Bi PETZ, Boris Biblogaja, so1109101 Iedavae =NAKLADA SLAP. 50 Jastrebarsko, dr. F Tudmana 33 nslap@ nakladaslap.com nakladaslap.com Direkior iserka MateSé Gilovni wed se Rruasiay Matesié Lekior Zac Taal Recencent doe, dr. se. Mladen Havelka prof drs. Viadimir Koesarié to. d,s. Alja Kulenovié Tzdavanje ove knlige pripomoglo je ‘Ministarsvo znanom i tehnologije Republike Hivatse, (Oinowne saith mate is Pete = Jasrebarso : Naklds Sup 7007, -(Udsbenic veut u Zarebu=Napualia Uaveriatis | odio Zapbiensis) ISBN 978.953.191.058, [Statistika = Uedbenik STE 985.19-0583 CCopytight © 2007, 2004, 2002, 1997. “Naklada Slap", Jstrebarsko ‘va pravapridtana, Nijedan dio ove kajige ne smile se reproduciratim prenosit ni w kakvom obliku nit ikatvim stedstvima elektronskim ili mebanikim,fotakopiranjemi Ssnimanjem i unzazanjem u bile kojem informatifkon:sustavu 2a pobranjvanjei koridtenje bee pretiodnesuglasnostiviasika pave. ‘Objavjvanje ovog wdlbenika odobrio je Senat Sveulitau Zagrebu riesenjem broj02-1994/1-1996 od 25, veljate 1997 [car Kaalogaacii potiae | ‘Nacioaana seins kien, Zagreb ok 3110788) prof. dr. se. Boris Petz OSNOVNE STATISFICKE i METODE ZA NEMATEMATICARE VI. izdanje NAKLADA SLAPPREDGOVOR TRECEM IZDANJU Ovo. treé, izdanje udzbenika "Osnorne statstike metode za nematematigare” unekoliko se pojedinostiralikuje od oba dosedasnja iadanja. Od vadnijih promjena { dopuna vali spomereri nesto prosirenu diskuriu o nastanksnormalne raepodele, nadalje kratko poglavlje 0 Bavesovim principima w veri s vjerojatnosti (a Bayes je ‘ok to kasno otkriveni autor, koji je desta wzbudio modernu statisticks publiku), brikezani su jo8 neki postupei izraéunavanja korelacija | prafireno je paglavlie 0 ‘naliat variance: dodani su postupel 2a veGinw moguéih situacija, v kojima se ‘naliza varijance korist. Buduei da analiza varjance spada medi najomrazenija poglavlja za nematematitare, ti dodatni dijelovi dani su u obliku "recepata korak po korak", pa s njima ne bi sijelo biti posebni teskoéa, No, neighjezno je doslo i vrljeme da se neito iz prethodnih iedanja ispusts od prvog izdanja ove knjige proslo je vee Sesnaest godina, i kroz to vrijeme doslo je Uupravo u podruciu primjene osnovnih ratinskih postupaka do goleme promjene: ddok smo potetkem osamdesetih godina s odusevljenjem nabeeljali prva d2epna ragunala, koja su mogla pritskom na tipku izratunati drugi korijen nekog broje, danas praktithi | najjednestavalje deepno racunalo ima moguénosti koje daleko remaguju te zadatks. A buduéi de gotovo { nije vise moguce nai studenta ili Intelektuala bilo koje struke koji ne bi posiedovao barem jedno jednostavno deepno ragunalo, to je dadatak tablica korijenima (a one su u over udebeniku zauzimale preko 4D stranica!) postao potpuno suvisan, i te su tablice iz rukopisa inostav- Jjene. (Vostalom, upute za njlovu upottebu za neiskusnog su citatelj ble ponetto homplicirane, pa je karst od njih bila modda i manja od otekivane) U Zagrebu, na Novu godinu 1997. B. Petz SADRZAI ZASTO STATISTIKA? 9 PROVJERITE SVOJE ZNANJE 1% OSNOVA RACUNANJA 21 2.1. ZADACTZA PROVIERAVANIE ZNANIA. 22 22. RIBSENJATNEKA OSNOVNAPRAVIEA 24 © OSNOVNIM POJMOVIMA VJEROJATNOSTI 29 3.1. NAJOSNOVNIA PRAVILA 92 32. BAYESONTSTATISTICKI PRINCIPL 38 3.3./ PSIHOLOSKI UZROCI POGRESKANA KOD PROSUDIVANDA VIEROJATNOSTI 40 . MJERE CENTRAUNE TENDENCUE 98 41. ARITMETICKA SREDINA 98 42. ZAJEDNIGKA ARITMETICKA SREDINA 62 43. NEKE DRUGE MJERE CENTRALNE TENDENCHE 59 ASL Centraine vrjednost 58 432 Dominonna vrjednast 55 43.8 Geometriska sredina 55 434 Hormoniéna sredina 56 Zadaci za vjetbu 57 - MJERE VARIJABILNOSTT 59 51, RASPON 59 52. SREDN/E ODSTUPANSE 60 53 STANDARDNADEVISACIIA 61 54, KOEPICUIENT VARUJABILNOSTI 65 Zadaci 2a vjetbu * 66 |. GRAFICKO PRIKAZIVANJE REZULTATA 97 Zadaci za vjetbu 78 . NORMALNA RASPODJELA, NEKE DRUGE RASPODJELE (1308 PONESTO 0 RACUNANJU VJEROJATNOSTI 79 Zadaci za vjezbu 96 - POLOZAJ POJEDINOG REZULTATA U GRUPI 97 84. eVRUEDNOSTI 79 82, CENTILL 102 Zadaci ra vjedbu 110 |. RAZLIKA IZMEDU DVIJE ARITMETICKE SREDINE 111 G1, POPULACHATUZORAK 11210. u, 2. 1s, 2. STANDARDNA POGRESKA ARITMETICKE SREDINE 120 RAZLIKA IZMEDU ARITMETICKIH SREDINA VELIGIH NEZAWISNTEE CZORAKA 126 94, NULHIPOTEZA 197 95. OPASNOST OD FOGRESNOG ZAKLIUCKA U VEZI§ ODBACTYANIEM SULIPOTEZE 198 96, TESTIRANIE 2NACAINOSTI RAZLIKE ZED JEDNE ARITMETICNE SREDINE I NEKE UNAPRIJED FIKSIRANE VRIJEDNOST! 139 97. RAZLIKA IZMEDU ARITMETICKIM SREDINS VECINIH ZAVISNIE, UZORAKA 141 98. CRASPODIELA I TESTIRANIE RAZLIKA IZMEDU ARITMETICKIE, SREDINA MALI NEZAVISNIH UZORAKA 142 99. RAZLIKA IZEDU ARITMETICKIM SREDINA MALIK ZAVISNDA, UZORAKA ("METODA DIFERENCUE") 151 9.10. KOMBINACIIA DVAJU TESTOVA ZNACAINOSTI 155 Zadaci 2a vjezbu 157 °DVOSMJERNO” ILI *JEDNOSMJERNO” TESTIRANJE RAZLIKE 159 . TESTIRANJE RAZLIKE MEDU PROPORCUAMA — 169 ILL STANDARDNA POGRESKA PROPORCLIE 103 11.2, RAZLIKA IZMEDU VELIKI NEZAVISNIH UZORAKA 165 11.3. RAZLIKA I2MEDU VELIKIH ZAVISNIH UZORAKA 166 1d RAZLIKA IZMEDU MALIH NEZAVISNIE UZORAKA 765 11.5. RAZLIKA IZMEDU MALIH ZAVISNI UZORAKA. 172, Zadaci za vjezbu 174 ‘TESKOCE I "OPASNOSTI" PRIRADU'S POSTOCIMA — 175 Zadaci za vjezbu 178 KORELACA 180 131, SMISAOTPRINCIP KORELACE 180 132. IZRACUNAVANJE KOEFICUENTA KORELACUE + 102 133. TESTIRANJE ZNACAJSNOSTI KOBFICUENTA KORELACUE + 105 134. IZRACUNAVANJE KORELACUE r NA VELIKIMUZORCIMA 197 135. IZRACUNAVANJE RANG KORELACUE "Ro" 199 136. TESTIRANJE ZNACAJNOSTI RANG KORELACUE Ro 208° 13.7. KENDALLOV KOFFICUENT RANG KORELACIE "Tas" 206 138. TESTIRANJE ZNAGAINOST!KOEFICHENTA KORELACUIE Tau 209 139. USPOREDBA IZMEDU Tou i Ro KOEFICIENATA 200 13.10, INTERPRETACIJA KOEFICUENTA KORELACUB 214 13.11, KORELACA TUZROCNA VEZA 214 1312. PARCUALNS SORELACHA 217 18.9. KOEFICENT MULTIPLE KORELACUE 220 13.14. “POINT-BISERUALNT’ KOEFICUENT KORELACUE 289 1315. KOEFICUIENT KONKORDANCDE I” 225 14 18. 16. a, 18, 18. 20, 15.16, 108 NEKINOEFICUENTI KORELACUE 997 Fi koefcijent 227 Koefcijent kontingencije 228 Kramerou Fi 229 13.17. KORELACIJA I2MEDU NOMINALNEJORDINALNE VARIABLE 220 Kendallov Tau 229 Freemanoe Teta 290 13.18. RAZLIKA IZMEDU DVA KOEFICIIENTA KORELACHE r 298 Zadaci za viezbu 234 PROGNOZA IZ JEDNE VARIABLE UDRUGU 237 141. PRAVAGREGRESUE 297 142 POGRESKA PROGNOZE - 45 Zadaci ra vjezbu 247 HEKVADRAT TEST 249 15.1, JBDAN UZORAK 250 153, DVA ILt VISE NEZAVISNIH UZORAKA 258 15.3, DVA ZAVISNA UZORKA (MeNEMAROV TEST) 264 154, NEKI OSNOVNI UVJETI ZA UPOTREBU HI-KVADRAT TESTA 200 155.JO8 0 HLKVADRAT TESTU 269 Zadaci za vjetbu 272 STANDARDNA POGRESKA STANDARDNE DEVIJACIJE I GRANICE POUZDANOSTI STANDARDNE DEVIJACUE 275 OSNOVNI PRINCIPI UZIMANJA UZORAKA 279 Slugajnt worak Stratifcirani wzorak ‘Klaster wzorci ‘Rovini uzoret Prigodni uzorak ITA. VELICINA UZORKA 284 Zadaci za vjezbu 286 ZAKLJUCIVANIE U STATISTICI 287 SKALE MJERENJA 297 Nominaine stale Ordinalne skale Intervalne skale Omjerne shale ‘UVOD U ANALIZU VARIJANCE 299 20.1. KAKO TESTIRATI RAZLIKU IZMEDU VISE ARITNETICKO SREDINA? 209 202, $TO NAKON ZAVRSENOG RACUNA ANALIZE VARUANCE? 911a. 20.3. DVOSMLIERNA ANALIZA VAHWANCE 919 A. Nesavioni results B. Zavisnirezultati Zadaci ra viedbu 320 IZBOR IZ NEPARAMETRUSKIH TESTOVA gat 212, PARAMETRIUSKA I NEPARAMETRIISKA STATISTIKA 921 21.2. DVA NEZAVISNA UZORKA 329 D124. Test homojenog nize 928 212.2. Medijan tat 926 21.2.3. Test sume rangova (Wicoxsonov T-test, Mann-Whitneyev U-test) 927 21.2.4, Siegel-Tuheyen test 390 21.3. DVA ZAVISNA UZORKA 999 21.3.1. Test prednaka (Sign test) 999 21.3.2. Wileoconoy test elvivalentnih parova 235 214, VISE NEZAVISNIH UZORAKA $97 D141. Prosirent madian test 397 2142. Kruskol-Wallisou test 398 21.5. VISE ZAVISNIH UZORAKA 941 21.5.1. Priedmanov test 941 215.2 Cochranov Q test 349 21.5.3. Pergusonov test monotonije trenda 945 Zadaci za vjeibu 347 RJESENJA ZADATAKA ZA VJEZBU 951 LITERATURA 955 DODATAK 959 ‘ *Statstighi natin midjnjajednog Ge dana 1a svakodaeval Zivot gadana postatijed- ‘neko seopbodan kao zuanje etanja pisanje™ HG. Wats (1866-1048) Ako se upitamo "sto je statstila”, mate nam pomoti misao jednoy statisicara nna podrugju medicine (Mainland), koji kate: "Nijedna defnicija ne znati mnogo tako dugo dok nismo prouéili ono na demu radimo — a tada je svaka definicja ‘otavo nepotrebna." A buduéi da ima vise od 100 defniia statstke,zaista je bolje dase 5 ne pokusavamo upuitatiu to da je definiramo. Uostalom, i bez defniie mangje-vigeipak svi znamo sto po pill! ona znati: obrada brojéanih podataka radi Jasnieg prikazivanja.(S ovim "jasnije” mnogi se od vas zasigurno ne slab!) Kag sto dese kasnije i teksta ove knige vidjet, pocecistatsttke metodologiie nastali gu te potpuno praktignth poticaja | problema svakodnevnog tivota (i. 2 problema na koje su nalezli profesionalni kockari i hazarderi). No kada su se ‘matematicari ozbiljno zainteresirali za te probleme, i kada su razraill statistiku ‘kao grants primijenjene matematike, statistika je postal tesko destupna Covjeku, koji nije bio ii pa profit ili po svom "hobija” matematitar. Motda je to uzrok njenice da se u razlititim drustvenim i prizodnim ananostina statistika jo$ prije 70.80 godina tako malo primjenfivaa. (Jedino jedan njesin dio — a taj je upravo i najmanje poveaan sa statisickom metodologljom — unatrag nekoliko stoljeéa ppounat jeu znanost iu javnosti: tos bili rain statistic pregledi broja rodenih Fumi, broja oboleih od neke bolesti is.) ‘Tako se, na primer, u primijenjenoj psihologi statistika prvi put pojavljuje ‘oko 1920. godine, kada su postavljene neke hipoteve o nastanku nesreéa, pa je predlodeno da se te hipoteze provjere tako Sto Bi ge usporedivalo ono fta 5° pod ‘vidom th hipoteza move atekivatl s onim Sto se zaprava dogada. No, ti prvi pokufaji"prodora” statistikeu svakodnevnu praksw iu primijenjenu ananost, ostali su u potetku bee veéeg odjeka, i tee za Drugoga avjetskog rate, usporedno § "eksplosivnim” porastom znanstvenih speznaja na raziitim erico-10 1 zaSro starters cinim { drustvenim podvuefima naglo prodive i statistithi natin misleta, kako w primjemy znanstvenih ciscipina, tako i u.natin vazmisljanja « problemima bic- lage. ekonomije, peliopivzede, psihologje, socilogie, cehnike, vojnih znanosti prometa, tigovine | prodaje, Sparta — pa éak i linguistke, knjl2evnostt& dvugity podeutia enanost Statisicha metodologiia postala je u suvremenom divotu donekle cak i dio “opéeg obrazavanja” | “opée kulture"; jer je, na primjer, tesko zamisie danas tovjela bil koje strate, ako posjeduje tite, a pogotovu visake obsazovanje, da mt 1e Di bili poznat, primjerice, pojmovl “aritmericke sredine", "korelacje™, "varijen biiteta” ¥ tome sign Dakle, sali je Covjok danas — lao 8to je to proratanski predvidio H. G. Wells, linea sto citxali kao moto ovog poglavlja — jalofensituacijama u Kojima mu je ‘poreebno paznavanje nekih esnovnih statistikth pojmove, a pogotovl statstichog sacina miljenja” Za suvtemenog éovjeka, koji se bavi znanstognim radom, postoje ~ mosh bismo’ reGi — eetiti "razine", na Kojima on treba statistik: 1, Poanavanje statistke potrebno je zb0g pragenja struéne { znanstoene litera: ture. 2, Posnavanje statistike potrebno je pri obradi ‘tezultata, prikupljenih is- tuativenjem ili ekaperimentam, radi deskripeie 3 analize th reoult 3, Pomnavanje statstike potrebna je u zoanstvenom radu radi zakljuéluanja ia onketnog slutaja ne “opel zakon". 4, Poznavanjestatistike potrebno je pri planiranju istragivanja i eksperimeneta Razmotrimo neke primjere 2a sveku od navedeni"razina"! Ad 1. Pradenje literature. Driimo da 24, ovo podrueje uopée aije potretino dotazivati potrebu osnovnoga statistitkog obrazovanja, jer je malone svaki strutnjak testo bio u takvojsituacji da nije mogao rezumjeti neke osnovne rezul- tate istrazivania iz svoje struke, objaviene u tazlititim struénim i znanstvenin ‘asopisima: ti su vezultatt sve Gee laneseni u vilo skragenom obliku, ali ato ve ppomoé niza statstiekih termina i simbola. ‘Ad 2. Statistika radi deslripeie i analize. Podrutjem opisivania konksetnih rezultata, dobivenih prilikom nekog ipitivanja ili mjrenja, bavi so tav. "desksip- tivna” statistika. Njeina je 2adaéa — sto se dade zalljutiti iz naziva — da opise podathe, #co na taj natin da ih sredi i sezme, kako bi bili sto pregledniji. Bez ‘takvog stedivanja miogi podaci bili bi nepregledni, pa se stoga tako cesto i dogads da potetnik svelikim elanom i marjivoséu skupi mnoétvo podatak prilikom nekog Istrativanja, anakon toga ne una pravo &t9 da snjima pote — te oni éesto ostaju wu ladic! “Tako, na primjer, sntropologa li lijetnika mote zanimati visina djce odvedenog spola i dobi, ali kad invr8i mjerenja nekoliko sttina I tisuéa djece, iz mase pos- tojedih podataka ne mote se vidjeti praktitki nista tako dugo dok se tf podact ne srede i "sazmu” lako bi ih se moglo grafitki prilazst, th dok se ne izratuna Jbarem artimeti¢ha sredina, kaa jedna od vejednosti koja *prezentira” te rezultate, 1}, koja nam jednim brojen daje ono sto je iavtenim mjerenjem za tu skupinu *najtpieny n Il, jedan Klinigar moze bith zainteresivan 28 varjabilite inkubacije 2a nekw fodtedenu holest. Prosjeéno trajanje inkubacije mozda mu je pomato. ali njege rmotda tpravo zanima s Koliko velikin varijacijama w inkubacii moe raguna Drugim rjeEima, mode ti kod neke holest, kod koje inkubacija'y prosiek teaje, tering, oko 10 dana, biti siguran da do obolenja nee dodi, ako je od momenta :moguée zaraze proslo mjesec dana (Tako je poznato da za tetanus inkubacija moze trajati vo dugo.) Klinigar € osnovnu informaciju te viste dobiti iz jee druge “ehecentativne” vriecnost, npr. iz tev. "standardue devijacije", koja pokazule & ‘kojem se raspons mogu o€ekivati rezultat aiologa ill fiologa moze zanimati da li pod utjecajem djelovanja alkolla dolaz| kod govjela do poveCanja varjablteta vremena reagivanja, psi Gem mozda rosjeéno viijeme reagiranja ostaje epromijenjeno. Ite podatke dob ée, naravno, ‘ba isti natin, fj trazeéineku mjeru vaujabilieta rerutata. ilo se éesto u praksi pojavi pitanje refativnog polotaja pojedinog rezultata ‘meds svin ostalim rerultatina. Na primjer, ako poliklinig ijetalk saopei nekor roditeljy da je njegovo dite "vrlo visoko za svoje godine", to Je doduge tome rodlitljy korina informacija, ali nije €ovalino precigna, jer roditelja aanima tatan podatak. No kada bi mu taj ljeénilerekao da Je njegovo dijete taliko visoko da medu drugom skolskom djecom istih godina i spola ima samo 2% djece koja su rastom viga, onda ta informacija predetavlja veé vrlo detaljan opis polodaja tog djeteta tuedu drugom djecom, Tl, prilikom klasiflaciskih ipita 2a Upis na neki fakultet primjenjuje se motda nekolko eestova znanja, Nekako je vobiéajeno da fe rezultati svih testova zbroje | suma bodova svih testova predstavljs konagan renultat tog studenta, Je lito posve ispravno? Saanat éemo da nije. Naime, ako netko, pretpostavimo, dobije 70 bodova u tests, u kojem ispitanii po reeultatims variraju od 10 do 110, ta} mu dobiveni rezultat znati manje nego kada bi rezultati vatirali od 40 do 80. U ovom, kao iu prijasnjem primjeru, potrebno je, dake, voéno ‘adrodit pologaj svakog rezultata medu ostalim rerultatima, tj, potrebno je znati koliko veijedi pojedini rezultat” — a to se velo lako mote pestitiprimjenom nekih Jednostavnih statistieih postupaka (i2ratunavanje "s-veijednosti i izragunavanje *decla” isl) ‘Dalje, mnogo se puta u praksi pojavi pitanje kakav je oblik distribuctje neke pojave koja nas zanima, tj. kako se ta pojava "rasporeduje" u pritodi, Kao sto je poznato najéetéa distribucija,s kojom se u Zivotu susredemo, jest t2v. “normaina Aistribucla”, y kojojnaleximo najvie stednj, a najmanje ekstremno malih ili ek- stremno velikh rezultata: istodobno, ta je dsiribucija simetsitna. No, to ne mora uvijel biti tako, jer se mnoge pojave rasporeduju i na druge natine, Ako nam je poznato kako se neka pojava distibuira, mozemo s vetim razumljevanjem inter ‘preicai pojedinaéne rezltate, Tako je, na pritjer, poznato da se bilirubin w krvi ‘istribuira asimetritno, da se bro} neseta pri radu takoder distribuiraasimetrigno (Ger najveét broj judi nema nesreéa ii ima satao jednu, a vrlo mali bro} Judi ima mnogo nesreéa), da promjerljudskog srea daje nepravilna krivulja s dva vrha, da upitnict za ipitivanj stavova obiéno daju takvu distribueiu u kojoj ima najmanje srednfih” rezultata itd deskriptivns statistik mogl bismo éak svtstati i jedno od inate val kom.2 1. zssrOsrarisnign? pleksnih pitanja, t.pitanje So je "normalno" a sto “nenorigalno", O:tom prob- Jemu mnogo je psano i raspravljane, i problem zasgurno prelaz granice statisti, ali se uz pomoé statistke{ statstithog natina nisljenja problem pak mote jas- rat. Preenstvene,inraz "normalno" znafi ono je prosieen ili 80 je hatkada "normalno" anati "bez bolesnih znakova",ied.Na primer poviseni tla kod veéeg broja starith mukaraca nije "normalin” utolio sto je to 2nak nekih patolotkih promjena u nekim organins, al je, sdtuge strane, "not rmalan" utoliko st e "prose lak stariih ud vif od taka mladih*. No jedan od najtetih problema, oscbito izazen u disiplinama koje se bave botesnim stanina organizma jest pitanje granice amedu “zdtavog” i "bolesnog", tj. "normalnog” i ‘nenormalnog”. Pitanje uopée nije rjesivo na potpuno zadovaljavajud-nacin (er uvijek postojtznaéajno preKlapanje simptoms iamedu 2drave i bolesne grupe), ali nek grail statisti postupe!osiguravaju nam da srelativnonajmanje pogredaka ‘odredimo gdje seta granieanalaz Peznato je da mnoge pojave pokazuju neku manju ili veéu medusobni 2a- tisnast:kada je jedna pojava v porastu, u porastu (liu padu) je i druga, pa tako do odredene granice motemo iz neke veljednostl uw jedno} od th pojeva za- kljutivati na odgovarajuéu vrjednost u drugoj pojev (na primjer i podetlao visint nekog Zovjeka mozemo s odredenom vjerojatnoséu nagadati io njegovojvierojatno} tetini). Ta se pojava naziva hoelactjom, i nalazimo je svagdje oko sebe:u koreacit su visina { tefina,intligenija{ skoski uspjeh, tjelesna tkmperatura i-puls,in- tenzitettjelesnog napora i krvn’ tlak, koligina ke i bujaost vegetacie, starost i tjelesna snags, motivaija j radni utinak, itd, itd. 2a psihologs, Iijetnika, soci- cloga i druge struénjake pojam korelacie ite kako je vatan, jer nam ~ kako je veé reteno — korelaija omoguéuje postavljanje praynoze iz edne pojave u drugy: Sto je povezanost(korelaija) vile, prognoza je totnia Ad 3. Zaliusioanje ic koniretnapsluéaja ne "opti zakon”. Ako smo lamjerili visinu, recimo, 100 desetogodiinje mutke djece u Varaédinu i 100 desetogodiznje mute djece u Zagrebu, te smo nail da su u prosieku zagrebaska djeca vifa od varatdinske, onda — pod pretpostarkom da je mjerenje ivseno bee pogresaka — nema nitakve surnje da su iamjerena varaadinskadjees vprosjkw nits od izmje- rene 2agrebathe dice. I, ako smo prmijenlineku nov terapija na odredeni bro} bolesika, i usporedil trajanje bolestis kontrolnom grupom bolesnika, jeeenom na klasitan natin, pa smo nasi da su bolesnei ijeteni novim pestupkom, ozdravili Uprosjeku 2a kraée viijeme — onda je to kod promatranih bles sigurno tako. ‘Tukoder, ako smo naili da djca, koja tive u tetkim ekonomskim priikama, prosjeku imajuslabij Skoski uspjeh od djece koja dive w obitelima bes ekonomskit tefkota — takoder nema sumnje da je to totno kod djece na kojoj smo mjerenje izvrail, No, nas w ovim slutajevima zapravo coliko ne ranima jess Hua konkretne zagrebatha djeca visa od varazdinske. i jesu lt ovi konkretn bclesciondravilibrée ‘0d druze grupe ii jesu li Konivetno ispitivana djeca iz ekonomski ugrozenesredine labiji utenici, Ono S10 nas zanima jes: ponajpije to mofemo Hi smi is th pojedi- nacrwi sacajeua zakjucivatiopéer t,t), motes li na temeljn ‘evcienog mjerenja 2hijusts das opéenito tagrebatki 10-godisnsdjetact vish oc scojih varaddinskik ‘inj, da nova metoda ijetenja opéenito u prosjeku skraéue trajanje boast, ih cham me 13 ao je Hi ekonémska ugrotenost opéenito povezana sa slabijim uspjehom djeteta u Ali ‘Kako vidimo, ovaje fe pojedinaénog slutaja telimo zakijutiti na neku pojavu huja je motdla opéi zakon. Dragim rijetima, u svim takvim slugajevima (a to je sotovo redovita pojava pri isradivatkom radu!) mi zapravo Zlimo iz pojedinaznog justi nw opeenito, “Taferencijaina statistla”, tj, ona} dio statistik postupaka koji nan comogutue stvaranje zaKjueaka, omoguéuje nam da ustanovima smijemo iil ne Sijemo nademu pojavu smatrati generalnom, dakle opéevazetom. Dodu, kao fo e se vidjti, potpuna, *100%-tna” siguenost u sttistickim je zakljucivanjima prakeigki nemoguéa, ali pri zakijudivanju ipak modemo postii sigursost koja je bina sigurnosti ed 100%. Uostalom, © problemima zakljucivanja u statstci bit ée jot govors pitanju posveéeno jedno ftavo poglave u ovoj kn Keo sto se logi¢hi i moge otekivati,inferencijalne statistika je to "opreznija” 1s zakijutivanju Sto smo na manjem broju podataka neke rezultate dobill. Napro- tiv, Sto je broj podataka vet, to mozemo vise biti sigurni da dobiveni rezutati trijede | inate”, a’ne samo w sluéaju koji smo iamjeril. Ali sve to, naravno, pod pretpostivkom da je "uzorak” na kojem smo myerenj izvril reprezentativan 20 {grupu Kojo} ta} uzorak pripada, ¢ da uzorak nije "pristran®. Kada bismo, na primer, izabrali samo najbolje utenike ir nekog razreda pa im iamjerii enanje hatematike, onda rezultat, dakako, ne bi bio "teprezentativan” za ciel razed. ‘Kada bismo, primjerice, teljel dobiti podatak o prosjecnim osobnim dohocima tagnebsckin gradans, pa lada blsmo iz telefonskog imenika nazval svakog 50. pret- platnika i trail od njega podatice o dohocima, éak fonda kad bi nam svi upitani Gali totne podatke, ne bi nan. dobivent rezultati dali ipravnu slik, jer na8 uzorale nije dovoljno "reprezentativan" za pojam "gradanin Zageeba”: u nadem se uzorku. nalaze samo vlasnici telefona, a mozemo bit sigurai da prosjetni dohoditih Hod ‘isu jednaki prosjetnim dohocima onih gradana koji nemaju telefon. ‘Kako u inferenijalno} statistiei problem uzorka i njegove reprezentativnesti ima primarno anatenje (er svi zaldjute, koje iz dobivenih rezultata invodimo, ‘tide same onda ako je uzorak praviln izabran), mnogi statistiar\inferencijalne statistiky nazivajujo8 "statistikom wzorala” ‘Ad 4. Planiranje istraivanja i eksperimenata. Poznavanje statstitkih metoda mois istrazivatu dosta pomoéi pri planiranju istrativanja odnosno iarade nacrta clsperimenta, Spomenut éemo it toga podrutia samo dva primera: ®)pitane eksperimentalne i kontrolne skupine i ») pitanje velitine uzorka, = Kao ita je pornato, eet nekoga odredenog djelovanja motemo provjriti samo onda ako smo istodobno isptivali | slutajeve ber utjecaja tog djelovanja. Ako nas anima ima li nek jek odzedeni utjecaj na neku boiest, moramo njegovo djelo ‘vanje usporediti sa satajevima kada ta jek nije primijenjen. U eksperimentalnom radis skupinu na kojoj provjeravamo efekt noke metode nazivamo ekxperimental- ‘hom skupinom, a ond na koju metoda nije primienjena, kontrolnom skupinom. [No kontrolna iekaperimentalna skupina moraju biti medusobno Sto sliénije w svimm {tom jeu 1. 248t0 grarisrisa? ‘nim svojstvima Koja bi magl iat tjecj 8 ono So ipitujemo: no tj natin je- lina az amedu obj skupina bite to du tn a edn prime an drug nism primijenil nei postupak Na primje, voi emo neku nov mevody ateaja stranog jetta, onda emo tu metals usps elektom neke druge (do sada upoteebjavane) metode, ai ipitanii eke alae i Kontolne grupe moray Doki medusobno st sin pe starosnoj abi, solskors abrazovanju, predenani la tog jtita, i. Jednako tako, alo isptujemo nek nov iru te, sptanit eigperimentale i kontoln grupe morau biti meusobn "bomparabi” po tefis obolenj, po starosnoj dobi drug faktarime kaj bi mogli tit u vers boleséa is fatorima recistencie Dok je u laboratorjskim ispitivanjima (relativno) lake provesti takvo tie jednatavanjeeksperimentalne i kontrolneskupine (er pi laberatorskim eksper mnentima obiéno motemo prethodno paajvosastavtiKonrola i eksperientalna sup od isptania sa lini lrakteristtams) dotejeto Gest rl ek provest npr. w Hinickom radu, « prakticnom radu industisog psiholog, | wopés u ade “na terenu”,gaje ne movemo po voli sastavljtiwzrak, nego si pen adit na tav."prigodnom” work, tna Wark koji jena raspolazeno, Jed od vadnih pitanja po planianju nekogistraivanja — u kojem fathada olazi do nesporazuma izmeds potetika | iskusnog statisti¢ara ~ jest ptanje alicine uzorka, Pobetnk,ofekuju od staistigara gotove"zecepte 2a nekesvoje ostupke,obién se iskreno razotara kada mu statistiar ma njegovo pitanje Kolko ‘oli uzorak da ueme 2a neko istredivane,odgovori da ~ ne anal Potrebna veltina uzorkazavisi naime od vie faktora, od kojih neki ne moraju uopée biti poanati prj potetia poles i istadivanja Evo glavnh flora: = Zeljna preciznostresuliata: Sto nam je veeapreianst potrebna u nekom Istazivanju, te potreban i vel woral ~ Varjabiost pojove,bojsiptyjemo: kada nela pojae uopée ne bi vairala (Gi Jada bi svi lanovi eke populacie imaltidentienu koltinu one facakteris fike koja nas 2anima), bio bi dovoljan wzora vene 1, jer bismo s Um jednim podatkom vee znali sve 0 pojavi kojs mjerimo. Iz tga sedi da je potreban to ‘etl uzorak Sto pojata, koja istzazujemo, vite vatra, Kako, primerice Cvjekova tetina mnogo vibe vaita od tovekove tjlesne temperature (kao Sto éet viet u poglavlia "Mjecevarjailnost,u ttin ud vairaju preko 30 puta vse nego a tilesn temperature toga sedi da bi nam za dabvanje podataka o posjetno] silesno temperatur (edrvih) Hud bio dovaljan matno man zorak nego 2a do bivanje podatakao prosetaoj tet ~ Frekoencia pojave: sto je poava, ko inptajemo, opdnito rede, je vedi szorak potreban; Kod velo rethihpojara pottetni su za vlo velit wore. Evo imjera: ako bi neti eli spt! neko novo ejepvo prot potomieiisa, pa bi, ‘zmimo, skupinu od 100 djce djeio Kasitnom vakeinom, a droga, podiednake relia skupina,eiepio tim novim gepivom, velo verojatae bse dogodilo dani jeenoj niu drugo}grupiaijedno dete ae Bi obolelot, Siena se pojava mode dogodtiprakti¢aima (pstholosina i Wetnicma) koit » vekoj malo radnoj organiaci pita, na prinjer, ratku femedu mladlh i star radnika frekvencii nests pri radu. Napiotv, da smo u prvom sluéaju teste ices wns eel, pretpostaiino,u svaki uzorak oko 100000 djece, onda bi se moida dagodilo di ih jeu uzorku kontiolne geupe abolelo 15-20, au uzos ku eksperimentalne grupe hijedo-dijete — pa bisino-na temeliu toga, nakon potrebne statistithe obrade — ‘jerajatno ve€ mogl zakjuciti esto o Korisnosti novog ejepiva Djelomi¢no u vez pitanjem velitine uzorka jest i pitanje orazlikama u velisini izmeds kontrolnog: eksperimentalnog voorka. 8 donedavn staistigarinisu ovdje postavijali nikakve posebue zabtjeve, er sain formule dopustaju da medu vaotcima bud bilo koje alike u veligni, No, u navije vijeme utvrdeno je da je anatno balje ako su oba wzorka pribKana jednake veligne (o tome ée jot biti govora u ovo} knii ‘ poglavlju "Razlika izmedu dvije artmetiche sredine"), pa se u tom slavaju Gak ‘ogi kesiti neka pravila u ragunima, u vezi s uvjetima, potrebnim 2a primjens eke metode, a da pri tome rezultati jpak budu poundanl i upotrebljv. ‘Sva ova nivos korisnosti yoznavanj statistke rezultirajuglammam korst koja ‘suvzemeni Govjek ima od staistike, a to Je usvajanje statistichog nacina mishiena, ti usvajanje odvedene tehnike mislenja i rada, bez koje zapravo nema znanstvenog rnin. Cesto se mogu uti ijave oxprilike ovog sadrtaja: "Jedino statitidhi obradeni ppodaci mogu imati zanstwenu yaljednost.” To je toéno, ali to, dalako, ne 2nati da statisttha obrada gerantira znanstvenu vrijednost podatala. Ti — kako kaze Blalock — "statistika moze biti samo pomof, ali nilada zamjena za gdrav razum". Statisti¢ha je obrada samo metode obrede podataka, all nam ona ne moze jamiti ‘a je skupljanje podataka Ispravno provedeno, ili da je titavo istrativange dobro Planirano, Bit ée jos dosta prilike u ovo} knjiai 2a primjere koji €e pokazati tak Aoupotrebu statistke redi nenamjernog i} ak namjernog zavaravanja javnosti Jer, i potpuno izmitljeni podaci, mogu se statistithi obradit! No za to, naravao,ne treba ‘optutivat statistik, nego onoga tho je primjenjuje; ako netho kirurékim nozem iavrsi glodin | nekoga ubije, nije noz za to odgovoran. Ui, ako netko uz pomoé stauistike objavi neku lad, nije 22 to leiva statistika: statistika ne laze, nego la2u jude Katkada motemo uti misljenje da ¢u fikalne enanosti mnogo "egzaktnije" ‘nanosti od nanosti koje se bave Zivim biéima (biologja, medicina, psibologij, socilogija, antropologijai dr.). Ove druge zbog toga se katkada zovu "statistithe ‘anosti", Medutim — prema msllenju Virginije Senders — razika lzmedu Jednih § drugih nanosti sastoji seu sjededem: 1. Varijablnost veéinefikalnih zakona obigno je tako malena da ne maskira po- java kojuistrazujemo. Naptotiv, vaijabilnosdivotnih pojava, t.fivog materiale, Jathada je toiko veka da otefava pronalazenje zakonitost 2. Druga se razika sastoji u tome sto se od onih znanosti koje se bave aivim Didima, eesto zahtijeva prognoza ofunkcionizanja i ponaganju jeduog individuuma, ok se'od fizke rjetho zahtijeva da dade prognozu o jedno} jedinoj molekul i Aavomu. Kada, na primjer, sociolon i psiholoat dajy prognozu o veliko} skupini ud onl to dine uspjesno, Sto pokazuju toéna predvidanja o pribliznom broju prometnih nesre¢a 2a neke blagdane, o broju glasata na izborima | o Ishodu glasovenja i sl. Ali te znanosti ne mogu dati (osim w nekim rijetkim sluéajevima)sigurnu prognezu ‘to Ge neki odredeni pojedinee until to Ge ses njime dogodit: ako predvidimo6 1. zaSro srarisriear «da Ge 80% glasata glasovai za nckog handidata, mi, na alot, ne motémo amogo refi o tome kako ée neki odredeni pojedinac glasovati; #ko znamo da neli novi 1jek w prosjeku velo uspjeSno lijettaeku bolest, mi ipak ne motemo garantirati 4a 6 pojediae N. N. biti pomoéu tog liekaiajeten. Medutim — misli Senders = tazlita iamedu tih dvaju podrueja manostt samo je prividna, jer fciar moze s velikom preciano8éu odteditikoiko ée se od jednog grama radia raspasttu tok deset godina, alibi se vtlo zatudio kada bismo mu postavii pitanje neka toéno hate kad Ge se raspasti neki oredeni,totan definirani atom. A upravo tos testo zbstijeva od drustvenih znanost of medicine! (Takav individuatniprstup stoge | nazivamo "klinickim® pristupom, 2a raniku od "statistiekog" pistupa,¢. pristups preko velikog broja.) Keo sto je pornato,u javnosti veikoj mje posto "alergiénast" prema stat- stici, ne sumo medu laiima nego testo i medu strutnjacima raslitihstruka, Na prime, kada se studentinekih dru8tvenih ilk pritodno-drustvenih rnanosti(socio- Jogi, psibologija) iznenade Sto mora slusat i polagatistatstku, oni to testo komentiraju rijetima da su taj studi upisali upravo zato stone vole ine zneju — ‘matematiku. Dakle, poistovjeéuju statistik s matematikom, No, podimo redom, i pokutajmo nabrojiti glavne razloge toga negativnog stave velikog broje judi prema statistic 1, Iskrinleno i odveé simplifcirono mnatenje poma "statistika": mnogi,naime, {aj itraz upotrebljavaju za omnaéavanjefolnog pregladanekihispitanih podataka, ‘Kade takvi ud ka2u "imam statsticke podatke", pokadv vam tablice,u kojima se pregledno vide sume u svakojkategeifi! Naravno, tava je "statstla do mak- simuma suhoparna i dosadna, pa je ludiizbjegavaju 2, Mnogi su ljudtfrustrirani pred statistikom zbog njezinog 2a niih nerazu- niljivo jezik, a narotito zbog nepoznaih simbola na koje u statistic nalaze. No, suake manost ima svoje simbol, koi nis mista "exotriéno”, nego predstavjaju skcaGeni | prakttnjisustav Komuniciranja, koji onome koji ta "etl? poansje, predstavja jednako tako normalnerijeti kao i sve ostalerjet. Kao sto lata m0. ‘0 impresionlratiiaat RR, SE, bilirubin, EEG, vital kapacitet il, na primjer, G-faktor, satiacia, emantih diferencia, 1E-est (prvi od ti iaaza kotiste se w redicin, drug» pshologif) tako ga, dakako, mogu impresionivati arazi kao Sto 434, primjerice, varjanca, X, hi-kvadrat, P< 0,05, standardna pogresia i de, a hoi pripadaju statistic, {atu nist vse "ezoteritn” od onih drugih irans. Treba, dodute,prizati da potetailau statistic mote osbitoobeshrabriti injenic so svi statistil simbolinsu jot uijek unfcirani pa za sti pojam raliet autor testo Jot Uupotrebljavaju ranlititesimbole (na primie,avitmetiek sredin neki pisuznakom M, neki A M,, neki X, itd), No slénih pojava, iako vjerojatno u manjoj mer, ima u drugim znanostima, '8. Mnogi judi ~ a to je vjerojatno i glavniranlog lergnost prema statistil — smatraju da je statistln nemopuée razumjeti i suledati bez manje matematike. “To, medutim, nije totnol Glavni se statistitki prinepi + nazin mienja mog uusvojiti potpuno lagickim putem, a od “matematike” je potrebno mati sama 4 snoune operacije, dakle brajanje, odusimanje, mnotenje i dijelienje. Dodute, & Statistckim je raéunima testo potrebno vaditi i drugi kerjen, no 2a ta} pasao fy gatovo u stim satisti¢him udabenicima postojale su tablice u dodatku. A danas 2a takve slueajeve postoje elektronsia d¥epna racunala {jeduno} anegdti,koju spominje veé pile citivani Mainland, neki matematitar ‘ji se speeializirao u matematict vjerojathost, ustvrdio je da znade matin hake da sprijeti prebladu: kad bi osjetio da. mu se sprema preblada. on bi uvete prije spavanja’uzeo jedan lijek, i drugog jutra prehlade nije bilo. Niegova supruga je iedutim ustvrdila da to nije nikakaw dokaz, jer de an zapravo ne 2na Sto bi se dogodile da taj ljek mje zea. Ze eazliku od svog supruga, ona je — kate Mainland primijenila stacstcki natin tezoniranja i lustriala Gnjenicu da statistita {nije dio matematik: “Matematika je potsebna samo 2a profesional statisti¢are,t). 