Frekvencija, mjere centralne tendencije i

raspodjela podataka, statistički testovi

Prof dr Aida Ramić-Čatak

Fakultet zdravstvenih studija Univerziteta u Sarajevu
Sadržaj predavanja (1)
• Frekvencija podataka
• Mjere centralne tendencije
• Aritmetička sredina
• Medijana
• Mod
Sadržaj predavanja (2)

• Standardna devijacija
• Parametrijske i neparametrijske metode raspodjele
podataka
• Statistički testovi
• Statistička značajnost
Postupak planiranja faza istraživanja
Predmet istraživanja Hipoteza Cilj istraživanja

Populacija koju se proučava

Kriteriji
uključenja i
isključenja
Isključeni Sudionici
Click to add text
Razvrstavanje

Ispitivana skupina Kontrolna skupina

Ispitivani
postupak

Učinak -/+
Statistička
raščlamba

Procjena uspjeha
ispitivanog postupka
M. Šolić: Uvod u znanstveni rad
 Š ta je hipoteza ?
• Osnova na kojoj se temelji ideja o prirodnom procesu ili
predmetu istraživanja.
• Postavljanje hipoteze je definiranje privremenog i
najvjerojatnijeg rješenja problema.
• Objašnjenje očekivanog odnosa među varijablama u
određenoj populaciji (uzorku).
 Statističke hipoteze
• Obuhvataju istraživačke hipoteze povezujući ih sa parametrima
populacije.
Mogu se podijeliti na :
- Polazna ili nulta hipoteza HO
- Suprotna ili alternativna hipoteza H
 Polazna ili nulta hipoteza HO
• Podrazumjeva da u populaciji (uzorku) koji je obuhvaćen
istraživanjem nema odnosa ili značajnih razlika između grupa na
pojedinoj varijabli
• Uvijek se postavlja u obliku negacije “Ne postoji razlika” „ Nije u
vezi sa..“ između grupa na pojedinoj varijabli.
• Primjer HO: Istraživanjem će se dokazati da nema značajne razlike
u učincima određene terapije na pacijente u grupi A i B
 Suprotna ili alternativna hipoteza H

• Istraživač pretpostavlja koji bi mogao biti ishod istraživanja.

• Može određivati smjer u kojem se kreće razlika među grupama
pojedinih varijabli.
• Temelji se na literaturi i istraživanjima koji su na tu temu
provedena i koja upućuju na potencijalni ishod istraživanja.
• Uvijek suprotna od nulte ili polazne hipoteze HO.
• Primjer : Istraživanjem će se dokazati da ima značajne razlike u
učincima određene terapije na pacijente u grupi A i B
 Pojašnjenje hipoteza

• Najčešće se postavljaju dvije vrste hipoteza :

HO ili polazna-nulta hipoteza i
H -suprotna- alternativna hipoteza.

• Testiranje hipoteze znači provjera tačnosti hipoteze i dva moguća

zaključka :
- Odbacuje se hipoteza HO , kao posljedica testiranja na uzorku i
prihvata se hipoteza H.
- Ne odbacuje se hipoteza HO , jer nema dokaza za to, pa nema osnova
za potvrđivanje alternativne hipoteze H.
 Pojašnjenje hipoteza

Primjer:

Nulta hipoteza HO : obrazovanje i socijalno ekonomski status

pacijenata oboljelih od dijabetesa ne utiče na njihova znanja,stavove
i ponašanje prema zdravlju.
Alternativna hipoteza H: obrazovanje i socijalno ekonomski status
pacijenata oboljelih od dijabetesa utiče na njihova znanja,stavove i
ponašanje prema zdravlju.
 Svrha hipoteze
• Osnovna svrha statistike je na temelju nekog uzorka ocijeniti
kakav je balans i promjena nekog posmatranog (populacijskog)
statističkog obilježja X u grupi A i B stanovništva.
• Svaka pretpostavka koja se odnosi na promjene nekog statističkog
obilježja je statistička hipoteza .
• Provjera istinitosti hipoteze je testiranje hipoteze ili statistički
test.
 Provjera hipoteza

 Predstavlja analizu odnosa statističkih karakteristika ili varijabli,

stava hipoteze i dobijenih rezultata istraživanja.

