Linearne transformacije, normalna distribucija,

z - skor
Sažetak
Šta treba da se upamti


numerički opis varijable: središte + varijabilnost
 aritmetička sredina, medijana, mod
 varijansa s2 i njen koren SD ili s su uobičajne mere varijabilnosti,
koristimo ih kada računamo aritmetičku sredinu
 aritmetička sredina i SD su osetljive na ekstremne vrednosti
(medijana npr. nije)
 najbolje opisuju simetrične distribucije bez štrčaka
 posebno korisne kada opisuju tzv. normalne distribucije
 loše kada opisuju multimodalne distribucije
Linearne transformacije
Da li se nešto menja?

 promena mernih jedinica (kilometri,

milje; kilogrami, funte)

 množenje ili dodavanje konstante

 X novi = a + bx
Linearne transformacije
Da li se nešto menja?

Množenje ili deljenje konstantom

Marija 1.4 cm 2.2 cm 1.1 cm 1.6 cm 1.2 cm M = 1.5 SD = 0.436

Jovan 14 mm 22 mm 11 mm 16 mm 12 mm M = 15 SD = 4.36

Jovanova M i SD su 10x veće od Marijinih

Množenje/delenje svakog posmatranja pozitivnim brojem b

uvećava aritmetičku sredinu i SD puta b
Linearne transformacije
Da li se nešto menja?

Dodavanje ili oduzimanje konstante

Marija 19 mm 27 mm 16 mm 21 mm 17 mm M = 20 SD = 4.36
Jovan 14 mm 22 mm 11 mm 16 mm 12 mm M = 15 SD = 4.36

Marijina M je za 5 mm veća od Jovanove; SD su iste

Dodavanje/oduzimanje istog broja a (pozitivnog ili negativnog) svakom

posmatranju, dodaje a aritmetičkoj sredini ali ne utiče na varijansu i SD

Linearne transformacije ne menjaju oblik distribucije

Normalna distribucija
Gausova kriva, zvonasta kriva, ‘normalna raspodjela’
Distribucija grešaka
Gausov genije

Astronomska merenja

Gaus: greške se ne raspoređuju slučajno

Postoji neki red u haosu

Zbog čega je važna?
Šta će to meni?

 Mnogi statistički testovi pretpostavljaju normalnu distribuciju: parametrijska statistika

(t-test, korelacija, ANOVA, regresija, faktorska analiza)

 M i V su nezavisne, M može da raste a V ostaje ista

 Mnoge prirodne pojave se normalno raspoređuju

 Osnova za razumevanje glavnih statističkih pojmova

 Koristan matematički model, idealizovan matematički opis

 Velik broj merenja

 Standard za poređenje

 Središnja granična teorema

Središnja granična teorema

Distribucija aritmetičkih sredina uzoraka

ne-normalnih distribucija (npr. bimodalne)
će biti normalna, pod uslovom da su ti
uzorci dovoljno veliki.
Opis normalne distribucije
Neke lepe osobine

 medijana i mod su isti

Simetrična oko 

Zakrivljenost (skewness) i kurtozis = 0

Kriva se asimptotski približava x osi

U praksi: raspon od 6 
Pravilo 68.2 – 95.5 – 99.7
Opis normalne distribucije

Svaka normalna distribucija koja

ima aritmetičku sredinu  i
standardnu devijaciju 

68% svih slučajeva je 1 od 

95% svih slučajeva je 2 od 
99.7% svih slučajeva je 3 od 

Zapravo od – do + beskonačno
Strategija života:
sve što je moguće biće isprobano
Relativni položaj
Gde se ja nalazim

Veliki broj merenja iste varijable

Svaki pojedinačni skor se može

porediti sa svim ostalim

Odstupanje od očekivane
vrednosti 

Najmanje je ekstremnih vrednosti

Relativni položaj
z skor, z vrijednost

Položaj pojedinca u grupi

M = 100
s = 15

X = 115

Z = X – M/ s = 115 – 100/ 15 = 1

z skor = predstavljanje bilo kog skora

u jedinicama SD
= linearna transformacija
Relativni položaj
z skor, z vrijednost

Koliko je ljudi inteligentnijih od mene?

IQ = 115

z = X – M/ s = 115 – 100/ 15 = 1

Bolji ili jednak sa 84.1%

Gori od 15.9%

IQ = 130; z = 2

Tablica A; str. 340

Relativni položaj
z skor, z vrijednost

z = -1.65

5% istih ili jednakih

95% boljih

Normalna kriva je najviša kada je z = 0

U slavu normalne distribucije
Ser Frensis Galton 1822 -1911

“Da su Grci znali za nju,

obožavali bi je. Spokojno
vlada nad najdivljijom zbrkom.
Što je veća anarhija veća je i
njena snaga. Ona je vrhunski
zakon haosa. Uvek kada
posmatramo veliki broj
haotičnih varijacija,
neočekivano iskrsava
najdivniji oblik pravilnosti na
kome se ta haotičnost temelji”