2a one koji stati- stiku i njeuine metode stvaraji, jer oni neke statistieke zakone moraju izraith Imatematickim puter i tako stvoritiformulu pomoéu koje $€ nesto u statistic jaratunava, No matematika nije potrebna za primjenu th postupaks, dakle 2a fone ko statistiku koriste samo kao jednu od metoda w svom radu. Signo kate i statisti¢ar Levinson: "Nije moguée biti profesionalalstaistitar wu deslovnaz» stisiy terijeti ber dobrog poznavanja vite matematike, No nije potrebno biti profesionalni statistitar, pa da bi se znalarazlike ime dabrih | loth statitidkth postupaia. i 4a bi se pametna koristile postojée staistitke metode”. Buduti da statisti ko- ‘ist postupke koje su isradii matematitarl, to jeu statistci mavematika upadljviia ‘ego 1 nekim drugim disciplinama,i to potetnika zavodi, Poéetnikéesto smatra da zato Sto ne mote razumeti tako je nastala neka formula koju on korsth ne moze ‘azutujeti ni statistihi natin rezoniranja. No to, naravno, nije tako, sto éeme lako ddokazatic automobil postoji zato da ga netko voz svi poznamo bole i losie vozave, ‘one koji — kako kazemo ~ odléno vore. Vjerojatno nema nikoga tho bi ustwrdio 4 odlitan voea® mote biti santo onaj koji potpuno i detalino razumije konstrak- ju i funk motoral Jednako tako je | u situacijama v kojima se slusimo npr. televicorom, radiom, elektrokardiggrafom, ortoaterom, mnikroskopom, aparatom 12a mjerenje bazalzog metabolism, itd, td. Sve te aparate motemo vrlo korisno {i mudro upotrebljavati a da ne znamo mnogo o mehanici, opti elektronic itd Uostalom, koliko Iudi znade po kojem principu funkcionira i tako se konstruira neka PC ratunalo? Pa ako to ne 2namo, zar se ne motemo tim ragunalom vrlo ‘uspjeino elit?! Dake, w svim navedenim slugajevima mi razumijemo mozda samo neke os- rovne principe konstrukeje | funkcioniranja pojedinog aparata, ali ono &to treba da potpuno rasumijemo, to je nagin upotree ¢sluacie « Kojima takav wreda treba ‘upotijebiti. Takav jednaki zahtjev postavlja se ina "konzumenta’ statistike,t}. on statistitke metode treba srazumijovanjems primijenti na pravom mjestu. Statisticke ‘u metode — kate jedan statistitar — 2a manstvenog radnika ono sto je alat 2a 2esara. On prvo treba naueiti kako ée svoj alat upotrebljaati, a akon toga mate — ‘upotrebom tog alata — postéi ij tezultate. Ali sam alat mora biti upotejebien na pravor mjestu. Obrinik ne6e npr. upoteijeiti batié dijeto ili malu rerbarsku pilicu da bi blanjao dasku, nti ée upotrijebiti éekié da bi uvenuo neki vijak. Jed nako tako trebs j znanstveni radnik upotrebljvatistatistitke metode samo 22 ono ‘280 su predvidene, i pi tome treba 2natiéto red. Upravo u tom 2ahtjevu katkada SVEUCILISTE U ZAGREBU UGITELISK) FAKULTET KNJIZNICA18 1. 2aSro sierisrisat a 7 {sto Sto | iaraa 1 Iyax? may? BVNEX? XY, 1 ii da 5/7? anati V8, ti da 9 anatiZ U ovo) se knjis pokusava osngvne statistitke postupke i principe protumatiti sto je vige moguée logi¢kim putem. Citaoci e katkada naitina slutajeve da se iza neke formule navodi neka drugs, praktiénia formala, kojom se ist statisti¢ki postupak mode provest pa 6 opravdano porta pitanje Cemu je prvu formula trebalo vopée navoditi. Medutim, to je utijeno u svimonim slitajovima kada prva formula logit slijedi iz dotadasnyihilaganja Tek kad je to shvaéeno, opravdano je prijei na drugu, prektitniju formuly, koja zapravo predstavlja matematicki ekvivalent prvojformull Ova je knjiga prvenstveno namijenjona 6nima kojima je "matematika” glavni razlog zbog kojeg ne vole statistiku. Kao 8o je veé rebeno,u osnovnim statistickim, ‘postupcima, koji su prijeko potrebni evakom tnanstvenom radniku bilo koje suk, ‘matematike zapravo nema — iako bi je naravno.mogl biti lads bj struénjak delio ‘uviek do kraja shatiti postanak neke formule ‘Autor ovog udabenika — i sam nematematitar — stjecao je svojedobno "meto- ‘dom vlastte koe” iskustvas osnovnim te8koéama na koje nematematicari nailaze u statistic. A kasnij, imao je prilke ina drugim Iudima godinama pratiti,prilikom nastave statistike, ranlitite vste tetkota ¢ kojima se sukobljuje nematemati¢ar w susretu sa statistikom. Izato je teskoée ove vrste nastojao prebroditi na najbezbol- nj nadin luted se— sto je vie bilo moguée—logitkim zakljueivanjem i prakticnim primjerima, na kraj, jo8 jedne vaana primjedba: reki smo da automobil metemo dobro voritii bee nekog narotitog poznavanja mehanike i elektrike njegovih uredaje. Jed fre cette icra ttn em RnR Ee 19 nako tako statistik moieino vrlo uspjeino upotrebljavati i bez poznavenja mate. mmatike, All automobil negemo nauciti uz pomo€ éitanja 0 tome kako se auton ‘orl uz pomo€ predayanjio tojtemit Automobi treba vosit, Fednako tako svatko tho inj iskustva s prakiénim radom na nekom osobnom racunalu, veoma dobro sade da se uspjeSna upotieba ragunala moze postici jedino praksom, t. testi adorn na ragunalu. Isto tako nit statistiku neGemo nauditi samo uz pomoé eitanja kenga ili slutanja predavanja. I statistichi rad, 0. praktiéno provodenje pravila i zakona koje smo logithi-mogl posve razumjeti jest vjestina Koju treba w praksi ujetbaoati U tu svihu na kraju vetine poglavlja dani su citaocu primjeri i zadace 20 jebu: Ako zaistaZelite nautii statistik metodologia, onda nemojte zaboraviti da ti tadaci postoje upravo zato da biste steif odredenu "rutin" u statstikim ‘jestinama, Na kraju knjige naGi dere «jesenja tih zadataka, pa éete tako moti provjeriti do kojeg ste stupnja parebne vjestine usvoji.U prvom smo poglaviju spomenuli da je 2a praktiénu upotrebu statistike ppotrebno znati samo éetiri osnoune ragunske operacje: zbrajanje, oduzimanje, ‘mnotenje dijeljenje. Dogada se katkada da pojedinci to smatraju—_matematikorn! ‘Medutim, degradirati matematiku na osnovne ratune — koji se svladavaju veé u potetnim rezredima osnovne Skole ~ bilo bi neopravdano, i zato motemo ponoviti tvednju da barem za osnave, ianesene u ovo} Kaji, matematila nije potrebna, Te razumljivih razloga, koji su veéinom uyjetovani nasim natinom Zivota i sus- tavom Skolovanja na fekultetima, ponel’ su Idi, na dalost, zaboravil i neka os- ovna raéunanje, pa tako, primjerice, imaju tetkoéa pri dijeljenju ili mnozenju decimalnth brojeva, u radu's razlomcima, pi vadeaju korljena (i tablics) ne mogu se snaéi kamo treba stavti decimalni 2ate, itd. a bi éitaoci, prije nego sto potmu s proutavanjem materijla u ovo} knjixi, provjerilisvoje sadatnje ananje oenova ratunanja, naveden jeu ovom poslavl nie aadataka koje treba rijeit, Mnogima ¢e ti zadaci biti infantilno jednostaval, To boljl No, i zadact nsu pisani 2a njih, nego 2a one kofi dena nekima od njih zapet laa tih zadataka nalaze ge rjefenja. Provjeite jes if vasa rjefenja toéna. Ako nisu, nemojte poéeti prowcavati materijl is dnjige tako dugo dak ne obnovite svaje _nanje raéunanja, 50 6 predstavljati motda nekoliko desetaka minute vjetbanja nna zadacima koje Gete sami postaviti iz podrutja koja vam stvaraju tetkoce, Dosadatnja moja iskustva na usmenim i pismenim isptima polaznika brojnih kur~ eva it osnavnih statisti¢kih metoda pokazuju da je ornovni razlog pogresnim rezul- tata i tesko€ama u radu upravo's tomu sto pojedinciutine neke osnovne ragunske ‘pogzeske u radu, a koje se ponajéesée sastojeu pogreino postavljenom decimalnom ‘zarezu, u teSko€i oko dieljenja dva decimalna brojasligno. U svim tim slutajevima takvi pojedinci ne mogu, na Zalos, uspjetno primijenti svoje enanje i razumije- vanje statistckih postupaka jer je Konatan rezultat rads ipak negativan, laa rjeSenja eadatala navedena su u svim vadnijim shutajevima kratka pravila koja se odnose na natin ra¢unanja pojedinih vrsta zadataka. Ta ée pravila poslusiti2. PROV JERITE SLOse 2NANIE 2 Oswovs'WieuNaNs ‘onima Koji su ustanouil da u nekom od ovih podrutja nallaze na ragunske tethote. [No paje nego sto prijedemo na zadatke, treba 1aétistiti§ jednom dilemom. Danas Kala “eksplozivni" razvoj clektronskih vaéunala, a med ajime { malih epnih vagunala, napreduje ~ mogli bismo reéi — gotoro iz dana u dan, mozda Ge mnogieitatel) postavitipitanje Zam treba ponauljati ave osnovne ragunske ope- sacije kada se one ws pomoé rafunala mogu izvesti u enw Pitanje je opravdlana, ali ne potpuno. Prvo, rijetko tko stalno sa sobom nosi elektionsho depno tacunalo, i, prema tome, velo se éesto nati u situaciji da e morati “plese” investi neku ragunskeu operaciju. A to neGe moti ako je zaista 2aboravio osnove ratunanja. Drugo, ako te osnove racunanja poznajemo i razumi- jemo, moéi éomo logiekim zakjutivanjem uotiti neke pogreéke, hoje ss nam se u tadu togle potkrasti, pa malar racua iavodili ('ue pomo€ elektronshog racunala (npr. postavlianje decimalnog zareza na pogresno mjesto, jer ne postavljaju sva ratunala decimalni arez automatski), Ako je netko gotovo posve zaboravio smisto kvadviranja,pa bi "pjetice” ill ue pomo¢ eektronskog ratunala kvadtirao, na prim= jer, broj 0,83, i kao rezultat dobio 0,28, moglo bi mu se dogoditi da Tagubi mnogo, ‘remena trades pogresiu, jer "on se jo8 iz Skolskih dana sjeéa da svaki broj, koji Ikvadsiramo, postaje veéi nego &to je bio prije". Ponavljanjem osnovnih pojmora i tehinika racunanja on éesprijetiti da mu se to dogodi Ako su nam logitki principi ratunanja dobro poznati, onda zaista nema pravog, ‘misla vaditi, na primjer, drugi korijen "pjesice’, ak niti uz pomoé tablica, ako ezultat mozemo dobiti treau pritiskom Jednog dugmeta na racunalu. Isto je tako togno da je dijeljenje dvaju decimalnih brojeva neusporedivo jednostavnije ‘ur pomoé ratunala. Neke formule, koje su u ovo} knjii navedene (a koje ée ne- ‘matematitar odmah uotiti, jet é@ mu se ¢initi "zastragujuée’ i potpuno neca- zumljive) navedene su upravo vodeei raéuna o tome da se one uz upotrebu kralitet- nijh dzepnih laleulatora mogu vilo jednostavno koristit. 24. ZADACI ZA PROVJERAVANJE ZNANJA 1 a) 3-3 4) -8~(-4) b) 347 2) 5+ (-4) 9-16 1) =2-(-6) 2. Zaokrutite ove decimalne brojeve a) 37,8 na clei broj b) 1154 na eit broj ) 0,762 na jodmu decimal 4) 12,849 na jedni decimal 2) 6,98 na jednu decimal 4) 6.0820 na dvije decimal, £) 0,00076. 100. 8) 23,247 10g #) 87968, 3245-1 000 )19,8-100= y eh een nr tna mera apes Win x8. 4) 85,42: 100 = 6) 0.071 1000 £) 356.5: 1000 0.2046 a ) Ams 0,001 Lavette operaciju"kraéenja" u ovim raxlomeima: 3 4307 (2+3)-2 dp Ute + 3 ‘ijetie se razlomaka u ovim iarazima: te @ aa=Gi by) 1/te or Tpratunajte 2) 0,097.7 2) 3,5-2,5 ) 8,56-0,034 (ieratunati na 3 decimale) (ieratunasi na 1 decimalu) (ieratunati na 2 decimale) (ieratunati na 2 decimale) (02 decimale) as (na 3 decimale) ee” (a6 decimala) 2 a3 ode 1 oa og OB 1a ao] 24 age Daze 35sa uu. 1. 38. 16. 20, 21 2. PROUJERITE SLOUE 2NANIE f OSNOVA RACUNANEA 1 1 aart ot 3 5 ya:3 ages ayayae aye 2) T/8 + 2/16 = ara a) VIB = (na 2 decimate) ») VT6O= (na 2 decimale) 4) YSTAT = (na 3 decimale) ©) VI,BO = (na 2 decimate) €) V6 = (na 2 decimal) £ yOGU5E = (na 3 decimate) 2) 1648-2 2) 06+8)-2 by 164a:2 90648) :2= 2) (a+)? wae? 9) VIB33 0 yB=o= ») Vibd= Vier = Ako su rezultat nekog mjerenjaovi: 2, 314, pal ako te reaulkate oznatimo slovom X, koko iano a) DX," (8 anadi sama) ») (Ex? Trratunajte a)2; b) 5h) Ol 22. RJBSENJA I NEKA OSNOVNA PRAVILA Stiizscje neki pravilanisy narotito preciane u maternatigkom silt J treba da poslute samo kao podsjetnik. a)-8 b)4% QT gt 4 40 a) 98; 6) 115; 08; 4/128; ©) 70; 1.003, Ako je znamenka koja slijed ia posljednje koju feline radrds fod 5, posljednja zadtiana mnarvenka povecava se 2a 1 i va Ako je apamenia koja shjedi ize posiedaje kojv sslimo aasta rnanja ed §, posiednja zadr/ans anamenia vaca kala jst. Aiko je znamenka, Koja slijedi za posljednje, koju 2elimo zadréati, totno 5 (bez ostatka, 1}. sa samim nulama koje side). vriedi ovaj ‘bia: ako je znamenka koju treba 2ackruaiti usparna, poveéavamo Je xa 1, a ako,je parma, ostaje kao Sto jest. Prema tome, u takvim sluajevima zadnja znamenka hoju 2adr2avamo, mora biti parma 8) 63.5; b) 0.0000; <) 6.390; d} 892; e) 1980; 1) 0076; a) 25247; 4).439; i) STonss245 ‘ecimalni se broj modi s 10 tako da se decimalni 2arex pomakne 28 Jeno mjesto nadesno. ‘Pri mnggenju sa 100, decimalni se zarez pomakne 2a 2 mjesta nadesno, 4 pri mnotenju s 1000, za tri mjesta nadesno, itd 8) 1,876;- b) 0,0002; ¢) 0.925; 4) 0.8542; e) 0000071; £) 0.3565, Decimalni se broj diel #10 tako da se decimalni zarez pomakne 28 jena mjetto nalijevo. i dijeljenju ea 100, decimalni se zarez pomalene 2a? mjoxta naifevo, pri dijeljenju s 1000, 2a 3 mjesta naljevo ed. 4) 1820; b) 09; ¢) 1285; ) 20,49; e} 1.705000; #) 9.2. ‘Svaki se broj dijeli s 0,1 tako da se pomnoti s 10, a 0,01 diel se tako da se broj pornnati sa 100, s 001 kako da se bro} pomnoti s 1000, ied. 24 2 aus w*tteupen 9 SP espns [Neki broj u brojniku ne mage oe iratitinekim brojem w nazivnile, ako +52 brojevt brojnika vezani zbrajanjem ik oduzimanjem sa susjednim brojevima. a) od brea c)a=yib+d) 8) 0.679; b) 8,75; ) 0,291 Kad se trati da neSto treba "ieratunati na 2 decimale”, to anati da treba ratunatina 3 deeimale, i onda, ako je to potrebno (prema pr Js; mavesencm: pod 2 ), invest karektutu druge decimale. Dakle, wvi- Jj treba robunatl Jednu decimalu vite cego sto nam je potrebno za recultat. 525 10. a v 13. 44 2 PROVIERITE SVOIE 2¥4NIE 12 aS¥OKA RACENANIA Decimalni broj mnodi se s decimainim brojem tako da se najprije obs broja medusobno pomsoze, au rezultatu se odbioji toliko decimals njesta kok ufupno decimalnih mjesta imaju oba broja, 8) 200; b) O71; ¢) 280,22. Bro} se dijeli decimainim brojem tako da decimalni bro} pretverimo 1 ejeli bro}, mnoteti ga s 10 ili 100 lt 1000, td. Ako smo jedan od brojeva pomnotli sa 100, da bi postao cijli broj, motaio I deugt Pomnoditi se 100. Drugim rjetima, wviek oba broja mnosimo stim brojem (10, 100, 1 000 ite). Kad je to ueinjéno dijeimo th notmalnim, postupkom, 2) 1225; b) 0,624; ©) 0.000009; 4) 125: . ) 1 ‘Veiede pravila navedena pod 6. 35 _ 5 9) F=55 Razlomak se mnodtscljelim brojem taki da se brojaik pomnoti tim brojem, a nazivaikostaje nepromijenjen, oe is ys 63 oa 38-19 Razlomak se mnoti razlomkom tako da se brojaile pomnati broj- aikom, a nazivnik s nazivnikom. da 2 a 10 ag-k Mara Mans Raziomak se diel raslomkom tako da se brojnikpsvog raslomka. pomnodi s nazivnikom drugog (i to postaje brojnik rezultata), a azine prvog razlomia pomoti se brojaikom drugog ralonka (ito postaje nazivalkreaultata) 2 3 3 wo Raslomak se diel scl broje (ciel bros raxomtom) taka da cto} zamistino lan dja dao maivdl ta Nokon tog line preme pou navecenra ped £3 8 2 i ates yy F=0e oi od 16. W. 18. 19. 446 _ 10 a) 7B M42 _16 oe 8 Razlomak se 2bra najpuije nade zajednithi nazivnik, t. najmanji bro} koji je djelity 5 jednin + drugim nazivnikom, Na primjer, eajednigki nazivnik od 314 je 12, zajedniehi nazivnik od 8 1 16 je 16, itd. Retun nakon toga izvedemo tako da u brojniku prijaéniibrojnie pomnosima isin: brojem kojim smo morali pomnetti prijaénji nazivni. a) 400; b) 1265; c) 80,12) ¢) 5,693; €) 1,26; 1) 0,228. Osnovni postupak prje vadenja korijena (bilo ratunom bile i tablica) sastoji se u tom da bro} pod korijenom podijelimo u grupice od po dvije znamenke, potev od decimalnog 2areza prema lijevo i prema desno. Na primjer, bro} 189,36, koji je pod korijenom, podijelit emo ‘ovako 139, | 38. To je vrlo vaéno utinitiispravno, jer npr. Y/T,63 nalazimo w tablii pod brojem 163, dok YTE,3 nalaximo u cabici pod brojem 1630! 8) 32; b)20; «48; a) 2, Prilkom ratunanja uvjek trea najprije obavti operacije ”viseg stup ja" (dake mnodenje, dijelienje), a nakon toga operacije"niteg stup- nja" (abrajanje, odusimanje). Medutim, ako je zagradom cznateno da nek operacija nideg stupnja ide zajedno, npr. (16 + 8)-2, onda treba poset obaviti tu opetaciu, pa tek onda ivrsti operacijuviseg stupnia. a) a? +20b-+0% b) a? 2ab+ 8. 8 (ii VE=3}; @) VIB 5 bya 2 (i Vax 2) Prilikom radenja drugog korijena iz niza brojeva povezanth operaci- jama, ne smijemo vadii korijen iz svakog broja posebno ako su smedu brojevima znakovi + ili ~. Naprotiv, ako medu brojevima stoje motemo vaditi korijen iz svakog broja posebno. Siguran natin izbjegavanjs pogretake ovog tipa jest taj da najprije zarsimo ‘ve operacije pod korijenom, pa tek onda invadimo iz rezultata drugi Torin. a28 2%, ox? 2. 2. PROVIERITE SYOM® 2NANIE 2 O8NOVA RACUNANA 9. Kazano rijetima, ovaj zadatak glai:koliko iznosi suma suodriranik X-ova? No u zak 8) pige (EAC)? ,a to anati bolo Fanosi suma -X-ova na kvadrat? U nadem primjera to je (2-+3-+4)? 81. Brlanjom ovih pojmova nastaju najéesée pogreste pri stati- stitkom racunanju kod potetni, a)2 b)120; «1 ‘Znak !iza nekog broja zove se "faktorjel”j znagi da moramo izvsiti ‘operacije mnogenja, hoje se sastoje u tome da taj bro} najprije pomnotimo s brojem koji je 22 1 manji od njega, pa nakion toga s ‘brojem koji je 2a 2 manji td. Na primjer, §!= 5:4 -8-2-1= 120, ‘Valja zapamtiti: = 1 Dugo sam se kolebao da li da u svojedobno pretadeno indanje "Osnovnih statistitkih metoda” ukljuzim il ne poglavlje o omovnim pojmorime teryjatnost Glave faktor; ti Je govorio protiv ukjutivana tog poglavja jest je pojsm vjerojatnosti prvenstveno matematidlipojam i da su ga matematitari siefavall na metemati¢h natn. A statist natin mienja mate se posve dobro svoj bee poznavanja nekih osnovaih zakona iz podrutja vjerojatosti.Totaije refeno, ona vista vjetolatnosti s kojom konaument statistik doles u vom radu eontakt, to je vjerojatnost koja proizlz! iz povsine krivulje narmalnerespodiete, | hoje ~ jako se, naravno, radio istom pojms "vjerojaznosii” — nije sasvim ve2i sonim sto se obitno w statistcl obeaduje u poglavlju pesveéenom omovnim pojmovima vjerojatnost. No odlukao tome da to poglavieipak bude ukjutenow kngigu napokon j bila potaknuta time so su pitanja verojatnosti ovog tipa velo praktitna pitanja, éesta ‘nckim podrutjima svakodnevnog vote, a pegotayy se testo pojarliaju w rani ‘grama "na sreéu", Yao to a igre karlama, kockama, tombol, lutrij, rule és ‘Koko iu tom podrutji maogi ud nemaju minimalno predananje.o enome Sto bi u ‘ekvim situacjama trebaliznat, odluteno je da poglavleipak estane v udtbeniku, Za one titaoce koji su vige aa to zainteresiani, dane su{ neke formule, no ako ste" alergieni na matematick formule, nema)te se njima bavi, vet th jenostavno preskoite i protitajte simo nekliko primjera ko vas zanisaju.Prottajte vjedno ‘a ekim vipitnim pogreSkama io ih judi testo fine u vei s vjerojatnoSeu, a koje su opisane na kraju poslavia. ‘Oro je na potetku bilo potrebno rei jr je titzocu u prvom poglaviu obeéano dis osnoinestaistiche metode mote svadatis 4 osnovns raguna, To je toto, i— kao Sto ée se vidjeti — vide od toga zaista nije potrebno. “Veo je teSko re ada su eapravo zapotelssnanstrena isttafivania vjerojatnost fz koyih su se kasnije razilaglavna podrutja statistihog reronranja i statistike metodologije.Znade se da su stari Bgipéant vet 3600 godina pijenase ere gral nekepe 30 2. CosvovNn PomtoyiiA weRosATNOSTE {gre sliene nati igrama kockom. Isto se tako enade da je Covjegaistvo ustolietima ‘Koja su slijedilaimalo vee mnogo iskustva s hazardnim igrama kockarns; ali pravilo da ce kod ispravne igrace kocke scala njezina strana past otprilie jednako puta ‘in se da je velativna novieg datum, t. da datira negdje oko 1560. godine, kada je talijansk lijetni, profesor geometrije | trast ven! kockat Girolamo Cardano (1501- 1576) u knjizt “Liber de Judo alen” ("Kjiga 0 igrama kockom") napisgo, govore€i 0 igraéoj hocks: "Svaka polovica stranica kocke pojavljue se ednako:testo... Na primer, ja mogu jednako lako baciti Rackom 1, 3 ili 5, kao Sta mogu bact.2, 4 il 6" Cardano je | iava¢unao da je vietojatnost svake strane hacke 1/6 i upozotio Je da to vrijedi samo kod ispravne, tj. “postene” igraée kocke, (Na po mena CCardano se inate bavio i astrologjjom, u koju je évrsto vjerovao. amedu ostaloga, prorelao je idan svoje smi kad je taj dan dosao — da bi potvrdio tagnast evo. prorotanstva ~ Cardano je potinio samoubojstvo! I tako je poslutio kao "skolski primjer" 2a ono sto se u snanosti nazivz "proratanstvo koje samo sebe ispunjav najlake je naime dolazati vijednost prorotanstva tako da uinimo toéno ono Sto znam je prorotanstvom predvideno.) Cardanovo otkrige 0 vjerojatnost pojaviivanja svake strane kocke velo se brz0 prosirlo medu matematizarima (iako mu je knjiga tiskana oko 85 godina nakon ‘snrti) | Galileo Gaile, koji eobjavio svoja "Razmisljanjaoigrama kockor” 1620. godine, vet Je posvetio dio svog rukopisa vjerojatnostlrazlititih ishoda ako se igra fujema koclama, On kase ovako: "Buduél da igrata kocka ima gest strana, kada je bacimo, ona mote pasti na bilo koju strany .. Ali ako zajedno s prvom kockom Dbacimo i drugu kocku, koje takoder ima sest strana, motemo dobiti 36 razlittih ishoda, jer svaka strana prve kocke moe se kombiniati sa svakom stranom druge ocke «80 tint 6 puta 6, tj. 36 kombinacj [Nekako u slitno viijeme (oko g. 1658) francuski matematitari Blaise Pascal i Piere de Fermat zapoteli su pismenu diskusia o zakonima vjerojatnost kod igrade kocke, potaknuti pismom Sto ga je Pascalu uputio kockar Chevalier de Méré. Taj je, naime, kockar zaradio mnogo novaca Kladeéi se da Ge kod'4 bacanja igrace kkocke Sestica pasti barem jedanput. On je pri tame cezonirao ovako: ako kocku Dacim jedanput, yjerojatnostSestce ignosi 1/6, ako je bacim dvaput, vjerojainost Je dva puta veda, dakle 2/6, ako Je bacim triput, vjerojatnost ianosi 3/6 (50% 50%), a ako je bacim éetich puta, verojatnost je 4/6. Jako njegov ragun nije bio tofan (jer po to} logiel vjerojatnast kod 6 bacanja bila bi 6/6, dakle 1, sto anaci apsolutnu sigurnost!), on je Ipak 2aradio na toj ig veliku svotu novaca, jer stvarna vjerojatnost da ée od éetiri bacanja Sestica pasth bar jedanput innosi 0,82, dake i 1a ovom slutaju vjerojatnost dobitha je u njegovs korist. Nakon toga on je smislia nova igtu:kladio e da ée pomotu dvije kocke u 24 bacanja bacii barem jedanput ssumu 12 (dvije Sestice). Rezonirao jo m2 ist (pogretan) natin: ako je kod jednog bacanja dvije hocke rjerajatnest dij Sestce 1/36 (Sto je tot), onda ée kod dva Dacanja vjerojatnost biti 2/96 (sto vige nije totno), kod 3 bacanja 8/36... itd, @ kod 24 bacanja 24/36 i 2/3, pa to, dakle, anati da je wierojatnije da éu dobiti, nego Jgubitl. Na njegova nesteéu stoarna vjerojatnost da Ge se u 24 bacanja pojeviti ‘batem jedna dvangestica izosi oko 0,49, pa je prema tome njegova sansa za dobitak esto ispod 50%, I tako je — igrajudivelikibroj ovihigara — legubio golem imetak, a te se av ofajan obratio 28 pomoé Pascal (Nap ome na. Ratuni za totno izratunavanje tih vjerojatnosti ne pripadaju médw osnovne zakone, koji Ge ovdje biti spomenut, | nity suvise jednostavni. No ako riekoga ipak zanima kako se to mote izratunatl, neka pogleda tummacenje na kraju ovog poglasja) U ovom demo poglavlju samo letimigno prodi neke osnorne pojmove vjerojat- nost. Zakpn wjrojatnost nisu uvijek posve jednostavnlj razumljiv,jskodneno iskusteo F logika, koju u 2ivotu koristimo, Zesto nisw u skledu sa zakonima koje ram daje statistika, No, naravng, “subjektivna vjerojatnost” — kako je 204 po: jedinistatisticasi — pripada mediy psholoske, a ne statistighe poimove, | stogs sa Statistichom (ii matematitkom) vjerojatnosti katkada nema mnogo zajednitkoga Ludi, na primer, u veéini slutajeva vjeruju da ée motda ipak dobiti glavat zgod tak na lute ali praktighi ne weruju da de im se dogoditi nek prometna nesreta, ako je vjetojatnost za nesreéu, na falost, mnogo veéa nego vjerojatnost dobitka lavnog 2goditha na lutrji! U ovom, ai u nekim drugim poglavljima, ttalac 6 nxigi na vise primjera koji pokazuju kako Covjle katkada nije sposoban da ispravno prosual nek vjerojatnost. [Na primjer, kada bismo postavil pitanje kolika je vjerojatnost da u skupini od 50 ‘Yudi nademo barem dvojicu koj su rodent ist dona i istg mjeseca, gotovo svat fe odgovoriti da je ta vjerojatnost iznimno mala. Ali, itina je upravo obratna: verojatnost da e se to dogoditi vrlo je veka, ona ianosi oko 97%! (Vee kod skupine velitine 23 vjrojatnest iznost 50%!) No takvi primjeri spadaju veé w"finese” teorije vjerojatnosti, i mi se njima ‘uglavnom u ovaj knjizi neéemo bavitl. Na kraju ovog poslavia polusac éemo ipak protumatit; zasto je Sansa u maloprije navedenom primjery u vezi §rodendanom tako vel, ‘Koliko su Sesto “rafiniran! zakoni vjerojatnesti,Iiepo pokazuje primjer Sto 2 na potetia knjitiee "Vjerojatnost i slutaj" ("Wabrscheinlichkeit und Zofall”, Miachen, 1973) daje autor Max Woitschach, Ta je njegova knjitica mali program! rani udeberik 22 upoznavanje 2ekona vjetojatnosti, i na prvo} straniei autor se ‘obraéa eltanca ovim rjetima: "Dragi citao¢e, biste li smatrali korisnim kada biste ‘odmab ne potetky neke knjige mogli ustanoviti da Ii vam se isplati da tw kajigu {itate? Zhog toga mi dopustite da zapoénem jednim malin pitanjem: “Molim vas da zamislite kako nel Govjek 60 puta zaredom baci igratu kocku ida pri tome izkroi koiko je puta dobio svaki od Sst brojeva na hock. Kad je avrsio ‘bacanje, on konstatira jedno od ovoga dvoga: 1. Sest brojeva nisu se pojavil svaki jednako puta, usprkos fome Sto su sv brojevt imal jednak vjerojtnostpojarivan. 2. Set brojeva nis se poi svat jednalo puta zato sto su svi brojevi imal Jeduaku verojatnostpojaljivanja” Na iduéojstranii Woitehach late: "1 Ako ene da se si brojvi usu jednako puta pojovl asprkos tome Sto su svi imal jednaks Sansu vi obavezn tebate vu kaligy tat dal, er Gtenautitine deprimiza, jer i mnogi od oni koji dosta dobre snadu statstiku; daju takoder ‘edgovor br. 1) wietojatnosti gadaja maksimatna, i bijeti ses p 4. OOsNOWNNY PouMOVIB vIEROIATNOSTI da je praktighi nemoguée da se kod voteg broja bacanja svaki bro} pojavi jednako ‘puta. Potpuno jednak Sansa...upravo uzzokuje nejednaku raspodjela brojeva 2 Ako ste smatrali da se svi brojevi nist jednako puta pojevlé rato sto su sv Imai jednalsy Sansu, tada vi oto peipadate malom broju oxih Kojima su osnove teovje vjeraiatnosti poznate, pitanse je hove It due strane Sta novo pridonijeti vasem manju...” Eto, tako pita Woitschach u svom udzbeniku. & isto pitanje ‘mogao bib postavit i ja vama, ttaocima ovog udzbenika. Kako ste odgovoril na, Woitschachove pitanje? Vjetojatno ste odgovorili odgovorom 1. (Ako jeste, neka vas to-ni najmane Prema tome, potnites titanjem koje Ge vas uveati u 2aista elementarne zakone NAJOSNOVNIJA PRAVILA Evo nekoliky najosnovnijh pravila: 1 Ako je potpuno sigurno da 6e ge nesto dogodit, onda je virojatnost toga do- ‘Na primjer, potpuno je sigurno da éetovjek je danas roden, jednog dane umrijetl. (Dolazi ad latinskog "probabilitas’ vjerojatnost). ‘Ako je potpuno sigurno da se neSto neée dogodit, vjrojatnost toga dogadaja nije nikakva, | biljesi ve p= 0. Na primjer, potpuno je sigurno da éovjek ne moze svojim snagama skit) 100 arecara visoko, to © yt ot te : s2, ipak jestandardna devjacia od 10 uz aritmetihu sedinu X= 100 relate manja od Standardne devijacije 2 un aritmetithu sredina X = 8 Jers, po svoj} vridnost iznos 10% pripadajuse aritmetie sedi, a2 fos! 25% pripadajutearitmetitke sredine! a bismno mogli medusobno wsporedivativarijabilnest salt pojava i svo}- ‘stava, sluditno se tav. koeficijentom varijabilnosti (V’) koji nam pokazuje kolik pos- total vrijednost aritmetise sredine ianos wjedreststandardne devia: #100 10. 