Kakav može biti stav hipoteze ?

a) Jedna neovisna i jedna ovisna varijabla – jedan uzrok, jedna
posljedica ( pušenje - HOBP)
b) Jedna neovisna i više ovisnih varijabli – uticaj jednog faktora na
više pojava. ( pušenje – HOBP, ca pluća, KVB)
b) Više neovisnih sa jednom ovisnom – više uzroka, uticaja i samo
jedna posljedica. ( pušenje, aerozagađenje - HOBP)
 Statistički testovi
• Postupci pomoću kojih se dolazi do odluke o prihvatanju
ili odbacivanju statističke hipoteze .
• Određuje odnos između pojedinih statističkih obilježja tj.
varijabli.
 Gotovi statistički paketi
• SAS
• SPSS
• Stat Master
• STATISTICA
• Veći broj statističkih procedura zastupljen je u EXCEL-u
 Snaga testa
• Statistička snaga testa je vjerojatnost da će istraživač u
uzorku naći statističku značajnost, ako učinak postoji u
cjelokupnoj populaciji.
• Uobičajeno je da je snaga 0.8=80%
• u 100 ponovljenih mjerenja očekuje se da će se
značajna razlika pronaći u 80 mjerenja.
 Vrste statističkih testova

Odabir statističkog testa ovisi o :

• Vrste istraživačkog problema, predmeta i teme
istraživanja
• Karakteristikama/obilježjima analiziranih varijabli
• Tipu i strukturi istraživanja
Š ta je frekvencija ?
• Osnovna mjera kojom se određuje zastupljenost jedne kategorije u
uzorku je frekvencija kategorije.
• Frekvencija pojedine kategorije zavisi o broju izvršenih mjeranja,
tj. veličini uzorka.
• Primjeri:
Način prikazivanja frekvencija
• Za grafičko prikazivanje raspodjele frekvencija, raspodjele
relativnih frekvencija i procentualne raspodjele koristi se
Histogram.
• Histogram predstavlja dijagram koji se sastoji od niza spojenih
pravougaonika čije su baze grupni intervali nanijeti na x-osi.
• Visine su frekvencije grupnog intervala (ili relativne frekvencije
ili procentualno učešće) koje su nanijete na y-osu.
• Baza svih pravougaonika je jedinična.
 Način prikazivanja frekvencija
relativne frekvencije ili
procentualno učešće
Mjere centralne tendencije (1)
• Najčešće izračunavane mjere u deskriptivnoj statistici.
• Opisuju “središnji”, “najčešći” ili “prosječni” rezultat u nekom
skupu rezultata, tj. govore o vrijednosti oko koje se grupišu
rezultati izmjereni na uzorku.
• Središnja vrijednost oko koje se „gomilaju“ rezultati mjerenja na
uzorka predstavljaju mjeru centralne tendencije.
Mjere centralne tendencije (2)

