJA PODATAKA
(Z - VRIJEDNOST)
Primjer 2:
Aritmetička sredina iznosila je 250 cm, a standardna devijacija
10 cm. Nogometaš Deco postiga je rezultat 250 cm. Potrebno
je procjeniti postotak (%) nogometaša koji postižu lošije i
bolje rezultate od Deca. 

280  250 30
z XY    3
10 10
STANDARDIZACIJA PODATAKA
(Z - VRIJEDNOST)
Praktična korist od standardizacije rezultata ogleda se i u
mogućnosti grafičkog prikazivanja rezultata entiteta u većem
broju varijabli koje opisuju njegov antropološki profil.
3,5
3
2,5
2
1,5
SDM
1
0,5 IP

0 NEB
1
-0,5 SKL

-1 T12min

-1,5 T20m
-2 KUS
-2,5
BP
-3
TR
T-TEST
T-test je statistički kojim se utvrđuje
statistička značajnost razlike između dviju
aritmetičkih sredina.
Statistički značajna razlika je razlika
utvrđena na uzorku entiteta, a za koju s
visokim stupnjem sigurnosti (95% ili 99%) Wiliam Sealy Gosset
(1876. – 1937.)
možemo tvrditi da se nije dogodila slučajno
T-TEST
T-test za nezavisne uzorke je postupak kojim se utvrđuje
statistička značajnost razlike između aritmetičkih sredina
dvaju uzoraka (dvaju nezavisnih skupova entiteta).

Pri tome je moguće postaviti sljedeću alternativnu (H1)

odnosno nultu (H0) hipotezu:
H1:x1  x2 - Razlika između aritmetičkih sredina
analiziranih uzoraka je statistički značajna uz pogrešku p.
H0:x1 =x2 - Uz pogrešku p ne možemo tvrditi da je razlika
između aritmetičkih sredina analiziranih uzoraka statistički
značajna.
KM KIF
T-TEST
T-test za zavisne uzorke je postupak kojim se utvrđuje
statistička značajnost razlike između aritmetičkih sredina
jednog uzorka mjerenog u dvije vremenske točke.

Pri tome je moguće postaviti sljedeću alternativnu (H1)

odnosno nultu (H0) hipotezu:
H1:x1 x2 - Razlika između aritmetičkih sredina prvog i
drugog mjerenja je statistički značajna uz pogrešku p.
H0:x1 =x2 - Uz pogrešku p ne možemo tvrditi da je razlika
između aritmetičkih sredina prvog i drugog mjerenja
statistički značajna.
KM KIF
T-TEST
T-omjer, tj. t-vrijednost (t) izračunava se jednako u t-testu za
nezavisne uzorke i u t-testu za zavisne uzorke i to pomoću
sljedeće formule

x1  x 2
t
s x1  x 2

gdje je
x1 - aritmetička sredina prvog uzorka/mjerenja
x2 - aritmetička sredina drugog uzorka/mjerenja
s x1  x 2 - standardna pogreška razlika aritmetičkih sredina
KM KIF
T-TEST
Standardna pogreška razlika aritmetičkih sredina u t-testu za
nezavisne uzorke izračunava se formulom

s12 s22
sx  x  
1 2
n1 n2

gdje je
s1 - standardna devijacija prvog uzorka
s2 - standardna devijacija drugog uzorka
n1 - broj entiteta u prvom uzorku
n2 - broj entiteta u drugom uzorku
KM KIF
T-TEST
Standardna pogreška razlika aritmetičkih sredina u t-testu za
zavisne uzorke izračunava se formulom

s12 s22 s1 s2
s x1  x 2    2r  
n n n n

gdje je
s1 - standardna devijacija prvog mjerenja
s2 - standardna devijacija drugog mjerenja
n - broj entiteta u uzorku
r - korelacija između varijabli prvog i drugog mjerenja
KM KIF
T-TEST
Primjer: Učenici 1.a i 1.b razreda testirani su na kraju
školske godine testom za procjenu fleksibilnosti Pretklon
raskoračno i dobiveni su sljedeći rezultati:

n1a  25 n1b  27

x1a  34 x1b  38
s1a  10 s1b  18

Utvrdi da li se aritmetičke sredine 1.a i 1.b razreda statistički

značajno razlikuju uz pogrešku p<0,01!