66) Koeijent varijabilnost oo je horisna injerau svim onim slugjevima kad zelimo 2) w kojem avojstvu moka grupavatira vite, au kojem mej; ©) la od grupa vaira vise, a koja manje v istom svojsteu Primjer ada) Jednim mjerenjem zagrebacke sols omladine g. 1951. wtvréeno je da 1Ogodisgtcjetae (9 = 612) maja visi Xy = 134,4 cm, sy = 6,06 em, 2 tedina X= 20,2 kg = 9,69 eg. Varta vile djtact vii’ Iu tezini? ve66 5 suas vaeuonsose, 805-100 Hd 389-100 22 we 13,52%. Prema tome, djetaci vairaju u teint anaino vige nego w visit, Primjer-ad b) Prilikor tog istog mjerenja utwedeno je da 10-godi ie djewojtice (7 = 684) imaju visinu Ty = 14,9, 6) = 6,43, a tetinu Xy = 29,7, = 4,78, Vatiraju liu visini i tedin wise djetac il djevojeice? “Visi V za djetake = 4.51%, V za djevojtice ‘Tetina V za djetake V 28 djewojtice = Prema tome, 10-goditnje djevojtice variraju w Vsini i u telini nesto vise od 1o-godiinjhdjtaia “eno od eojekowh svottava, koje varia orlo malo jt sjlena temperate (adzaih ud) #prosekom negielamedu 3651 7,0 stupnjeva 4 standardom devacom od oko 0-02 stupna,koejentvarsbilitea tjelenetemperatire iansipribizno oko 05% ‘No iatad vale bi oprezan ulratunaven, interpreta koefijenta var- {abiteta. U'nekim stucjama, name, ne doptsten wsperetvatipojedine ho. fcjente vajebiiteta. No o tome cena nelto re u pogays "Shale mjerenja™ 2ADACI ZA VIEZBU 1, Taratunaite standardny devijaciju 2a podatke a), b)) iz zadatka 1 u poglaviju "Mere centralne tendencije™ 2, ‘Taratunajte standardau devljaciu podatala ic zadatka 3 u prethod- ‘nom poglaviu; nakan toga izraCunajte koeficijent varjabilnsti 3. eradunajte koetcijente varjabiiteta za podatke iz zadatka 1 ae PRIKAZIVANJE REZULTATA, Jedna kineska poslovica kate da slike (ert#) vrjedikoiko i tisuéurijeti, Motda to nije njedle tollkotofno kao u statistic, gdje bismo poslovicu jo mogli prosrii ‘ kazati da slika vrijed kao tisuéu rijeti ili brojeva. U statistiel naime eesto bee slike ‘odnosno erteta ne motemo dobiti pregled nad rezultatima dok nam slika tatkada 1 tren otkrije neke osnovne karakterstike rezultata, ii zakonitosti, koje medu samimyrezultatima vladaju, Ake "preskotimo" graftko prikazivanje revultata, rink: a, Postojigansa da uopée neGemo uotiti neku possbav neogekivanu karakters- ttku rezultata koju je gotovo nemoguée wottiprlikom baratanja brojevima. ». Noke tetke ratunske pogreske takoder mogu ostati neotkrivene. Na primer, pogreina staljen decimalni zarer pri iratunavanju aritmetitke sredine bit ée odmah uoten kao pogreska ako su rezultati prikazani grafic. ilazemo se dvostrakom ‘Sika 6.1, Graft prikas porasta totkova68 & GRAMIKO PaikaziANJe REZUETITY Navika dase rezultati prikazuju i grafic, a ne samo raturom, dovodi do ev " grafichog nagina mijenja”,t do moguénosti braog. i lekog razumijevanja neki procesa, kao i do uspjetnije korwunikacje mec stuénjacima,Iskustva sa studen- tima pokazuju de u tom pogledu postoje velikerazlike medu pojedincima, vjero- jjatno varokovane razlttim obrazoranjem. Rezultati se, kako je poenato, mogu graitk prikazati na mnogo naéina, Kad se radi o cstoj deskripeit medusobno nezavisnih ili slabo zavisnih po- dataka, najbetei natin grafidhog prikazivanja jeu horizontalnim il vertialeim Sstupeina ty trufnom djagram (koji se jo8 naziva i "torta’-dijagram). Tako, na primjer, na slick 6.1. vidimo prikaz porasta nekih trotkova w nekom odredenom randoblj TABLICA 6.1. Ukupno —_|_Pelozenos orjenom | nije po- | Nije pr | Odjav- | Od prijaviieno [5 ag 2 | lo#eno | stupilo | eno | stalo 4635 [as7 477609 sas | age | sis | tos4 | 172 Postotak 1o90[ 34 109 151.18] 94 | ua | 352 | 37 U tablici 6.1, prikacani su rerultati 4635 diplomsith ispita prijavijenih na Fo. tofskom fakultetu u Zagrebu wk. g. 1967/68. lako tabica daje posvejasne podatke, ut grafighor priazu éesto motemo bre i jasnije ustanoviti neke upadlivije pojave. Stoga su rezultati ie tablice 6.1. prikazani i na krunom dijagrams (vidi sliku 6.2). Na slici odmah upada w oft vrlo velik broj odjauljnsh diplomslih ispita (vi8e od 35%) kao i relativno velik brojispita kojime Randidati — jako ispt nisu odjavili ~ ‘wopée nisu pristupili (vide od 11%). Na slici su polozen ispiti prikazani svjetli«, 4 nepoloteni tamnim povrsinama ‘Kut koji u krudnom dijagramu zausima pojedini postotek, ratuna se preme formal feekvencia-260, (e) at = ene U populamim gasopisima, dnevnoj Stampi isl. festo se ~ zbog vete "plasti= énost!" renultate — daju trodimensionalni grafcki prikazi nekih odnosa velitina, ‘Treba upozorti da to nije pogodan natin, Sto Gemo ubrzo dokazati. No prije toga jedno upozorenie i za doodimensionaine prikaze: ako se uunjesto stupeima kolitine prikazuju Rvadratima ii krugovime, to takoder nije pogodno, jer ~ kako znamo — kvadrat dvostruke duaih stranica po povrini je cetirt puta ved, a to sto vrijedh za ‘rug: krug dva puta veéeg polumjera ima éetiti puta veéu povrSinu. Na primjer, ako jedan kvadrat ima stranieu dusine 10 mm, onda 6e kvadrat dvostruke poursineimati stranicu dutine otprilike 14,2 mm, i nege davati dojam doa puta veéeg kuadrat! 6 6.2, Krutal dljagram rezultata diplomskih spite na Fozofskom fakultet & Zagrebu za Skolsku godinu 1967/68 Jos je gora situacija u trodimenzionalaom prikazu: kocka koja ima dva pute dufu stranicu 6d neke'druge kocke, bit 6e po svom volumenu osam puta veéa fd prve kocke, Evo primjera: Pretpostavimo da proizvodnja nekoga industrijsog artkla u tr istorodna poduzeéa u godint dana iznosi: Poduzeée A: 160 tona Podureée B: 420 tona Poduraée C: 30 tona, Prikatomo li te podatke stupeima, dobit Gemo jasan i nepristran odnos (vidi slik 6.3, dole!). No ako te podatke prikazemo kockama, dakle trodimenzionalno, onda to ingleda kao gorni cred na isto sic. Tako su odes ispravni, dojam Sto {2 slila daje ni priblino nije veslan, jer neupuéeni promatraé slike nese smatrati da je kocka B po svom volumenu vige od 2,6 puta veéa od kacke A. Isto tako, cn li vam a2 2ssta da-je kocka C po volumemu vige od pet puta manja od kocke A. a ak tetrnaest puta manja od kocke B?! |70 6 GRAFICKO PauksztvaNue REzUETIT A B c 4 ee Sika 6.3 Ist pode! pilazani su stupeima i trodimensionslno. Kao 80 ® vd, eullla ‘edu podacima mnogo je asnije ada su pilazani stupeima U praksi, tj. u raalititim popularnim dlancima, problem se obiéno "rjeSava” tako da se odnosi visina tih predmeta stave u stvarne brojéane odnose, Sto nara- ‘yao dovodi do tetkog nasilja nad rezultatima. Ako se to utini namjerno (2 takvih slugajeva ima), onda to predstavlja falsifcicanje rezultata. A ako se pak crtat ‘poiteno pridrdava onoga to smo reli o odnosu volumena, onda poste kod éitaoea rneopravdono mali efekt! Kako dakle treba postupti? Zelimo li da podatke prikatemo trodimenzionalno, onda se to mote jedino tako, a da pritom ne utinimo nikakvu pogresku, da razlitite kolisine (vrijednosti) prikagemo sumom jednakih volumensiih Jedinica. Na primjer, ako 2 produkelja fd 100 tona prilage kockom odredene velitine, onda éano prodiukeiju od 400 tona prikazati pomoéu éetii jeinako velike kocke (vai slik 6.4), D PUNE 4 Yona ‘Slike 6.4, U trodimensionslaim prikasima treba raze bliin petasivaei sumom jedinicaistog volumena m Kd imamo rezultate koji se razrijajuu vremenu (npr. krivulja dnevne tempera- ‘ute il koji se grupiraju oka neke reprezentativue vrjednosti sutimo se grafekim fistemom koordinatnag sustava Polotaj jaine totke w ravninipotpuna je odreden s dvije koordinate hoje su ‘medusobno okomite. Horizontalna koordinata, koju nazivamo apscisa (il 08 x) biéne nam pritom shui za regisraci erijednosti mjerenja, a vertkalna koordi- hata, koju zovemo ordinata (ios y), 2a regstraciju fretvencja Primjer U niau nekog mjerenja dobili smo ovih deset rezultata 1211522222 Kako se vii, viijednost "1" postignuta je ti puta, vijednost "2 sest puta, ‘ednost "5" jedanput. Prikazani u koordinatnom sustavu, ti bi rezultati, dake, dali situaciju prikazanu na sl. 65. Boa pm o 4 2 8 4 8 6.7 REZULTATI NJEREWA 6.5. Polotaj pojedinihrezultata u hoordinataom sustaya Ako su rezultati grupiran u rarede, onda na apscisu unesemo razrede il sredi- ‘a razreda, vee prema tome delim li reeultateprikazatihistogramom ili poligonom fickvencija Histogram se sastoji od niza patetvorina kojima povrfina (i visina) odgovara frekvencit pojedinog raareda, @ sma porriina svih patetvorina odgovara ukiupno} frekvencii (ukupna frekvencija = 7) svih rerreda.2 6 GRARICNO PaIKAZWANiE REBUETATA Poligon se crta tako, da iad sradine svakog razreda oznatimo tocke w'vsini ordinate, koja odgovata frekveneji toga rezreda. (Ako imamo nacréaui histogram, te tothe sta stedini svakog “kroviéa’ pojedinih patewvorina.) No poligoti txeba ‘uzenljiti”, 1}. na lijevoj i desno} strani krivulje dovesti ga na uultu frekvenci 1). na apscisu Poligon je vise i mange praviluakrivalja, kojj totalna povréina adgovara wup- no} fiekvencijisvih rezultata, ai povréina iznad pojedinog razreda ne odgovara fickveneiji toge razreda, veé fekvencijy razreda oznatuje samo visine poligona totno iznad stedine razreda Prikagemo li rezultate naSeg mjerenja vremena reakeije pomoéw histograms i poligona frekveneia, dobit emo reaultat prikazan na el. 6.6. 2 WISTOGRAM . : : : : : ‘ see ee 4 Pessgssressse Sggageedegea’ Sika 6.6, Histogram i polgon fekvencija rerutete iz primjerau teste Na ovom mjestu, medutim, treba upozoriti na jednu pogresku pei ertanju his- togtama koja seu praksi esto dogada, U praka se, naime — zbog raviitih razloga Tthada 2 il vite razreda del spojiti zajedno. Recimo, kada bisino u nasim rezul tama ¢ 0 vremena reakele tll spot razrede "185-159" 1160-164", u prvom fod ta dva razteda imamo 5 rezultata, a y drugom 6. Zajedno, dakle, imamo 11 rezultata, Pogtesia se, koju smo spomenuli, satoji u tome da se w,poligon unese ivostruln Soka patetvorina (jer zauzima dv razreda), koja ima visi 11, 2 to je ppogresno! Rekli smo da porrsina poligona predstaylja totmu reprodukeju frekven- cije u pojedinom razredu. Tz te slike sljedilo bi dakle da mi u razredy 155-159 imamo Ll, | w razredy 160-164 takoder 11 rezultata, a to — kako znano — ne ‘odgovara istin, Japrayno crtanje stupca iznad oba spojena razreda moralo bi dakle iagledatitako da visinastupea ide do 5,5 — jer to anati za oba razreda zajedno 11 fo odgovara realnom stanju ‘Misma vee spominali da je sritmeticka sreding "tesiste” rerultata, To se moze ‘uz pom’ histograma i dokazati. Ako naS histogram sa slike 6, ixedemo e kakvoga Udedelog i évrstog materijala (npr. iz daske), pa ako na apscsi oznacim vrijednost fritneti¢ke sredine, mind Geno na tom mjestu bistograma gostavii w raimotesn ao Eto je to prikazano na slici 6.7, ‘Slike 6,7, Aritmetitkasredina je "ete rezltata Da je aritmetitkasredina zaista pravo tezite rerultata i da se move usporedit ‘5 vagom, lao Je dokazati ina jos jedan, grafieki natin, No pri toga jedno pitanje taocu: Zamislite da imate obiénu kubinjsku mets, ida je postavite hovizontalno proko ispruzenog prsta, te je smjestite na ano mjesto gdje je metla u potpuno} raunotefi, Nakon toga na tom mjestu preredete drdak metle i vagneve svaki komad ‘posebno. Sto mislite, hote Ii biti Jednsko teski? Nede, nego 6e tdi biti kraét komad (i. ona}, gdje se nalazi same metla); dusi komad (dio dréala metle), upravo zato So je du, al aki, po zahonu poluge bit ée u ravnotedis kraéim tezim komadom, A sada urmimo da imamo ova 3 rezultata nekog mjerenja: 3.3.9 Niihova aritmetitha stedina iznosi 15/3 = 3. Ako svali od th rezultata zamistimo tao uteg jednake te2ine na jednoj vagi (vidi sliku (68), vidimo da ée vaga biti w ravnotedi onda ako su uninosci udaljenosti od tediita s tedinom utega jednaki 28 Iijevw i desnu stranu vage: na lijevo} strani vage imamo dva utega, pa ako njihovu tetinu (primjetice 1 kg) porunotimo 5 udaljenosti od tetista koja iznosi 5 ~ 3 = 2 imamo 2-2.= 4. Na desnoj strani imamo jedan uteg, udaljen 4 jedinice (9-3 = 4), a umnozak tefine i udaenosti (1-4) ianost 4Sika 6.8. Dole da jo aitmetichasredina tit rezleata Prema tome, edit age koja jew ovom slutajuravnotet jet coca oanafena valednoséu “amisite, gdje bi bilo teste vage kada bisme desi uteg pomaknul,recimo, 18 9 Jelnica vdesno, . na 18. Vaga Wi bila w ravnoteei ako bismo joj eesite pomahnulldesn, 1 to toéno na oznaku 8, jer u tom slucaj imal bismo steve Stvane vage umnodake?-(@~ 3) = 10, as desne strane umnotak 1 (18 ~8) = 10. Asitnetiga stedina, natavno,takoder nos 8: ar rryer wey ¥= y= 5-8 1a ovog Je primjera narotojasno vidlvo klik Je aitmetitha sredina oxjetiva sa engednast (velitins) pojdinog reultata. ‘ating se jot malo razmatranju histograms i poligona Histogram je natotnit putas distibucjefrevencije nek renultate, alt ipak w prab se najetce 2a safitho prikzivene kore! pligon fekveneje. Glan ranlog tome je tnjeniea da je poligon obitno preted natin prilaaivane (on je sini. "teoretsto|" tral, © ojo 6 bit jet w iducem poglavlis), a csobito je pogodan uslycajevima kad na Ito lt Slim plaza de i vite distribu ‘To éemo ilustrrat jednim primjerom. Aijere svojedabno visinu cagrebathe cmladine, 28 skupinu od 135 20-godinj mladiéa i 69 20-godinihdjevojk, do bivend ou rezltati praca w tabi 62. TTABLICA 62. VISINA GRUPE MLADICA OJEVOJAKA, Mai (9 = 18) ) wed Fiekvens Rel el Rune Fela Riel Rased ke i) ca) ——_——_e— Sa 151183 154155 1sr-59 1 on 157159 160-162 2 1s 160-162 165.165, 5 667 60-165 196-168, 1B a 166-168 160.171 B 18582 1e8-171 years 2 2074 rman we.a7t 20 us neat 8.180, 6 1185 rego erie 18 963 isis 184186 5 1885 1sr-89 1 Kako broj izmjerenih mladiéa i djevojaia nije jednak, moramo prethodno obje Aisttibucie svestina “zajednicku mjeru” (zbog lakSeg usporedivanja) To se postize tako da’se za svaki razred izratunaju relatione frekvencije,t. aka se frekvencija, 10g broja, hevojke sai 8 0 2UNSESRRREERES ~ djevojke smiadiéi s SURSESRREER SES ‘Slika 6,9. Prikatomo li jednom slkom dj dstibuclje uz pomoé poligona fckvencia (B), pregledact slike bit ée mnogo boja nego ako distibucjeprikatemo histogramima (A) Koda bismo sada objedistribucij prikazali histogramom, dobili bismo rezultat prikazan gornjim ertezem na slici 6.8. Kao sto se vidi, stranice pojedinih pravokut- nila kod mladiéa i djevojaka preksivaju se te je gotovo nemoguée dobiti jesmu slik76 @ GRAFICKO PrKAzIvANUE REBULTATH 7 © svako} distibucii posebno. Naprotiv. prlkatemo i elaine frekvencje pomoga TABLICA 62, peotigons (vidi cate? B) debivam sliku koja je colko jasnija i preglednija od erceza KUMULATIVNE PREKVENGUE REZULTATS 195 MLADICA, PRIKAZANIELU Ada vie nije i potrebno govortio prednostima ovog natina prikazivanial Tz histograma i poligona frekvencija dade se lzravno ofitati jedino dominantna a Kumul. freky, seljedost to jew histogram razredsnajvsim taper pligon reared ianad ¥ ¥° 7 jeg se nalai wah kvl 3 Postoji of jedan, | to vo korstan | prati¢an natin graichog priazivanja B rerultata, kot je natolito pegodan ada flimo brat pregled koiko ezalat, I a Ili se postotae vezulkataualsi (pod i iznad nekogKonkretiog teva, ka Ey i podatao tome sie s otpike nalai centralne trjednost. (O tome natint 0 pyttazianja {neko raul w ver ate bit Ge jot gotra, | ou poglali Fd elt peedie etal gt) Ta natin pane rove rime iets 8k umulativne frekoencie (neki je 2ovu i *Galtonove odin Postupak je rio ednostavan: na apstsu se nanesu prave gorne granice razreda, na ondinati se nalazi kumulativna (ili relativna kumulativna) fiekvencija. No prethodno treba rei ello rijetiotav. "pravoj" gornjo gronicraareda. Urmimo {da smo pri nekom mjerenju raztede w koje smo smjestavali pojedine rerultate ras- Prikagemo i te ezultate graficli na opisani natin, dobit 6emo krivulju prikazanu ia sii 6.10. pporedili i intervale po 3,1 to upravo tako kal je to na tablici 6.2, dake ovako: nur 0. ‘wa FRENvEN 197-159 cues 8 160-162 co 163-168 itd. " Ve prije je rastumaéeno zaito razrede sastavljamo na ovaj nafin (vidi straniew 47-43). Prilikom semog merenja,iako smo mierili na precianost od 1 em totnosti, tai smo svaki rezultat, koi je, recimo, u realnosti bio i2nad 150, ali ispod 159,58 (npr. 159.4 em), registrzali kao 159, a rezultat koji je bio vesi od 159.5, al! ispod 160 (npr. 159.0), regstrirali kao 160 em. Iz toga proizlani da prave garnja granica rasyeda 157-159 ienosi zapravo 159.5, prava gornja granics razreda 160-162 iznosl 162,5, itd. Prema tome, prave gorje granice razreda ratunsk dobijemo tako da i ‘uamemo sredin iemedu govnje vijednact jednog razreda i donje vrijednost duées t razreda, Evo, i te prave gornje granioe razreda nanijet éemo — kako rekosmo’— ha apscisu, a na ordinatu kumulativne fekvencie, tj. ebrojene frkvencije od najnizeg: racreda nadalje. Uamimo za primjer maloprije prikazane (vidi tablicu 6.2) rezultate mjrenia visine 20-godigujih mladiéa, Ako zbrajamo frekvencje w svakom razredu sa sumom Irekvencija u vazredima ispod njega, dabit emo rezultate prikazane u tablici 63. pesegedss@ Tas ee ais aie 8 wes tag ras cos ams ‘RAVE CORKIE GRANCE RAZREDA Sika 6.10. Krivuls kumulatlvnefekvencije renutataprikaganih tblic 63(6 GRAPICKO PRIKAZIVANIE REZULTATA, Iz slike mosemo br20 Gitati koliko ima vezultata ispod Ili sztad (ili jednakib) Jao neki odtedeni rezultat. Na primjer, ako nas zanima neki odredeni reaultat X (vidi sliku), pa ako s tog rezultata povutemo s apscise paralelu s ordinatom sve €o Ieivulje, a od krivulje paralelu s apscisom sve do ordinate, dobivamo'2eljeni fodgovor: u taj lonkretno} izmjereno} geupi ima 90 rezultata, koji su mani (ik Jedoaki) od reaultata X, 245 rezultata koji su veéi od njega. ‘Da smo frekvencije imal relationim feekvencijama, dakle w postocima, onda bismo te iste podatke mogli davati u postocima. A Jako je centralna vriednost (ona veijednostianad koje | ispod kaje se nalai totno po 50% rezultata, to bismo aproksimativno centralnu vejednost mogli otitati sa krivulje relativne kumulativne frekvencijetako da s ordinate, kod oznake 50%, povutemo paralelus apscisom do krivule, | odande spustimo okomicu na apscisu, te tamo otitamo vrijednost C. ZADACI ZA VIBZBU Ieraditekrivulu kumulativnefrekvencje 2a 50 rezultata mjerenja vremena reakelje prikazanth na strani 40. NORMALNA RASPODJELA, NEKE DRUGE RASPODJELE (1jo8 ponesto 0 raéunanju vjerojatnosti) Kada bi svi rezultati nekog mjerenja bili potpuno istovje graficom prkaau iegledalo kao na sic 7.1. Tendencija grupiranja rezultata ovdje Je maksimalna. REZULTATI ‘Sitka 7.1. Kada bi pti nekom mjrenja sv rezultat il potpunojedaali, onda bi to rath iagedalo ovalo Naprotiv, kada bi kod nekog merenjasvaki put dobili druktiirezultat, toenije reteno lada bi soak resutat na nekoj skli bio dobiven samo jedanput, onda ne bi bilo nikakve tendencifegrupiranjarezultata, pa bi ont grafic izgledli kao na slici 72. Metin, mereGi raditte pojave i karakteristike, mi nikada ne nailazimo ni na jedan od tih ekstrema, nego veinom dobivamo rezultate koji pokazuju abje ove tendencfe, tj. i tendency grupiranja oko neke ceatralne vrijednosti i tendencju raspréenja oko te srednje vijednost. Ako zamisite komad neke mekane mase koju0 1 NORMALNA RASPODIGEA, NEKE DRUGE RASPODJELE REZULTATI ‘Slike 7.2. Kada bi pi nekom mjerenju svai put dobili drug renultat, onde 8 2 afi iegledalo ovako {stodobno razvlatite vertikalno (tendencja koncentrranja) i horizontalno (tenden- caja raspréivanja), onda bi se lz te maze stverila nefto sliéno onome Sto zapravo vveéinom i dobivamo kod mjerenja razicitih pojava, t. stvorila bi, se raspodjla prikazana na slici 7.3. ‘Takva se raspodjelanaziva normalna raspodjela. Krivulja koja prikazule takvy raspodjelu naziva se normaina krivula, a nek je— po matematiéaru Gauss, Koj js 7.3. Casto prlazom rastopnog mjezenjeneke pojave dobivamo rezltate koji pokasuja | tendeneiju grupiranja oko jedne sediaje vejednost | tendenelu rasprtivania ‘oko te vrjednosti, Tava se raspedjela nasiva normalna raspodjela, 31 je, wt neke druge metematigate, matematicki definirao — nazivajy i Gaussovom krivuljom, ii pak — prema njezinu larakteristiénom obliku ~ "zvonastom” isivalom ‘Normal raspodeapredstvla jedan od osnovaih pojmova statistickog x0 anja i statistichog "natina midjenja" jer Je ona vsnove 24 razumijenange glavnih Matsicsh pojmova vjerojatnost (na pm: verojatnst da demo siutajno debit tek rezultat koji vei od artmaeritkearedinejednala je vjerojanosti da éemo dobii rezultat koje mani od aritimetike sree; toprol i slike 7.) ‘shasta iz nastae statistik redovno potvrdj da netkotko me rasumije smalsao normalne raspodele (sve ona sto is toga poze), ne moze resumyeti ni mage rage statstihe principe, wosoito ne one hay se ieramo logic ivode iz normale raspodiele ‘toga se vijedi malo vige pozabavti normalnom raspodjlom i nekim zakonima ‘ieinogpostania.U praktienojnastav sttistike uta seh posto raltitazorna pomagala, a jedno od najpoznatiihsastoj se iz jedne oso poloteneplitke katie foja na gore} strani usredini ima Ijevak u koi se sipaju Kugiee ipod toga fnlze se ukycan Cavli ko spretavaju dase koglce bez smetnje pustajy prema dus ste, ana dn ij su ogradice kaje nam omoguéaju kontrol imo je pojedina kuglica pala, (Vid sileu 74.) ‘Slika 7.4, Galtonova “dash 5 Eavlima" 24 demoustacju portanka normsineraspodiele Demonstracija postanka normalne raspodile sastoji se w tome da se kuglice | sipaju lave Iijevak, | one, udarajuti puter u zaprete (Cale, putajy preme dna uredaja, gdje se slazu na karakteristi¢an natin, t). u obliku normalne raspodjele: najeige ih ima u sredini, a prema krajevima u svakoj pregradici ima ih sve manje i manje, ‘To sto kuglice sipamo u sreni gomnjeg ruba kutije— to je tendencija grupiranja rezultata clo sredine; a tavligi koji ometaju lruglice, i u koje kuglice udaraju, predstavljaju tendenciju raspréenja reaulata. ‘Promatrajuéi ovaj demansteacjski uredaj za vrijeme jednog pokusa sipanja ‘kuglca, promatrat postaje josno da se w najuide sluéejeva "sle” koje "odvlate2 7 NORMALNA RASPODIELA. NEKEDRUGE RASPODIELE pojedinu kugliew of njezina puta prema sredini medusobna, wkidajus neki tavligs ‘skrenul su put kuglice ulljeo, a neki udesno, pa tako huglieaipak Konacno pada sredinnt dna uredaja. Takvih kuglica — kod kojih su se faktoridjelovanjaraalititog smjera ukinuli ~ ima najyi8e, No lod nekin kuglica udaranje u prepreke zavrslo je tako 8i0 je kuglca konatno prete?no otsla u jednom ili u drugom sinjeru. I, napokon, samo kod malog broja kusica dogodilo se to da je suaks udarac u preprek dloveo ao adbijenja kuglce u istom sinjeru — i to su one kuglice koje nalazimo w fekstiemnim ijn it desnizn pregradicama na di Normalna je raspodjela, dakle, ezultanta istodcbnog djelovanja golemog broja faktora koji djeluju u jednom ili drugém smjeru, po slueaju se najéesée mane i ‘ige ukidaju, ali ~ isto tako po slutaju — ladito se i zbrajaju, te tako dolati i do ‘znatajno aberantnih rezultata Glavni su uyjeti da kod nekog njerenja dabijemo normalnu respodjelu ov 1. Da se ono Sto mjerimo, stvarao rasporeduje po normalno) raspodjel. Prema piiligno rasivenom miBljenju sve, i gotovo sve, Sto u pritodi mjerimo ras: Doreduje se prema normalnojraspodieli. To, medutim, nije totno, 2, Da imamo velit bro} reaultate (mjerenja) 3. Da su sva mjerenja provedena jednakom metodom i u sto si priliama. 4. Skupina na kojoj obavjamo mjerenja mora biti homapena po ostalim svoj- stvima, a heterogena (neselelzionirana) po onom svojstv koje mjerimo. Na primjer, mjerimo Ii visinu ljudi, skupina koju mjerimo treba da bude. jednatena (homogena) po spolu, godinama i eventualno jo8 nekim drugim svojstvima, ali ne smi biti seekcionirana po vsin, tj, treba izmjeriti ve Aanove grupe, a ne samo ome visoke ili one niske (dakle skupina po visini mora biti heterogena). Sto se tige prvog uvjeta (1 da ono Sto mjerimo mora i w prtod biti raspo Jeljeno po normalno} raspodiel), ve jeu knjzi spomenuto da npr. bilirubin w krvi ddaje asimetrienu raspodielu, da dijametar judskog srca daje "bimcdalnu" raspod- jelu (bi-modalnu, dva moda, daklekrivulja s dva vrha). Evo jos jednog primera Na slici 7.5. prikazana je dstrbuclja vremena dolatenja na posao izmjerena na 50 radnila jednog poduzeta w ukupno 2545 merenja. Kako se iz slike vidi, u najvige dutajeva (78,6%) radniei su stizali na posad na wiijeme, u 13,8% kasnil su u aspenu od 1/2 sata itd., sve do 2 sata zakasnjenja, se je nadeno 0,19 slutajeva. ‘edu pojave koje se ne distribuiraju po normaino) raspodjel,pripada donekle 5 texina Wud distribucija Iudske tedine lagano je asimetriéna nadesno (8to znati da je des kraj distribucle lagano ‘razvucen"); ali ta je asimetri¢nosttoliko blaga da se ipak s distribucijom tefine mote postupati kao s normalnom raspodjelom. No zbog jednoga deugog razloga trijedno je tezinu spomenuti na over mjestu zanimljivo je da se u nekim statstickim udabenicima u kojima se spominje ta asimettiena dstribuctja tedine, mogu naéi dosta kompleksna tumatenja zbog kojih Dioloskih razloga je tome tako, vanjskim Bro} slutajeva 2000 1500 slka 7.5. 1000 500 TOON do Ws Weis 1S 152 Beoj nr. 31D HBS % 6 BR O59 1S Od ‘Slike 7.5. Distibueja vremena doasta na posao Medutim, raslog asimetritno}distribucl tetine mnogo je jednostavnii i sastoi seu tome: ako se visina Id distribuira po normalno} raspodieli, onda se tetina ‘ne mote distribuirati po normalno} raspodjli [Evo dokaza. Zamislimo jednu skupinu od, reclmo, 128 kocaka, koje su po dudini bridova raspodijeliene po normalnoj raspodieli prikazanoj na slci 7.6, Ako nas zanima volumen th kocaka, dabit 6emo distribuciu prikazanu na slic T7, ‘Kako je volumen kocke ujedno i njezina tetina to znati da se tedina kocaka, ojima je visina brida distribuirana po narmalno} raspodjell, ne moze distribuirat| normalno, - Gove naravno alje Kocka, ali je ipak u osnovi proporcionaine graden, Sto e rei da gu-visi ual u prosjek { krupnii (debi) od niskih, pa 6e prema tome i fovjekova tetina (buduel da mu se vsina dateibuira po normalno} raspodjeli) dati lagang asimetrignu distribuciu Drugi usiet, tj. da bro} mjerenja bude dovoljno velik, posve je razumljiv: kod ‘alog broja mjerenja neke pojave, pa bila ona i idealno normalno distribuirana u ‘nekoj populacii, pukim slutajem motemo dobiti rezultate koji znatno odstupaju od ‘ormalne raspodjele, Uostalom, pokusajte iz 50 naSih rezutata mjerenja vremena reakcije nasumce izabrati, na primjer, samo 10, pa ée se vrlo lako dogoditi da disribucija dobivenihrezultata jedva nalikuje normalnocistribucii8 1 RORMALNA RASPODIELA, NEKE DRUGE RASPODIELE 40 35.35 £ 30 20 Shika 7.6. 10 DUZINA BRIDA KOCKE Sika 7.6. Hipoteticha raspodjla dusin bridova 128 bocki ‘Treéi uviet, ¢, da su sva mjerenja provedena istom metodom i u sto slitnijim vanjskim prilkama, takoder je lako shvathiv. Priikom jednoga blometriskog rjerenja djece jedna od mieriiatkih ekipa nije bila dovoljno uputena u postupak te je — za razliku od ostalih ekipa koje su djecu vagale bee odjete — obavila rjetenje tefine djece u donjem rublja i cipelama. Naravno da je posijedica bila — bimodalna raspodjela, koja je nastala zbrajanjem (“superpoaicijom") dviju nor- ‘malnih raspodjla, koje nisu bile na istom mjestu: Jedna je normalna raspodjela bila 1a nitim vrijednostima (djeca bez odjece), a druga na nesta visme vriédnostima (@ieca w donjem rublja i cipelama). Di, pretpostavimo da delimo na veéoj skupint Jjudi iamjeriti vrieme reakelje na slusne podrataje, ali se pei mjerenju slusimo vama uredajima, od kojih jedaz daje podrataje Jakog, a drugi podrataje slabog Intenziteta, Budui da vrijeme reagiranja ovsi | o intenzitetu podrazaja, to Gemo ‘ao reaultat za cijela skupinu dobiti kxivulju koja nete biti normalna raspodjels, ‘nego vjetojatno opet neka bimodalna krivalja, tvtt unje dni se na prvi pogled najlompleksn jer on zabtieva da skupina, koju mjetimo, istodobno bude | homogena i heterogena. No ti zahtjevi ne odnose. se na iste stvari: ako, primjerice,Zelimo mjertisluSnu osjetiivost, onda unaprijed ‘oraino odlutiti hoGemo i meri made i starije jude, jer ako th ajerimo zajedno, si 20 17 Sika 7.7. Distribucia volumena(tetine) 128 hocaa slike 76.1 NORMANS RASPODUELA. MERE ORUGE RASPODIELE neécmo dabiti normalny raspodje jeduostavne zato Sto se madi od star ispi- tunika anadeino retibajy po sli8no} osjetiivesi, pa ée dobivena raspodjela opct ii recultanta dvi (nocmalaih) raspodjela koje se rezlikuju po poxiiji, 1. ne polodnja aritmeticke sredine; dakleu svim onim svojstvima, koja mage ii bi mola iinats urjecaja nt ono sto mjerimo, skupina treba biti homogena. (2ato seu cksper: inmentalions rad toliko pavi na to da eksperimentalaa i kontiolna skupina bud iujecinatene” 1 svim ostalia faktorima, osin w onom koji upravo istraznjemo ) No. istodobuio. hada bi nas zaniniale prosjetno 2nanje weenika neke sole, pa bismo ‘uzorak th ucenika podvegunl isptivanju pornoéu tekog testa znanja — a ona tho je ncenike hieao, iabtao je x uzorak, pretpostevima, samo najbolie dake ~ dis- tribucia koju bismo dobil, wjerojatno takoder ne bi bila normalns, jer selekeija works obigne narusava normalitet distribucije Kao ito sino veé spomenul, Kod noemalne raspodjee w itervalu X + 1s nalazi 30 68.26% svi revultata, au interval X+2s 05 44% reaultata, a uintervalu X45 99,739 svi tezultata. Sada kada imame normalnu distribuciju grafic prikazanv, to je mmogo razualjvige nego sto je to bilo prijekada smo to spomenul u pogiavlju ‘6 injorama varljabiost. Intervall koji su obuhvageni, ako aritmetithoj sredini na Seda {drugu stray dodame jednu, dvije iti standardae devijacje, prikazani su na slici 78. ot - os Xo Hs 428 438 Slika 7.8. Norman aspodiela | itera kot su obubvagen ako aritmietitho} stein dodsia lew i desnojedn, dvje i tui standardne devise “Vet sino rekli da je normmalna raspodjels (kao uostalom | sve druge raspodjele) matematitki posve totno defiizana, No mi u formulu normalne raspodjele neéemo 7 lait, jer ona nije ba8 Jako jednostavna, a osim toga za nage svrhe nije nam nith potrebna. Refi Gemo samo to da je jedna od osnovnih karakteristika normalne aspodiele to da se tzv. "myjesto infleksije™ (i). mjesto gdje krivulja iz honveksne prelaxi« konkavinu) nalea ienad “+1, kao ito da je normalna raspodjela potpuno Gefinirana ako joj znamo aritmetitku sredinu i standardnu devijaiju. Iz toga sedi a postoje normalne raspodjele vrlo raaltite "srine": od uskih ("leptakurti¢nih") ‘do velo drokib ("plauikurticnih). Na slic 79. prikazan je sluéaj dviju normalnih raspodela koje imal jednake aritmetitke sredine, ali se razikuju po standardnoj ‘devise ska 7.10. prikazuje dvije normalne raspodjeles ralititim aritmetigkim sredinama, alt jednakim standardnim devijacjama, Kak, acm Stika 7.0, Aritmetthe stedine se ne raaikuj, alle ranikyjy standardne deijacie x a5, x ck, Slik 7.10, Standardne deijcije se ne rzlbuju, li se raaihujyaritmetihe seine88 1 NORMALNA RASPODIELA, NEKE DRUGE RASPODIELE A sada ttzmotrino na jedaom drugom primjeo, Koll je Jednostavali od upotebe Gallonove "dase scavica’,natajane norma aspoge (ste om toe eapra jee age aspdil, ju cen malo ane menor Bc elo ara soroisinacin oral ode) ‘Ako Sacame 2 komada nove, pa gledamo na koja su etanu 3 praiekti moguenost soda bana * mm rect { moguciost nace noven "sme, 2 moguénest a jednom nove "piso", ama drugom 3. moguénost: na oba roves gle” 2aito onda hod mnogo bacain pak nek dbivamo kombinai br 2, “pismo-lava"? Toe lk pots ako padivo pgledame hole ve Lobe neck tpravo mgs dogodt, Tos ove mace: lava”, 1. kombinacija: na T.noveu PISMO, nal, noveu PISMO 2. "8 PISMO," s* GLAVA, BF " * GLAVA, * * PISMO a so GLAVA, " " * GLAVA ‘Svake od tih kombinactjajadako je vjerojatna pa prema tome, kako th imamo 4, vierojatnost svake kombinacie je 25%. Buduei da 2.13, kombinacija prakticht 2nabe isto, to demo kombinaclje PISMO — GLAVA (ili GLAVA — PISMO) dobiti otprilike u 50% shutajeva, a kombinaciju PISMO — PISMO, i kombinaciji GLAVA. — GLAVA, svaleu otpriike u 25% slutajeva, kao fto nam to pokanuje slika 7.11. 