• Vrijednost oko koje se ''gomila'' većina podataka neke izmjerene

vrijednosti varijable iz uzorka.
• Š to je više podataka ''nagomilano'' oko pojedine srednje
vrijednosti, njena reprezentativnost će biti bolja.
• U statističkom smislu mjera centralne tendencije je jedan broj,
jedna vrijednost koja kao reprezentativna zamjenjuje sve druge
vrijednosti varijable.
Š ta sve spada u mjere centralne tendencije
Mjere centralne tendencije su:
• mod,
• medijana,
• aritmetička sredina,
• harmonijska sredina
• geometrijska sredina.
 Klasifikacija srednjih vrijednosti
1) potpune srednje vrijednosti
• aritmetička sredina - (A.S.),
• aritmetička sredina relativnih brojeva strukture
• aritmetička sredina relativnih brojeva koordinacije
• harmonijska sredina - H
• geometrijska sredina - G
• aritmetička sredina aritmetičkih sredina
 Klasifikacija srednjih vrijednosti
2) položajne srednje vrijednosti
• medijan – M (ordinalni niz)
• mod – Mo (nominalni niz, ordinalni niz)
3) specifične srednje vrijednosti
• momenti distribucije frekvencija
 Karakteristike srednjih vrijednosti
• Neophodnost ovisnosti srednje vrednosti od
svih vrijednosti neke varijable u ukupnom
statističkom skupu;
• Srednja vrijednost mora biti manja od
najveće, a veća od najmanje vrijednosti
varijable;
• Srednja vrijednost jednaka je vrijednosti
posmatrane varijable u slučaju kada su
medusobno jednake sve vrijednosti varijable
koja se posmatra u okviru jednog skupa.
 Srednje vrijednosti

1+2+2+3+3+3+4+4+5
9

Srednja vrijednost mora biti manja od najveće,

1 2 3 4 5
a veća od najmanje vrijednosti varijable.