KM KIF
T-TEST
Primjer - nastavak:
2
s 2
s 10 2 182
s x1  x 2  1
 2
  4
n1 n2 25 27

x1  x 2 34  38
t    1  1
s x1  x 2 4

df  n1  1  n2  1  25  1  27  1  50 df t p  50 t 0, 01 2,68

t < dftp  H0:x1 =x2

(H0: Uz pogrešku 0,01 ne možemo tvrditi da je razlika između
aritmetičkih sredina 1.a i 1.b razreda statistički značajna)
KORELACIJA
Pearsonov koeficijent korelacije (r) predstavlja
mjeru međusobne povezanosti rezultata dviju
standardiziranih varijabli.

Karl Pearson
(1857–1936)
KORELACIJA
Ako se rezultati ispitanika u varijablam x i y standardiziraju,
tada formula dobiva jednostavan oblik

( z xi z yi )
r i 1
n

z xi standardizirani rezultat ispitanika i u varijabli x

z yi standardizirani rezultat ispitanika i u varijabli y
KORELACIJA

Dvodimenzionalni korelacijski dijagram je grafički način

prikazivanja povezanosti rezultata dviju varijabli, a iscrtava
se na način da se za svakog ispitanika odredi položaj u
koordinatnom sustavu.

Oblik korelacijskog dijagrama zavisan je o o predznaku i

veličini koeficijenta korelacije.
KORELACIJA
TRB r=0

yi

xi VIS
KORELACIJA
Y r = -1
+1

X
KORELACIJA
SDM 0 < r < +1

BML
KORELACIJA
ZGIB 0 > r > -1

TEŽ
KORELACIJA
Testiranje značajnosti koeficijenta korelacije

H0 : r = 0 - korelacija nije statistički značajna uz pogrešku p

H1 : r  0 - korelacija je statistički značajna uz pogrešku p

OSNOVE KINEZIOMETRIJE
Kineziometrija je znanstvena disciplina koja proučava
probleme mjerenja u kineziologiji, odnosno probleme
konstrukcije, evaluacije i primjene mjernih instrumenata za
procjenu kinezioloških fenomena.

mjerenje ??
??
OSNOVE KINEZIOMETRIJE
Mjerenje je postupak kojim se entitetima pridružuju brojevi
ili oznake sukladno razvijenosti mjerenog svojstva, odnosno
predmeta mjerenja.

predmet
mjerenja ???
?
OSNOVE KINEZIOMETRIJE
Predmet mjerenja je svojstvo objekta mjerenja čija se
razvijenost utvrđuje mjerenjem. Predmeti mjerenja u
kineziologiji su najčešće motoričke i funkcionalne
sposobnosti, motorička znanja i situacijska učinkovitost .
objekt
mjerenja ???
?
OSNOVE KINEZIOMETRIJE
Objekt mjerenja je entitet čija se svojstva utvrđuju
mjerenjem. Objekti mjerenja u kineziologiji su najčešće ljudi,
sportske ekipe, sportski događaji, tehnički elementi i taktička
sredstva.

aha
!!!!
OSNOVE KINEZIOMETRIJE
Mjerni instrument ili test je operator pomoću kojeg se vrši
mjerenje, a kojeg čine tehnička oprema potrebna za mjerenje,
jedan ili više mjeritelja i standardizirani postupak mjerenja.
OSNOVE KINEZIOMETRIJE
Mjeritelj je osoba školovana za provođenje mjerenja. Da bi se
utjecaj mjeritelja na rezultat mjerenja sveo na najmanju
moguću mjeru, nužno je poštivati standardizirani postupak
mjerenja.