50 PP PG aa ‘Slike 7.12. Vjerojatnost pojatjvanja pojediath ichoda kod bacanls die howadé novela 89 ‘Ako — umjesto dva novtiéa — bacamo 4 komada, postoji Sesnaest mogutih ishoda bacanja. Ti su ishodi prikazant u cablici 71. ina she} 7.12, TABLICA 71. SVI MOGUCT ISHODI KOD BACANJA 4 KOMADA NOVCICA L.novae II, nova TLmovae IV, novac P P P P ) 2 PF P P c 5 OP P G P 4 OP cS P Pe BP16) 5G P P Pp 8G s Pe P z G Pe Pp G BP P G G 9 P 6 Gc Po @P,26) mp G P G LG P G P m oP e ce ¢ uoOG P é c ug c PB G 0R,3G) 1% G 6 G P % 6 c G 6 49) Buduti da svaka od tih 16 kombinacia ima jednak vjerojatnost (u tom slutaju jerojatnost p = 1/16), to demo kombinaciju 4P dobitiotprilikeu 625% slutajeva, ombinaciju 3 P, 1G ui oko 25% slutajeva, kombinacijy 2 P, 2 G-u oko 37.5%, 1 P, 3G w oko 25%, i, konatno, 4 G u oko 6,25% slutajeva, kao &to je to prikazano na sl7a2, Vjerojataost pojediaih Rombinacija motemo izratunati pomotu tzv. binomne aspodiele, +0", (ray90 1 NORMALNA RASPOEUEGA, NEKE ORUGE RASPODIELE ti bins p = vjerojatnost da e se neo dogo (na prinjer "lava", jsenost da we to noge dogoditi(dakle dogodité2 se "ne glava.'t). pismo") a sponent je bo] faktora (a aer sutaja bro} Koma oven). Veroatnost da Ge se nesta dogoditi. plus vjerajatnast da se to nete dogodit, ijk je 100% (i ievojatnost = P = 1), pa je prema tome (p +4) week = 1 “Ako u naéem prinjeru 52 Komada noveapestavimojednadzbu (p-+9)", Pa Dig 2anijenina iraxima G (ala) | P (pismo), dobivamo (G +P)? = G? + 2GP +P, fo “peevedano" math jedanput 2 "glave” + dva pute "savaisme” + jedanput 2"pisma” o 35 3 25 2» 107 625 625 oe 3 POP ‘Slika 7.12. Vjerojatost pojavlivanja pojedinh shou kod bacanja éetisi Komada ‘ovtiea Uprinjerus 4 Komada novea imamo analogno:(7+q)'= (G+)! = GAG + “+6G'P+4GP+PY, So anad:jedanput-“plave", + Eatin puta 3“alave™ i “pismo”, + Sest puta 2 “pave” F2“pisma”, + éetin puta 1 “plavai 3“pisma” + jedanput’d “pisma’. ‘Uz pomoé tv. "Pascalova trokuta” moguée je utvedit ove razlitite kombinaclje. {bez ratunanja. Pascalov rokut za vrijednost od N = | do 10 prikazan je u tables 112. (Po samom imenu tog trokuta jasno je da je nazvan po matematiaru Blaise o Pascal. no danas jo pomnato da su veé mates sistem Cog trokuta ‘Ako dobro prouimo Pascalov srakut. vidjot éomo da jew biti vo jednostavan svi itl ted abv je tako di su sumitana diva broja koji su lijevo i lesno ienad binge: Prema tome, mofema i sani radii nastavakk Pascalova trokuta 74 1V koji je vedi od 10. ari u starg} Kini posjedovali TABLICA PASCALOV TROKUT. 15% 56 70 56 mB 8 1 9 19 36 1 125 120 8 36 9 10 11045320 210252, 210120" 4510 1 tablice dtamo da su npr. kod 10 komada novea, ako IH bacamo 1024 puta (1024 je sua svi brojeva wy tablici uz N= 10) oéckivane frekvencije ove: eakane Kontinacin CERREC Vein TG OF T To 9G IP 10 10/1024 8G 2p 45 45/1024 7G 3h 1 nopitad ce ib ono 21o/i024 SG 3h me 252/081 iG oP 10 opont 3G TP ia in0/ioas 26 ap |B 4/1024 iG 9p to/ioat eS es (Sp omens: Ue ponot Porxom uokra og sl ituna ve ip tins een fan Taam tt Paina Sete rs plete tom eu diene ea et to in tablice T, vpn, noma ent (8) (oJ too i ‘osmicin ved trokuta, na polos 5 + 1, a tezultatianosi 56, 0 je dakals sti bro} to iu tablig 7) 8 ) offtavamo u2 7 NORWALNA kaspooLELA, NeKE-ORUCE RASpODLELE Uz pomoé Pascalovatrokuta mofemo na trenutak pogledati jo neke pogreske koje nam se ta¢éad dogadaju pui procient pojedinis vetojatuosti. Na primer, kada DF netko postavio pitanje koja je vjerojatnost da éemo kod bacania 10, komada novtiéa dobiti tao rezultat 5 “glava” i 8 “pisama’, zatan broj Hudi odgovort Ge da Je vjerojamnost 50%. To medutim nije tozno, a pogretka koja je pei tome uinjena, proistiege iz toga sto judi kathatla "mijesaju” pojam "najvjerojatnji {shod” s pojmom *vjerojatnost 30 : $0”. Ljudi atpritike ovako rezoniraju: ” Ako Dbacim 10 noveiéa, polovien ée pati a ‘glavv na polovica na ‘pismo, jer su Sanse 2a ‘glavu' i ‘pismo! jednake,” Zvuti logieno, 2ar ne? No, tinjenica je da sansa 50 : 50 veijedi samo kod bacanja dua novtita. Ved kod bacanja 4 novia kako se to vidi i slike 7.12 i tablice 7.1, wlerojatnost da Ge pasti 2"glave" 12 "pisma” nijo 50%, veé 37.5%. Pa tako i kod bacanja 10 komada novti¢a, vjerojatnost da Ge pasti 5 "glava" 5 "pisama” jest doduse.najveéa medu lions ne anosi 50% (p = 0,5), nego (vidi Pascalovtrokut!) 0,246), Dakle, ako bacamo 2 komada novéiéa, pa smo se Kladill da jedan pasti na "glavu" a drugi na "pismo", sansa da demo dabei okladu iznosi 0,5. Ali ako pet puta zaredom bacamo 2 novéiéa (Sto Je isto lao da jedanput bacimo 10 komada!), a ako se takoder kladimo da Gemo dobiti pet puta "glavu" i pee puta “pismo”, sv su ingledi da Gemo ingubiti okladu, jer nam je Sansa ispad 25%, ti, totnie p = 0,246 (Gz 25/1024)! Postoji joS jedan velo jednostavan j sikovit natin 22 izratunavinje razlietih, Ishoda jednake vjerojatnosti, a to je t2v. "stablo verojatnosti", prikazano na slcl 13. lien prijatnjem primjor s bacanjem nova, pretpestavimo da jadna obit dell imatteeterodjee. Koja je vjerojatnast da éeimati ava sina | dvje kes? ‘Sada natavro vee mate da to nije 80% a tose vloIako (lao i kod prathodnog primera) smote ustanovii (a slike 13: prvo dijete mote bit ii sn i kl ako je prvo alot sin, dg mote ponowno bit isin ii Ki to isto vrjed iw slueaju da je prvo dete bila ke. Razradujui tim natinom "stablo vjerojatnost sve dale, dolasimo do 4. djteta Kako i lke vidimo, tu vet post 6 moguch shad (vid 1 abro} 4. reda u Pascalovs tokutul), a'avemoguenostiza2 sina 2 keer ered su podebliane, pa vdimo da od 16 moguéihishoda posto samo Ses ih kojina je {aj uvjet postignut; to sv ov shod S(in) S(n) K(6) K(@) nedaeSK SK, SKK S\KSSK,KSKS,iK KS. (To naravno motemoodéitath iz Pascalovatrokuta) Vievojstnost za ta shod (28 + 2K) Ianosi dakle 6/16, i 0375. Ako bism trai totno adredet redo (npr. SC KS), onda samo jedan od postojeih 16 mogutih Ishoda uo pomnatom "zakonu mulipliacje (vidi st. 39), e.1/2-1/2-3/2-1/2 Primjeru w kojens redotjed nije va2an, rijed) nararno zakonitost, opisana na sr 43, treba shnjt jerojntnontsvagpovolnog ishoda: 8S § K = 1/16 pas K SK = 1/16 plus....td = 0/16 (= 0375). ‘Osim spomenate formule (7.1) postoi i druga, naoko konipleksnija formula za Jeragunavanje vjeroatnostipojaljvanja nekogishoda kod binomne raspodel, fl je ona ipok matno jednostavnija pod pretpostavkom da posjedvjemo depo lektronsko ratunalo Moguéi Cewrto dijete Treée dijete Drugo dijete s K s K s @s©O++OO+@+n-F K s K s K s K s K s K 16 tka 7-13. Pikasivanj ijerojatnosti pojeding ishoda uz pomoé “tabla ‘erojatnbsti". Postoje 6 od 16 moguéh ishoda da nelaobitel s Gtvero dee ima 2 sina | Beer. Vjerojatnoe coga ishoda ienosi 6/16 = 0375. Za jedan odradeal redowijed (opr. love) verona je 1/1694 1. NORSIALNC RISPODIELA, NEKE DAUGE RASFODIELE Ta formula gas: : Roam Me (ray pri €emu P = vjerojatnost da go se netto dogoditi, = vjerojatnost da se to nege dogoditi, = bioj "pogodaka" (npr. 2 sestice” kod bacanja kocke), n= velidina uzorka (npr. 3 igrage kocke), (Napomena Citalackoll eu meduvremenu zaboravio so anati znak! u formalama, neka pogleda stranicu 28). Evo primjera: Kolika je vjerojatnost da Ge kod bacanja $ igraée kocke pasti 2 testce” (il — Sto je isto — kod tri bacanja jedne kocke pasti 2"sestice")? -ata ("= 9.069. Tie 67m Dakle,sjrlatnost da kod bacana igre Locke past 2 "esti 69 Postoje naravno i tablice binomne respodjele iz kjih se to i2ravno mote otitath, ali su binomne tablicevrlo opsedne jer moraju uzimati u obzir tri elementa: opéenitu ‘erojatnost pojavijivanja neke pojave (npr, kod bacanja novca vjerojatnost "glave" je 0,5), velitinu uzorka (upr. 4 Komeda novea) i teljent ishod (npr 2 "glave”). Zdog ‘mnostva moguéih vjerojatnasti tablice sedrée samo neke od niih, tj. 5%, 10%, 20% 90% 1 95% pa neke probleme ne mozemo pomoéu njih rjesavat: vjerojatnost nnekog ishoda na igraéoj kocki iznosi 1/6 = 16,7%, pa probleme kocke nije moguée izravno otitavati iz binomne tablice. No razmotrit éemo dva druge primjere, kako bismo samo segmente tablice mogli protumatiti (tako da onaj titalac kome si oné motda t nekoj situacji prijeko potrebne, anade kako da se njima slut. Proi primer. Ako u nckoj populacih produkata ima 10% defektnih komnada, koja je vjerojatnost da éemo, uzev8i uzorak velitine 4, dobiti 3 komada defektna? ‘Dio tablice binomne raspodjele prikezan je u tablici 7.3. Iz tablice éitamo da je vietojatnost da su 3 komad waorku defektna, relativno mela, tj 04% (dakle kod ‘ko 1000 uzoraka veligine 4 nasi bi u prosjeku éetiti wzorka v kojima'bi 3-komada bila defektna) (Napomena, Toist Paw o1-09 °° aaa ino oko ratual sno pomoty formule (7.2) ora au Fa 0,001 0,9 = 0,0036, dake oko 0,45) 95 TABLICA 73, DIO TABLICE BINOMNE RASPODJELE (RADI DEMONSTRACHIE) Valine | Biol po- | Vjerojatnostr vzorka n | godaka r | 0.05, 0.10 0.50 | 4 6 0.636 0.062 1 0,202 0,250 2 0,039 og7s 3 0,004 0.250 4 0,062 ‘Drugi’ primer. Koja je vjerojatnost da demo kod bacanja 4 komada novtiéa © dob dva puta "glava"? Upotrebom tablice citama da je wjerojatnost p = 0,375 (tj. 378%), toéno toliko imam napisano i na srednjem stupev histograms na slci 712. Ta tablice 7.3. wiedno vidimo da je vjrojatnost da neéemo dobiti nijednu "glava" neko vide od 6%, i da Gemo dabiti samo jedmu "glavu" 25%. Vatimo se ponovno Pascalovu trokutul Poveéavajuéi tro] noveiéa koje bax ‘camo u ara, dobili bismo konaéno prakti¢ki potpuno pravilnu zvonastu "krivuljy slutaja", dakle normalnu raspodjelu. No razlika iamedu binomne { normalne raspodjele (koja je vise teretske nego praktine prod) jest u tome sto binomna raspodjela nastaje kombinacijom faktora, kojih je pojavjivanje uvijek jednako ‘jerojatno (npr. 50% ili 10% ill bilo koja druga vjerojatnost), dok je kod nor- tmalne raspodjelesituacija neSto druktija lako sro njezin postanak veé pokutali ‘opisati,uzmimo jos jedan primer, oval put primjr slian binomno} raspodjell, able primjer bacanja novtiéa. Zamislimo da imamo mnogo-komada novtia kot nibu ioprauni, nego je svaki novtié po slutaju svinut, pa oko polovice aovtiéa ima vetu verojatnost (svaki novéig drulctij) da padne na "glavu", ataloder oko polovice da padne na "pismo" Akertakve noveige bacamo u aralei promatramo kako su pall, ponovno éemo dobiti Jivulju reoultata koja ée biti jednaka lnivuli binomne raspodjele ada je veliki bro (Osim normalne i binomne respadjelepostoj jo8 mnogo drugihraspodjela. Jed ‘od nih jo8 demo u ovo} knjzi spaminjat: to je Poissonova raspodjela, koja je takoder slutajna raspodjea, samo ~ za raziku 6d normalne raspodijele ~ sluéajna raspodjela wrlo rijthih dagataj (dok je normalna raspodjela raspodjela dogadajs, bojiwa se vjorojatnost kreée u blizini 60%). Spominjat éemo jo8 i F-raspodjelu,96 7 NORMANS RASPOBIELA, NEKEDALGE RASPODIECE hickvadrat raspodjlu i druge,aiinema smisla time sada ctaoca opterevail, Kada dode na niih rad, ce ée raspodjele biti razumljive Recitno na kraju jaf nekoiko rijei o zanimljivo povijesti nastanka spornaja o © notmalnoj taspostell. Posebno je'za te podatke zaslutna amerika statistigarka Helen Walket, koja je publicirala nekoliko radova o tojtemi, i eva njezinih glavnih pporataka (iz Walker H. and Lev J. Elementary statistical methods, vidi literatura), Matematigar Abraham De Moivre (1667-1754), fait je lo lebieglica Zivio w London, prehranjujuéi se dielomice tjefavanjem raalietih problema zakona vjero- intuosti za bogate kockare, ustanovio je da distibucija rezultata bacanja noveiga, ada je broj novtiéa vel (kako vidimo, pote j od binorane raspodiele)poprims jedan definitivai obi, koji je on 1783. uspio izaaiti jednadzbom, sto je je demon- strirao svojim prijatejima, ali o Gemu nisu objavljeni sluzbeni radovi ‘Nekako istovremeno jedan svicarski matematitar, Jacques Bernoulli (1654-1705) upozorio je da bi teorijavjerojatmosti maga biti od Karis ekonomi drusivenim ‘ananostima, no srt ga je spijetila da radi na tom pitanjy, pa je tek 1719, dekle 5 godina nakon njegove smrti, objavljena (zaslugom njegova neGaka) njegova knji- ga."Ars conjectand”, &to bismo mogli prevesti kao "Umjetnost hazarda”, no ta ppublikacia Spak nije pobudila interes ondainjih matematitara, Proslo je stoga gotove puno stoljée do vremena, kada su Laplace (1749-1827) 1u Francuskoj 1 Gauss (1777-1858) u Njematko) nezavisno jedan ‘od drugogs, &~ ‘jerojatno i ne znajuéi za De Moivzeove rezultate, matematithi deGirali"keivullt vjerojatnosti” ii “krivulju pogrefala”. Ta je krivulja kasnije nagvana Gaussovont [riouljom, jr seu potetku smatralo da ju je Gauss prvi opisao i matematitki defii- rao. No 1924. godine je Karl Pearson, poznati statistiar, otkrio dotad:epoznate rukopise De Moivrea, ‘Bernoulljevu misao da se ta Krivulja mode primijenti ne samo na "pogreske ijerenja" u fzici, vee ia ostale podatke mjerenja, izgleda da je defiitivno for- rulirao i objavio belgiskt statini¢ar Adolphe Quetelet (1796-1874), koji Je proi upozorio da se statistika mode Keristit i bilo kojem drugom podrutju mjerenia, akle i kod mjetenja "mentalnih i moralaih” svojstava. as REZULTATA U GRUPI 8... =VRIJEDNOSTI Buduéi da nam aritmetiesredina i standardna devijactie potpuno definraju raspodjelu neti rezultata, to je 22 svaki rezultat moguée iaraéunati na host dio ‘sfasiardne devijacie on pada, a kad znamo taj podatak, mamo odmab | koko “simamo revultata vedih i koto manjh od toga rezultata. Na taj natin motemo ‘toéno odrediti polofajpojedinca u gropl ‘Primjer, Mjereéivisinu veée grupe odraclih judi, dobili smo ove rezultate: 30,0em ‘Kamo pripada ispitanik X koji je vsok 180 em? Drugim sijetima, kok posto. tak tih judi su visi od njega? Najprije moramo ystanoviti na koji dio standardne ~ deviacie pada reaultat X = 180 cm. To éemo ustanort tako da najprje nademo ~ raliku lemed toga rezultata i aritmeticke sedine, i da onda tu raz podije- “limo sa standardnom devjaciom. Drugim rijegima, ovim demo postupkom rezultat .- inraitiu dielovima standardne devija ZADACI ZA VJE2BU 1. Upotrebom Pascalova trokuta nadite kolika je vjerojatnost da ée Rod tacanja 9 komada novéiéa past 2"pisma’ (Il 7 "glaa”), 2 Xk en 2. Promatrajué aku 7.8, uttatovite koja Je vjeroltnost da demo 10-170 _ 10 Siuajnim evlaenjon renlata'z koi sesastoh nactans normale U natem sueaju dati azo: #O=MO = 19 =o distribucija,izvuéi rezuleat ko}! Je po vrijednost dake tofno na +1. Buduéi da znamo da X plus 1s 1) negdje amedt aritmeticke sedine i +1, b) manji od ~25, 6) veeiod +19 ali manji od +25. 3. Koristetitablcu 7.3, otitajte koja je vjerojatnost da u uzorku veliine 1 = 4, a koji uzimamo iz populace u kojoj je 10% defektnih komada, ne nademo ni jedan defektni komad. NaS rezultat od 180 pa cbuivaa oko 34% rezultata, to nam do kraj krvulje na desnoj strani ostaje js | S07 - 34% = oko 16% rezuleata Dale, 16 posto isptanika ove grupe vii su cd 180 cm. (Vidi sl 81) Kako je normaina raspodjela potpuno totno definirana, to mi za svaki rezu- tat, ako izragunamo na. koji dio standardze deviecje pada, motemo potpuno8 4 Pouotas poseoIos REZULTATA U CRUPY totno ustanoviti koliki postotak rezultata je Ipod, a Koliki iznad njega. Dable, inalavanje nekog rezultata u terminima standardne devijacije, tj. izratunavanje na koji dio standardne devijaclie taj tezultat pada, naziva se pretvaranje rezuleata u evrijednost. Tablica A u Dodatku je tabliea koja nam pakazje paurdinu nor- malne distribucije od nekog definiranog vezultata X' pa sve do bite kraja rivulje ‘Slike 8.1, Ako neki rerltat pada togao na + 1s, onda u Citavo} populaci iba oko 184% labijih | oko 16% boli rezltata Buduéi da je w svim statstikim tablicama cijela povrsina neko keivilje’ prikazanabrojem 1 (Gt znati 100%), to x dijon poreineprikanat brojevina fojise kro od 0 pa sve-do blu 05 (0. je poitina jeane strane normalne respodile. Veligine poutine weno snadtt werjanod, Yao ioe 4 vee vide jel edosadainjh prinjera. Evo js Jeng: U skupini od 1000 mada nadenaje Srosjeéna visina X= 171,5em, # = 9,8 em. Kolko ima pibino lacs fo st ‘sot id 172 1175 cm? Kod svi takin zadatakanajboje Je nacrati povitini koja nes tains. Na slic 82. prikasana je krvlja normalneraspedele, ko ima aitmetthu seein TT715, a standardna devine 98 cm, Povrtina krvuje ied 172 1178 cme Srafirana (astamnjena, fo je wpravo povin kaj nas zai ‘uu 2.7RUEDNOSTI cy an iste 161. 48 fiers ia ane was 8.2. U normaluo) raspodieli unuta zramajene povrtne nalzise ona) postotak resulta boli postotak je aatamajena povtsina od cijele povzinekrivulje. U nagem sitaju taj portotak fod oko 12% (vii tekst) Da bistio to izratunal treba fzratunati povrsinu krivulje od 172 em pa do kraja;potom povrtinu od 175 em do kraja, i, konadno, érugu povrsinu oduzeti od . _us-17, as 0,36, Prema toine, rezultat 172 nalaal se na + 0,05 2 (dakle jedva nesto malo ianed prosieka), a rezultat 175 na + 0,36 =. Ia tablice A vidimo da se izmedu 0,05 = ‘kraja krivulje nalast 48.40% retultata, a iamedu 0,36 = 1 kraja krivulje 35,08% renultata. Zbog jednostavnosti, pretpostavimo da su to postoci 48% i 36%. Prema tome, i fitervalu izmedu 172 {175 (to je zatamnjena povrSina) nalazi se 48% — 36% oko 12% svih rezultata, dakle u aatem slutaju oko 120 mladiéa skladu 8 vet retenim tih 12% ana i vo: kada bismo nasumce invadili jedan raultat iz eljele populace rezultata, onda je 12% vjerojatno (p = 0,12) da éemo Jvudi yenultat ne manji od 172 niti vei od 1 Pomotu dijelova standardne devijacije, dakle pomoéu = vrijednosti, mogu se lakée usporedivat ezultati raalicitih mjeresja kod istog Govjeka, a takoder i medu pojedinim iudima. Tako se pr, e8ée dogada de pojedinim ijudima iz neke skupine 4elimo dati jedau skypn ocjens 2a njhov zaultat w niz discipline, a ako su mjerne Jedinie th disciplina razitite (npr. sekunde, centimetr,kilogremi itd.) nallazimo ‘a vellketethoée, Jedno od ispravnth retena toga problema sastofise u pretvaranju riginalnih valjednosti rezultata u z-vrijedrosti100 { PoLotas POsEDINOG REZULTATA U GRUPL Primjer. Skupina od 100 mladiéa istih godina natjese se u ovim Sportskim Aisciplinama: a) tréanje 100 metara,b) skok uvis, ) skok udal,d) bacanje kul | } bacanje diska, Prosjeéne vaijednosti i standardne devijacije eitave skupine 28 te discipline su Dea mladiéa (A iB) postigh su ove relate Mladié A Mlagié B a) 12,2 sek a) 18,0 sek b) 140 om b) 128.5 em ) 580 cm ) 490 cm 4) 804 em @) 920 cm @) 2400 em 6) 2980 cm. Koji je od ovih miladiés w svim diseiplinama zajedno boli? Ako svaki rezultat svedemo na zajednil mjeru, tj. na zvrijednost, dabit Gemo 28 svakog mladiéa scvesme (Sat) Miadié-A Mladié B a) +00 a) -0,10 >) -0,24 b) -0,40 ) +190 0 +0,10 4) -0,09 a) +104 2) -0,40 2 +105 Skupna Skupna ocjena = +147 cena = + 1,69 Prosjeéna, Prosjetna focjena = + 0,29 ocena = + 0,84 Prema tome, prosjetan uspjeh mladi¢a B u tim disciplinama veéi je od uspjeha rmladiéa A. —Tipeba pa dw dein rtanja na 100 mvelfadeet ipod 128 atk avetavamo pes © ‘wijednont nad 128 ku minus suednot, vredneet nad 128 anate opr ean snacuRUeDNosry 101 Takvo ocjeniivanje u s-vtijednostima alo je potrebno i onim slugajevina Kad ‘radimo skupuu it prosieénu ocjena ia niza mjerenja koja su na prvi pegled prove- Gena. usjednakimn "iyjernim jedinicama” (apr. u bodavina), ali pomoéu testova oj imanju ralicievariabilitt rezueara Primer: Skupit lua padvrgavaio ispitivenju psihomotouike pomocu 2 testa (1) 17s) kof imaju ove harakeristike: qh b ‘Minimalni bro} bodova = 0 Malsimalni broj bodova = 120 rosie (izeaeren na veéo} Prosjek (izmjeren na veto} skupini) = Xy = 7.0 skopini) =) = 60,0 a=10 = 140 Miniinalni bro} bodova Maksimalni broj bodova Ispitanik A postigno je u testu 7; 9 bodova, a u testu 7, 74 boda; ispitanik B ‘postigao je u testu 7; 6 bodova, au testu Ts 90 bodova. Dale, ukupno je isptanti ‘A postigao 83 boda, a ispitanik B 96 bodova. Je li zaista igpitanik B u ukupno} ‘ocjeni boli od ispitanika A? “Ako bodove pretvarimo u zerljednosti, dobisamo za obaispitanika: Ispitanil A Ispitanik B Tet 42,0 Tet -1,0 Test Ty 41,0 Test Ts 42,14 “Whupno 43,0" “Wp FT, Preina tome, snatso olf u'ukupnom wap je ispitanik A, a ne feptanik Bt Dake, poten je pretiaranje w z-vrjednosti je bi ednostavnim abrajanjem brutoenultata dvaju i vise mjrenje u ukupnom zbroju imal veéu "tzina, ‘eu vaznostreultatii’onih mierenja u kojima je veéa standardna devijacia. Na Per, evltatl ia majerenja sa standardaom devijaciiom 10 imalibi da puta veéa fedins u ukopnom rexultaty od reaulzata mjerena sa standardnom devijacijom 8, Eesto se pogretno misli de glavn “tesins” rezltatima daje nithore apsolutaa veltna: na primer, ako wjednom test ispitanielposttu vio visok brojbadova. a Udragin teatovima znatno mea, onda ée, po tom mislenju, w wkypnom rezulata ie sih tetovn *prevegasti" rezulat ia toga testa ¢najvedim brojem postignatih Bodova."Da to nije toeno, vidi se ie ovog primjra:pretpestavimo day tom jed- som teu ot isptanicipostignu mnogo, ali sei ednat, recimo 500 boda sraki isptanik. U lkupnom eesultata taj bro}, ako vei, nee mista utjecati na polots} pojedinogisptanila, ) njihov rang bit € potpuno jednak bez toge testa kao is jim — jer sno svakom ipitaniku dodalijednakwsvijednost. Dake, tako se vid, ta] test ne pridonos ita uktupnom rezulaty, jer taj Pest nema varjbiitta, Da bi st iabjeple negatine vijednosti had takvog preratunavanjacrigialaih rerultata u snjednost, moe se sv 2 vrijednosttdodati neki bro, tako da ram svi rezulati stan potitivni brojev. Ako s-vejednestma dodamo bro} 5,102 12 PoLozy poreonoc nezetrars voAUPL Aobivamo tav. standardne vijednost, Roe idu od 2 do 8, s prosjekom 5, Ratunski se taj bro} {u ovom slutaj 5) samo pribroft veé pozeatoim ragun kod :-vijednast Primjer: X = 25,5 = 6. Koju standardau veijednost ima veeultat X= 32 u kali standardni vvifednostihojima je aritmeticia sredina 5? x 25 Standardna vijednost = SX 4.5 = 8.2. CENTILI Polodaj pojedinca u grupi mode se igrazitij tay. centlom (pereentilom): prvi centil obuhvaga 1% najslabjib, drug centil 1% idueih najsabijh. deseti cent ‘obuhvaéa onaj jedan posto koji je na desetom mjestu od najslabijeg,. sedamdeseti centil mati da je 70% rezultata Jednako il slabife, 30% bole; ako neki vezultat ‘pada u devedesetdrugt centi, to znat da je samo 8% zezutata bolje od njega, a 92% rerultata su jednald ili slabiji td. Mi smo zapravo i kod 2-veijednost vet Baratali ‘centilima: ako smo na sr. 97. rll da je 16% iepitanika rastom viga od ispitanika X, to zapravo anati da on prema seojoj isin pripada w 84. centil: 100-16 = 84. Prema, tome. iz eablice A mozemo za svaki rezultat ofitat i njegov polozaj u centiima, ali prethodno treba rezultat pretvoritiu z-vrijednost. Na primer, abo neki rezultat pada na 1,75 2, naéi da se taj rezultat nalazi u 96, centily, jer ima samo oko 4% Fezuleata koji su bolt od njega PPostoliratunsli postupak za dobivanje centila pojedinog rezultata, ada pritom nije potrebno reaultat najprie pretvoriti w e-vrijedaos, all emo najprije ukratko prikazati grafiku metodu kojom mozemo s priitnom totnoséu odrediti polozaj pojedinog rezultata u centilima. Postupak se sastoji u neznatno) modifikacii grafihog prilaza kumulativne fekvencije (vii siku 6.10, t). sastof se u sjedetem: 1. Frekvencije neke distibucile tezultata pretvorimo nsjprije u relatione frekvencije, a nakon toga u relativne kumalatine frekvencie (tj. zbrajamno relativne frekvencije [postothe) iz aareda ui razed). Ti nam brojevi u pos. totku pokazuju koko je ukupno rezultata do prave gornje granice svakog razteda. ‘Na apscisu unesemo prave gornje.granice razreda (hoje smo veé upoznall w 6. poglavli), a na ordinatu unesemo relativne kumulativne frekvencle, ¢. kumalativne frekveneije w postotkis ukupnog, NV. Primer Nama vee poznat primer svisinom 135 20-godisnjih mladiéa, kf smo na sic 6.10, prilazai lrivuljom kumulativne frekwencije, pretvorit éemo w primjer = relation kumulativaim frekvencijama. Postupak je prilazan u tablici 8.1 ‘es cENTILL 103 TABLICA 81. PRETVARANJE FREKVENCIIE U RELATIVNU KUMULATIVNU FREKVENCLU Relativea Relativna Fiekvens Kum Ransed feekven. hua 1 ia feeke Ce ee 12174 v5A77 178-180 6 381183 19 184185 334 187-189 335 Kada tako dobivene vijednosti unesemo u graikon, dobivamo krivulju relativne ‘kumulativne frekvencije, prikazanu na slici 8.3. 2p aproksimativno ofitavanje centila i centralne vrijednost| ova nan krivul mode odléno poslutiti, Tako, xecimo iz slike 8.3. vidimo da nekt rezultat X, veligine 176 cn, pada otprilikeu 66. centil da su 66% rezultata jednaki ili iti od njega, ‘434% rezaltata su jednak ili visi, Centralna se vrjednost iz ove slike oitava taka da se grelativne kmnulativne frekvencije 50% povuce paralela s apscisom sve do Ivulje i odanle se spusti okomica na apscisu. Na mjestu gdje ta okomica sijece apscisu nalazi se centralna vrijednost (Nap omen a, Poneki ditaoci mozda su tull | 2a izraz “deel”. Za razliku od “centila, “deci” su frakeke od po 10% reaultata: 1. decil obubwaéa najslabijil (ii najbolih) 10% 2. dei iduéih 10%, itd. i, konatno, 10. dei! predstavlja 10% rajbolt (ill najslabiih) rezultata: 1. centil je posetna veijednest za 1. dei, 10. entil je podetna vrijednost za 2. deel, itd. Naravno da se i devil, jedmako lao i cen, mogu posve jednostavno otitat s krivljezelativne kumulasivne frekwvendje. Treba reéi da su u praktiéne sure, kao Sto Je to npr. baédatenje nekog cesta, decill, koviste cose nego cent.) Jedan po izgledu netto drukef, all u biti jaduak postupak sastoj seu tome da se relativne kumulativne frekvencljenanesu na ordinatu tz. "papa vjerojatnost". [Na sic 84. prikazani su it) reaultati na papira vjerojatnost. (Relativna kumul tina fiekvencija od 100% ne mote se uertati jer na papiru ne postaje vrijednosti @niti 100.) See ono Sto smo ofitaval iz slike &8., tj. s obitne krivulje relativme kurmula Livne frekvencije, mogemo o¢itati isa slike 8.4, samo 8to nam ona pruza jos jednu prednost: ako je distibuclj, koju na ovaj natin prikazujemo, pribliine normalna, totke na papiru vjrojatnosti bit de manje-vie na pravcu.Rel, kumulet, frekvencija Postoci ae os Beseesses en asf BE & 26 2 2 Vebs es wns Tens TES WTe8 TT TOS nS TONS Prave gornje granice razreda Sika 8.3. Krivlja rlaivne huralatine fckvenelie 105 = J [| EES —— LILI TTI Tit ws 3s 8 aT wes 15 mS 10S Prave gornje granice razreda ‘Normalua raspodjla daje u tom sugajs pravac Sika 8.4, Relativne komulative fekvencjeprikasane na “papi vjerojatnost106 4 PoLoz4s poseorNod nezuLTars u CnuPL | hrivuli, Koji toGkama relacieno najbole pristaju. Taj drugt postupak uéinjen je i fn slit St) Ako je ditssbucia asimetriena na ecu il chugt stam ift ako na bilo oii natin znatajnie adstupa od normaliteta,ktoz nj se nee moet povudl piavae Pema tome, prikazivanje relativne kumulativne Gekvencile na papinu vjeo)at= hosti amoguéuje nam jo8 i priblizmy Loutrofu normaliteta distribweije; (0 preci2no} saéunskoj kontiol bit € vijet) « poglasliu "Hi-kvadrat teat”). Na sliei $4. vidio dda a8 yeultati uglavnom dau normalnu distebuciju, jer “odoka” nacttan pravac ‘dobro prati poiotaje total. 85 sot ef nol © 0 2 ® asimetrija udesno ZL. s ® ssimetsauijevo ZO | 0 © rvonisnost A * ® spicstenost oa: ® vimodainos —§ LAN ‘Stika 8.5. Neke distibucje hoje odstupaja od normalaedistibuaj,prikazene na papiravjeroiaiasts Na aici 8.5. prikazano je fako na papiru vJerojatnost izgledaju neke distribi- cije koje znagajniie odstupaju od normalnosti. No, naravno, takva odstupanja fe narugevaju mogucnost otitavanja decila, cenila,centralae vrjedaost, pa Gale ddonekle i aritmetitke stedine i standardne devijacije: buduéi da 2namo da arit- retigha srediaa plus i minus jedna standarcna devijacija obuhveéaju oko 68% rezultate, motemo od viijednasti 50 na ordinati (sto je zapravo polozaj centralne ‘rilednost, ali ako je raspodjela pravilna, onda se i atitmeticke sredina nalazi ‘uglavnom ha istom Injestu) dadati po 34% prema gore i doje, ito ofitati, Ako ti otitanja pokusamo provesti, otitat demo aproisimetivuo aritmeticku sredina nna oko 173,5 (ona zapravo iznosi isto toliko}), a vrijednost jedne standardne de- “iacije iznad aritmetiche stedine an oko 179 (eapravo 17944) { jedne standardne desijacjeispod aritmetigke sredine oko. 167.5 (zapravo 167.6). Kako se vidi, elo dobre aproksimacij! Racunski motemo centil uekog rezultata izratunati pomotu formule Rang renltata Reng ceils 9p, @2 Conti! nokog rezutata = cevtits tor Na primjer, ako je med 50 rezultata neki rezultat 43. po edu (odozdo!). onda se taj rezatat nalazi w 43/50 100 = 86. centlu ‘No kod velikiskupina, kaa su nam rezultati svrscani razrede, bio bi taj pos tupak previ8e kompliciran, | 2ato postoji mnogo praktienija formula 2a pronalazenje enti nekog rezutata, Ona glas: pote fm Th ni ons sta sr nalaei tezultat [Na primjer, kada bi nas u nasem primjerszanimao centilrezultata 176, postupii bismo ovako: 176~174,5 Cent = 59,264 HOES 14,00, = 59,26 + (0,5-14,82), 9,26 + 7,4 = 66,07, praktiss 67. [Naf serezultatnalazidakle w 67. centilu Da smo ga otitavalisa slike 8.3, ottali bismo otprilike 66. centi Crsto nas neditim mode 2animati obratni postupak: dok sto upravo sada nasli oj centil odgovara nekom odredenom rezultaty, nas mote zanimatt ito koji rezul- tat odgovara nekom odredenom ceatilu. Na primjer, u nasem sluéaju mogl bismo postaviti pitanje: Koja visina odgovara 50. centilu (dakle koja vsina predstavlia centralnu viijednost ii medijan)? ‘U tu seth treba najprijeZeleni cent pomnoditi si podijlitisa 100 te éemo tako dobiti rang rezultata koji jeu 50. centilu. U nagem slutaju, dale, imamo centil- NV _ 50-135 _ gy 5 “= 09 5 akon toga treba u stupeu kumnulativae frekvencije madi razred u kojem se taj xan rezultata nalaai. U nafem slutajy rezultat koji zauzima 67,5. rang pada u razred 172174 (jer se u tom razed, kako vidimo iz tablice 8.1, nalaze rezultati iznad 52 xanga pa sve do 80. ranga) ‘Kada smo nabli rang rezutata | razved u kojem se on nalazi, primijenit ée:no cou formalu: (84)108 ‘5 POLOPAY PorepINog nezuLEATA v cnvPT 2 ceNTIL 109 pri gemu: X__ = rezltat koji pada u deljeni cent, 1 na kraj jo8 nekoliko rijetio usporedbj iemedu 2-vijednost i centila, Predaost 2-rijednosti pred centilima sastoji se u tome sto, kako smo viel D. = prava donja granica razveda w kojems je tezultat X, evrijednosti mogema zbrajati | trait njlhov prosiek (jer su to “ekvidistantne C= zadani centil (w nasersluéaju to je 50) Jesinice, . jedinice ¢ jednakim medusobnim razmakomn), dok kod centile takeo fo = ukupni bro} rezultata ispod razzeda uw kojem je reaultat X, trajanje | tratenje "prosjetnag” centila nije dopusteno, jer centli u normalna} Jaq = bro} rezultata w razredu u kojem se nalazi rezutat respodieli ne predstavijaju ekvidistantne jedinice. To se mote lijepo vidjeti iz slike i= interval £36. na kojoj su oznadene = vrijednosti i conti (a ista se stvar mote vidjei ina tablici 82), ' druge strane, prednost centila pred =-vrijednostima sastoji se tome da cent ne zahtijevaja normalnu dstrbueiju: mi motemo iz bilo kabve distribucije odredith koji redultat pestise 10% najbolth, ili 35% najlosijh ispitanika, ivd. Naprotiv, == ‘rjednosti predstavljaju — kako znamo ~ dielove standardne devijacie, a ona je yezana uz normalny raspodjelu = 171,54 1,65 = 173,15, ZABLICh 82. (CBNTILI Kost ODGOVARAID POZEDINIM s-VRIJEDNOSTIMA Prema tome, rezulat ho odgovara SO cent, fos oko 17, Da smo centaloe a vidaost Cent vlednost taal» pravea na ie 84, dob smo opie edna vajednos, t ‘ ® ® tpi june lod 30 00 cst f % -1 ie f 30 100 0. C45 | 2 3 ce | 2s oa o3s fb coo +05 cn } én “OE ox | és =a 35 t ess aa én i 58 08 ci i ga -10 ow f Si at eit Gas a Si oot 33 eis | oa a) é8 | en -15 7 ce a8 ge oe ae és os a8 és ce a8 65 ow -29 ca oe af &3 ' a oh a i 30 8 &3 ' Ges i oe km ate oe 2P { Sita 8.6. Ones neds sed com 28 ane 04 centila =ijednan oe 5 oe ‘ preva vlan alana abc 250no 4 PoLotas Posepivos REBULTATA U GRUPL ZADACI 2A VIEZBU 1. Skupina od 500 ispitanila u nekom je testu dobila normalne distribuirane rezultates ovim larakteristiams:aritmetitha sredina iznosi 80 bodova, & standardna devijacija 10 bodova. Izragunajte ur-pomoé tablice A u De- athe kolo otprlike ima ispitanika (ne postotak!) koji imaju rezultat: 2. vedi od 80 £ manji od 86 ». vedi od 85 5. vei od 78 vedi od 101 1 iamedu 60 i 65 4. manji od 71 iv izmedu 731 84 fe. mani od 83 Ji tamedu 52 1 108, 2. Koja je vjerojatnost da ée student A, koji se nalazi u skupini od 500 studenata i2 zadatke 1, postéi boli rezultat od 95 bodova? 