1+2+2+2+2+3+3+4+8
9

1 2 3 4 8
Aritmetička sredina ( AS)
• Aritmetička sredina predstavlja sumu svih rezultata na nekoj
varijabli podijeljena sa brojem tih rezultata.
• Naziva se i prosječna vrijednost.
Vrste aritmetičke sredine:
• jednostavna aritmetička sredina (za negrupisani niz podataka),
• ponderirana aritmetička sredina (za distribuciju frekvencija).
Aritmetička sredina ( AS)
Primjer :
• Za 20 zaposlenih zdravstvene ustanove prikupljeni su podaci o
godinama starosti i uređeni po veličini.
• Podaci : 19 19 20 20 20 21 22 24 24 25 25 25 28 30 36 36 41 45 53 60
• Total iznosi: 19 + 19 + 20 + 20 + 20 + ... + 60= 593 godine (ukupni
broj navršenih godina starosti : ukupno 20 zaposlenih) dobijemo
da aritmetička sredina (AS), tj. prosječna starost radnika iznosi :
29.65 god.
Medijana (M)
• Označava vrijednost one jedinice skupa koja se u nizu vrijednosti
poredanih po veličini nalazi tačno u sredini i dijeli niz
izmjerenih vrijednosti na dva jednaka dijela, tako da je pola
jedinica skupa iznad, a pola ispod čini medijanu.
• Ako se u distribuciji podataka rezultata mjerenja nalazi neparan
broj, medijana je središnji rezultat.
• Ako se distribucija podataka rezultata mjerenja sastoji od parnog
broja, medijana je jednak prosječnoj vrijednosti dva središnja
rezultata.
Medijana ( M)
• Prvo poredati izmjerene vrijednosti varijable X : X1; X2; ... Xn, po
veličini (u rastućem odnosu , tj. od manjeg prema većem).
• Kada je neparan broj podataka, vrijednost koja je na srednjoj
poziciji u uređenom skupu podataka predstavlja medijan.
• Primjer podataka - vrijednosti 11 mjerenja poredane po veličini:
1; 1; 2; 2; 2; 2; 3; 5; 5; 6; 7
• S obzirom da rezultata mjerenja ima ukupno 11, medijana je
vrijednost koja je na šestoj poziciji u ovom nizu nizu, znači broj 2.
 Medijana ( M)
• Prvo poredati izmjerene vrijednosti VARIJABLE X1; X2; ...Xn po veličini (u
rastućem odnosu, tj. od manjeg prema većem).
• Kada je rezultat mjerenja paran broj, onda ne postoji podatak koji je na
srednjoj poziciji jer srednju poziciju "zauzimaju" dva podatka.
• Medijanu predstavlja broj na polovini tog intervala, tj. aritmetičku sredinu.
• Primjer - rezultati 12 mjerenja poredani po veličini:
1; 1; 2; 2; 2; 2; 3; 3; 5; 5; 6; 7:
• S obzirom da ih ima 12, "sredinu" čine šesti i sedmi podatak, tj. brojevi 2 i 3.
• Medijana je aritmetička sredina ta dva broja, tj. medijan je (2 + 3):2 = 2,5.
• Primjer : Medijana niza 4, 5, 6, 7 : M = 5.5
Mod (Mo)
• Mod je vrijednost iz niza izmjerenih vrijednosti varijable X kojoj pripada
najveća frekvencija, tj. izmjerena je najviše puta.
• Predstavlja dominantnu vrijednost u nekoj varijabli.
• Moda ne mora nužno biti jedinstven.
• Može se dogoditi da barem dva modaliteta imaju jednake apsolutne
frekvencije, a da su apsolutne frekvencije svih ostalih modaliteta strogo manje
od njih.
• Primjer : izmjerene vrijednosti jedne varijable :
1; 2; 5; 6; 5; 1; 2; 7; 2; 2; 3; 3:
• Kako je vrijednost 2 izmjerena najviše puta (4 puta), 2 je Mod ovog skupa
podataka.
Mod (Mo)
Razlikuju se sljedeće podjele:
• unimodalne (podjela koja ima tačno
jedan mod),
• bimodalne (podjele koje imaju tačno
dva moda)
• multimodalne (podjele koje imaju
barem tri moda).
Raspon podatka
• Mjera koja pokazuje koliko su numerički podaci raspršeni.
• Definiše se i kao razlika najveće i najmanje vrijednosti u skupu
mjerenih vrijednosti varijable (tj. razlika maksimalne i minimalne
izmjerene vrijednosti varijable).
• Primjer : X1, X2... xn su izmjerene vrijednosti varijable, najmanja od
njih (minimum) je Xmin, a najveća (maksimum) je Xmax.
• Izmjerene vrijednosti jedne varijable :
1, 2, 5, 6, 5, 1, 2, 7, 2, 2, 3, 3.
• Vrijednost 1 je najmanja izmjerena vrijednost, a 7 najveća.
• Prema tome, raspon ovog skupa izmjerenih vrijednosti je 7 − 1 = 6.
 Mjere varijacije (disperzije)podatka
• Predstavljaju pokazatelje odstupanja vrijednosti varijable od
prosječne vrijednosti varijable.
• Vrijednost mjera disperzije zavisi od disperzije podataka na
osnovu kojih se ona računa. Kada je veća disperzija podataka, veća
je vrijednost mjera disperzije i obrnuto.
• Mjere disperzije mogu biti:
- Apsolutne mjere disperzije
- Relativne mjere disperzije
Mjere varijacije (disperzije)podatka
Raspon varijacije
• Raspon varijacije predstavlja mjeru disperzije koja se dobija kao
razlika izmedu najveće i najmanje vrijednosti obilježja.
• To je nepotpuna mjera disperzije jer se pri njenom izračunavanju
koriste samo dvije krajnje vrijednosti niza.
• Te vrijednosti mogu biti netipične zbog čega je raspon varijacije
vrlo gruba mjera disperzije.
• Primjer : X1; X2; ... Xn su izmjerene vrijednosti varijable X,
najmanja od njih (minimum) je Xmin, a najveća je Xmax.
• Izračunavanje raspona varijacije : R = Xmax − Xmin
Raspon varijacije
• Primjer:izmjerene vrijednosti jedne varijable :
1; 2; 5; 6; 5; 1; 2; 7; 2; 2; 3; 3:
• Vrijednost 1 je najmanja izmjerena vrijednost, a 7 najveća.
• Izračunavanje raspona varijacije : R = Xmax − Xmin
• Prema tome, raspon ovog skupa izmjerenih vrijednosti je: 7 -1 = 6.
 Standardna devijacija
• Svrstava se u red najvažnijih pokazatelja varijabiliteta ili
raspršenosti modaliteta kvantitativnih obilježja.
• U izračuvanju standardne devijacije, koriste se svi elementi
statističkog niza, zbog čega predstavlja potpunu mjeru disperzije.
• Standardna devijacija najčešće se obilježava sa SD ili σ (sigma).
• Standardna devijacija je pozitivna vrijednost drugog korjena
varijanse:
 Zašto je važna raspodjela podataka ?
• Od raspodjele podataka ovisi metoda i tok analize.
• Normalna raspodjela omogućuje upotrebu parametrijskih metoda
analize.
• Odstupanje od normalne raspodjele ne omogućuje upotrebu
parametrijskih metoda.
• Analiza raspodjele omogućuje uočavanje mogućih pogrešaka u
podacima.
 Raspodjela podataka
• Bitna činjenica za odabir statističkog testa !