Standardizirani postupak mjerenja je precizan opis svih

postupaka i uvjeta u kojima se provodi mjerenje nekim
mjernim instrumentom te načina bodovanja i vrednovanja
dobivenih rezultata.
OSNOVE KINEZIOMETRIJE
Naziv testa: Skok udalj s mjesta
Šifra testa: MFESDM-V
Tehnički opis: Zatvorena prostorija najmanjih dimenzija 6x2 metra. Od zida se postave tanke
strunjače tako da ukupna duljina strunjača ne bude manja od 4,5 m. Strunjače su fiksirane s jedne
strane zidom, a s druge strane stopalima dvojice pomagača. Na strunjači se označi početna (odskočna)
linija 80 cm od zida. Od početne linije na udaljnosti od 2 metra pa sve do 3,3 metra označe se svakih 5
cm paralelne linije duge 30 cm.
Opis mjernog postupka: Ispitanik stane bosim stopalima do samog ruba početne linije leđima prema
zidu. Zadatak ispitanika je sunožnim odrazom skočiti prema naprijed što je moguće dalje. Zadatak je
završen nakon što ispitanik izvede 4 uspješna skoka. Neuspješnim skokom se smatra: 1. skok nakon
dvostrukog odraza (poskoka) u mjestu prije skoka, 2. skok nakon prestupa početne linije, 3. skok koji
nije izveden sunožnim odrazom, 4. skok kojem prethodi dokorak, 5. skok nakon kojeg ispitanik
dodirne strunjaču iza peta, 6. skok nakon kojeg ispitanik pri doskoku sjedne. Mjeritelj
stoji s lijeve ili desne strane strunjače u ravnini s ispitanikom. Ispitanik nema pravo na probni pokušaj.
Uputa ispitaniku: Zadatak se objašnjava: „Vaš je zadatak da stanete iza početne linije i sunožnim
odrazom skočite što dalje možete prema naprijed. Doskok mora biti na dvije noge. U slučaju
neispravnog skoka, zadatak se ponavlja. Ako je zadatak jasan, pripremite se za početak.“, a potom
demonstrira.
Određivanje rezultata: Rezultat u testu izražava se u centimetrima, a određuje se kao aritmetička
sredina rezultata 4 uspješna skoka.

(Primjer: standardizirani postupak mjerenja testa Skok udalj s mjesta)

OSNOVE KINEZIOMETRIJE
Mjerenje je moguće definirati i kao utvrđivanje položaja
objekta mjerenja na nekoj od mjernih skala sukladno
razvijenosti predmeta mjerenja.
Mjerna skala je skup oznaka ili niz brojeva kojima je
moguće opisati razvijenost mjerenog svojstva nekog objekta
mjerenja.
nominalne
kvalitativne
ordinalne
mjerne skale
intervalne
kvantitativne
omjerne
OSNOVE KINEZIOMETRIJE

Mjerne skale:
nominalna- nema kvantitativna svojstva niti kontinuitet,
već se entiteti razvrstavaju u određene kategorije ili klase,
Primjeri: varijabla spol može poprimiti dva oblika muški i
ženski. Varijabla tip košarkaša može imati tri oblika
bekovi, krila, centri itd.
OSNOVE KINEZIOMETRIJE

Mjerne skale:
ordinalna - ovom mjernom skalom moguće je utvrditi je li
neki entitet bolji od drugoga, ali ne i koliko je bolji.
Primjer: redoslijed trkača na cilju neke trke
OSNOVE KINEZIOMETRIJE

Mjerne skale:
intervalna - pored utvrđivanja redosljeda, odnosno je li
neki entitet bolji od drugoga, moguće je utvditi i koliko je
bolji (npr. skala za procjenu inteligencije, mjerenje
temperature itd.).
OSNOVE KINEZIOMETRIJE