43, Jedan proiavoda: tvrdi da je testirao trajnost svojih darulja, i da trajnost ur normalnu upotreba — w prosjeku iznosi 300 dana, sa standardaom devijaciiom 90 dana, Vasa zarulja, koju ste kupli od tog proiavodata , iagori nakon 60 dana. Koja je sansa postojala da Ge se to dagoditi? 4. Ujednom gradu u kojem ima ukupno 500 muskih weenika zavrénh razreda, ajihova visina je X= 175 cm, a s = 11 om. Prilikom jedne Sportske ‘manifestacie nastavnik tjlesnog odgoja namjerava iavesti neku vjezbi s tim uéenicima, ali za vjetbu dolaze u obzi samo oni koji su vii od 190 em. Za vjedbu ih je potrebno 80. Hoée ih nastavnik uspjetitoiko pronsdi? 5. UBennettovu testu mehanitkog razumijovanja 75 uéenila postiglo je revil> tate prlazane u tablic: Razred f 5-9 2 14 = 15-19 3 20-24 10 25 —20 10 30-34 M 35-39 " 0-4 2 4-9 2 5054 5 U koji centil spada rezultat 467 6. Uz pomoé tablice u Dodatku odgovorte na pitanje: v koji centilspadaju reultati koji imajy ove z-vrijednosti: ao 4-12 ba en? e058 £-28 RAZLIKA IZMEDU DVIJE ARITMETICKE SREDINE 9.1. “POPULACIJA 1 UZORAK ‘ilo esto statistic ujeme pojmove*populacja”*uzorak". Pod populaciom (ii unjverzomom" sk "esnavnim skupom") razumijevame ave lanove nee skupine $5 odtedenom laraterstikom ojo jerino. Ne primje, ako mjerimo visina 16- ‘oditnh mladiéa u Zagrebu, onda popula predstavljaju svi 16-godiénji madi U Zagrebs, Ako je "grupa” neograniena, onda popula predstavija neizmjerni (ilo vel) bro} mjerenla (np. ako mjerimo utjeca)fenamina na bazal me- tablizam, nopulaiu bi predstavlja "neizmjern",t. vlovelik broj mjrenja. Ponekie put populau nemayuéizmjeiti (opt ako je ona beskonato vl) poet put to je oro skupo ¢Komplicirono (apr. Jad bismo hijelidoznat prosjeénu 2arad svih odrasih stanovnlla jedne zemlje, moral bismostvarno pronatisvakoga ‘odraslog stanovnia, a tone Bi bilo ni lak ni etino);hatkada bi mjerene cele populace bilo besmisleno (na primer, ako se prilkom mjerenja unstava on0 Sto Se mje — lao St jet, reco, slut} kod tstiranja koneerls prekambenim artis). ato vetinom mjerimo samo oproniteni bro] sutajeva, koji nazivamo wzorkom, a atitmeticku srediny, standardau devijacij, it, tih wzeraka nazivaino "procje nama” tih isth parametars. Na primjer, ako iz aeke populacile uzmemo uzorak od 30 mjrena,aritmetia sedina tin mjerena Je procena pave avitmetche sre dine, standard devijacia je prayena pravestandarcne devijacie itd. Pravy anit retichasrdina (koja se bles; tj mi) i pravastandardnu deja (koja se billet sao; ct sigma) dob bsmo tek onda kad bismo izmjerl tara po- pula. Prema tome, kaa radimo s uzorcima, ixatunate vijednosti,nisu jek 2aprave pravevijednst, nego samo piblizne viednosti ("procene” Kako je-2a bolje razumievanjesadrtaa, koji sled, potrebno biti dobro upo- zat s pijmom uzotka, tes vezom izmedu vzorka i populace, pokazat éemo na jednostavnom primjera Bose dogada ako iz jedne populace uzsstopno waimamom2 9. RAZLIKA IZMEDU DVIE ARITMETIENE SREDIKE ‘un POPULACUA FUZORAK ng TABLICA 9.2. DISTRIBUCIIA FREKVENCLIE UZORAKA POPULACUE L [Broj crvenih kuglica| ww uorka usorke jednake veitin i izraéunavamo nove katakteristike, ‘Pretpostavimo da imamo jednu velit kutijus nama nepoanatim brojem crvenih i zolenih kuglica. Na dau kutie postofi uredaj s 20 rupica kroz koji mote ispast 20 kuglica. Potresanjem kutije dobro promijelamo kuglice, uzmemo uzorak od 20, kuglca,registriramo ujthov sar2aj (brojcrvenih kuglica),vratimo luglice natrag, u kuti, ponovno dabeo izmijezamo, izvadimo novi wzorak od 20 kuglica, i tako dalje, ukupno pedeset puta. Rezultati ovog pokusa prikazani eu u tablici 9.1 f TABLICA 9.1 REZULTATI DOBIVENI OD 50 UZORAKA 1 POPULACHTE L VELICINA SVAKOG UZORKA = 20 Taba Boee [Reba] Belew [Rat bs [ya SE | Rishee [ Reo | Shi’ [eas | Rsk. 1 >a |» > Ps 2 Pa a Oe 513 fe fa fe fo 4 2 a 9 38 10. vise od 18 S13 fa fa ps fs Tipo 0 é of] 3 | a > foo fa fe |e |e |e TTABLICA 93 F 8 8 a“ uw a2 9 REZULTATI DOBIVENI OD 50 UZORAKA IZ POPULACIJE IL. f 0 yo s 2 3 QD VELICINA SVAKOG UZORKA N = 20 n Ww 8 4 S 2 Red. broj | Broj crv. || Red. broj | Broj crv. || Red. bro} | Broj crv. nofu [a jw fe | 2 as! [shies | "atata” | Mauser | Sais) | Shes Bye Pa pe |e | 8 : >a Pe )e ps |e Ble fa fe pe | 8 Pp] a ds ft pe 73 Bye fa fs pe | 2 p]a fe ft pa | ze fe fs | Le ps {)4a fh | s pe | a 13 a 6 “Ukupno 548 5 1 2 3 39 4 ne 6 2 23. 5 40 4 | ako vid unre! vary | dnubue ove lode pita je ro)g fw] a fa ds i unico t | kos ih aoe vray po lj li velit vara zi a] spe |? pe fa | od populacije« njesinog sastav. Da bi to dokazali,utinimo iti pokus, amo prije i 3 os 2 2 2 | Cr et olen eh seh Logene tl Pons uo |s fs fa |e |: careers eer dices Wii {demo ecole pk & eo js |» fa |e fs tablict 9.3. rr; 3 31 2 48 3 itateo desc lve Uh unr, dobiae eu paane wef} a fa jz |e fa wubtede “i mp {3 | 3 |i Le Li ao iteo doivne ete ob oka ga (i ak 91), apa u 3 iM 4 Vhapno 1a21 2. RAZLIKA H2EDU OVE ARITMETICRE SREDINE TABLICA 94 DISTRIBUCIJA FREKVENCLJE UZORAKA POPU! Boj evenih ugha ww uzork 0 1 2 3 4 2 5 6 7 7 vie od Ukupno 50 1. Upokusus populaljom Luaorei se grupraju kao veéevrjednost nego uxori +: pokusu¢ populaejom IL 2. Grupirenje uzoraka je "gu8e”u pokusus populacijom I tj raspesenje rezule tata je manje nego u pokusu s populacijom I Iz dobivenih se rezltata dade zakjuditi da worak nije “minijaturnt duplikat” populace, veé—ako na popalaciuzakljueujemo ie uzorka ~ moramo wet sobzie Sluzajne vaijacije koje se mogu dogo. “Vidjeli smo ia opisana dva pokuse da sezultati uzoraka variraju po slutaju, ali {to da veligine te slugajne varjacje ovisi o stanju u populacij Sto je ved ‘arijbiltetrezltatau populasji to 6e biti vei vanijablitee unorala wee i populacie. U natem primjeru matemo ret da je vanjablitet populacije to mani feo vie prevladava jedan vrsta kuglce: kad bi sve kugice bile rvene,¢. ad & opulacji ne bi bilo nilakvog varijabiliteta — ne bi bilo varjabliteta zi-medu tzorcima (j, sei uzorel sastojalt bi se samo od erventh kugliea) Naprotiv; ako se populacjasastofi od 50% ervenih i 80% zlenih kuglica,varjabitet je maksimalan, pa cei vaijabiitet uroraka biti nave U nado) populace grupiranja uzoraka {pretezno na vejednostima 9-12) zaldjutujemo de se radi o populacit u koje} ‘jerojatno odnos event izelenih kugica prbitino 60% : 50%, dok je anatno mas postotak crvenih kuglica u populae I, to ujedno potvrduje varjabilitet vzoraa fn je znetno vee w pokusus populacijom I. nego v pokusu 8 populacjom Il Potpuno je jasno da hismo dobili analogne reautate kad bismo uzimall vzorke iz jedne populace ezultata kojt daju normatnu raspodjelu. Kad bi, na primje, 1024 rezultta mjerena visine djece na 1024 ispitanika napisli na 2etone koje bi stavil v kutija | tada vadils uzorke odredene velsne,aitmetithe stedine uaoraia Inetale bi se u blisni rave artmetickestedine svinvezultata, a varijablitet ‘th aritmetithih sredina bio bi to vei so je vel i stvari varijabliter original 1024 reaultata fr POPULACIIA 1 UZORAK 15 Broj ervenih kuglics — Populacia I 20 A . 'Broj crvenih kuglica _Populacija IT 0 B 15 0 5 oLecee mo 0 3%» 0 50 Broj worka Sika 9.2. Usorc se gropcaj oko aritmetick sredine populaclfe | vatraj to manje So je vaibiitt populace mani16 8 RAZLIKA f2UEDU DYE ARsrMETIeKE SEDI No podimo sada korak dalje i pogladajmo sto te zbiva ako pri takwim eksperi- ‘mentima uzimanja woraka iz populacije nakon svnkog zavréenog ekspeérimenta promijenime velizinu wzerén i ponovno i2vxsimo pokus Takav eksperiment svo- jedobno sam izveg radi demonstracje. Eksperiment je izgledao ovako: Iz jedae posnate populacije velitine N = 1024, koja je bila normalno dis- tribuirana, i prenesena na Zetone, po slutajy su iz kutije vadeni uzorci raliite velitine tj, veligine N= 1, N'= 2, N= 51.N = 25. 2a svaku od tih grupa uzoraka, invuceno je 20 uzoraka. Recultati tog pokuss prikazani su w tablici 9.5. Kako se ie tabice vidi, standardaa devijacija aritmetighih sredina uzoraka bila je to manja Sto je uzorak (dalle broj mjerenja) bio vedi. Takoder ji zajednicka aritmetiha sredina svihuzoraka to blite pravojaritmetieko} rein (1. sritmeticko} stedini populace koja ianosi 195,0) sto su u2otc blt-vet ‘Ako zamislimo jednu populaciu, Kojo} Je ariemetitka stedina ys = 80, a stan- dard devijacja ¢ = 10, onda se aritmetiske sredine wzoraka razlcite velitine rasporeduju oko prave aritmeti¢ke sredine tako kalo je to prkazano na slic 9.2 Kako se vidi, sto su uzorci vei to je raspréenjeerftmetitkih sredina wzoraka oko prave aritmeticke sredine mane. TABLICA 9.5. DISTRIBUCISA ARITMETIGKIH SREDINA 20 UZORAKA IZ NORMALNE POPULACIIE KOJOI ARITMETICKA SREDINA I2NOSI 135014 STANDARDNA DEVIIACIJA 474, AKO SU VELICINE UZORAKA: N= 1, N= 2,N=5iN) Raaredi =H Boy Bom ae ia eae ae oe at {aca = : Sime reine ——| nae [ asa | sa [ne sss} 300 | 127 | 120 Dakle, iz dosadasnjih primjera zaklutak je ova} tu porusscia 1uzoR4K nz Ako iz jedne populace wzlimamo mnogo uzorala iste velitne i od svakeg uzorka insagunamo aritmeti¢hu svedinu (X), pojedine aritmetiche sredine vefinom ée se ‘ite ili manje vazlikovath od prave avitmetitke sredine papalacje, ali Ge se te ari- mete stedine uzoraka ipak grapirati oko prave aritmetiche seine i 0 tako da fe th najvise biti u neposredno} blizini anfemetidke sredine, a sve manje bie ée ih toje znatno odstupajuy od prave avitmetieke steve, Ako je bro) uzotaka vio vei tstanovit como de se ariteticke sredine nzorake iste velitine grapiryjy oko prave lritmetidhe sredine (gobo artmetike sredine papulacije) po jedaakom zakons, kao Slo se indisidvalns rezultati grupiraju oko svoje artmetiche sredine, tj. po zatonw MORMALNE RASPODJELE! Stancatcina devijacia te raspodiele je to manja Sto wore ibe nian Oe vow = 50 ~~ Disribucie arimesth seine og = 10 “wzoraka veiéine N = 1 LN Zw Lv a k Disribucia aritmetittik sredina uzoraka velitine N= 2 Distribuciiaarimetiih sredina uzoraka veliine N= 3 Distibuctiaariomeichhsredina Oe 5 zoraka velitine N= 4 Distribuctia aremetghih sredina oy = 2,5 uzorake veltine N = 16 Disibuciiaavimerichisredina og=2 uzoraka velfing N = 25 Slika 9.2, Distribucija avitmetiih arene norala rasitite vltive obo prave ‘meticke sedneus 9. RAZLIK JAMEDU DYE ARITETICKE SREDINE {einimo jedan mali pokus kojim éomo dokazati da se aritmetitke sredine uz0- taka grupitaju oko prave aritinetie sredine po normalno} raspodjel Zamislimo da imamo jednu populaeiju, koja je — zbog jednestavnosti — 0,03, sto znati da je Sansa za po- aretku veéa od kriteria koji smo odabrali (na primjer 5%). 1 sunkom slutajy, tj. ilo uz veC! it manji opres (nid ii vii nivo anatajnosti), idlademo se rs da uéinimo jednu of pogretaka koje su u statistci pornate pod nuazivina alfa i beta pogtes, ili pogreshatipa 1 (alfa) i pogreska tips 2 (beta) uz strfi kriterj (npr. P = 0,01) izlaZemo se riziku da neku vazliku ne proglasimo ‘anagajnom (tj. smatiaino da duijearitmeti¢ke stedine pripadaju isto} populacii), jako medu populacijama zaprava ralika posto (pogrssia tipa 2), uz bla iter (pr. P = 0,05) ialatemo so visiku do progiasim da se dvie aritmetickesyedine raz- [ibnjo, a zapravo medu srtmetitkim seedinama populacije nema razike (pogretka tipa 1). Obje ove situacijeprikazane su u tablici 9.8. 4 RAZLIKA FAMEDY ARPTUETICW SHEDIC HSC NEZAVISN L2ORAK TABLICA 98, POGRESKE PRI ZAKLIUCIVANIU 12 UZORKA Na POPULACHTC Stanjeu populath Outuin | Nema male emedu dvje | Postjt vada iemedu dvije aritmotieke tdine aitmetiche seedine Oise f—~ Pogresia rips 1 ulbhipotens (ala) ema Pogretke Pribvatamo Pogretla pa? ‘ulhipotere | __ Nema porte (beta) 12 toga proalasida ne mozemo mua Kojo se pogetl laden, au konkrétnom slutaju treba preset silk one pogveshe fe su posljedice manje stetne (np. treba ‘aetiniskiP u opianom testivanja molikamensta i prema tome iskratipagrski 2, bi porresin 1 mogla biti tenia upraks) Tu 30 ~ ako lage slaistitar Rowntree ~- vedi o sito} dilemi tao hod rage hrvnje optuzenoga: ako sie ston pribeatit it problematiene dokaze 0 optuzenikovoj lrivnlssktam da laznimo mnogo neduzaih lid. A ako pak ne ‘rimanio w obzir sve, nego sama naljage dokaze © neioj lava, tada de mnog) Ti kt jaw kv, ost neanen 'U novjevijeme nel statniar liiivaju proveliku isirenestisrativats w Aoavencionalne | standardae kiterje rzineanetajnosti, (uz lateriie P = 0,05 (3%) 1 P =0,01 (1%), Dobro je, dodute, da medi istraivatima postojiodvedena dogovorena metodoogia statitidhog rad, ali— misle neki ~ tu se eesto pretjraje ihitrij od 8% pela w opsesiu! ‘Skipper i suraduielujednom svoma radu na temu "nepovredivesti nives of 005 xan quo: "Ne bi bilo tetho nai doaze koliko se neki istativa raduje Jada kod Fett ii esta ustanovimnaéajnst a nivou od 005, a kolik je njegov weas ako ie tablie prota znatanostod ‘samo 0,10 0,06. Gotovo ha da reall izmed 05 {0.06 zuatl valk famed "dobre" | ‘al’, asnog I netasnog, "uspehe’ | “neuspicha’” Ore, dale, reba ponoriti ono to je veéretenoo izboru nivoa enatajnest ‘etn I iti praktieh porno sigumi da nel postupak im efekas (jer se pre- tisnom moids ta) postu, Koj Je lo skup, ne isla), onda treba zeti stro sivo, prmjerice 1%, i ak os nie. Napvotv, rad 0 tome da nek novi post pale nj nta kompleksuii i akuphi a opal it, od dosadasniega, a din se {acbimogao biti bei a dosadatnjega, ilo bi besnsleno iat prstrog site {iv tam demo slutaju naravng eet “bla” niveznatajnosti, na primjernive 0.0%, a nodda Ga i vis. Kada bi, pretpostavimo, nli nerokiurg vedio da odzedena ‘modifies dosadadje opeativne tek tumora (a ta modifi sigurno ne ‘node Boles nauijettalakve Suet) uarokue yeti postotak ozdrvlenja, onda bismo na t nietodu vjvojatno prstali cake hada bi razlika iamedu dosadatnje 1 nove metode bila statsti¢hiznazajna samo na nivou od 20%, pa mo¥da tak 30%, Jerje Jot uncknelto werojatnie dejo nova metodabokje od dosedasnje nego sto je werojetno da medu njma nema rae!136 >. Raguika raqeoU DvLE ARrrueriéxe’sREDINE Na pom ena. Dalako,naie"privatno” ponatanje verojatno bismo regwlrall po ton) principu, jer ~ kada bi se, uzmimo, radilo 0 nadi w spasassaje Zivora — pristali bismo na novw metodu Gok kada bi bilo saino 19 retojatnije da je ona bolja od state metode! No, naravmno, tim slutnjeiana, hada sivo nivo strogosti shustili znaéajno iznad 3%, vise ne moseme cuit da je nove metoda boli, nego samo werovatiw to! “Ako je neka razlika statistekl znatajna, onda to, uaravno, znadi saind to da se aritmeticke sredine populace, i koji su uzore, razlikuju, ali nikako ne ito da su svi individualni rezultat edne varjable u popvlac iu v2osku ved (ii manji) od svih individualaih raalika druge varjable. Prikazano grafic, statsti¢ki mnaéajna razlka, uemimo, igleda lao extet na slici 9.11, a niposto nije nuéno da bude Kuo na slid 9.12 Xopulaedjama, koje se ne razikuju, onda jedan nas vezultat, kot bi pokszao da se ‘one vaalikuju (a takvih ée biti 1 ~ 3%, veé prema tome na koje nivou znatajncéti ‘ndimo) nije toean. Na tu pogresk upozorio je svojedobno zayrebaéki lijeénik B: Sorié, a detalnije je opisana w radu Sovié | Pete, 1987. (vidi-popis literature) - dakle lamiedy $3,22 kg i 34,78 lg. Buch se TESTIANIE Z8ACAINOSMY RLZLINE EDU JEDNEARITMETIEKE SREDIES. 138 96. TESTIRANIB ZNACAJNOSTI RAZLIKE IZMEDU JEDNE ARITMETICKE SREDINE I NEKE UNAPRIJED FIKSIRANE VRIJEDNOSTI [Katlada se dogada ila moramo wstonoviti valikuje i se nekn dobivena axit- ieticka sredina of jeune druge, unaprijed “filsirane” vrijednosti, koja ne mora bei dobiveua mjerenjen, pa sem niti svg varjabilitera, To je Gest slucaj onda ako vieku vrijeduost iz iskustva il tradiije smatvamo “normialnom’. pa delim frodjerti odstupae li dobivent renultati statisti znatajno od te vrijednost ‘Na pita, pretpostavinia da sno u nekom mjerenju na 144 djece-ispitanika Uobiliovu proseen tezinn {standardnu devia 340k, 4,8ks. ‘asi ovom slutaju mote zanimati salt ise dobivena avitmeti¢ha sredina od 4H kg statistik! matajoo od tee 3 kg, koju stntramo normalnon 2a djec te ab Buduei da broj 32 u ovo slutaju ne predstavja resltat nekog sadatajegs forkrewiog mjerenja, ve jnu zamena flksnu vrijdngst, ne mozeme, naravno, testiratlaiaeajnost rate standardaim postupkonn, jer v2 bro} 2 nemamo stan. dardnu deja sti standardnu pogres. "Tj problem modem crlo lak jet wz pomoé vee spomenutih “yranica pos anos” artmeticke sedi. Standatda pogetiaartonetike stedine 34 izns: «48 48 “IN” Vii 12 1s toga poiian da imamo 99% vjerojatnosti da natn dobivenaaritmetitha sedina se olstupa od prove aritmetitke sredine vie ii manje od 1, 96-0, 4 = 0,78, pase prema tome, "prava” artmotitia stedina nazi vjeojatao u itervalu 4 40,78, ida donja od th vrijecnost (38,22) ne *alvaéa” vijednost od 32, mofemo, ale, smatrati da se dobivena ariimetitka seding 34 statisti znaaja (na nvou od 5%) raalkuje od 82. ‘Medttim, ako into ivrdena dva rjerenja, i dobivene dvie aritmeticke ste dine al zhog nels reloge ne anina uss eli dobivene rata statistic znatajna, ‘et etka manje raat, postupak Ge opet biti nei dru (ako u naela sien) Na primier, ao neki proizvodat testa jadao prehrambeno stedstvo za bol rarioj plea, aij to sedstvo tli skupa da ekonomska raéuniea pokaze kako bi 5 ono ispaflo jeino nd bi tim sdstwom hranjene Koko bile Barem 800 g teze cil esta, problem se rebava ovo: Koutrolna skupina koko 4 Ehsperimentalna skupina, hranjena standatdnom hranom branjea reklaniranin:stedstvout N= 400 Np = 361 Pros tetina X1 = 23505 Pros) tezina XY; = 30408, = 2005 = 20080 2. RAZLIKA ATEDU OVE ARITMETIEKE sREDINE XT ® 0000, 15100 = (Re SS yar Buiduéi da nas ne zanims vaalikaj Ii se dobivena ranlikx od 690 g statistieki atano od mule, nego je li dobivena vazlika statistigki ziaéajno veéa od 300 g, postavit éemo ovakay t-test: 15.8 Prema tome, praktithi smo posve sigurni da raza w hranjenju uziokuje do-- Ditak u tetini koji je ve od 500g. U ovom opsetnom poglavlju vdjei smo da znatajnost neke tazlike motemo prosjeravati, bilo uz pomot "granica pousdanosti” vidi slike 9.5. 19.6) ii ux otnoé "t-teste” (vidi alike 9.7. do 9.10). Rei smo veé da su oba natina jedeg hake ispravna,iako veGina statisti¢ara koristi drugh nan, tj t-test. Ai meni 96 fini da neke “finese" u zakjutivanju mozemo boje shvatti tz logike testa nego iz, logike "granica pouzdanosti. No ima statstitara (npr. Peatman), koji misle upravo ‘obratno: Peatman smatra da logika "granica pouedanosti jasnije pokazuje da pr 4 hnvaganje "nul-hipoteze" (dakle stvaranje zakljutka da neka razlka nije statisteki ‘znaéajna) ne znati da medu populaciiama zaista nema ralike (dakle da je vaalika, med njima nua!) veé da bi moéda mogla postojathtnela stverna razlika ai w nezino postojanje ne mozema biti dovoljno signi 4 Pema tome, étalacneka sim odiuti koju logiku rezonirenja mote lake usvojitil 4 A ako mu nije drago da usvosi nijednu od ovih log rezoniranja, onda neka svakako protita ovo sto slid! Tr iskustva znam da ée se medi titaocima naéi oni koji — bog nédovone str pilivesti, premalo viemena, i zbog drugih rasa — nisu uspjelirazumjet logiku. testitanja znagajnost ral irmedu anitmetikihsredina. Ako stew jedan od niih, nemajte se demoralzirati! Kao sto w prvom poglalj ve€ bilo rete, statistitka metodologija dade se potpuno wspjedno prmlenjvai§ onda ako zapravo ne rnzumijemo prinip po koje ona "fuskcionira™. Sjetite se, spomenul smo dase automobil moze dobro voit a da se pri tome gotovonista ¢ ‘na o motoru i mehaniekin: zakonima upravljanyavozilors ‘To erjed § ordje, Prema tome, ako niste svladali ieneseni sled mitfenje (0 emu verojatno ima i moje hivnj. jer vam acielonisars dovaljn jasap uspio protumaéiti ono Sto sau feo), modete ipak uspjesno raditi na podrugjn testiranja xaalika medu artmetickim stedinaina Dovoljuo je da zapansie ovo ‘95 maui eMe ARIEMETICKIN SREDINA VELIKIEZAV1SNH UZORAK 1 ‘Buduci da mi gotovo aikada ne mjerimo populaciu. wego samo uzorke,t0 ait- rneticha siedina koja sino éebili prom mjereuja,sigurno nije prava aritmetiCha ‘redina,¢,atitmetiha stedina populace. Dakle,svaka aritmetieka sredina wzotka fezana je uz neku pogresku kaju nazivamo "standardna pogveska artmeticke sve line”. Ta je posredka to veéa Sto je wzorale manji. i Sto je varjabiltet pojave koji mjerimo, ved Ista logika vuijedi t za raclke tamed dvijeaxitmeticke svedine dlbivena raalla, s obzivoi an to da je dobivens ua uzorcia, nije preva razlika famed obje'poprlacie, nego i ona inns svoju pogreske koja se naziva “standardna pogreska valike ined dvije aitmetiche stedin ‘Da bi neka cazika bila staisticki znagajna (tj, da bismo koliko-oiko bli sigurni deona nije sluéajna) ona — kod velikih wzorala — treba biti barem 1,96 (dakle oko dee) pute veéa od ulastte pogreske. Irazt, koji se ratuna prema principa raalika pogeesia raaize’ pokazuje nam koliko je puta neks razika veéa od svole pogreske, ps, prema tome, ‘ko je t vei od 1,06 (kod velikih wzorala!), raziku motemo smatrati"statistihi »naéajnom* 1, nal kraju ove rasprave o stisiu pojma "statstihi anaéajne razlike™ treba - ponoviti nesto sto je veé bilo reteno u prvom poglavlju: ako prilikom nekog Ijerenja, iavrenog, pretpostavimo, na skupini muskaraca{skupint Zena —nademo ‘wnekom svojstva rezk w aritmetickoj sredini, na primjer, w korist Zenslih isp tanika, onda — ako sino posteng i savjesno mjetii — nema nikuhue sumnje da su enskt ipitanici, koje amo izmjeril, u prosjeku bolji od izmjerensh muskih ispi- _tanika. No istativada to zapravo ne zanima, veé ga zenima moze lina temelju toga zakljutei da su u tom svojstvu dene opéenivo Dolje od mufkaraca, Dalle, w svime tim shuéajevima ml iz konkretnog zakljutujemo na opéenito ~ ~i stoga se ciel ova} dlo statistike, koji fz uzorka nastoji stuorité zakiueak 0 pomlacji. naziva “statistika zakjutivanja” it "inferenijana statistika” (za rac~ liku.o¢ “opisne” ii "deskeiptivne statistike", koju zenimaju jedino karakteristike oukretnog wzorka) 9.7, RAZLIKA IZMEDU ARITMETICKIH SREDINA VBLIKIH ZAVISNIH UZORAKA Ako su dvije varjable iamedu kojth smo naili neku odredenu razliku, u ho- ‘relucii (0 ixagunavanju horelacje vidi 13. pogl. ) onda se formula za izratunavanje eandatdne pogteske realike netto mijenja i glasi an psi demu ro anati korelacija famed obje vari Kako se vidi, pod korijenom se od abroja kvadrata obiju standardnih pogretaka ‘odurima dvostrula korelacijaizmed obje variable, pomnotena s obje standardaewa 9 eazuies reps ovueanrisierexesneone bogretke, Na taj natin standavdna pognesha slike postaje mania nego sto bi bila {hs nisno upotiiliskorektara hag Kaela 4 Poinyjer: Grupa od 64 bolesuika Kojima snaga stska Soke na dinamometry na fivi iznosi TY) = 45,0 am, s) = 6.0 em, podvegmuta je specijelnom viezbanju ‘nakon tjelan dana dabiveni su ovi teviltati snage stiska Sake X) — 46,9 cm, ‘sz = 5.0 em. Je li ta razlika statistiehi zaéajna, ej je i sage seiska Sake ti bhoesnika znaéajno potasla? Prvo mjerenje Druga mjerenje N ot 61 x 450 465 5 60. 50 sy 075 063 dye (W-%) = 415 Korelacia r inmedu prvog i drugog mjerenja r = +0,60. Uvrstimo i dobivene vrijednostu formulu (9.7), dobivamo: = VOTE +068 F=T-0, 00-0, 75-0, 68 = 0,63; Hs O88 = 42,38; P<0,05, Prema tome, realika je statisti¢hi mazajna Napomemal. Da nismo uzel u obzir korelacijy, dobli bismo. 98, 1,58, ta dega bismo inveli pogrefanzalljuéak da razika nil sttistitki znatajnal Napomena2. Korean ismedu dva nica mjerenja ofelujemo uvijek kada ‘sta skupina ispitanila slut ujedno i kao kontrolna grupa. Stoga se upravo opisani postupak iéecto naziva "metoda jedne grupe” 9.8, “RASPODJELA I TESTIRANJE RAZLIKA IZMEDU ARITMETICKiH SREDINA MALIH NEZAVISNIH UZORAKA ‘Vet u potettu treba redi da neki modermi statstiari ne diferenciraju postupke kod veliib kod malih uzorala, jer 1 za Jedne i xa druge upotiebljagaju osnovne formule, koje wkljudujuw seb sve potrebne ratunsice operacije, Medutim, pojednos- toni lite vaguuske operacije kod veliih uzorale,uéinili emo doduse odredeno “hosille” nad tezultatima, al je pogretka a ragunu tako mala da ona u krajnjem remnltatu nema praktich nilakvog efekta, Zato smo mi kod vlikth wzoraka radi tim jeduostavaijim metodama, Ali kod math weoraka (Yj kad je N mani od 30, fodnosno — prema nekima ~ od 50) potreno je u svalem slutaju upoteiebitt ivorne formule. Prema tome, pravil, koje u statstctvrjedi y vim sluéajevima, jest ovo: kod vik wzoraka motemo upotrjebiti, bilo formule 28 velike ii formule ‘za male works; kod malih wzoraka moramo upotijebiti formule za male uzorke, -toduosi ne distribuiraju se po normal, veé po t-raspodieli, koja bs LAASPOBIELA I TESTIRANIE RAZLINA IAIEDU ARITMETICRUH SREDINA 43 ‘Kalin anatno, dstribucijaaritmetiehihstedina wzoraka oko “prave”atitotie svodine (oko aitmetihe stedine populace) jest normalua distibucta, a ste frou devijaci takve distibucije nazvali smo standardaom pogvetkom atit- footie stedine (4p). (Ako su uzore vedi od N’ = 0, cistsbucja atitmetickih Sredina je normalna éak {onda ako osnovna populacija mje notmalno raspodie tena!) re Seandatdan devia mitmetickih sein urorak oko prave asitmetithe st dine populace iarazena je formulom o/¥/X, alt budués da praktitki nikada ne ‘namo standaidnu devijeiju poyulacij (9), niu tu formula redovitostavijamno w Bronk standardnu cevijaciu natag uzorka (8), i tako — kao Sto smo tell ~ do Ivano procjenn standardne pogretke aritmetithe sredine. Ako je uzorak selatieno sel ime smo utinilt psve mal pogresku, koju motemo zanemaiti. No ako je teorak malen, pogretia postajeozbilnija, | to sve tet, So je uzorak mani ‘Mi ne modeino, uarsvno, radi ustanorljavanja kako se zapravo disteibuiraju aitmetitke stedine math uzoraka oko prave artmetike stedine (ii kako se is- twibuitju relike medu aritmetitkim seedinama mali weoraka oko prave tezlike) fwvadit tisuée pokusa, kolima bismo eventualno tu dstibuelju mogit ustanovit, nego se moramo slut! podacima koje edino fmamo,t. moramo se slutti ratunom ‘ukojem koristimo — kno St je reteno — standatdnu pogretku iaracunatu na uzorku, Na sregu engleski sludbenik i matematiar, koji je radio 1 jednoj pivovari, po mens Gosse, suofen u svom svakodnevnom posla neprestano s malim uzorcima i testianjem ralika medu njima, znajuéi za nepreciznost raéunskog postupka u tim slutajevima, rzradio je matemati¢kim postupkom distribucije t- vijednost, koje se dobivaju kada se radio malim zorcima. Buduéi da se on potpisivao pseudon- inom "Student, ta je dstibuciia — uz naziv "-distibuclja” — dobila jo8 ime *Studentova distribu Evo'w demu je osnovna tazika izmedu logike vezoniranja i zakljudivanja kod velllih{ kod malih uzorala: Kada kod velikih udorala izva€unamo, na primjer, standardnu pogresiw raz- like izmedu, dvije anitmetitke stedine, onda znamo da smo time — unctoé tome | Ho sino'u ratuny Koristil standardnu devijaciju wzorka a ne populacije ~ do- Dili uglavnom toguu procjeny standardne devijacije razlka mnottva uzoraka oko "prave” ranlike medu populacijama. Drugim sjetima, kada bismo pokus na ovako velikim ueorcima ponavljali nekoliko tisuéa puta, onda bi nam se dabivene razlike ‘med aritmeti¢him stediname, « takoder i izracwnate arijednosti, dstribuiale po hormalnoj raspodieli kojoj standarcna devijacija priblizno odgovara izracunato} standardao} pogredctrazlike. (Da smo u formulu molt uldjuéiti standardau de- vinci popnlacije, onda bi standardna devijaclia ti tvrijednosti toeno ianosia holiko i izratunata standardna pogreska razlike, koja bi, nayavuo,u svakom od tih nekoliko tisuéa pokusa morala biti istovjetna.) Kod mali uzoraka, naptotiv, iako se i kod nih raslibe seme aritmetichih rating uzoraka distribuiraju po normalno} raspodjeli oko "prate® rake, izraéunati ira Eto je worak manji Da bismo to, Sto je reteno,jo8jasnije protumacl (jer istnl za voljy — trebaad 8. RAZLIKA H2MEDU OVE ARITMETICKE SneoINE prienati da se ipak radio dosta tainseroj tem!), pokusejmo to protumaditi na enor! koukretnog pokusa amisline ponosao (ero tom je pokus ve¢ bilo rj) da imam jena ve lika populace sto rezltare ules na Rtone koji se ualaze w edna} vc Ako ljevorn rukom volo jedan zaral, a demon drug. ave "sale koje emia ined artmetiin sedisomna wroraka mali, sam st shane rose, robo. tune sluajuim ear jcijema score, “amislrn sada da $ovom selon populcion utinimo ova dva (sla dugotraj- na) pokusa 1Tevuemonekolti desta suéa parovaveliihuzoraka (npr. svakom kom cd po V ~ 200), kod svakog para urtanovinovenlikalamedu aitmetilih sredina, ‘ra svaki pat xatuname t-adnos tj razliku iemeda ayitmetickh sredina pode: limo's njezinom standercnom pogretkam, koju narayno svaki put iaratunamo ie standardaih devijacija oba wrla 2, Ievudemo nekoiko desta tsuéa parova malihuzoraka (na primer, svakéma kom po 5), 2a svak par irainamo iste odette kao i kod velidh uzoraka,dakle reali lamedu aitmetithi srdina i todnose. Sada raspoladeno snekoliko desetaka tisuéa -odnosa ix ekaperimenta svelikim uzorcima | kolo decotala tsuéat-odnora iz eksperimeata 8 malim uzorcima. ‘Budi da th ima tako mnogo, modemo dosta preciznoiaraditidiatribucje tk ‘-odnosa. Ako nakon toga enalsiname dvje dobvene tdstibucle, brzo emo ws- tanoviti da je kod veils wzoraka ta distebuij praktihi savim normalna, t ‘rodnosi se distibuitaju wglavaom od — 3 ¢ do + 3 ¢ (kao Sto se | normalna raspodjela proteze od — $'do + 3 standardne devjecie). (Tieba se sjtiti dat ‘ijednosti po svom smisha edgovarajn 2 vijednastma: to sv rake, podijeljene Sandardnom desijacijom th raza) ‘Takvu sing normalny vespodelu dobili dakle wsprios Zinjenieé de smo pri sadanonju odnosawoiek hors standard devia usorka wrest standantne Aevijacje populace Naprotiv, ¢ odnosi malih wore, dstibuiat de se mnogo fire, ¥. todnost lnetat ese ed ~ 8.5 ¢prekonule do + 3,5, Makar suse dae stoarne rstke med saotcima u tom pokusu distribute oko prave razlke (Koja je 0) po normalno} raspodiei, t-vriednost se dstiburajy sre jor smo uw form korstil standardna dlevijaciu uxorka, a ne standardau devs populace. Te toga proalai da, ako se u toj distribu jedan odredeni ¢ nalazi, dnanimo, na udljenost od 2# (to jek vei nzoraka bilo dovolino da znamo da vecih (0 njega ime js samo ok 5%), uw ovo} tstribuij nad demo da th je veh od 2 jos maa 7 — 8%. Digi ijetina, kod math wzora normalna mspodjla vite ne poke sasvim tue ont ot nba insta ens) ota od poe ora ost fh ‘crospodiela