Parametrijske metode
Neparametrijske metode
 Parametrijske metode
• Analitičke metode koje se zasnivaju na pretpostavci
raspodjele podataka.
• IMA srednje vrijednosti i standardne devijacije.
Primjer : Srednje vrijednosti i standardne devijacije
Aritmetička
sredina 138.3

Std. Devijacija 24.1

Medijan 135.0

Min 69.0

Max 230.0

Raspon 161.0

Interkvartilni
raspon 32.0
Aritmetička
sredina 5.69

Std. Devijacija 1.48

Medjian 5.40

Min 2.30

Max 17.40

Raspon 15.10

Interkvartilni
raspon 1.10
 Parametrijske metode
• Temelje se na parametrima iz uzorka/populacije
• Zahtijevaju normalnu raspodjelu podataka
Normalna raspodjela podataka

• “Gaussova”
• eng. bell shaped
• Srednja vrijednost
ista kao i medijan
• Standardna
devijacija određuje
širinu
Normalna raspodjela podataka

parametri
Normalna raspodjela podataka
 Testiranje normalnog rasporeda podataka

• Korištenjem posebnih grafičkih prikaza

• Korištenjem statističkih testova :
• Kolmogorov-Smirnov test (>50)
• Shapiro-Wilk test (<50)
 Parametrijske metode - odabir statističkog
testa

• 2 nepovezane skupine: t-test (engl. independent samples

t-test)
• 2 povezane skupine: t-test za povezane uzorke (engl.
dependent samples t-test)
• Više od 2 neovisna uzorka: F-test ili ANOVA (analysis of
variance)+post-hoc test
• Više od 2 ovisna uzorka: faktorska ANOVA
 Anova
• Analiza varijance
• Više od 2 nepovezane varijable , ali nam test nije dovoljan
(P<0,001)
• Post-hoc test – usporedba svake varijable sa svakom
Anova
 Neparametrijske metode

• Analitičke metode koje se ne zasnivaju na

pretpostavci raspodjele podataka.
• NEMA srednje vrijednosti i standardne devijacije.
• Podaci su po svojoj prirodi nominalni ili ordinalni.
 Prednosti neparametrijske metode
• Pruža mogućnost analize raznolikih uzoraka, sa
odstupajućim podacima (engl. outliers)
• Analiza se svodi na rang podataka ne na stvarne
vrijednosti.
 Kada obavezno koristiti neparametrijske
metode?
• Mali uzorci (N<30)
• Varijable koje nemaju normalnu raspodjelu (npr. enzimi,
biohemijski pokazatelji, krvni tlak, …)
• Ordinalne varijable (ocjene, starost u godinama, …)
 Slabosti neparametrijske metode
• Otežana interpretacija (medijana i raspon)
• Ponekad nemoguće pokazati razliku dvije skupine (iste
vrijednosti medijana)
• Smanjena statistička snaga testa i povećana šansa za
pogreške.
 Neparametrijske metode
• 2 neovisna uzorka – Mann-Whitney (t-test)
• 2 povezana uzorka – Wilcoxon (t-test PU)
• Više od dva neovisna uzorka – Kruskal-Wallis (ANOVA)
• Više od dva povezana uzorka – Friedman (faktorska
ANOVA)
 Hi-kvadrat test
• Jedan od jednostavnijih statističkih testova
• Jako često se koristi
• Veliki broj neparametrijskih testova svodi se na hi-kvadrat
 Hi-kvadrat