Mjerne skale:
omjerna - ima apsolutnu nulu - potpuno odsustvo
mjerenog svojstva (npr. mjerenje duljine, sile, vremena
potrebnog za izvođenje neke aktivnosti itd.).
OSNOVE KINEZIOMETRIJE

Tipovi mjernih instrumenata u kineziologiji:

testovi tipa «papir-olovka»

testovi tipa «aparatura za mjerenje»
testovi tipa «primjena motoričkog zadatka»
testovi tipa «subjektivna procjena mjeritelja»
OSNOVE KINEZIOMETRIJE
Testovi tipa «papir-olovka» informacije o svojstvima objekta
mjerenja prikupljaju putem pisanog materijala (npr. testovi
teorijskih znanja, upitnici za procjenu tjelesne aktivnosti,
testovi ličnosti, skale stavova,...).
OSNOVE KINEZIOMETRIJE

(Primjer: izvadak iz upitnika za procjenu tjelesne aktivnosti IPAQ)

OSNOVE KINEZIOMETRIJE
Mjerni instrumenti tipa «aparatura za mjerenje» kao
sredstvo u prikupljanju informacija koriste tehnička pomagala
(npr. spiroergometrijski testovi, mjerni instrumenti za
utvrđivanje dimenzija tijela,...)
OSNOVE KINEZIOMETRIJE

(Prikaz 2: Mjerenje kožnog nabora na prsima)

(Prikaz 1: Spiroergometrija) (Prikaz 3: Podvodno vaganje)

SEMINAR 15

OSNOVE KINEZIOMETRIJE
Mjerni instrumenti tipa «primjena motoričkog zadatka»
mjere efikasnost motoričke aktivnosti koja u poznatoj mjeri
aktivira određenu motoričku sposobnost (npr. testovi za
procjenu koordinacije, brzine, agilnosti, fleksibilnosti...).
 Shematski prikaz indirektnog mjerenja
motoričkih sposobnosti

PREDMET MJERENJA -
LATENTNA DIMENZIJA

MOTORIČKA
SPOSOBNOST
(eksplozivna snaga)

MOTORIČKI ZADATAK MOTORIČKA AKTIVNOST

(maksimalno daleko skočiti (izmjereni rezultat skoka udalj
s mjesta sunožnim odrazom) s mjesta sunožnim odrazom)
Procjena
PODRAŽAJNA MANIFESTNA
SITUACIJA VARIJABLA
(STIMULUS) (REAKCIJA)
OSNOVE KINEZIOMETRIJE
Mjerni instrumenti tipa «subjektivna procjena mjeritelja»
podrazumijevaju procjenu od strane jednog ili više
kompetentnih mjeritelja - sudaca ili ocjenjivača. Npr.
gimnastika, sinkronizirani skokovi u vodu, skijaški skokovi...
OSNOVE KINEZIOMETRIJE
Naziv testa: Vođenje košarkaške lopte
Tehnički opis: Prostor najmanjih dimenzija 10x5 metra. Podloga mora biti ravna i od tvrdog
materijala. Na tlo se postave dvije oznake udaljene najmanje 8 metara. Potrebna je košarkaška lopta
karakteristika opisanih u službenim pravilima košarkaške igre.
Opis mjernog postupka: Učenik stoji uz početnu oznaku. Zadatak učenika je umjerenim tempom
voditi košarkašku loptu od početne do završne oznake. Mjeritelj stoji izvan prostora predviđenog za
vođenje lopte iza završne oznake. Učenik nema pravo na probni pokušaj.
Uputa učeniku: Zadatak se objašnjava: „Zadatak je stati uz početnu oznaku i na moj znak «kreni»
voditi košarkašku loptu umjerenim tempom do završne oznake. Ako je zadatak jasan, pripremite se za
početak.“, a potom demonstrira.
Određivanje ocjene: Rezultat u testu se izražava ocjenom od 1 do 5. Pri ocjenjivanju se potrebno
voditi sljedećim smjernicama: NEDOVOLJAN (1) - učenik uopće ne potiskuje loptu, vec je stalno
udara, zbog čega ju ne uspijeva voditi i nema nikakvu kontrolu nad njom, DOVOLJAN (2) - učenik
uspijeva voditi loptu, ali ju ne potiskuje, već najčešće udara, zbog čega nema stalnu kontrolu nad
loptom. DOBAR (3) - učenik pri izvođenju zadatka ima kontrolu nad loptom, ali su mu pokreti ruke i
šake previše kruti, zbog čega loptu ponekad ne potiskuje, vec udara, VRLO DOBAR (4) - učenik vodi
loptu uglavnom pravilno, ali mu je pogled usmjeren prema lopti, ODLIČAN (5) - učenik vodi loptu
pravilno pored i malo ispred tijela, pravilno je potiskuje i prihvaća, a pogled mu je usmjeren prema
naprijed.