ie, dodute, signa no:malno}.:. ona je tekadet simetrtna ima avons oblit. liana px “dn fra od aonmalneraspodele, Dgim viet kod notmalaessspodiee mi tno sisna de> inter alan pribirna 68% renalata, w intervala X ¢2- oko SOM relist, ed, pa, prema tome uss ut LRASPODIELA I TESTIRANIE RAZLICA2NEOU ARUTMETICKI SREDINS 45 dio ueka vga imeitu atitmetikih sredina mora biti oko dra puta (totnije: 1.96 puta) veo od svoje pogreske da je mozemo smatrati zaéajnom na razini od 37% Kod traspodjele imamo, medutim, to site "krajeve” raspodiele 80 je uzorak sani, zato ako imamo uzarak od 10 rezultata, pa ra¢unamo standarcinu pogresh’ lritmeticke sredine toga uzorka (sz), onda se 95% aritmetigkihstedina uzoraia te ‘eltine nece nalaaitiw intervalu od 1,96 sy oko prave atitmetithe redine, veé {t Sirem intervala, t. w intewalu p= 2, 26s Kod wzorka velitize NV = 4, 95% fritmetighih sredina uzoraka te veliine nalant Ce se u intervalu yt 3, 18. itd ‘Kako se vidi, ovde se-Ariterij mijenja veé prema broju reeultata, i zato pri inratunavanju t-vrijednosti moramo uvijek uzeti u abzit bro} rezultata, odnosno tacnije regeno t- vrjeduostiovisne su o t2v. "stupnjevima slobode”. Stupnjevi slo bode su ma odredeni natin Korigiran bro) vezultata, U velikom broju ratuna, pa tako i ovdje, stupnjevislabode su bre} rezultata smanjen za 1, dakle N’ ~ 1 slic 9.13. pokazano je kako se ¢-distribucia Siri smanjivanjem broja tezultata (Gi "stupajeva slobode") u uzorku, Dok smo kod vel wzoraka mags "napamet” anati da je raalka izmedu dvije aritmetithe sredine stansticki znatajna (na razini zuatajnosti od 59%) ako ti2nosi ‘barem 1,96, kod malih wzoraka moramo se beawvjetno koristitittablicom da bismo i nje mg otitati grani¢nu vrijednost ¢, tj. koliko puta — uz odredenu veliginu tzorla — mora raaika biti veéa od svoje pogreske da bismo je mogii smatrati _statistifld znatajnom, apne slobode 25 =9 #1 4 3 2 10 41 42 43 48 ‘Stika 9.18. t-raspodjle je to Sr, sto je manji ueaeak. Veinu uzora, sanju 2a 1, ‘od traspodjele naavamo "stopojevima slobode’ ‘Tablica Bu Dodatku je ttablica. U tablici, na primjer, pise uz 18 stupnjeva slobode na nivot anaéajnosti od 1% (P = 0,01) broj 2,88. To je "graniena ‘rijednost”, | znati ovo: kada izmedu dvije populacije ne bi zapravo postojala nikakya razlka, a mi bismo iz th populacija uzimall uzorke, pretpostavimo, vlitine 1 plus 20 1 ismaéunaval sald put ¢ vijednost, ‘onda bisino #, veitine 2,88 1 vet rogli siuéajno dobiti samo w jednom od 100 Ferecunavanja (1%),us 0 RAZLIKA RDU OVE ARrTAERICKE SREDIE Buduéi da u traspodjeli postoji mnogo nesigurnosti medu konzumentima sta- tistitke metodologie, ukratko éemo vezimirati ste -raspodiela nije, a sto ona jes. 1 traepodila nije dtrbuea etata w mal zorka (to nel poesia rmisle), 2. traspodiela takoder nije dstribucja aritmetichih scedina ili dstribuetja re- lila medu aritmetickim sredinama malih uzoraka oko pravesritmetitee sre ‘ine ili prave razlke (sto misle katkad éak i neld naprednji statisti), Jer ta distribucja je normalna 3. taaspodjela jest dstribucija t-araza (laze koji znati odnos lzmedu ucke razlike §njezine pogretke) kakva se dobiva lada se ratunski odreduje stan- dardna pogresia aritmeti¢ke sredine, odnasno standardna pogtesia raalike iamedu aritmetitkih sredina, a pri tome se u ratunu korist standardna de- Vilacija uzorka. (Kada bismo u ragunu mogli kristi standardnu devijaciju populace, aratunate t-rijednosti tvorile bi jednsko normalnu raspodjeli Jao sto ju tvore i stvamne razlike medy aritmeti¢kim sredinama nzoraka.) ‘Znatajnost razlike iomedu aritmetidkh stedina malih vzorala ratuna se prema neSto drukeijem postupku. Princip je jednak kao i kod velkih worala, ali ratunska se operacija ranlikuje utoliko fto — pod pretpostavkom da oba wzorka potjeta it iste populacje — iaretunavamo aajedniotu standardnu devijaciju 2a oba vzorla. ‘Medutim, zajednithu standardns devijaciju smijemo izratunati samo onda ako se obje standerdne devijacie masta 2naéojno ne razlkuju, pa to treba najprie provjetit Znatajnost raaike edu standardnim devijacijama malih vzoraka laratunava se pomoéu tay. Ptesta, koji stavljau omijer veéu varijancu prema manjoj varijanci (arijanca = +), Prema tome, F- test glasi: veta? inanje Napomens:U 20. poglavju biti ée vile govora o F-test. Proi primjer: Mjereél na gastroknemijusu dvije 2abe vrijems reakelje.u tiouéinkama sekunde, dobiveni su ovi rezultati 1. faba 2. taba 160, 160, 140, 190 117, 145, 147, 120, 150, 120 4 (98) x x 62,5 29,3. Pitamo se je li ta razika statistthi znatajna. Prije nego &to ieracunamo zajednitku standardnu devijaciju, treba ustanoviti a li se standardne devijacie enatajno ne raaliuju se LRASPODIELA I TESTIRANJE RAZLICA IZECU ARITHIETICKIN SREDINA ur Prvi uzorak Drug zorak 160 sta 160 M5 10 ur 190 0 350 150 129 (x-xy xX-X 0 (x-3F 25 6.25, 162 262.44 25 625 18 139,24 225 506,25, 138 190.44 275. 756,25, -132 17424 B(x KP STP OO 168 282,24 (EEE. years Sada moteme leradinati F-test: veta varijanca ‘anja varijanca ‘Tablica C u Dodathe daje nam graniéne veijednosti F 2a pojedine stupnjeve slobode veée | manje varijance. Tablica C je 28 rezinu znatajuosti od 2,5%, all se F- tablice uvijek prikanuju samo za jednu stranu krivalje o jednosnjernom testiranju vidi 10. poglavije), pa, delimo li znati je Ii raaika medu varijancema znatajna (2 ne emjerraalikel), onda je ta tablica 2a nas na razini znatajnosti od 3% ‘Stupnjeve slobode za veéuvarijancu otitavat éemo s odgovarajuéeg stupca, a 22 manju varijancas odgovarajuéeg reds. Kako soz tabliceC vid, graniéna vrijednost F za 3 stupnja slobode (veéa varijanca) i 5 stupnjeva slobode (manja varijance) Janos 7,76. Buduti da je nat F mani, motemo smatrati da se obje varijance ne rualikujy znatajno, te smijemo pristupitiieracunavanju zajednitke standardne de- ijacie, koja se laraéunava prema forml ser — Xi? + 50K - FF ajednitias = f PA (9) U nagem primjeru dobivamo:8 2, RAZLIKA f2MEDU OVIJE ARITMETICKE SREDINE Zajestniha 7.67 Dalje postupamo jednako kao i prie, ti. standardau pogresku razlike raéunamo prema formli (9.3) 3 Kada znamo zajednithu s, motemo sy,-x, jednostavnije izratunatl 5 prema formal MeN 51-3, = Zajednicha 6/4? (0:10) U nagem primjeru dobivamo: 29,3 ee Broj stupnjeva slobode w ovom se slutaju izratunava prema formuli (2, -1) + (% ~ 1), pa, prema tome, 2a nat primjer to ianosi $ + 5 = 8. Ako smo wnaprijed odlueti da znatajnost razlike ratunamo na ragini znaéajnosti od 5%, onda éemo ra tablici graniénih ¢- vrjednosti otitati uz odgovarajuéi bro} stupnjeva slabode 4 cola je granitna vrijednost ¢. Kako se vid i tablice B, granitma vajednoet na. tazini natajnosti od 5%, aur 8 stupnjea slobode enon 2.1 (sto Konktetno znatl dda u tom slueaja ratka mora biti barem 231 puta vea od svojepogreske),» lak jennab ¢ 2,57, to je naa realta statisti anacajna na cazin 2natajnoni od 5%, Thonatan reeltat reba pisath ova: 4 RNa tear 141 37 P<0,05 U ranlititim statistikama mozemo naiéi 1a. ralitite formule izratunavanja ‘naéajnosti raaika iamedu aritmeti¢kih stedina malih uzoraka. Sve su one ‘matemati¢ki potpuno ekvivalentne I razlikuju se samo po tome sto su u pojedinim sitvacijama neke od njh praktienje i skraéuju pojedine racune, Tako, primjerice, 2a standardna pogretku racike iemedu aritmetiih sredina modemo upotijebiti i vu formal . Eek Ky +B ce NM + M2) 1 natem slutaju dobivame: sk FAASPOBJELA P TESTHRANIE RAZLIKA eMeee ARITMETIOKIN SREDIA 149 Il, ieidyno mozemo ¢ixracunati pomoéu formule: M-% Zayed WR = Ny 1 “ Xi-3y ** Dek VIN SM 1 nater slutaju dabivame: (23) 29,3 TorVis6 Ako ne posjedujemo individualne rezultate, nego semo aritmetitke sredine i ‘standardne devijacije, motemo, sko smo prethotino testiraliF i dokazali da se var + jance znatajno ne raxikuju, takoder iaradunati2ajednicku standardnu devijaciju, Ito prema formal ftv = 1) +80 =) Tajednicha Gait (94) “Ove je formula dobivena ovako: ‘onda naravno u brojniku formule (9.14) dotaai s2Mi +. Dripi primjer. Na grupa od 18 bolesnika primijenjen je penicilin od gnojenja te J promatrano kako je dugo gnojenje jos trajalo nakon prvs primjene peniclina. Kod druge grupe od 16 bolesnika nije primijenjen peniii, nego neko drugo, klasitno sredstye, Dobiveni su ovi rezultati Grupa lijetena peniciiuom Grupa lijetena drugim sredstvom (4 = 18) (= 16) Prosjeéno trajanje Prosjetno trajanie snojenja u danime: ‘gnojenja u danima: ¥2 = 13,8 : 63 35150 8 RAZUIA reEDU OVE ARMTMETICKE SREOINE Najprije 6emo F-testom provjerti razike medu varijancama! Iz Fetablice (tablica C) mofemo ustanoviti da za 15 i 17 stupnieva sloboide rast veijednost F iznosi 2.72. Budné da je nas F anatno vei, znati da obje standatdne devijacije ne spadeiu u ist populacju, pa stoga ne smijemo ‘asacunavati zajedniele standardnu devijaij, Ako se to dogo, ne moge se na standardni nagin t-testom testirati snadajnost realika ismedu dij avitmticke sredine, nego treba upotiieiti neke druge, aproksi- riativne metode, ed kojih Gem ielozti metodu Cochrana t Cox-ove (1950). Prema Cochianu i Cox-ovoj najprie treba izeagunatistandardnu pogresin ra2- like iemedu dvije aritmeti¢ke stedine, ito prema,nama veé poznato},formuli (9.5) U nagem sluéaju dobivame: Jedan urorak vezan je na Ny 1 stupnjevaslobode, a drug na NY, —1 stupnjova Slovode. Ie ttablice treba pronséi graniene vijednost 2a oba stapnja slobode. U nade sluaju stupa! slabode su 16-1 = 17 116-1 = 15. Granina vijednost¢ tz IT stupnjea slobode los! aa rani znacajnost od 5%) 2.1, ave 18 stupnjera slobode 2,13. Nazovimo te graniéne vjadnestit, it. Prema tome, 4) = 2,31, 8 f= 2,18, Aprolsimativna graniéna veljednost# na aziniznatejnosti od 5%, koja se trai za ova shea, izratunava se prema formli: yi tht an 18) ‘Urestimo i poznate vrijdnostiu formula (9.15), dobivame: 0,69-2,11+9-2,13, oasro 71S Ako je prj aatunatjebak Il ved od ovoge, modemosmatrti da je razlika statistik magajna Buduei da je nas dobivent & vedi od orakp fxadunate graniéne vijedmett (2,41 > 2,18}, motemo, dale, akjutit da se te die antmetitkesredine znatajno vaalkuju na rzin anagajnesti od 5% ' ovakvim slutajevima, kaa se variance raakuja, mote se uspjelno upotri- Jobtt neparametejli "test sume rangova” (vil poglavie 21, 23) Razunljivo je da t-aspodiea vie i za "granie pouadanost jednog wzorka, Dobijemo li, na prinjer, X= 20, 2 = 3 na uzcr velitine N= 9,standardna sup AAZEINA WANED AREEMETICWIN SREDINA MALI 24 IBN UZORAKA 131 poeeitaavtmetiche seine (4r) tanasitée 9/V = 9/3 = 1. 95%ine granice pourdanost te aitmeticke seine oe se natavno ketal wintrvaln V1 96g tha so sino to tatunal od veliihwaoraa), ve iter val kaj mozeno otitat Stvablice wz 9-1 =8 stupnjevnslobode ie table vidio da imam 95% vjeror jatnosti dn nade avitnetiha stedina ne cdstupa od pave svtineticke seine ise 0,31 sr a se weojatng naar wineval 17,09 ~ 22,31 Kao sto je vee apomenuto,testiranje calla med artmetkiew sredinama w sori evteme posta keplcrnije nego Soe sojedabno bl, jer surement ‘star, uefa So vefom preiost posts ste zahteve za ale wzrke {gi je moguenont poyetaog raja vets), pes tim vent ompleksije rate je mo upravo ine Sona sre, ina i nkih promjens koje predsaljaju poednostoniene pos tupla Konkretno,u ven se udzbesl mote nat uporotenje Ga 2a upotiebu {esta moraju bit ispuneni ov osnotn eet 1. orl treba dad slgaja zor ie norman popslai 2. varjance obi populacin treba bith podjeduae. bog toga sino | miu primjerns koje no obradval, testa posto I ein med virjaacama i saxjtoval to dase rai ako rani asst porto} Medstim, statisitar Bones jee pomot kompjuteskproavedenth bros usorain dolar da Ge est (i hegor srodnic)w mogim sltajevime dati rela tito toéne reautate unato tome to je prekréenanjet homogencstivorjance (ty tmntot tone So varjance obatoorka na jedaake) #anatoé tome do wcrc nist uzeti iz normalno distribuiranth populacifa, ‘Tou ov situcie” 1, Aloo ofa waorka jlnake, i barem vro sien, po vlc. 2 to matiéne populace imajejednak i sina forma (pr. ako sx obje na jin natin asimedrene i tog prods | slo vatno paltino pravilo 28 enoge tho rads ttestom elaperimend tba po rapucnati tak planiati da su ola azork jenako velit ‘Ake ipunjen taj wey nije poteebnotestcatsFtestom da iim se valance Satie znatajno raze ine, or ee ~ ako se one razituja ~ pogredia u Tatung bit nesnatrl ‘Ako ne uspiemo posi jd (liens) veliinw ba wrorka (e tose, na talost v pray fd tev. "Pigodnih” zoraba, Esto dogads, npr Kiniearina i slim strukama), onda se moromo prdrtavet.pravila navedenih na posedajih nekolt stranica, moreno prethodnotstrat dls variance rca; ako se ‘aaa, onda He peeostae drugo nego upotrebasprotsimatine metode Cochrana i Comave. 9.9. RAGLIKA IZMEDU ARITMETICKIH SREDINA MALTH. ZAVISNIH UZORAKA (*METODA DIFERENCME”) Ako radimo s malim uzorcima koji su u medusobnoj Korelaci siusims te tev “ metodonn diferenije", koja je vrlojednostavna i praktitna 2bog toga sto iskljuduje potrebu ragunanja korelacje iamedu obje vatijable, ju rezultat koji dobivamo,152 9 RAZLIKA rareoU DYE ARITUETICKE SREOINE vet je samim postupkom ubljuéena Korelacija Princip "metodediferencije”sastoji seu tome da se individuslne resle parova regultata uzmu kao wzorak koji obradujemo kno i svaki drugi uzorak, ¢. nademo njegovu aritmeticku sredinu, standardnu devijacju i standardnu pogresku. Buduei dda je to urorak razlita,standardaa pogresia aritmetihe sredine toga u2orks mae, dalle, standardau pogreshu razike iamediy objearitneti¢ke sredine. ‘Primjer. Iemjeren je bazalai metabolizam osamaestoril musi {spitanika w rnotmalnom bazalnom stanju (BM) 199 minuta nakon uzimanja 15 amg fenamina (BM). Vaijednosti BM iarazene su u kilo kalorijama na sat. Dobiveno jé prosieéno povitenje baalnog metabolizma od 2 kalorije. Je lita razlka statistiehi znatajna, 4). je Ii fenamin znaéajno promijenio BM? ‘Rezultati prvog i drugog mjevenja BM 2a svakog Ispitanika, kao { postupale iaratunavanje pomoéa "metode diferencje", prikazanl su u tabici 99. TABLICA 99. °METODA DIFERENCIIE" cual BM BM, Dierencia Tepitanici BM; BM gate Bat, a @ To +2 v 0 2 6 9 +3 +1 wy 3 8 Bt +3 +1 1 4B 41 = 1 5 mM oT 41 -1 1 6 6 8 45 +3 ° 7 Be 44 42 4 8 8 +6 +4 196, 9 6 6s. +2 a) ° wo 2 +4 42 4 ns nT +5 25 2 108102 ~6 -8 64 ne +6 +4 16 uo - 6 38 6b mM OR 2 -4 16 a) +4 42 4 vo 8 -1 13 169 ww =19 = 4a Dal = 586 Ea = 1308 Nae = 496/18 = +2,0 up RAZUIKA HNVEOU ARITMETIORIY SREDINA MALIN Z8¥ISATH UZORAKA 153 saalika Rant po vale Razlka, dakle, nije staisti¢h) znatajna jor je ¢ manji od 2,11 (to je grani¢na snijednost¢ 28 17 stupnjecaslobode). Kako-se vii, najpsie treba izraCunati aritmeti¢hu stedinu svih diferenlja, a akon toga tradti razike iameda svake pojedine diferencie i atitmetigke stedine Uiferencije (pritom treba navotito paaiti na prednake: na primjer, kod ispitanika br. 14 rarlka iamedu diferencje 1 aritinetidke sredine diferencija iznosi 6, jer je raclta izmedu £142 = 6). Kad ee te razlike kvadriraju (@), mote se iracu- nati s. ‘Buduéi da proi f drugi vzorak predstavljaju ist ispitanic, to Je N = 18 (a ne 36}, prema tome, je bfoj stupnjeva slobode (NV ~ 1) = 17. Iz -tablce vidi se ia je ut IT etupnjeva slobode a uz razinu anatajnosti od 5%, graniéna vrijednost {= 2,11. Buduéida je dobiveni t manyi, modemozaldjutti da razika nj statisticki ‘2matajna, pe te, prema tome, ae mote ie ovog eksperimenta ustvriti da fenamin djeluje aa bazalni metabolizam, Tretunavanje pomoéu "metode diferencije” mote se netto skratiti ako t feratutianno iaravno iz dabiventh vrijednosti w tablicidiferenclj, | vo pomoéu for- t= ta. (9.16) 'U naiem primjeru dobivama: {Jo8jednostavnije to mofemo init poslusimo Ti se formulom 5.4, koja koristi bruto-ezultate 2a aratunavanje standardne devjacije,U tom slutaju formula glasi (17) “Tom tehnikom izbjegli smo izraCunavanje d(razliaiemedu svake diferencje i prosietne diferencie)154 2. RAZLIKA IEMEDU OVE AnrTMETICKE SREDIVE Stojedobno je psiholog Sandler predlotio jedan jos hraéi postupak, koji je naz sao Astest, izveden iz Fednesa, po kojem je dovoljuo ieratunatijedino faze famed ovvog i drugog mje kvadtate Hh asia, te w foul wri ove ilednost (os) Dobiveni ieraz A usporedi se s vijednostina u tablic 9.10. pod odredenom vti Jednosti P juz odgovataju bro} stupnjeva slobode. Ako je obivena A viljednose ‘anja od graniéne vrijednosti (dakle obratno nego kad t!),reztita je statstitht ‘natajna, TABLICA 9.10, GRANICNE A-VRIJEDNOSTI ‘Stup. P Stup. P slobode 0,05, 001 slobode oon we) we) 105031 ‘050012 18 2 0369 0.340 19. 3 aaa 272 20 4 0304 0,238 a 5 0295 0218 2 6 0285 0,205 23 7 ops. 0.196 24 8 0278 0.190 25 9 0276 0.185 26 100974 81 Fa ors 0178 23 2 o2Tt 0,176 2 0264 130270 oars 300,264 M0270 or 400,263 150260 0170 600,262 16 0268 0.169 9 0261 1707268 0.168 2 _ 0,260 ‘Ako aun ievedemo na eam prinjer,debivamo da je sume keaton fe rencija (Eyye) = 22 + 13° + 92.. + 19? = 1980, a (Zee)? = 362 = 1208, 1380 in Badu da jena A veto granioe wos Ana rein natant od 05, i uz 17 stpajeslabode (gatitnavellednostA'= 0.268), saljueujemo da senha tlle sats nate = 1,065 s19 KOMBIVACHIN DLAIU THSTOVA 2NACAINOSTL 155 910, KOMBINACIJA DVAJU TESTOVA ZNACAJNOSTI U istvativathom radu ladikad se dognda da se neki problem ispituje netoliko nutes Tako, na prinnjer; neki nastavnik moze svake godine primienith neki test ‘uaa. svoje student, i ssaki put moze nai da su ens spieanich nesto boli tu prosjegnom reruleatu od musi, ali i jeder prilikom ta ralika. nie statistihs rincajaa. No, xe saina éinjenica da je nadena raalika wvjek u stom ster, suge- Fira nam da ralika medu populacijama vjerojatno stvarno posto, ali Je nijedanput rismo mogl satistiaki dakazat, vjerojatno zbog nedovolno velikih uzoraka, “Za takve slutajeve pojedini statistiari prediagu neke tehnike laratanavania amatajnosti razlke 2a sve rezultate zajedno, no mi emo prikszati samo jedau od tik tehnia, ico najjednostavniju, ti. tohniku kombinieanja doijurazina znaéajnosth 1 jednu razinu znatajnosti. Radi se dakle oslutajevima kada imamo doije razike 1 istom smjeru, dobivene dvaput. Postupak potjete od P. C. Bakera, a isnast ga ‘McGuigan bao vezultat-osobnog saopéenja autora, Pastupak je vrlo jednostavan, jet ae radi 0 nomagramy s kajega vio jednostavno otitavamno rezltat. Na slci 9.14. pritazan je nomogram. Na njegovu horizontalnom i vertikatnom rub nalaze se razine znatajnosti, dobivene separatno u svakom od dva eksper- ments. Pretpostavinio da jo taj nastavnik w jednom testiranju dobio razliku u kovist Zenakih iepitanika, Kojo} razini znadajnostiianosi P = 0,08 (dakle raaila nije statistithi znagajna),a it drugom pokusu dobio je ponovno razltku istom smlera, kojojrazina znatajnostianosi P = 0,10 (pa prema tome ni ta razlikanijestaistieli natajna). ‘Vierojatnost P za oba slutaja uzota zajadno nade se tako da se uz jedan rub ‘pomogtamanade P koji je wven 2a prvi eksperiment, a uz drugi rub nomograma P ‘eran an drugi aksperiment, te se na sci th vrijednostiu samom nomograms ‘aproksimativno iz djagonale odredi kombinieani P. U nagem sluaju P od 0.08 10,40 sijeku se na razini koja je nesio nia od P = 0,05, te na temelu toga ‘zalljudujemo da je vazlika u oba kombinirana pokusa statistik maéajna. ‘Treba, medutim, upozovti da rezultar koji na taj nagin dobijemo, ne mora sawing butt jednak rezultatu koji bismo dob da smo sadelizajedno rezultate pr og i drugog eksperimenta | testiraliklasiénim putem (t-testom) znatajnost 132 ike. Drugin: rijetima, eksperimentator bi u tom slutaju naseo artmeticku sredinu ‘muskih spitania iz oba navrata zajedno, 2 isto tako aritmeridhu stediau Zenski ispitania, i tetirao bi raziku. Razlog tinjenei da se time mogu dobiti i druktiji rezlésti nego omogramam jest tome so se moze dogouiti (ato se éesto u praksi i dogadia) da 2bog raaititih razlogav drugom eksperimentu dobijemo, daduse lien, ‘ask izmedu jedne i drugearitmetike sredine, ali su obje aritmetickesredine na Arugos rasini tako je, na primer, taj nastavnik prilikom prve primjone testa mogao obit! da muskarel postu prosjetno 30, a Zene 38 boda, a u drugom eksperimentt iduée godine mush su ispitanie postgli prosjetno 41 bod, a ene 43 boda. Spajanje tokoih ezultata u ragunu testiranja zhatajnosti razike moglo bi vo lako dovesti do toga da rez ni sada ne bute staisticki znatajne jer se zuaéajno poveéso varjabilitet jedne i druge varijable156 9. RAZLIKA f2MEDU DVILE ARITMETICKE SREDINE ot eo 08 0808 cw 10 20 2 40 S060 80 100 Basse 8 8 888 8B as 8 288 8 8 @eases o or or 03-04 05 08 08 10 2 90 405080 80 100 a 9.14. Nomogram za tetiranje dvaju testova snatajnost (prema P. 6, Bakeru) Cini se da je u tom slutaju opravdanije fogitnije tpotrjebiti nomogram koji nije osjetfiv na takve promjane u varijabilitews, Te, naravno, vied samo za one sluéajeve kada su take promjene u varijabilitety uzrokovane drugim tazlozima, a ne stvarnim varjablitetom mjerene pojave. Napomena: U statistitkim udabenicima ne mote se naidi na jedno upo- aprenje, koje u nekim slugajevima mode biti vlo vaéno, ako mjetimo dvije popu lacije, pa nademo raz meds aritmetickim sredinama, onda je ta razlita stvamna injenia, i nedemo testirat je i ona statstiZlé meacayna, To potpuno logitki pro izlaz iz onoga éta zuamo o smisiu testiranja zn2Pajnost ralika: nek nadena razika ‘edu aritmetithim stedinama je raziike med vzorsina, pa sstiranjem znagajaost elim provjerti postoj i caaika i medu populaviama, Medutim u over slut js mi mjerimo populacije, pa nemamg vi $0 testratil Tak 5° slutajevi mogu a {godt ako smo populaciju defniijom zatno agraniili na prznjer, ako nas zanito3 dai se udenici 5a razreda neke skole 1900. godine raliku) po pucujeenes teain: od 40, KOMBINACHA DYAIU TESTOVA ZNACINOSTI 137 ueenika 5.bcazreda, pa ako sin izmietili sve weenie w oba razveda, onda je razika ‘saritmeti¢him sredinama koju smo debili (pod pretpostavkom da nismo pogtijsili ‘imjerenju) sigurno i sttistight zeaéqin, t), populace se razlkuju! (Populacije sit ‘a naem primjeru: svi ueenci 5.a razreda te Sole w 1990. godini, i svi uéenicl 5.) razreda te Skole u 1990. godini) Buduéi da sada vjerojatno ima podosta éitalaca koji su se morali dobrano napregnuti da shvate sve sto je u ovor opseznom poglavlju bilo tumageno, a veto jatno ima i on kojima ipek mnogo taga nije posve jasno (ie ova tema, 8. tema *distibuclie ysoraka” i estiranja znatajnost ral je tema na kojoj otpada naj- vise ont koji su se upusil u proutavanje statistike), to smatram potrebnim da neéto napomenem: Mnogi suse sigurno povesell ada su na potetku knjige nekoliko puta protital da matematila (osim 4 osnovna ratuna) nije potrebna za svladavanje gradiva cove knjige, Da, toeno je (vjerojatno ste se veé do sada uyjrili), matematika nije potrebna. No, ako nema matematike, tone anati da smo zato oslobadeni svih prob- lemal Jer, ako vidite, statistika nije ba8 posvejenostavna i posve lako shvatjiva, ‘Moglo bi se Cak reéi da su neka podrucja (na primer ovo!) vela Rompleksna No, abo vas to mode utjSiti, Zinjenica je de su gotovo svi koji su se bilo kada 1 fivotu potell baviti statistikom, naisi na signe barijere, ali su ipak svladali statistitki natin pristupa, a to anati da tetkoée prvenstveno proialaze iz neobignasti sadrdeja. Jer, prije nego Sto ste poteli proutavati statistik, sigurno se nite susretal ‘8 problemima ove vise, Te neobignost problema i natina rezoniranja vjerojatno je ‘lavni raalog konfuziji koja se motda u poneko} glavi stverila, Za utjehu titaocima mogu pripomenuti da problema ove vrste uglavnom u knji- ti vite neée biti, Ako ste pojam normalne raspodjele | asnovne pojnove t-testa razumjeli i "apsorbrali, otal dio gradivz ne bi emio vise predstasljti teat prob- Jem. ZADACI ZA V3eZBU 1. Vitali kapaciter skupine od 80 radnita jednom kamenolomu iznosio je 3520 cem (¢ = 300), a skupine od 120 radaika jedne twornice w istom ‘mjestu bio je 3615 (s = $10). Mozemo li razliku w vitalnom lapacitetu smatrati statisti¢ki anatajnom? 2, Prosietno trajanje bolovanja od neke bolesti kod 20 necljpljenih bolesnika iznosilo je 8.5 dana (s = 1), #20 drugih bolesnika, koji su bili eijepleni, bolovali su u prosjeku 7 dane (¢ = 1). Je li razlika w trajanju eboljenja statisticki znaba‘na? 4, Jedan je istrativas delio ustanoviti ima li neka droga utjecaja na koordi- naciju pokreta. Dever ipitanika eksperimentalne skupine i deset ispitanika leontrolne skupine (koji su umjesto dioge primili "placebo") postigi su na uredaju za mjerenje psinomotorike ove renultate (vedi bro} znati boli remultat)158 6 RAZLIKA 1eMEOU DYE ARITMETICKE SREDINE gue K grupa 7 2 M 18 10 iv 8 TR Jeli raaika uw prosjetnom uspjehu 16 1} th grupa statisticki znagajna’? 6 B istieki anacajna’ 3 8 ° 2 n 3 5 4. Pedeset djetaks 1 pedesot djovojtca istih godina testirani su jednim ‘eostom. Djetaci su u prosjeku postili 78 bodova, a djevoicie 81, sa stan- ddardnim devijacijama 7 (djetaci) 19 (djevojtice). Jel ranlika med ajima statistieki anatajna? 5, Na 25 judi iemjerena je sedimentacija u prvom satu, Dobiven je prosek od 10 mm i stendardna devijacia 2mm. Razlikyjeli se ovaj prosjek statistic ‘matajno od vrijednosti 12 mm? 6. Na Olimpijadi u Insbrucks 1976. godine 40 slakaca postigi je u prvom i yn. Znaéajnost se u tom sluzaju pike: P/2 < 0,08. ‘ovom sluéaju, odbacivsi nul-hipotezu, mi smo dokazali, da je druga aritmetitha = 161 ‘Treba, mediutim, upcassisi da je potrebno wnoprijed odlutitt hogemo i razliku sedi aritetickim sredinama w jednom eksperimentu testratt “dvosmjernim” si jednosmjernin” testom. Ako se odlucimo za "jednosmjerri” test, to treba biti na temeljy jakih argumenata. Pojedini eksperimeatatori tetko mogu odoljet napasti dds neku razikw koja nije dokazana lgo znaéajna u “dvostnjernom” testu, nakon toga testiraju "jednosmjernie testom { tako eventualno “postignu” znadajnost aime, kod eivosmjetnog testiranja za statistigku matajnost od 5% potieban je ¢ 6d najmanje 1,96, «kod jednosmjernog testivanja samo 1,64! +164 Sey 45678 4 12 UKUPNO 10% Sitka 10.2, "Jecnosnjerno" testranje zmatajost azibe med ‘aritmettkim sredinama ‘Zhog toga se tradi da se natin testiranja odredi unaprijed, tj. prije nego su nam pornati rezultati merenjs. U slueaju da je eksperiment takav da daje oprav- danjejednosmjernom testianju (20 npr. & saloprile spomenutom eksperiment S pulsoin), onda se unaprijed moramo za takvo testianje othuet. U shutaju neinv- jssnosti treba bezuyjetno reditis dvosmjernim testom. ‘Uopée, kao prektiéan savjet moglo bi se kazati ovo; kod testiranja znaéajnosti rualika treba u pravilu wpatreblivati doosmjerni test, {samo u iznimnim, temeljto apravdanim slugajevimo, jednosmjerni tes.162 10 “DYOSMJERNO® ILI JEDNOSMJERNO® TESTIRARIE RAZLIKE Evo nckoliko primjera hada bi se, po misjenju nekih statistieara, mogle upoir- jebitijednosinjerno testirane: 1. Ako testiramo bakterije w vodi za pige, neku éemo vodu smatrati nepriklad ‘nom samo tada ako je broj bakterija previsok. 2, Testirajué jedno novo gnolivo s obziroin na prihod usjeva, odbaclt éemo staro gnojivo samo onda ako je novo gnojivo dalo znatajno bole rezultate 48, Neki gradevai material motemo testifat sobsiron\ na evrstoéu jodbaciti ga {edino ako je on znatajno slabij od drugih 4. Sedréajé konzervi hranom, kojima Je oznatena tetina, mogu se testiratis obzizom na tetinw i treba th odbacit kao nedovaljno punjene samo ako su znatajno lakie od propisane tetine. 5. Neki én ljek protiv hipertonije smatrati boljim od drugih ako on znatajno vie snizuje kreni tak od ostaliIljekova. 6, Neku novu metodu u nastavi proglasit Gemo 2natajno boljom ad diugih ako ona znatajno pouecava uspleh utenika [No neki moderni autor (apr. Langley) ne sladu seni tim, tj dae niu takvim situacijama koristijednosmjerao testianje, jer to — lzmedu ostaloga — dovodi ido nepotrebne konfuzje u interpreta rezultata. Treba se zaista slaiti s Langleyem koji ade da"... u svakom itrativanju mora postojati makar i mala sumnja ve ‘4 smjerom razlike, pa problem zato ne treba satrati“komplicianim’, vee ga treba Jednostarno rjlavatirutinskom upotrebom dvesmjernog testiranja” Dobra kritihk opasku dao je Rowntree: "Ako o neko razlil znate éak i to u ‘ojo smjeru ona posto, zalto uopée trebatetestirati njezinu unatajnost? Rasika Koja je toliko predvidiva, mars biti statistik znaéajna”. Uostalom, kada testiramo bilo kolu razliku, ako Je ona statistithi zhagajna, to ‘ledno znati da znatajno odstupa u odredenom smjers (2a koji prije nismo znall), ‘pa ako je testiranje radeno na tazini P = 0,05, razlika u dobivenom smjeru sada je ‘natajna narazinl P = 0,025. Ako se kod dvosmjernog testranja ne zadoveljavario- za razini od P = 0,05), ne smijerno se kod jednosmjemnog testiranja zadovoiti sa P=0,03 — a time ujedno otpada "prednost” jednosmjernog testiranja! 0,10 (pa makar bi u tom slutajur ravika u jednom smjeru bila enacajna = ula ‘lo se cesto dogada da moramo obradivati podatke koji nisu rezultatikvantita- tivnog injetenj jer svojstvo koje registriramo ne mofemo mjeritiu kvantitativaim jeciicama, ve jedino registriramo u kojoj se frekvencit pojavljyje. U tom slutaju radimé s postocima odacsno proporcjama (ili pak hkvadrat testom /vidi pogl 15). Na primjer,registriramo da Ii neki [judi imaju ii nemaju smede ofi, dali su neki oboljeli od nek bolest, itd. U svim tim slutajevima ne motemo se slut ‘aratunavanjem aritmetitke sredine, nego ratunamo proporeiju pojave. Na primer, ako o4:100 ljudioboli od neke bolesti 19, onda je proporcja obolelih 19/100 = 0,19, PPoninotimo li proporejs ea 100, dobivamo pastotke: p 10%. a 111. STANDARDNA POGRESKA PROPORCLIE Jedi tao | aritmetia sedi uzorka tako | propor azotia ima sve standardnu pogresku. Dok standardna pogreska aritmeticke sredine dolazi rjede u praktina upotebe,standadna pogresia propor mote bit korisna i praktine omot w prltiénom rads Prinjer. Peiliko nek epidemife u jedno} pokrafil koja obuhvaéa. 10000 stanovala, ekipe ln je posana na teen pregedaa je uzorekod 100 stanovii ivnatla da ih je 12 aarateno. Proporcja zarazeah u wzorku iznos. dake p212f100~ 0,2. ‘Medutim, da li 12% zaratenih predstavlja stvarni (pravi) postotak zarazenih u titavom kraju? Kolikoj se pogresci izlazemo ako iz proporcije uzorka zakljutujemo 18 proporli populace? ‘0 odgovoru na ov pitanje moe, na pimje, ovis od o tom kako vellky hips treba posati na sucbange te zataze ‘Ako czrka nije vo malen, i ako p sje velo niza (npr. ipod 0,0), ck (opr. ienad 0,90, motema pretostaitipribizno narmalny raspodies roporj vrai ako pave propolie populace Standardna pores proporcje164 11 TesrimaNse RA2UIKE eMEDU PROPORCHA ratuna se v tom slutaju prema formul: ay pri emu g = 2p, tj, proporeia, 1 kojo} se svojstvo nije pojavilo, U nasem slutaja Aira TE (OR ‘Ako je raspodjela normalna, vrjedi isto pravilo kao i kod standardne pogreske aritmetiche sedine,¢. da smo 68% sigueni da naSa proporeija ne odstupa od prave proporcije vile ii manje od ++0,08, da smo 95% sigurni da od aje ne odstupa vise od 0,06, a prakticki 100% sigueni da ne odstupa vite od 0,09, NOMOGRAM ZA OCITAVANIE 95-POSTOTNIH. GRANICA POUZDANOSTI PROPORCUE ‘a uzorke velitine N = 10, 15, 20,30, 50, 100, 250 i 1000 10 oa 2 oa 4 8 OT oF Proporcje pw wzork 4 ‘Siika 11.1. Nomogram za otitavanje 96-postotnigranica pouzdanost proporclje 112 RAZCIKA T2MEOU VELIKIM NEZAUISNIM UZORAKA 165 2elimo i prema tone ratunati a najgorn moguénest, motemo pretpostaviti da swvarna 2araza stanovnistvaianosi mozda p = 0,21, odnosno 21% (i2 0,12 + 0,09). Vet prema tome ogemo li ueti 95%-tne ili veéegranice pouzdanost,ovisi ako em veliku ckipu poslti na teren da suzbija spomenutu zara, ‘95%-tne granice pouzdanosti za raziito velike proporeje mogu se relativno Jako ofitat iz nomogiama na slci 1.1. Prednost je takvog ofitavanja w tome sto rmozemo uzet-u obzit | one slueajove kada distribucija nie vise normalna (tj kada je N velo mali ii p vtlo ekstreman, pa je distribucija asimetriena i lasitnim se retinom vise ne moze ispravno inratunatistandardna pogretia proporcij) Kako iz nomograma vidio, na apeisi Je eznatena proporeija wzorka, 9 na ordinati su 98%-tne granice pouadanostiranitito velikb uzorata. 