Primjenjiv samo na kategorijskim podacima

• Primjeri:
• Ocjene znanja
• Stepen fizičke aktivnosti
• Spolne razlike
• Socioekonomski status
 Hi-kvadrat
• Temelji se na usporedbi očekivanih i opaženih frekvencija.
• Za mali broj uzoraka (manji od 5 u 20% ili više polja
tablice kontingencije) potrebno je koristiti Fisherov test.
 Testiranje hipoteze
• P vrijednost (eng. probability - vjerojatnost)
• Govori o tome kolika je vjerojatnost da je rezultat tačan ili
da nije tačan.
• Manja od 0,05 – govori o tome da je vjerojatnost slučajnog
i netačnog rezultata manja od 5%.
• Manja od 0,01 govori o tome da je vjerojatnost slučajnog i
netačnog rezultata manja od 1%.
 Tumačenje P-vrijednosti
• P-vrijednost je vjerojatnost da su uočene razlike između skupina
slučajne (beznačajne)

• P=0.1=10% vjerojatnosti (1 događaj u 10)

• P=0.99=99% (99 događaja u 100)
• P=0.001=0.1% (1 događaj u 1000)

• Najčešće se koriste nivo signifikantnosti i interval pouzdanosti,

pri čemu nivo signifikantnosti od 5%, 1% i 0,1% i intervalu
pouzdanosti od 95%, 99% i 99,9%.
 Tumačenje P-vrijednosti
• P-vrijednost je vjerojatnost da su uočene razlike između skupina
slučajne (beznačajne)

http://studentski.hr/system/materials
 Tumačenje P-vrijednosti (0.01) tj. 1%

P>0.01 P<0.01

Dobijene razlike između nekih osobina Dobijene razlike između nekih osobina
su statistički slučajne odnosno nisu slučajne , one su statistički
beznačajne. značajne.

Nulta hipoteza se prihvata/potvrđuje se. Nulta hipoteza se odbacuje.

Tumačenje P-vrijednosti (0.01) tj. 1%
 Tumačenje P-vrijednosti (0.05) tj. 5%

P>0.05 P<0.05

Dobijene razlike između nekih osobina Dobijene razlike između nekih osobina
su statistički slučajne odnosno nisu slučajne , one su statistički
beznačajne. značajne.

Nulta hipoteza se prihvata/potvrđuje se. Nulta hipoteza se odbacuje.

Tumačenje P-vrijednosti (0.05) tj. 5%
 Primjer testiranja hipoteze (1)

• H0 – nulta hipoteza ( negacijska)

• H1 – alternativna/radna (afirmacijska)

• Istraživačko pitanje: smanjuje li uzimanje vitamina D3 rizik za virusne

infekcije?

• H0: uzimanje vitamina D3 ne smanjuje rizik za virusne infekcije

• H1: uzimanje vitamina D3 smanjuje rizik za virusne infekcije
 Primjer testiranja hipoteze (1)