(Primjer: standardizirani postupak ocjenjivanja tehnike Vođenje košarkaške lopte)

OSNOVE KINEZIOMETRIJE

(Primjer: izvadci iz pravilnika za suđenje u ženskoj sportskoj gimnastici)

OSNOVNI KINEZIOMETRIJE
Zbirke standardiziranih postupaka mjerenja

Metikoš, D., Hofman, E., Prot, F., Pintar, Ž., Oreb, G. (1989).
Mjerenje bazičnih motoričkih dimenzija sportaša. Zagreb:
Fakultet za fizičku kulturu.

Mišigoj-Duraković, M. (2008). Kinantropologija. Zagreb:

Kineziološki fakultet.

Heimer, S. i sur. (1997). Praktikum kineziološke fiziologije.

Zagreb: Fakultet za fizičku kulturu.

Ostrow, A.C. (1996). Directory of Psychological Tests in the

Sport and Exercise Sciences. Morgantown, WV: Fitness
Information Technology.
OSNOVE KINEZIOMETRIJE
Metrijske ili mjerne karakteristike:
pouzdanost - metrijska karakteristika koja se odnosi na
točnost mjerenja, tj. na nezavisnost mjerenja od
nesistematskih pogrešaka.
OSNOVE KINEZIOMETRIJE
Metrijske ili mjerne karakteristike:

objektivnost - mjerna karakteristika kojom se određuje

nezavisnost rezultata mjerenja od mjerioca.
OSNOVE KINEZIOMETRIJE
Metrijske ili mjerne karakteristike:

homogenost - predstavlja svojstvo kompozitnih testova da

u svim svojim česticama mjeri isti predmet mjerenja,
odnosno koliko rezultati ispitanika u svim česticama zavisi
od istog predmeta mjerenja ili identične kombinacije
različitih predmeta mjerenja.
OSNOVE KINEZIOMETRIJE
Metrijske ili mjerne karakteristike:
faktorska valjanost - nastoji utvrditi koji se predmet
mjerenja ispituje određenim mjernim instrumentom,.
OSNOVE KINEZIOMETRIJE
Metrijske ili mjerne karakteristike:

pragmatička valjanost - pokazuje s kolikim uspjehom,

odnosno sigurnošću možemo predvidjeti uspjeh u nekoj
praktičnoj aktivnosti.
OSNOVE KINEZIOMETRIJE
Metrijske ili mjerne karakteristike:

osjetljivost - pokazatelj mogućnosti mjernog instrumenta

da uspješno razlikuje ispitanike na temelju mjerenog
svojstva.
Primjeri u Statistici 7.0
 Judo.sta
 Preporučena literatura za pripremu ispita

Milanović, D. i sur. (1996). Priručnik za sportske trener. Zagreb:

Kineziološki fakultet.

Dizdar, D. (2006). Kvantitativne metode. Zagreb: Kineziološki

fakultet.