95%-tne granice pourdanosti ofitavaju ses obju laivulja hoje se odnase na zadann veliginy wzorka, Na primer, ako w wzorku od NV = 20 dobijemo proporciiu p = 0,20, onda smo 95% sigur da je prava proporeija izmedu 0,05 | 0. 1.2. RAZLIKA IZMEDU VELIKTH NEZAVISNIH UZORAKA Kao sta kod proporeija nismo mogli iratunavati standardny pogretku onako Jako smo to radili kod avitmeticke sredine, jednako tako ne mofemo ni na do sada opisane natine testrati2nacajnostrazlika irmedu dvije proporeje, nego ovaje ‘wpotrebljavamo jedan drugi natin ratunanja koji se, medutim, u svojim princip- ima ne razlkuje od natina ratunanja mnaéajnosti razlka izmedu dvijeavitmeticke sxedine Primjer. U grupi od 290 muskaraca, 90 su oboljll od neke bolst, @ u grupi ‘od 260 fen, 170 je oboielo od te iste boleeti. Posto lt anacajna ralika ized ‘mutlargea | Bena u fekvencji oboljenia od te bolesti? "Najprije emo i2rafunatipostotak odnosno proporeju oboljenja kad muSkaraca ‘Muslarci: Ny = 290, py = 90/290 = 0,991 Zene:___Na == 260, _pa = 170/260 = 0,654 a= 1— pi = 0,009 2 = 1 ps = 0,346. Ako eu N} i 2 dovoljno velli (npr 100i vig), i ako proporcije isu ckstremne (npr. veée od 0,00 ill manje od 0,10), mozemo 2a standardnu pogredku razike pro- Doreija upotsijebitiformulu koja je analogna (po smislu) formuli za izratunavanie Standardne pogreske razlike izmedu dvije aritmetiche seedine, tj. drugi kerijen iz sume kvadriranih standardnih pogrefaka avake proporcje: toon = f+, 12) ‘Buadnei da se standardna pogreska proporcija raéuna prema formuli (11.1), to se formula (11.2) mote svesti na an Z as)166 1, TesTiAE RAZUIKE retEDY PROFORCTIS Uvrstimo li vijednosti in naSeg primjera u gorau formul, dobivamo: [0301-0600 | O65 0.3 230 20 Tae, 06 = [SEB + SE = yovoona 00005 = LB 4 DE 6 aon 0.00 = VOUS = 0,046. Razlta medu proporciama je 0684-0391 = 0,263, ako tw ralike podem njezinom standardnom pegetko, dabivamo: 0,205 _ 6 og * g,086 = 8° Buduei da se raalike medu proporcijama'ne resporeduju potpuna jednako kao raalike medu aritmetickim sredinama (distribucje proporcij i distribuclja razlika ‘medu proporcijama odstupaju to vige od normalne distibueije sto je N mani 4 Sto je p Dlii ii 1), neki statistitart preporuéuju da treba — va svaku sigurnost = postaviti kriterij da je razlla medu proporcijama statisti znatajna, ako je tri puta veéa od svoje pogresie. U natem primjeru uoéena razika je prema tome statstieh anaéajna, Medutim, ako su uroreveliki, a pil g nije eisttemno malt ill velik, moze se pretpostaviti normalna raspodjela, pa je prema tome razlika medu proporejama ‘nagajna na razini od 5%, ako je ¢ vedi od 1,96. Kao pojedinestavnjena pravilo moze nam posltiti ovaj princip: ako Np | Ng kod oba uzorka iznose vite od 5, mote se pretpostaviti normalna respodiela. Napomena, Neki autori (Guilford) smatvaju da normalnu raspodjeln ‘motemo pretpostaviti samo ako Np ili Nq nisu manji od 10. Neki (Siege) tale (raze da faraz N pq bude najmanje 9. To je motda razlog zasto se u praksi znatno vige upotrebliava hikvadrat test nego ratun proporcija, iako bismo i uz pomoé proporcija neke probleme mogl lako rijesiti. Osim toga to Je | prilika da vidite da, se ni profesionalnistatistiéar iako su oni u svoje) osnovi matemeticar) ne slaiu tavijek uw svom misljeni 11.8. RAZLIKA IZMEDU VELIKIH ZAVISNIH UZORAKA, ‘Ako su varijable u Korelacii (na primer, ako su obje proporcije dobivene na {stim ispitanicima), treba provesti korekturu pri iratunavanju znaéajnost razlike ‘edu proporcijama. U natelu ta je korektura potpuno analogna korekturi koju obavljamo pri testivanju znatajnost ralila meduaritmeti¢kim sredinama, ako su variable w korelacj (vidi formulu 9.7!), Prema tome, u tom sluéeju raéunamo prema formul: aa) 19, RAZLINA FMEDU VELIKI 28588 U2ORAKA 16r Napomena, 0 tom kako se u ovom slucaju izvaGunava korelacija vidi pol 19 18.0 izratunavanju 6 koeficijenta korelacie. ‘Medutim, predlogen je-jedan jednostavniji postupak koji se sastoji u tome da sesultate iz obje varijable unesemo u tablicu, odakle mozemo standardau pogresku taalikei2va¢unati bez izatunavanja korelacije (tj raéun horeacije wo je ulljucen’). Kod tog je raéna potrebno poznaxati za svakog ispitanika njegove individualne rezutate u prvo} iu drugoj vail Primer. 150 miadiéa podvrgnemo testu tran} na 100 mu kojem je “norma” 120 sek. 75 saladiéa postigio je "norma (py = 0,500). Tada ih sve podvrgneme tyeningu tréanja na kratke pruge i ponovno th testitamo te ustanovimo da su sada 10 rmlailéa postiglo "notmau” (ps = 0, 666). ‘Tablicu postavljamo tako da vertikalno unosimo rezultate ednog, a horizontalno drogog tréanja: Drug tian peta | Fel, | vrapro rove fae [oe [oe | s pene, 40 8 % viapno | | | a0 Sada éemo svaku vrjednost u tablic pretvoriti w proporcije ubvpnap broja (= 150) {ujedno éemo pojedine éelijeu tablici cznatiti slovima a,b, ei Drugo nie ‘Nis posses, | Pests, | viapno Posts | 0,067, | 0.43% | 0,500), Prvo téanie torn Nis pestis, | 0,207. | 0,288 | 0,500 Uiepno | ose | 0,685,, | 1,000 Standard pogretku raze proporeja izraGunat éemo prema formuli (213)168 11, TeSTIRANIE RAZLIRE lMEDU! PROPORCIIA ‘Treba imati na umu da ta formula vrijedi samo 2a ovako postsvljens tablicw uw kojo} se u Gelijama "a” 17d" nalaze on koji su promijnili sso} uspjeh w kriterju. Ako margine tablice postavljama na drugi sadin, narseno da formula u tom slutajuy treba imati drugi oblik U nagem slutaju, suzeti se vrijednostima ie tablice, dobivame: [GREET O67) — 0,253 — 0,067 _ 50 = 0, 0018 = 0, 043. Kako iz nate tablice vidimo, ralika u proporeji (pa ~ pr) inosi 0,666 ~ 0,500 1168. Prema tome, Razlika je staisti¢hi znatajna. Vaina napomena Formula (11.5) ima jedno ogranitenje: iaraz (d +a) ua tablic fretoencia (lovorna tablica) mora biti najmanje 101 114. RAZLIKA IZMEDU MALIH NEZAVISNIH UZ0RAKA, Ako su Ny i Nz mall (manji od 100), a pogotovu ako su proporcije priligno ‘kstremne (veée od 0,9 Il manje od 0,1), moramo upotrijebitjedau dvugu formuly, 4 kojoj éemo kombinirati proporcie obiju grupa (slif0 kao sto smo kod malih uzoraka kombinirali standardnu devijaciju, }.feraZunavali zajednithu standard devijaeiu) ‘Primjer. U skupini od 50 dietaka, 24 su visine préko 122 em, dak su u skupint ‘0d 60 djovojtica nj 18 vise od 122 cm: Moze i se ta razlita u proparei vizke ‘djece smatratistatsticki znazajnom? Djetacis M = 80; py = 24/50 = 0,48 1 P= 18/60 = 0,30, Djevajeice: Ns uN +p Me Zajednigka proporciia = (6) 1 nae primjeru dobivamno: (048-50) +(0,20-60) _ 24-418, 50+ 60 To a= 1-p=1~0,58= 0,62. Standerdna pogretka cazitke racuns 30 daljs prema. 1}, prema formal (11.2) 1 (31.3), a, kako su pig sada Zajednitha p 38 poanatom postupka, i za obje grupe, ta se 114 RAZLINA FNEOU BALIN NEZAVISNTH UZORAKA 169 {formula Svodi na ovaj eblik aun Prema tome dobivamo: Sas = 0,980.62 ( = VO, T356-0.58667 = /0, (086A = 0,083 0,48 ~ 0,30 = 0,18 Rarlika'y proporcjama je pi ~ Ps 0,18 t= Os 0,008 1,94. Kako se vidi, rasika ipak nije statisttki enatajna, jer nije 1,96 puta veta od svoje pogreske. 'U novije vrjeme (1057) predlozio je Brayer jedan jednostavniji postupak 22 iarafunavanje-znatajnostlrazila medu proporejama. Taj se postupak, primijenjen, na na8 primjer sastoji u ovim operacijama: Grupa Grupa 2. Obje grupe Rate 2 ‘Totaia fekvendja racine = 3 8 ‘ 2158 5. (4): (1) = 2856: 110 25,963 6. (5) podijeljeno s produktom totalnog broja opaéanja, a eval grapi = 25,909: (0-60) c,sosese 1 savor = V6) = VOOBESE os Koko se vid rerlat je prpuno jednak rete dotivenom pomotu stan éaxdnog post ‘Vaano je, medvtim, capamtiti da se formule (11.2) i (11.7) mogu upotriebith samo onda aka obje proporcije dolaze od dva necavisna uzorka. Ako, medutim, Droporeie potietu od istog uzorka (ovdje se ne misli na iste isptanike kao kod proporcje u korelacjl), tese formule ne mogu upotrjebti. Tako, na primer, ako {Cskupini od 100 djece nademo da je 10% djece prelagano, a 12% djece pretesko po {edini, ne mozzin0 opisenim postupcima testiratiraliku iamedu te cvije proporcje Jer abje potjetu od in'a9 szorka od 100 diese. (Osim toga ovdje ne usporedujemo Isto e lati, vee preloki deen s p:etetkom) nove je vrieme sedan stacst'€er (Rosenbaum) izradio relativno jednostavan gran za rjesavanie upravo ‘akvih problema.170 v uwu y W 2 beeeue wee ese ctecaeee peerrrtrrrey ‘Slika 11.2, Nomogramn za oitavanje granica pousdanosti sestiranje ‘uatajnost rasa medu proporcijama (vidi test!) = ath elit ijeva W shal (" 114 RAZEIKS EDU AINE NEZAVISNUE UEORAKA m Buduél da se tim nomogramom mog testirati i problemi koje smo uprave opisall (standardna pogreska proporetje | znaca nest rake iaredus dvije propor hel, dat cemo opis Sv ih postipal ‘Nomogeam (stika 11.2) sluz, kako rekosmno, za tri vrste problem i sastoj se od tui grape skala: ULV iW. Sralan grupa ima 3 shale: duije tanishe tjednu sted Ersvim slugajevina jedna vanjska skala pokazwje veliéina wzotka, diiga vasa sala polazuje postotak (dalle proporeija» 100), elk linja koje spaja vaijeduost, Tanjsi skala, daje sjesenje na Sjecis sa srednjnt skal. U-shala ssi 24 dobivanje “granica ponzdanost neko pestotka, Desna skal “mn” oznacuje velieinu uzorka: ijeva skala"p daje postotal koji smo nasil w urorks centralna sala daje 951 99%- tne granice pouzdanost. Primer. U uzorku od N = 350 grattana ustanovljeno je da ih 68 posjeduje notorne vaso, To je 28%. Koje su granive pouzdanosti toga postotia? Polozeno ‘avnala koje spaja mt = 350 na desno)skali U sa 18% na lijevo} U shall sijete stednju U stalu otprilike na priblizno 4 2a razina od 5%, a priblizno ne 5,5 za razinu od 19%, i Gog slijedi da su 95%-ne granice pouzdanosti 18% 44%, a 99%-tne granice pottsdanosti 185% 45,5%. (Da smo stanardim pogresku ratunal pomotu formule [1.1 dobili bismo da ona iznosi 0,0202, dakle 2 standardna pogresia odgovara nafem dobivenom postotku 4.) Voskala sai za testiranje znatajnost razlike medu postocina. Veliiny obiju supina (N+.Nz) ofitavarno na Ijevom V stupeu, 2brojene postatke obj skupina btitavamo na desnom V stupcu (autor te postotke 2ove pig, alg ovom slueaju apravo mati p2, dak p = py), a srednja V skala daje pottebnu razliu postotia (ea), koja je znatajua na razini od 5 il 1%. ‘Primer: Poslutimo se natim prvi primjerom iz poglavja 1.2 estirajmo ga pomaéu tomogram: Muslarei Lene Pe , Jel raziha od 26% (65% — 30%) statstield znacajna? Spojimo Ii ravnalom 490 (230 + 260) na lijevo} V shall sa 104 (39 ++ 65) na desno} V' skal, dobivamo da bi ispod 9% razlike bilo znatajno na razini od 5%, a heiteIspod 12% na razini od 1% Weskala je novestkoju nam prvsa ova tehnika testiranja, 2a rasliku od standard daje velginu uzorka, desna W siala daje zbrojene Postotke oba svojstva, a ua sredao) W skal oznavene st razlike u postocima koje 0 matajne na razni od 5 ii 1%. Vaina_napomen a: Nitho ne smije posjedovati oba svcjstval Prinjer.Poslutimo se primjerom koji smo malo prije spomenili: ako w skupini ‘100 djece nadlemo da je 10% djece prelageno, a 12% pretesko za svoje godine, rmotemo li tvrditt da ima vie preteskih nego prelaganili? Povueino |i linijus vrjednosti 100 na ljevo} W shall proma 22% (10 + 12) na ‘desnoj W skal, mozemo na sredujoj W stali ustanoviti da bi razika morala biti eda od 9% (ea razinu znacejnosti od 8%), a kako naa razlika inosi samo 2%, nj hilako.ne mozemo smatvatistetisti¢ki zna¢ajnou. Drugi prinjer. Na skupini od 1700 djece nademo da th 800 ima modre ott (47%), 700 smevde (414%). Je H ta razlika od 6% statistik znatajna? Nomogram pokazuje da bi oko 45% bilo dovoljuo za razinu zantajnost od 5%, 1 da jerazika od 6% jos znatajna i na razini od 1%,12 1 TeSTIRANse RAZLIKE EMEDU PROPORCHA Westala mote se naravno hors uslutajevima ako obj base isrpjuju sve soguénosti dau sums postotia. 100, al jew tom luau bolje rit saskalom UF tenet geanie pousdanostijelnay (bo hoje) of posttaka: ako granice poundanostprelaze granu od 50%, relita se ~ rarumljvo ~ ne mote smatrat atte anatajnom ‘Prinjer. Od 200 studenata na prvom ispitu pal ih je 90 (48%), a proto 110 (580i) Je rasa od 10% statistekiznacajna? ‘estat demo na U-skalizna¢ajnosjednog postotk, uamimo postatka pal ia sept (15%). Spojimo it. = 200 svijedaost 90 na lijevoj U sal, vidio da sa 959%ine granice pousdanost 45%t cca 42% — dale alia je ob jek enataja ta rarnkod 9% (al nena raza of 1%). 11.5. RAZLIKA IZMEDU MALIH ZAVISNIM UZORAKA, ‘Ako su mali uzorct proporelja u orelaciji (lad elsperimentalnu { kontrola skupin saéinjavaju ist isptanie), treba, kao kod velikih wzoraka, unijet!najprie rezultate u tablicu. Primjer, 100 ispitenika podvegoull smo ispitivanja pethomotorike pomoéa da” testa, oj su takve prirade da daju samo alternativne rezulate: "zadovaljava” i "ne 2adoveljava”. U prvom testu 60 ispitanika zadovoliava, u drugom 70. Jeli ta razlika statstickl znatajna tj Je li drugi test stvarno laksi od prvoga? — iin [zea | Be __zadovoljili, 3 » a Drugi test sadovoli Urupno Padovoyji | 0,05. 0,60, Proi test Ne atin | 9.2% 0152 | 0.40 Ukupno 0.30 0,705, | 2,00 Kod mali emo woraa standard pogrelk alte rated prema formu . faze, om =f ns) {is RABLIGA IAIEDU MALIN ZAVI5MH UZORAKA a3 1 nafenrsluseju dobivame: /0,008 = 0, 047. = Raalka wv proporijaa (p2~ pt) = 0,70 ~ 0,60 = 0,20, pa je prema tome o.10 Dow = 24 Prema Str kj smo: vevojl, zakjush emo da je rai statnieh santana etna nopomena. Ogranienie formule (11.8) satoi seu tome so rekvencia (4-0) table! feksentja mora bit najmanje 10! ‘Kakose vii, od propor postata we ewazno da nevedemo i epsolutne biejeena kojima smo irl mjrenj, 8 he samo propor, jer ako apsoltni bro inn siren mate uni rin nano a ee pane ‘Ech uloge imaju apsouta!brojevt u konetnom rezulta (ako proportaostaje edna), nabolje mode stil pelmjer, ako u natem iepltivanu tisnedjetaka ‘fevseta (vil st, 168) brojeve opazania povetamo dese puta: Desc Ay = 300) 240 sold deta py = 240/500 = 0,48; Djevoitice: Nz = 600; 180 vislthcjevotica: px = 180/600 = 0,30; tajedsitha p= MOH — 0,38; as (N apomena,Citalacéesesjetiti da je kod velkih uroraka svejedno upotr jebimo ll formula 2a velike il formulu 2a male uzorke!) r,t 7a a si # ap) = y88-0. (sos + a) = V0 T5560, 00867 = /0, 000865 = 0,029, Diferencija proporclja = 0,18. os 0.038 Prema toms, iako je proporcja ostalajednata kao i u prijainjem primjeru, raalika u propor sada je statisti zneéajna,dok prije nije bila! Kako se vidi, znadsjaost rage medu proporljams (Jednako kao i medu ai- tmetitkim sredinama) raste ako je bro} opazanja vedi. To je | logitki potpuno ‘acum, jer nije svejedno da li smo npr. od 10 bacanja jednog komeda novca ‘oti osam puta "glavi" (a dva puta "pismo”), ii sto od 100 Becanja osamde- set puta dobli "glavu” (a dvadeset puta "pismo"). Proporci je u oba siucaja Jednaka (p = 0,80), ali dok u prvom slutaju ti proporeju motemo jo8 smatrati =F obsirom na mali broj mjerenja — slueajaom, gotle u drugom primjeru ne tnotemo pretpostaviti da bi tit shiaj mogeo uvjetovatitakvu raaku, nego je tna vjerojatno uzrokovana nekim drugim sistematskim faktorom (opr. neispravnim 2. tim 1 TESTIRANIE RAZUIKE AIEDU PROPORCHEg ‘komadom novea ii "pristranim” porelja ad 0.80 mnogo "2nacajni obekivano) Na kraj ovog popu tebe si ov: tad propoteljama proenstuen je ko tistan pot odredranjastandaréne popreske propocle(setite se primera pro. Since, ios estan, anja standard pogrede rave tualo primjenjue, jer — kako smo vidjeli~ stauisticatt nau bas poste soa w tome ada matemo smatrat da je ditbudlja orale nomaina, «kad e Stoge nine potpano jedsahog mishenja ol grantna viedsor nek mise dj devalng {ino kod artmetthih edna) dat bude najmanje 108 dk dug setsajda Di tebao Bi 2a sald alu} —Qak do 3. Cala és usoro uve da 2 ta sah postot mnogo pratt, jednostavni i "elegant" tos i kro porcijom zarazenih, gdje je trebalo odved ‘aalike medu proporcjama, retinom se test test ZADACI ZA VJE2RU 1. Pregledom uzorka velitine 1” = 100 djeze utvrdeno je da th 60 ima laijes. U kojim se granicama sa 99,7% sigurnost! moze smatrati da se nalani prava proporcija djece s kaijesom? 2. Za neki narod je pozmato da njegovipripadnic!imaju w 70% sluéajeva svjelu kosu. Jedan autobus sa 111 ialetnika iz te zemlje stigao jeu ‘aS grad. Ustanovili ste da 09 putnila ima svijetly koeu, To je 62%. ‘Mogete li na temelu te injenice utvrditi da usorake nije reprezenta tivan Sto se tice boje ose? 8. Od 800 studenata, 200 ih je polotilo neki ispit, @ od 500. studen- tica polosilo ih je 300, Je l'razika u proporeiicnih koji su polodlt statistighi znagajna? 4 Ocitajte s nomograma na slet 11.1. kolike su 95%%-tne granice pouz: Aanosti proporcie 0,70 kod uzorala velitine: a M=10 b. N= 50 ce My= 100. can nove) ato ew om aaj 8 po. nt tom vidi zavi8etak 3. poglavia, gdje smo Dpisal kako poveéanjem broja pokuéaja proporeija nekag ishoda postaje sve bliza ce UY statistitkom ratunanju treba, koliko se najvige mage, izbjegavati ratune § ~ poatocima jer se u tome lako pogrjes. Navest emo nekoliko tipitnih invora kon- fuate: 1. Kd prevelikh postotaa testo imamo teSko¢a da kagemokaliko je puta neito vole od drugoga. Primjer. Populacija X je 2a 5.000% veéa od populacije Y, koja broji 20000 lu. Kolika je populacija x? ‘Odgevar: 500% od 20000 = 50-2000 xX = 1000000. 2. Postoci od premalih uzorska ne daju nam niakvu povadanu predodzbu situacije. Ako pregledamo 10 ud, i kod'8 nademo odredeno aboljenje ne valja ta) © rezultt pretvorit u 805. _ Poznat je slutaj iz Drugoga svjetskog rata kada je jedan zapovjednik radarske stanice na Mediteranu, koji je imao 7 radarista, uzaludno neprestano tratio ds mu se bro} radarista poveéa na 40-50. Jednog dan jedan od sedorice radarsta formule 13.1. Rezultati te obrade prikazani su u tabict 13.3.190 1 wonetacta ‘TABLICA 133, REZULTATI 12 TABLICE 13.2. OBRADENT NA DRUGI NACIN Titania] | A * iy 1 7 | 15 1S | 225 2 6 | a 10 x0}, 100 3 5 | 6 os os | 025 4 a | 2 ° ° 0.00 3 4 ° a 0.00 6 3 0, -05 | 025 7 2 1, =u0 | 190 8 1 1 =u ee 32/8=4 Bay re Wo Ako je neki sezltat X vei od artmetitkesredine X,, 9 korespondentn eau tat ¥ vedi od X, , onda Ge 2, | ty biti postiomag predunaka, pa prema tome | nihov produkt (£2) takoder poztivnog predznaka. Ako je neki X ispod X, ¥orespondentn ¥ ipod, onda do z iy bith negativaog predenak, al low produlet Ge biti portvan. Osim toga, sume 2. bit Ge mabsimaina oko Su sh porovi (zi 5) numeri jedunt (ako, ne primer, jednom reruleatu od + 2 Fu varjabt X odgovara rezultat od upravo + 2 sw varjabll ¥). Prema tome, Summa #5) bit ée maksimalo portiona ska ev obs tlana para 223) (1) moment Sednak (2) istog predenala. U tom ée slutajukoetcjentkorelacie biti najved( tan, itt e+ 10 lratunamo tan nes pine boela prema om 154, dobvamo: Eley) 7 _ Wot 77 Ako su korespondentne = vrijednosti ze iy pretefn istog predanaka, al ne 9 uvijek jednake numericke vajednosti,» Ge biti pesitivan, ali ne vide maksimalan, ti bit de manji od + 1 ‘ Ako medu yatijablama postoji potpuno neyationi odnos, to anati da 6e neko} | vrijednost X, koja je ienad ,, odgovarati kotespondentna vrijednost Y’, kola je Sspod yj lo upravo tlk Spd ty Elko je feat Xy. Toe pilazano ‘abl 124 5MIS4O 1 PRINGIP KORELACLIE 1 TABLICA 13.4 Tepitanici |X |? 1 7 7 2 6 9 3 5) 4 4 13 5 4 8 6 3 5 7 2) 7 8 1 19 U tom ée slutaju produkt 222) bitl wijek negativan (jer mnozimo plus s min som minus «plusom), ito meksimalno negativan (jer su korespondentne vrijednosti 12, jednalsh numeritkih vrijednosti), a korelacijaéeinnosit r ‘Ako eu korespondentne z-vrijednost! pretezno protivnog predznala, ali ne jed rake aumerigke vrijednost, r éo biti negativan, ali ne vise maksimalno negativan, tego Ge se Kxetatiizmedu 0 i 1 “Ako prema. tom postupku izratunamo korelaciju izmedu brzine rada i kolitine ctpadaka iz prije spomenutog primjera, dobit éemo ove rezultate: Brarada | Otpaci Radnik a | o% eat) @ @) 1 95 30. | 065 | -1,20| +0385 2 103 45 | 40220 | 40,77 | 40.2238 3 88 35 | “147 | 0,00} +0;8820 4 98 40 | -0}29 | +0108 | ~o, 0232 5 93 30. | ola | -1,20 | 141352 6 107 as | $076 | +077 | 405852 7 a 40 | 4159 | +008 | 40,1272 8 106 50_| oss | +145 | 40,0425 B=s00 E=31,5 B= 44,7107 Zaxzy _ 44,7107 N-1" 7 40,67 “ X=1005 ¥=3,98| 192 13. wonecacte 18.2, IZRACUNAVANJB KOEFICUENTA KORELACHE r ‘Takvo iacunavanje hoeficienta korelacie, io j logitkishvatjivo, bila bi vrlo rnaporno i dugotrajno u vim shiéajovima kada bi N bio vel, i kada asitmetieheste- line i standardne devijacije ne bi bile cijlt brojevi, pa bi trebalo minogo stepljenja {ipainje da se ispravno izvacunaju sve zvrijednost, Zato se hoeiijent korclacje fuacunavn razlcitin dtugim postupeina Koji su ragunsht jednostavaij i kradi Ti se postupei naoko desta medusobno razlikju (tj. formule su raziite), ali se oni — ‘hatavno— matematich sei mogu svesti na veé opisanu Togiku raeunanja, Prikazat éomo tev. "skraéeni postupak” 2a jzratunavanje koefiijenta r ia-ne- ‘srupiranih rezuleata (1, rezltata koji nisu grupirani w razred), Formula za izvacunavanje r glask: NEXY ~ (SX)EY) (exyNEy’ 3a) lave. (ey?) SXY = suma umnotaka pojedinih parova reoultata N = broj parova EX? j BY? = suma kvadviranih rozultata varjable X i variable ¥. ringer. Mjeredi visi i tezinw 12-godisnjh djeeaka u jeduo} zagrebatko ski obili smo rezuleate prikazane u tablet 135. (A = visina, Y = tedina); kolika je horelacija igmedu visine | tetine Kod ove grupe djece? Izratunavanje je provedeao table. 4 TABLICA 195 T2RACUNAVANJE KOEFICUENTA KORBLACUE r Tepitonie [_¥ Y * - x 1 | aos | asa | soso | toose | soo.e0 2 | wes | See | danas | iz | Ssene0 3 | seo | zs | ioowco | azz | Sosto0 4 Sa | aoist0 | 133235 | $5030 5 as | oma | iona | teem é 2? Tomo | taro : 2: mas | . sssi00 s 02 ai204 5 1163.38 w | iss e818 n | ao 1158.00 i | isto | 20 | tszoo0 | ‘suo | Sers00 | us | dss | 2172s | amiss | “S2a030 | asc | ass | raseoo 3650.20 3 | ies | 3s2 | doesn 5230.90 tw | wes | sox | ansenas | tse | s7rei0 i | 300 | 268 | team | ‘ret | 34000 | ts | ans | ose | sien | dsirzs | uss | a | atosas | ames | osuzs mo | wis | ss | aime | tsstaa | sso EN = 2814.0 96452.5 ven By 88.8 By =m 2.96 132 TRRACUNAVANTE FOSFICUENTA KORELACUE R 193 NEXY ~ (Ex)(EY) WEN? = (EXPINEY? — (77) 20. 93005,3— 2814-658,8 Tao B96 AGT, 5 — TSA OO B27. OSB] 740,86, Kako se vii, korelacja izmedu visine | tetine piltno je visoka, Ona je w mlacih Ijud vga nego kod stars, jer eu rmladi ual (relativna) proporcionalnije gradeni, ‘}-medu njima jo8 nema maogo debelih ud. bog reativno velikih brojeva raunanje ovog primjera dosta je mukotrpno. No koefijent korelatije r neée se niéta promijeniti ako varijabli Xi Y, ili objema ‘verjablama dodamo ii od njih oduzmemo nek konstantu. (To sljed! na vemelju toga sto geal standardna devijacja nekihrezultata neée promijeniti ako rezultatima dodamo nek konstantu; a vidjel smo da se osnovna logika koefcjenta korelacje © rasniva na standardno} devijaci,t. na z-veijednostima.) U nagem primjeru mogli bismo varjabli X (visi) oduzeti Konstantu 135, a varijabli Y (tezini) konstantu | 30, U tom slutaju dobilibismo rezultate prikazane u tablici 18.6 Ako ig veeultata tablice izraéunamo r, dobit emo: wexy -(2xyey) Kako ee vidi, dobili sino potpuno jednaki rezultat kao i prije Napomena Kada radimo razlitite statisticke ratune, pa makar th radii mote | pomo? diepnog elektronskog tatunala, znadu se (éesto!) dogouiti pogicsie v ratumu, aastale bilo omatkom psi mnctenju il eijeljenu, bilo pri prepi- ivanjubrojeva ill dragih razlogs. Stoga ta°une valja kontrolirati To presstavlja praitithi vastrult posao —naravoo pad pretpestavkom da Kkentrolom dobijemo tsi ealea:_ A ako dosyemo raziét rezultat isto se takoder testo dogadal), treba acon obaviti ponovo, . dotie dok ne dabijeme dva puta jednaki rezultat.194 12. wonetacta TABLICA 136 Neito skrageno izraéunasanje hoefiifenta korelacije r na esnovi podataha iz tablice 18.5. Sktagenje se sastoji w tome da smo od varijable V odbili 195, a od varijable ¥ 30 Tipanik a 2 r XY T ar rr 36 o 2 85 76 mas | srr. | ose 3 = “15 4 2235 3 4 2 ou 4 8336 | 188 5 1s 18 2.95 3m 27 6 -3 Pa ® 729 | -81 7 6 -35 36 1225 | 8 “3 02 9 oot | -o6 9 3 a4 9 1936 | 132 10 nis | 04 2028 016 18 a 2 4 4 8 8 2 3 -1 9 1 3 13 78 58 5625 | see | as 4 -3 -12 36 1 72 5 45 62 2025 | saua | 27.9 16 65 ot 4225 | asso | it a | -10 -31 | 100 set | at 18 25 03 6.25 0.08 0,75 19 as | 135 7225 | 156.25 | 106,25, 20 55 68 3025 | asa] ara 1d 388) i wit | ABS toga je horsno anati 2 neke postupke koji alatsouaja Kontroku ratuna. O nckry Eonsclama (pri ratunanju aritmetihesredine skragenim postupkor) bilo je ve govora. Pri radunanjuiocelaie ta} se postupak Lonzoesastoju tome dase table, uz pomot koje lradunavamo korlaclju,dodaju jot dva stp, | to stupel (V4) UGE YF — Dall, 2a one koji ele hontrlu obeviti ha ova nati, 0 So treba ub: u tablet 137, pikazana su dra dedatnastupea ievedena na ‘snovi podataka table 133. Kontrola se sastoji u tome de stupei EX + BY (vidi tabicu 13.5) moraja codgovarati stupeu B(\-¥'), airan SX?-+ 54 267, mora odgovarat stupeu r+, 3472,8, 306 462, 5 + 22112, 34 + 2(03.095,3) = 604 765,44. Dakle, na je ratun bio totan. 38 TESTIRANJE 2NACAINOSTI KOBFICUENTA RORELACTE? 195 TABLICA 137, “Kéntrolu raemanje horelacie r provodite tako da se stupeima tablice 13.5 dodaju jo8 dva stapea Tspitanik X F OX? 7 NY 0 ovom dijelu tablice vidi 1 podlatke w tablet 13.5! 2 3 4 5 6 7 25 760,25 5 27 955,84 9 31470,76, 10 2725801 uu 30976 2 27556 3 33508,59 rr 26503,84 15 3265249 16 3455881, 17 2617.61 18 2985984 19 36481 2 33233,29 34728 604 765.44 18.8. TESTIRANJE ZNACAJNOSTI KOEFICIIENTA KORELACUE r Da bismo ustanovil je li dobiveni koeficjent korelaclje rznaéajan (tj. raaikuje lise znaéajno od nule bez obzira na predanak), motemo iaratunat t, ito prema forma we) (13.3) U ovom slufaju (kod koeficijenta korelaci r) bro} stupnjeva slobode ratuna se: stupnjeet slobode = NV ~ 2. pri omy V anati bro) parova. Prema tome, na tablici -rijednosti etitemo graniéna vajednest t na 4eljeno) razini znacajnost. Ako smo odabralirazinu znatajsosti od 8%, graniéna vrijednost f uz 18 stupnjeva196 13) woReLAcia slobode iznosi 2,101. Buduél da je na8 dobiveni t znatno vet, zakljutujem da je ta korelacja statsti¢hi ena jna Testiranje znatajnosti horelacije mote se provesti i diugatije, 1). ofitavanjen s tablice Koja nam pokazuje koliko tora najmanje iancsiti r uz odvedeni bro} stupnjeva slobode (XV ~ 2) da bi bio 2na¢ajan na odredenoj razini znatajnosti. To je tablice D u Dodatiu, Tablica je “dvosmjerna”, tj. pokazuje graniena ¥rijednost ‘ber obzira na predansk. [Kako se iz tablice vidi, na razini znatajnosti od 5%, «uz 18 stupnjeva slobode (20-2), koeReijent korelaciier mora inositinajmanje 444, ana razini zaéajnost od 19 najmanje 0,561. Prema tome, na8r je Cak enagajan na razinj koja je manja od 1% (P< 0,01), Postanak te tablice mote se protumséiti vilo jednostavno, a on} Staoci koi su proutill pojmove distribucje aitmotikih srediaa uzoraka, ne bi tu vige smjeli imati tethota u razumijevanju: keda iemedu neke dvije populace podatala ne bi postojala nitakua povezanost (na primjer visinaIjudinjihovi rerultati na nelomn testu inteligencje), pa kada bismo i th dviju populacija po siutajuinvlail parove rezultata (za svakog tovjeka njegor podatak 0 vsini io njegovo) inteligencii), ito urorke velitine 8 (dakle uvjek po 8 parova), i svaki put nakon ivlatenja za Svaki ‘wzorak velitine 8 jzratunali koficijent r, dobili bismo — nakon vrlo velikog broja {akyihlevlatenja ~ simetiena ditto, pritaganu Bevo Hevatjom na sc “10-08-06 04 -0,2 00 402 404 406408 +10 Slike 18.8. Distebucia r Yooiijonte orelacije usoraka velitine 8 ‘parova, kada medu populaijama neme horelacie (heva krivuls),§ ‘ada medu populsijama posto korelacija od + 0,80, 184 12RACUNANAJE RORELACHIER NA ELIMI UZORCIA ‘Ta bi distribueja imala naravno svoju aritmetieku stedinu. koja bi odgovara- Ja pravol korelau izmeds obje varijable, dale O (nula). Kako se i alike vii, | ucajn bisto mogli dobiti korelacie koje ida sve do gotovo + Lill 1. Zato iz fablice D i tianno da Kod 6 stupujera sloborde (8 parota —2) koefcjent r treba ‘iti najmanje 0.707 (plus ii mins, scejedno), pa da bi bio statistic macajan ua sada of 3% ‘Sto bi veliciuauzorka bila veéa, ta disteibueija koreacija med uzorcima bivale bi navarno sve wom i uiom. Kada bi medu populacijama postojala korelacja, Aistibuciia kotelaciia uzoraka veligine 8 parove tila bi drugadij, | to dugadija za svc velicinm horelaije med popolacijama. Na slic 13.8. prikazana je desno Aistibucia korelacija kod uzovaka velicine § pavora, ako stvarna korelacja med populacijama iznost 0.80 134, IZRACUNAVANJE KORELACIE r NA VELIKIM UZORCIMA Ako je N veGi od 80, iatagunavanje koeficijenta Korelacije r prema ovom pos: tupkn postaje dugotrajno i naparno, te u tom siuéaju treba rezultate sazeti u razrede, Ido Sto smo to radii pri skraéenom ixaéunavanju aritmetitke sredine i ‘tandardne devijacje. Tako sadeti rezultati uncse se u tav. "tablcu s dva vlaza’ oj slut kao osnova dalinjeg taéunanja Postoji nokoliko raaltitih nating jzracunavanja korelaije grupieanih rezultata, ‘all oni naravno matematichi predstavljaju potpuno ekvivalentne postupke. Mi éemo protumatiti jedan moda neSto manje uobitajen natin, ai je on relativno jedns. ‘avan { ulijuduje veé paznate ratunske operacie. Prinjer. Kod 9941 iene izmjerena je tefina (u funtama) 1 opseg kukova (v intima) te je dobiveno 9941 tedina | isto toliko podataka 0 opsegu Kukova. Kad tetinu | opseg kukova podijelimo u razrede, te u "tablicu s dvostrukim wlazom" unesemo rezultate, dobivamo situaciju-prikazanu na tablici 13.8. | Kad je tablicaispunjena,registriramo frekvencju varijable X i rarjable ¥(f_ i ‘44) dalje izerfimo iste operacije hoje smo radili pri slregenom ieratunavanju arit- ieticke stedine | standardne devijacije: unesemo intervalne udaljenosti svakoga pojedinog tazveda od_provizorne aritmetithe sredine (dahle izratunavamo 2” 1 Vj. pomnotimo te udaienosti frekvencijama (/2' | fu’) | dobivene rezuleate pomnotimo s 2” ty! (f2" fy"), ‘Na jednak natin konstruiramo frebvencijedijegonatnih éelfja to uvijek tako da nam je smjer dijagonale od kuta gije obje varijable imaju niske veijednosti u ut gdje abje varijable imaju visoke vrijednost (Lada bi smjer bio suprotan, dob bismo koefcijent kotelace pagresnog predanakal. Tako, ne primjer, v diagonal © knja ide od razreda 170 v varijabli Y do raareda 42 ~ 43 u varijabli X itmamo _ samo 1 rezultat, u dijagonali 160 -+ 44 — 45 imamo frekvencje 1, 3, 3,9, dakle 16 rezulata, itd. Take dobivamo frekvencie po dijagonali (f.), koje dalle obradime Fa jednak natin ao | frekvencije vatijabli X i ¥, tj iratunamo @ foi fe (Na pomena. Kod d je svejedno u kojem éemo smjeru biljetti positivne, & u Irojem aegativne brojeve.) ‘Nakon toga iratunamo ove insaze (vidi tablieu!)198 1 wonetacua 138 HRACUNAVANIE RANG NORELACDE“RO" 9) 199 TABLICA 13.8 IZRACUNAVANJE KOEFICHENATA KORELACHIE r 12 GRUPIRANIH REZULTATA A= Stfy") ~ ea) sae eS yan) BE 2/2] 2/2 {3|3| 2|2/3|2| «|| | 3% 1 33 2) Esai)? 