• Prva grupa ispitanika uzima vitamin D3 definirane doze i

vremenskog perioda.
Click to add text
• Druga grupa ispitanika ne uzima vitamin D3 .
• Analizira se učestalost virusnih infekcija u obje skupine
ispitanika i uradi se statistički test u odnosu na varijablu
uzimanja D3.
• Izračunava se statističkim testom vrijednost p i statistička
značajnost za donošenje zaključka.
 Kada nešto nije statistički značajno ?
• Kada je p>0,01 NE POSTOJI STATISTIČKA ZNAČAJNOST
između pojedinih varijabli.
• Znači : u 99 % slučajeva statistička značajnost ne postoji a
u 1% slučajeva ima statističke značajnosti, čime se stiču
argumenti da se Nulta hipoteza (HO) prihvata.
• Kada je p>0,01 Nulta hipoteza (HO) se prihvata.
 Kada nešto nije statistički značajno?
• Kada je p>0,05 NE POSTOJI STATISTIČKA ZNAČAJNOST
između pojedinih varijabli.
• Znači : u 95 % slučajeva statistička značajnost ne postoji a
u 5% slučajeva ima statističke značajnosti, čime se stiču
argumenti da se Nulta hipoteza (HO) prihvata.
• Kada je p>0,05 Nulta hipoteza (HO) se prihvata.
 Kada je nešto statistički značajno ?
• Pomoću vrijednosti Hi-kvadrat test i iznosa p određuje se
da li statistički značajno postoji veza ili relacija između
pojedinih varijabli.
• Kada je p<0,05 POSTOJI STATISTIČKA ZNAČAJNOST
između pojedinih varijabli.
• Znači : u 95 % slučajeva statistička značajnost postoji a u
5% slučajeva nema statističke značajnosti, čime se stiču
argumenti za odbacivanje nulte hipoteze (HO).
• Kada je p<0,05 Nulta hipoteza se odbacuje.
 Kada je nešto statistički značajno ?
• Pomoću vrijednosti Hi-kvadrat test i iznosa p određuje se
da li statistički značajno postoji veza ili relacija između
pojedinih varijabli.
• Kada je p<0,01 POSTOJI STATISTIČKA ZNAČAJNOST
između pojedinih varijabli.
• Znači : u 99 % slučajeva statistička značajnost postoji a u
1% slučajeva nema statističke značajnosti, čime se stiču
argumenti za odbacivanje nulte hipoteze (HO).
• Kada je p<0,01 Nulta hipoteza se odbacuje.
 Tumačenje statističke značajnosti
• Statistički značajno ne mora biti uvijek i stvarno značajno.
• Primjer: Novi lijek za liječenje hipertenzije je dat jednoj skupini
pacijenata a drugoj nije (placebo).Rezultati randomiziranog
kontroliranog istraživanja su pokazali da u skupini pacijenata koji
su uzimali lijek vrijednost dijastolnog pritiska se u prosjeku
statistički značajno smanjio sa 99 mm Hg na 95 mm Hg ( p<0.001)
• Jeste statistički značajno ali nije klinički značajno.
 Greške pri zaključivanju
Greške tipa 1 (lažni pozitivi)
• Nulta hipoteza je pogrešno
odbačena (iako stvarna razlika
ne postoji).
• Npr. puštanje neučinkovitog
lijeka na tržište
• Statistički je utvrđeno da je lijek
A učinkovitiji od placeba iako u
stvarnosti između njih nema
razlike!
Greške tipa 2 (lažni negativi)
• Nulta hipoteza je pogrešno
prihvaćena (iako stvarna
razlika postoji)
• Npr. skrivanje učinkovitog
lijeka od bolesnika
• Statistički je utvrđeno da lijek A
nije učinkovitiji od placeba iako
je u stvarnosti lijek A značajno
učinkovitiji!
Primjeri obrađenih rezultata istraživanja
Samoprocjena zdravlja i kvaliteta života starijih osoba u KS, 2016

( p=0,000<0,05)
Dinamika provjere kalorijske vrijednosti namirnica prilikom
kupovine među starijim osobama u KS, 2016

(p=0,093>0,05)
Procenat ispitanika sa potencijalnom hipertenzijom i/ili
koji su pod tretmanom antihipertenziva u FBiH, prema
spolu i starosti, %

80.9
72.6

45.3 47.2
42.1
38.9

27.8

14.2
5.5

FBiH Muškarci Žene 18-24 25-34 35-44 45-54 55-64 65+

(p=0,000)
Procenat ispitanika čija je vrijednost šećera u krvi =ili>6,1
mmol/l u FBiH prema mjestu stanovanja, spolu i starosti

42.2

35.4

21.7 21. 21.9 22. 21.3 22.4

16.0

7.4
4.8

FBiH Urbano Ruralno Žene Muškarci 18-24 25-34 35-44 45-54 55-64 65+

(p=0,000)