20. 933 20[ 10] 33s] sae ame o=syery- Bia 190. 8] si] 7alss[i4) x 203] 5] 01s) S075, “ 150) T]_1| 2]nefias|ar| 7] 1] sia) a) tase] 5028 A+B=C (as) 170] 1] 1) ii/20a] 81/10 418] 3] 1.254] 3762 (4B) os a a vet TL ls a oe | af ras 20 Pent vie, nde pein bl amo ov edt ro{ [sera Toro sono 130 29] 505/936/156[ 9 1.695 [=i |-1.695| 1.695 (A= 65537 — ‘9941 726,31 dobit emo » = 0.) Taj slutaj otto polazuje da wezan” ram jus sto je vezanih rangova vise,202 1. wonécacua 128 i2iACUNAVANIE RANG KORELACUE “RO* (9) 203 Napomena. Ako nema zajednithih rangova, 4 § ay su mule, j formula TABLICA 13.10. (13.7) se svodi a invon a bi se dabio p, dobivent iaraz © treba podieliti odgovarajuéim brojéen wah [Sobnet dla odo vt 5 x ® 1 1a ms 2 ui m0. 2 2 30 Biss B BS Soe aon u eid M Hoe 25 Si je naan jan ein rine oj ea ode arabe 5 Bre ee swipe aang It 37 8436 57 30856 x tang X ng VD Dt 18 389139 5832509 so b Sa 5 ita so? 304 i 2 8 wen iba fr ° a a i a He ph od. 3g 1 2 @ ita & lent Pegg 4 i 8 & faa % atest uM 4414190 64 43.680 =10 % & isis 8 Sra % 8 isas & Go 10 08 a 47 (17296, 67 50116 om & & ia S Bae Kaloo vido etree ie 0, o ~ ij ve upooeno— ie 5 00 &_ Sito len: Proved I eeu roma opsntom pony Sb Gao “A? aa varjablu X'=9 “a” za variablu ¥ = 2S Prema tome, vet u bro}tis formule 13. 7. dobivamo: 20-10 - 0-10 = 0, Mable raig-koreacia je 0. ‘Ako situacija nije toliko ekstremna lao u iznesenom primjeru, upotrebom for ‘mule s korekturom 2a zajedni¢he (vezane) rangove koeficjent rang-korelaije samo resto malo se smanjuje, pase prinjena korektie zapravo — nije ssplatla (jer male ttalikeu koefcjent, koji Je tonako dosta gruba aproksimacija stupnja pavezancsti, remaju prakiéne vijedsasti ‘Evo nekolie primjera Ro koeficijenta kenelacijas dosta veuanih rangova. Nave Stoga, kao sto je vet reteno, u takvim slucajevima primjenjujemo korektury u ratunu. Postoji nekoliko predlofenih natina korekture, no neki od njlhw pojedinim slutajevima dovode do apsurdnih rezultata, te sam odlutio prikazati jedan od th natina koji se int relativno najboljim (sigan je natin u nas predlozio i Krkovié v * ajternativaa formula za jratunavanje koeficjenta korelacje medu,rangovima”, " Revija za pstologiju", Vol 3, bx. 1~ 2, 1973, str. 31). Da bi se horektura mogla provesti, potrebno je najprije’ievesti nek preratunavenja za zejednitke rangove. Pretatunavanje e sastojiu tome da se za sve zajednitke ("vezane") rangove izratuna iarez "A", ke cake: 24 eee ‘deal su keficijenti ber horekture ts korekturom: pr Eemu & = bro) renultata veanih it rang. N____Brojvez.rangova Ro bez kor. __Ro sa korekt, Ako su np. 2 rezultata vezana u ist rang, A = 2(41)/12 = 0,5; ako su vezana_ 7 095 8 S rezultata, d= 3(9— 1)/12 =2, td, Posto sno lratunali sve 2a jednu | drugu 8 2 08s 037 ‘varjablu abrojimo sve A vrjednostjedne variable (ZA) isve A vaijednosti druge 3 24 ost 0.22 varjable 5.4), {zang-korelaiu iaratunamo prema formal 16 27 0876 0,868 MY spe 16 aT ois 0,108 = EDP BA - Bay 20 53 0.984 0,983 Korg, Ro = 8 aT & fea 7 (37 20 23 O78 0,608 = 20 210 0.876 0.867 [PO 24] [ 2a] a 2 ime east204 1s woneLactie Kako vidio, promjene su vtlo male, pogotovo kod vsolih hoefiljenata Kao fosiosna pravilo sie ovo: rvzika lamest Korigiranog i nekenigitanog keeficienta postaje to vega Sto si vale meddu rangovina jedne | druge variable vce, cle Eta je kerelncio nia, Rang:kotelaeja p nile zapravo nista dugo nego korclacia r primieniena na rringovel Evo dokzza Teanimo da su ava nastavaia ovako rangivali svoith 10 uéeni Rang genie __Lenastavnika 2 D D SO B 5 7 2 c 7 4 3 D 8 10 2 E 6 5 1 FE 1 2 1 G 10 8 2 n 4 6 2 1 a 1 1 J 9 a a ~ 8 = 1-017 = 0,8 ‘Kada bismno na tim istim rezultatima jaratunali koefcient horelacije m, debi bismo ova (tko ne vjeruje, neka provjri): EX=55; SY =55) SX¥ 2985, Ey 2395, SXY ‘Unesemo li te podatke u formula 18.2, dobivame: te (10-371) ~ (35-55) 685 Jd 385) ~ 5510-885) 357 5 Kako se vie, rezultat je jednak. ‘Alo imamo " vezanih” (zajednithih) rangova, dei ée do odvedenerazlie izmedu zezultata izra¢unatog uz pomoé formule ar i formule zap, tj. dobiveni r toeno ée fodgovarati reaultatu’ samo ako za izratunavanje p upotijebimo formuli (13.7) ti, formula za koripiranw cangc-kovelaciju. (Iz toga proizlaai koristan prakticni zakljuéak: ako raspolagete dtepnim kalkulatorom, koji izracunava r, ratunajte Pomc sen 1 Hvac, fr te doi» Ko eve krigran«abom na vezane rangove_ ‘No, vaauimlivo je da tako iratunani r nema ono isto snaéenje kao r iragunan, tna myerenim vrijednostima see intervalne ii emjerne shale (o interval i om jernim skalama bit. éerijei u posebnom poglalju)- Drugs wjetima, taka r je znatno manje precizan, pa ga 2ato | ne nazivamo rkoeicljentom, nego je dbio Grugo ime, ¢. rang-korelaclja, Dobio je ujedao i mnogo jednostavaiju formuli, _ fhora biti provedeno na ith natin u obje varjable: ako najuigem rezultatu w va- 34: TESTIBANJE 2ACLINOSTI RANG KORELACUE RO 208 Ioja, naravno,vi8e ne mora voditi raguna o relativnom polozaju pojedinog rezul- tare medu drugim rezultatima (daklé o 2 vrijednosthnekog rezultata), nego vod feta jedino o razliama medu rangovima ‘Upotreba formule 2a r na rangovnim vezultatima odgovarala bi donekle situaci us kojo} biste se nadli da ao iskusan vozae automobila sjednete za volan nekoga Uieeiee automobila na “autodrotnn” te se u voza}i ponogate vrlo precizno: pre tiscujeve mjenjae bizina (a on je u vorily samo ukras ine slug nitemu), precizno ckreéete volar (a ot miodda samo teagira na velike pokrete), dodajete 1 oduzimate gas" iako on miotda radi samo po principu "sve il nfta”) itd, dake ponasate cfc a oziljno vorite. Tako i Roefiljent korelaije r uzima w obzirBinese koje 4G fezultatima ne postoje,{stoge, neravno, u tom slugaju niti ne mote biti nista Drecinija mera povezanosti od jednostavae mere koeficljenta rang-korelacije. Pearsoiov koefieljent korelacijer — osim Sto pretpostavlja mjerene vijetinosti, ‘a ne rangove — pretpostavlja i sietriznostraspodjee obiju variabli (Eak, prema ‘ackim statietitarima, pretpostavlja normaina raspodjelu varijabli). Ako je neka od Taspodjela asimetrithe, koefcjent r (koji vodi tafuna o 2-vijednostima, a one finaje smisla samo kod manje-ige normalne raspodjele!) deo bi nam iskrvljene emulate u tim sluéajevima valja upotrjebiti koeicijent rang-korelaije. Ako tako tdinimo, onda, dakako, treba prethodno rengiratipostojece rezultate, i tek na ran- ovina favs agunanje, Rangiranje se mode provesti u bilo kojem smjeru, ‘abl Gamo reng 1, moramo i u varjbi Y rang 1 dati najisem reeltatu ‘Mo, naproti, cang']-dajemo najaiem rezultats, moramo to uEinitijednako u oie vanjobleNeprid:davanje tn pravila nee daduse delovati na vise koetc- fenta rangrkorlacje, ale famijenitt predznak, Sto nas mode navesti na potpuno ogreSan talljucakt Popo me no: Tea pak upogorii da ima (dogo rieki) situa, v to | ima Ro keshcjent korelaije ima prednost pred r koeicijentom! To je slutaj onda, ‘ko kod mjerensh rezultata.powajt neki veoma ekstreman rezultat. U jednom ai ‘gramu rasproenja (hater-dijagramu), reaulsati dviju varijabli mogu tvorti powrsinu foe acto upuctiie na negation korelaciju, ali ako se jedan. arto ekstreman rezul- ft nelazi na visokim vrjednostima varjable X | vatljable ¥, on mote” pretvoriti" F kovfcijent korelacije u — positioau povezanost! 13.6, ‘TESTIRANIB ZNACAJNOSTI RANG KORELACHE Ro ‘Buduei da rang-korelacija predstavlja samo aproksimeciju koeficjenta poveza- ost iemedu dvije variable, to neki statistitari smatraju da nema pravog smisla jatatunavati znatajnost rang-korelacije p. Ipak, ako NV nije velo mali (NW < 10), ‘matajnost range-korelaclje moze se izratunati prema formuli: Roy N=2 (ass) =F U natem primjeru iz tablice 13.9, dakle, dobivamo: 1s = 0,526) eapg = 2.28 Buduéi da kod p korelacije broj stupnjeva slobode ianosi NV — 2, iz ttablice uz06 se wonetAcua 13 stupnjeva slobode vidimo da na razint znaéajnosti od 5% graniéna vrjednost¢ fanosi 2.16, pa, pema tome, zljuéujemo da je naé p statisticki znacajan, ‘Kao i kod r korelacie, i kod rang-setelacije mozemno takoder iz tablice koliko najmanf anora biti p (uz odredeni das bio statisti znacajan (1. da bi se unatajno razlikovao od nue). Najmanje vijednosti kaeBcijenta tangkorclaije, 1p bio znatajan, oznacene su u tabi El'u Dodatku, pottebne da bi, wz odredeni Zuatajnost je navedeua ns tazini macajnosti od 5% 4 1%, ‘Nastanak tablice El relativao je lako protumacti. Zamislimo da je NV 1u esnovi (u populaeji) nema nilakve Korelacije izmedu dvije variable, ipak kod x ‘2 mdzemo pukim sluéajem dobiti ove kombinacije: Rang varijable X | Moguel rangovt oe variable Y 1 7 2 2 201 Ro korelac 4 Kako se vidi, kod IV = 2 wopée ne motemo dobiti p = 0, nego imamo 50% © snosti da temo slutajno dobiti p = +1, | takoder 80% vjerojatnosti da Ge g biti —1 Te toga proialai éap korelacija kod NV = 2 niposto ne moze biti statisttht 3, onda imamo 6 moguéih slutajnih kombinacja rangova. prema "zakonu permutacje’, yj 8-2-1 = 6, Tose, kako znamo (vid 8 polls), vier mnatajna. Ako je biljel ierazom 31 (a eita se "tri fatorje”). Evo th 6 moguénosti: Rang variable X ‘Moguéi rangovi varjable 1 oF 2 2 3 8 2 203 10 8 b 2 3 go? 3 1 2a Ro= 410 405 405 05-08 -1, ‘Kako se vidi, vjerojatnost da Ge rang-korelacija (ako medu populacijama nema "4 korelacije) slugoo biti + 1, iznosi 1/6, odnosno oko 16,7%. No kako mi 5 "dvosmjernim” tablicama, vjerojatnost da ée p koeficjent slutajno biti +1 i 20 =1 (dakle po velitin 1) je 2/6 i oko 33,3%. Tek kod N= 5 imamo 3! moguéih kombinacija, od hojth dvije satinjavaju Korelacju visine 1, pa mozemo ‘aula korelacja od 1 smatratistatisticki znatajnom na razini P < 0,05, 18.7, KENDALLOV KOEFICUENT RANG KORELACUE "Tau" (7) | Danas se mnogo upotrebljara jf jedan koeficijent rang korelaclie, th. Kenidallov Taw (x). Njegovo ivatunavanie nest je kompleksnije od izradunavanja Ro koefic- jenta, @ najednostavnije se provodi na natin koji emo opisati ‘Ako rangove varijable X 1 ispi8emo jedne sped érugih, ito tako da varijablt = last X poredame pravilno po rang, dobit éemo (pod pretpostavlimn da ge radi samo 0 ” pet rangova) recimo, ovaka rezulta: 127 KESBALLOY KOEPICUENT RANG NORELACUE “TAU"(r) 207 RangX: 1 2 3 Rong 1 4 3 otitat, Da hisma iznagunali rang korelaciju, potrebno je prethodno izraéunat ira S. fon se ratuinatako da se w varijablisvaki rang usporedisostalima, koji su desno fd njege, pa ako je ona) drugi vet, onda se upife +1, a ako je mani, cznaei se sa wy Ronivetao, nas pevi tang w varijabli je 1. Iduél rang je 4, pa stoga vpigemo ‘anak +1-Tza toga le rang 3, dakle opet +1, pa 5 (takoder +1), onatno rang 2 (£1), Nakon sto smo tako broj 1 usporedii sa svima ostalima, prelazimo na idvéi rang, tna broj 4 Kad ga usporedimo s idugim, tj s biojem 3, staljamo anak ~1 {jer Je manje od 4), kod usporedbe s 6 cenaka je +1, i kod usporedbe s 2 oznaka je Na rei je ang’, itd, te konaeno imamo ave podatke za inratunavanje i2raza & 2. Ako HOH WOH Do a 4 “1 =2 (apo men a: buduéi da imama usporedivanje svakog ranga sa svakim, pos- tofi N(N—1)/2 usporedbi, Sto w nagem slutaj iznosi 10.) Kada bi rang u varijabli ¥ bio potpuno pravilan, 1 kretao se (kao iu varijabk, X) od 1 do 5, onda bismo imali 10 pute oznaku +1, to znati da maksimalna vijednos $ ianosi N(N ~1)/2 ‘Kosficijent Tau je odnos izmedu nadene vijedaosti $i maksimalne vrijednosti S, dake: : Tou = (13.9) U nagem slutaju Tou dake iznost 2/10 = 0,2 ve viijednosti od “1 do +1, #t je potpuno logitno: kod jmalan, dakle N(N ~1)/2, ali negativan, a kod +1, ¢. ada je rang u varijabi Y identiean rangu u varijabli X, 5 je maksimalan i pozitivan ‘Kod vezanih (cajedni¢kih) rangova postupa se na jednak natin kao sto smo radili 1 kod Ro koeficjenta korelacf, yj. svi element istog range doblvaju jedan prosjeéni rang. Usporedba dvaju jednakih rangova u Y”varjabli donosirezultat 0, {ako postgje vezani rangovi u X vatijabli, to povlati za sobom vrijednost 0 za lorespondentne usporedbe rangova u varijabli Y. Evo dvaju primjera: @ x x 12 6 rein 2445 45 1 6 SDH 4-2 HH 41 Ld HO Ra HH a6 ) X15 15 3 5 5 5 ¥ 2 454516 4 OH 41-1 HoH GL 1 410-1 +1000 Formula 2a iaratunavanje Tau kod vezanih rangova nesto je drugadiia, i ona Taw (13:10)208 1 roéuacin pri Gemu Ty = 1/2 sume tate ~ 1), 8 Ty = 1/2 sume f(y ~ 1), 8 ty Lf ommakj ‘roj rezultata vezanih u jedan rang. (N'a p om en a: ako nema vezanih rangovs, otita je da se formula /13.10 / svodi na formu /13.9/). U prianjer (b) 2a varijablu Ximaino najprije 2 rezultata u vezanom rengu (1,5 11,5) rnalon toga 3 vezultata u vezanom rangu (5, 5,8) Dake: t /2 U varijabli ¥ imamo: 2 2 (2-1) +3 (9-1 Ty=12 2@-Y=1 Dalle Taw anos: 4 TERT TEETH Jarre” a 18.8, TESTIRANJE ZNACAJNOSTI KOEFICIJENTA KORELACUE Tau ‘Testirane meéagjnosti koecijenta Tou lako se provodi kod ratuna bee vezanih rangova, a natn je kompliciranije kd vecanih rangova 4 Ako je V veGi od 10, 1 ako nema vezanth rangova testiranje se provodi tako <3 da se rajpije testra stateicka enatajnost raza S. To se lavodl pomaca donje formule (Kojom se procienjue earjencadistibucie vzoreka iraza 8) Varijanca ANN 8) as "akon toga s aptoutoavllednost prethodno dobivenog.$ sman{ 2a | pod jel standardnom deujacjom S (dake korijenom formule 1.1): Is =) N= TONS) TB Kao sto ie naiva formule vidimo, radi seo jedno} s-vijednost, pa prema tome i ‘© normalngjvaspodjel Ie toga sled, ako je «vel od 1,96, smatrammo dae Tos § seatistitkl aaéajan na nivou anatajnést nifem od 5%, 2 ako je = vedi od 258, fonda je Teu znafajan na nivou nigem od 1%. U nagem prinjert ( dake ovu situa 2-1 1 Loos FERN Morais VO. ~ Tor = Korelacia nie dae statstilé znatana (Go login, jer na tako malom 1 relaija iznosi samo 0,2), i kod ovih 5 rezultata postojala maksimalna korelalja (Tau = +1), fonda bi — kako znamo— raz 5 bio maksimalan, ij. N(N ~1)/2, dakle 10, U tom. slugaju znatajnost bi bila: 4,08 = 2,20 pa bi takva Korelacia bila statisti¢hi znatajna na nivou od 5%. Ako pogledamo ‘Tablicu E u Dodatku, koja nam polazuje graniéne vrijednosti Ro koet. korea, 19 USPOREDBA ZZWEGU TAU 1 RO KOEFICUENATA 209 vidje éeino da kod IV = 5 Ro mora ianosii 1, da bi bio statistiehi znaéajan. Kod Tus imam dable jeinaku situaciju,8to jet logiéno. ‘Medutim, opisani postu provodi se kada je 1V vet! od 10, ana prvi primjer sastoji se samo od 5 rangova. Ako je N’ manji od 10, korste se tablice, koje su Ur razigtim Knjigama vazlititog oblika. Izmedu njih izabrali smo jena koja spada medi najjednostavnije| najrazumljvie, ito samo 2a slutajeve kada nema vezanih, fangova. To je tablica E2. (Za slucajeve vezanih rangovatablice su velke po opsegu, {nismo th ovdje navodili; titalac, koji je posebno zainteresiran 2a te tablice, mote iivnal u knjzi Harsbarger,T-R: Intioductory statistics: A decision map /vidiliter- tury) U tablici E2 u Dodathu navedene su granitne (Kritine) vrijednosti S (dakle ‘rojaika formule Tau koeRcijentaea uzarke velicine $ do 10. Ako je nas dobiveni S jednale ili veéi od onoga navedenog u cablici, Tou je statistik’ znatajan (na nivoe rnavedenam na vehu tablice) Primijenimo li ovu tablicw na nas prvi primjer «9 pet rangova (u kojem smo dabii Te = 0,2), vidimo da kod N = § za jednosmjeral ‘test mora biti najmanje 8 (a 2a dvosmjerni test 10), paiz toga proisazi da nas Tew nije statisi¢hi znatajan, ostalom, vee ia iskustva s Ro kocficijentom znamo da tako niska korelacija za tako malom weorky ne mode biti statistitkl znatajna. — Ako medutim postoje ‘yezanirangovi, izracunavanje agajnosti Tou koeficijenta anatna je kompliiranie U dilemi da iu ovaj udsbenik unijett | taj postupak, i ga izstavit.sama formule 1a testiranje znatajnosti kod veeanih rangova nametnula je odluku: formula je Sam (Ono ste nam jo nije pornato, to je podatak: koliko iznosi maksimalno slaganje (Snax). Ako posta potpune slaganje medu sucima, onda = muvt—N) Snax = ™T s pe prema tone W = Sars ~ Tz Sredimo itu formuly, dobivamo konaéau formulu za W -_ 128 E We ay (13.25) Iz toga slijed da kod potpunog slaganja sudaca (Kada je dake S = Sms) TW ianost 1 ‘U nase primera "stedai rang", ofekivan pod nil-hipotezom, iznosi 14 (taj se 3 bbroj moze dobitt | tako da se suma rangova podijeli bojem rangiranih elemenata, dakle 84/6 = 14). S= (20— 14)? + (12-149? + (814)? + (10-14)? + 12-1)? ++(22— 14)? = 160, 2s 12-160 _ 1920 ¥ = 8) ~ 3360 Koeficijent 1” ne mote biti negativnog predznaka, sto je logit i razumlive: ‘28 duoficw sudaca moguée je zamisiti da su u negativno} koreacii (ako imajy fuprotne rangove), ali vet 2a trojieu ili vige to nije moguée, nego se oni "vise it ‘manje sais: ako $e nilako ne slazu, W iznosi 0, a aka ge potpuno slagu, W je 1. “Znatajnost koeRcijenta W mote se otitati iz table F y Dodatl. U to} tablic ‘ijxnost Hjevo od erte sasvim su totne, a desno su aproksimativne, ali sasvim sm, 116 198 NEKI KOEFICHENTI RoRBLACUE ar zadovoliavajude za signifkantnost od 005. Veljednost IT treba da bude najinanje {go vaiednostw tablii da bismo ga mogh proglasitistaisticki zaeajnim. U hasem prinjers u tablict pod N= Gi m = 4 titamo 0.51, a kako jena dabiveni 1" vedi, smatraino ga statisticki maa jnim. ‘ako je 0 veei od 7, znaéajnost IT” moze se fevaCunstl i pomoeu hickvadeat testa (o tom testa vidi poginvli"Hickvadrat test"), | to ptema formal: hickvadeat = Sin = HIV, 8 N~ 1 stupnjeva slobode. Bko je bickvadrat znagajan, i 1 je natajan, 13.16. JOS NEKI KOEFICIJENTI KORELACIIE -F1 (9) hoeficjent. — Ako radimo s varijablama koje se rasporeduju u duijeotito odijeljene karaktevistike (npr. tivi-umtli, muskarch tenes) il Je karakteritike hemoguée izmjeriti, pa ih podijeimo u dvije skupine (dobri-oi),slusimo se tav. 6 (Cita fi) koefcijentom korelacje, koji jeu Cerstoj ved izratunavanjem hickvadcat testa, pa demo gx zato samo ukratko spomenut, jer se koefcjent ¢ moze izravno ieratunati iz x! prema formull: (13.28) Pretpostavimo da ispitujemo problem, postoji li i Kola je zavisnost iamedu braenog stanja i intelekeyalne defektnosti tod muSkaraca i da dobijemo ove rezul- tate — Tm | ea] a sono Seal | aie | me |g stanie “Nectenjeni | 95. rom Rak a rimmjenom formule (13.21), pri €omu izratunati x* (hex korekture) iznosi 7,1, obit bismos Koeficijent korelacje F¥ motemo is ove tablice fzraéunat i prema formu: ad—be Fis - 1327 erie +aer aera (sen ‘Uvistimo li vrednosti ia tabliceu formulu (13.27), dobivamo: 13542 — 7980 5502 582 _ 6 sano, Vis5- 206° 06- Tit ~ A Fa5 Gra aw ~ 2375 ~°”28 1s 'wonetacua Znatajnost kof anngajan (Vid test. pogl. 11). 21a fatunati prema formu: sata 6 mote se wstanovti fz ruagnjnosti x2: ako je x? aint 1d. y°, $e 2 koefilienta 6 mode e (13.28) 1 uasom shugaju y# = 422-0,0172 = 7.086. "Fi koeficient izveden je zapravo fe forte 20 > koefcient koveacife, samo #19 utom slugaju tezultal satljable Nt sajable Y anoga poprimit sano dij vrijed host sasein pinsjern “ozenjeni" ~"weozenjent” Ili" nottaa” — “itelektualno ‘efekeni", a tn vrijednostima daju se nmerithe onnake, npr 0 1 Fi koefitent nioze post vrijednast +1 ii ~1 sano u nekim slutajevimas +1 moze postii samo ako total (a+b) adgovaraju totalima (ate), a ~1 samo ako je (a+b) jednako kao i (b+). ‘Koefcijent kontingencije. Ako w jel ilu obje varijable umaino vie razteda, mozemo korelaiju izvacunati s pomotu tz. keficiienta kontingeneije C, Koji se, Jeednako kao 1 @ ade ieracunat iz x2, | to prema formu (13.29) Primjer. Zanima nas u kakvo} je korla niihovih ofeva ina 1000 mjereia dobijemo ove rezultate Boja oti oteva ‘Masli- oda | sve | MST siete | vison Boja ~Niedra wl ae a cy Siva sip a [ae Sina TMasinasie [2] [ss [8 Sia 3 [ 36 | as [00 [2a Thane aes [oa [ veo] 198" [000 Buduéi da x? otadunat iz ovog primjera (vidh str, 263) ienosi 205,54, to nat oetiien_fontingencje C ienasi ~ prema fornia (18.29) — C /965, 354] 265,654 = 0,16. Ako je x? znatajan, znatajan ji koefiijent kontin- ile C. " 3 Fprednost koefcjenta C je U tome sto on ne zahtijeva simetriénu raspodjely varijabli, koje su 0 medusobnoj horelacj. Njegov je nedostatak sto maksimaina ‘rilednost C ovis broju Kategoria (Eelija) u abliel i Sto ne moze praktithi dosedi | Visi od 1, pa tato ne sino da se ne moze lzravno usporediti s koeficjentom orelacije »neuo tesko usporedje pojedine vrijednosti C, ako su-dobivene iz) sarligitog broje kategoria . “Zhog, toga su svojedobmo statistigar ieradli metode, Kojima se mogao torigiratt 0.4), pibligt smishe koeRijenta, no ta je bor oktura vida samo en Loadratiene tablice (dalle 2-2, 8.3 sh) No danas se koeficient C uglavnom napusta { umiesto ujege statistigal sve vise upoteebliavaju Cramerov koefetent, koji je w Hteraturl pozvat pod nazivom 17 KORELACUA 2MEDU NOMINALNE I ORDINALNE VARULABLE 209 Gramerov Fi Taj se hoofcijent takoder ieratunava iz hi-kvadrata, {to pomotu formule ao 13.30) Crameroe Fi) = Yay pri emu s zunéi manjibroj stupaca ili redove: ako se tad o 32 ablil kontingencile, F= 2, kod 4.6 tablice # = 4, itd. (Ako je tabica simetviena, t. "kvadratiena’, npr 8-3, sje naravuo 3.) ‘NaS print primer bojeotiju otaca | sinova rij iseno dakle ovako: 555A - Tay ~ VO OSESTS Dake, dosta je ni od hoeficijenta C. ‘Ako tadimo ¢ 2:2 tablicama Cramerov FY avodi se na klasi¢ni FY (Jer s~ 1 u nazivniks. ftmle iznost 1). Za raaliku od Fi, Oramerou Fi ne mote se u potpunosti svesti na r-koefcjent, pa se 2bog toga ne mote nit interpretirat jednals bao +. No zbog einjenice da ‘ote imati sve vrijednosti izmedu 0 | 1 (all ne mode biti negativan, ake ga ie Interpretiiati od koefejenta C. Cramerov Fi 30 18.17. KORELACIJA IZMEDU NOMINALNE I ORDINALNE ‘VARIJABLE, Posto ilo malo statistickih postupeka kojima se mote izratunavati povezanost - iamedu jetne dihotomne nominaine varijable (opr. "muskarei" — "zene") i jedne ordinalne variable (npr. nekog ranga) ‘Tako bi, na primer, mogli nekim testiranjem muskaraca i Zena prouéavati pos- + toji iw uspjehu u testu razliia medu spolovima. Pretpostavimo li da smo eka ‘azliku isl, i frtest it neki drug test nazz je pokazao da Je razlika statisticki snatajna, sada nas dalako mote zanimati kolika je poveranost lamedu te dvije variable: "spol" { "uspjeh « testu’. Drugim tijetima, cim nademo da je razlka fzmedu obje skupine ispitanika statistithi natajza, znati da nse svejedno pripada | Tineka testirana osoba jedno} ii drugos skupini; @ ako to nije svejetno, enati da postoji povezanastizmed spola i uspjeha w test. ‘Tu korelaciju, motemo izratunati uglavnom samo na dva natina, | to Kendallovim Tay koeficjentom i Freemanovim Tete koeficijentom. Kendallov Tau. 2a ovu svvhu korst se formula za vezane vangove (13.10) Exo primjera: Pretpostavimo da skupina od ukwpno 25 musaraca i Zena (10 m 115-2) postigne u wekom testu ovaj rang uspjesnosti: Rag (X) 12 9 4 9 6 7 8 9 WH 2 Bu spol (Vy) 2 2 2 2 2 2 FoF Fae mee 15 1G 17 18 19 20 21 22 23 rm 25 Pome mom mm a mm "Prosjcéni” rang u vatijabli "spol" ratuna se tako da se abroje pri i zadnji rang, #o bi ta kategonije zauziala kada bi veultat obj kategorija230 1 woRELAcua fodvojen i rezultat podijli sa 2. Buduei da imamo 15 dena, kod Zena bi to dakle bilo (1 + 15}/2 = 8, a kod muskaraca (16.4 25/2) = 20,5. (Napomena: potpuno je svejedno koyy geupo éemo rangizati prvu: mogli smo muskarcima dati prosjeéni tang (1 + 10)/2. denamia (11 + 25)/2; krelac 6 bila jednaka, samo obmutog predenakal), Prema tome, sida — sko postupamo lao Sto se postupa kod Thau korelaije ~ Jimamo ove situaciju; X12 3 45 67 8 9 uN Ps ys 8 § § § 8 8 8 8 § 8 HSB B 15 16 17 18 19 20 2. 2 23 24 2 8 25 8 205 205 205 205 205 205 205 205 akon toga demo prema vet opisanom postupku iratunai S: 0410+ 10 10+ 104 10-+10-+ 10 10 10+ 10~4-+9% 4920-148+0= 40 UUpotrijebit emo formulu (1810) za ieratunavanje Ta: uo VIRB TAB =H - Ty (ru varijabli X nemamo vezanth rangova), a7; je 1/2(15-14)+ 4+1/2(10°9) = 105+45 = 150. Uvrstimo li te vijednost!u formu, dobivame: 140 149 Tou = epg a00 = Tay ~ Hia, 13 = [Evo sada Kontole toga ratuna, a ujedno i dokaza da je svejedno kojim redo Jedom grupe rangitamo: prosjetni rang mufkaraca je (I + 10)/2 = 5.5; projet rang dena je (11 + 25)/2= 18 Tat Xi. 23 45 67 8 9Hun RB HB ¥18 18 WB 18 18 18 18 18 BW ig 18 5518 18 18 16 17 18 19 20 2 2 23 2% 25 5518 55 5F 55 55 55 55 38 55 = -10~ 10-10-10 - 10-10-10 10~ 10-10 - 10+ 49-99 1-8 +0=—140. Kako vidimo $ je jednak, samo je protivnog predznala, A pradenaku ovorn aunt jonako nema nilalevog znaéenja, Korelacija je dalle dosta viola, Freemanov koefcijent Teta (Q). Postutimo se istim primjerom od malo pile, 1y,reaultatima 10 muslaraca 115 2ena u jednom testu. Postupak Freemanova testa relativng je jodnostavan, i iagleda oval: X123 45 67 8 9 tO Du I5 16 Yat batt t tere meee m 17 18 19 20 21 22 23 24 25 127 KORELACIA 1ZMECU NOMINALNE | ORDINALNE YARIIABGE 231 Sada éemo usporediti rang svakog pripadnila jedne od grupa (recimo Zena) s rangovima svih pripaduika druge grupe. Ako zapotnemo s prvom Zenom (rang 1) vidimo da je 10 muskaraca po rangu ispod nje (tong 12, 16, 1 18-25), a aljedan, rmuskarae sem visi rang, Rezultat 2a tu Zenu je dakle 10 "ispod”, O "izaad”- Taj postupak nastavit éemo s idugom 2enom (10 *ispod". 0 "iznad”), txeéom Zenon (10 “ispod” 0 "iznad”) ite sve do'ranga 11. Zene u rangu 12 nemamo, te prelazimo ha ratg 13,1 tu imamo 9 "ipod", 1 "iznad” itd. [Kada zbrojimo sve rezultate "ispod” i sve "iznad, dobivamo: Ukupno "iznad” 30 #104 10+ 10-4 10 + 104 10+ 10+ 10+ 10, $104 9404948 = 15, Ukupno “spod": 1+ 1+142=5 Buciuéi da nam brojaik formule (18.31) govori da treba uzet apsolutnu razliku med brojevima (ne voded! ratuna o predznaku),razlka izmedu 145 15 je 140. ‘Kao sto vidimo, dobli smo nara poznati raz $ iz Kendallova koefiijenta Tow (samo ponesto diugatijom logikom obrade rerutata). Ao su race podielimo ulm bojem usporebi, dobivamo formula hoe clienta, Teta lukupno "ispod” ~ ulupno "ianad"| me ukupni Bro} usporedbi css To neat 9 = 0,99. Napomé'n a: relat 8 naravao bio ednak da smo zapotell od druge stop of atupne mutlacn ako ta} relat Interpretirati? Ne mo¥emo ga intepretivatianalognohoefci- Jentu korlace,veé ora u 93 posto unporedb Zens lpitanie posi eu bol ‘uspjeh od mutkih ispitanika. * * ‘Yatn je hostatirati dase rezultat,dobveni metodom Kendallova Tew i Free- smanova Teta snatajno raitju dosnt u prvom slveaj dobll koe. hreagje O46, sada imamo 093 (pa ga toga | niko drugaieinterpratramo) Razliae vei, ai nek drugiatun,soth Je autor ovog testa iaveo,pokazujy da ta da postupla daje trojan anatno casite esltate, as whore Jeno, ae w koristdragey taraca! Ta tinjenica, koko god bila rbunjujuca, dowel $6 2a nepfofesionalnogstattitara moda wena: ona pokanuje da fak tu podratjy nj laika iagleda tevaredno egzakino, postaje Jt tvjekpostupe, kof — ako je logita obrade kod svokog of nih privat {opretdana —ipak mogu dati ‘anatajo relite reat (ima job | vatniih torekih podrugj state ‘oj se statisticarine slaty, | dsta se raza predlodenim posupeln) ‘Alo su nem rezltati grupicenl rasrede,t} ako u varijal range namo acl vezanih tangova, dalle po nekolito sitajeveu str rangu, formule fe rages (alt one vrei sa sidajove hada nema veenihrongor tas Teta = eho epee —euvpne ened] (13.32) Primjer: 8 uteri i 8 venice nepsal fu 20a ie matemait, i dstribuio axjenalegledala je ovak OcJENE, p43 21 Ueenict oiia24 Userice 21203232 43 wonetacua Postupak trazenja ulupno "ispod” i ukupno “iznad” bit ée jednak kao i u proslom primjeru, samo éemo dabivene podatke morati jo mnotit sfrekvencijom Uwasvakom "razredu", 1). kod svake ocjene. Utinimo tos podacima naseg'primiera, polazei, recimo, od utenila: Ukupmo ispod Za ocjenu 5 0 (nema uni paocjentd (2+): 1=5 (5 ubeni zaorjem3 3-1 su slabije od 2 uéenikas ocjenoin2) een 2-3-2 = 6 (3 ucent Ukupno “ispod! Ukupno iznad voces 2-1=2 roc 3 (142)-1 zaodeni 2 — (24142)-2 aeocjemul —— (24142)-4 ‘Ukupno "ianad” = 85 jukupno "ispod” — ukupno "iznad"| _ [14 ~ 35] MMe a8 1/04 = 0,33. Teta = Teta Inspekeijatablice pokazuje da utenice tendiraju boljim ocjenama u toj zadati ale boljy ocjenu, nego Sto su imale fod uenika, t- da su one w 33% slutajew Tosiju orjeni ‘Primijenimo li formuly 18,32 na na8 prvi primjer, dobivamo: N apo mena: Ako je nekom titaocu motda upalo u oti da smo kod druge {formule (13.32) postupil prividno drugaelje, nego kod prve (13.31) ¥. dok je brojnik. ww maloprijasnjem primjeru bio 14 ~ 35, nazivnik mje glsio 14 + 35 (=49) kao ut ptvom primjers, onda valja kazati ovo: w formu (13.32) brojnik se w svakom. slugaju moze faragunati kao | kod formule (18.31), jer to Je stvarno frekvencia, rezultata koji su "ianad” i "spod” liu nazivaiku v kojem treba u ‘usporedhi,jednostavnim zirajanjem "iansd” | "ispod” bro} usporedbi, 1. ave one, gdje u obje skupine isptanika rezultati padaju u istu kategoriju: to su jedna usporedba kod ocjene 4 (edan uteik s jednom uéenicom), dije usporedbe Kod ocjene 8 (jedan utenik s dvije uteaice) i doanaest usporedbi kod ocjene 5 (4 utenika s 3 uéenice), dakle ukupno 15 usporedbi. A 49 + 15 = 64, dakle tofno toliko koiko smo debill| mnotenjem broja uéenila s brojem utenica: 3-864 ‘Ako se radi oizboru iamedu Tau i Teta, dni sedaipak treba prefer ppovesanosti Teta daje ofskivani vezultat, tj 1, bez obzira na veligima uzorala, ‘Naprotiv, Touse smanjuje to je uzorak vet Ca do oko 0,70). a najvisa vrijednost. sukupan bro) 4 smo izostavill adreden! supotiebu: Freemanava Teta. Usporedbe iamedu ta’dva pestupka pokazuju ovo: kod potpune 6 RAZLIKAr2MEOU DvA SOEFICLIENTA KORELACHIE R 233 (0182).postignuta je tod N =. A kod niakve povezanosti oba su natina jednako {oa Kod mali wzciaka vezultet je vio ishtivijen tek kod velikih u2oraka rezultat se priblizava nui (Kolko bi zapravo moralo bit) 18.18. RAZLIKA IZMEDU DVA KOEFICIJENTA KORELACHE Katkada nis mote znimat sath te dv hoofijena hotlist anacajno Na primjer, ako kovelacn tea visio | tego kod 20 dvanacoto odin djeaia (sdk pier na str 102 anos! + D80, a kod 40 cute tmisltaca koveaclja famed visine#tefine ~-+ 0, move nas zane hi {a rstlita tite naa, jr tek ao onn to et, momo poktat! anlar use to ah “esianje znatanoiti rahe inmedu dva koeclenta koelacije r relativo je jednostarno | iv se aber 1 Najpie treba obs KoeSientakorelacje retort kreapondentne vijed- sot koje pothovn atoru fA. Fishern ~nasivamo Fiherove ss Ye test. Dstlvacja uzoraa hoecenta nije mime, normalna neo astra distribucf, pretaranjrn 2, vejednost, ons poste pibzne nomslnn, Ie tablice Gu Docatks motemo oftat da koeSijerts korelaije mn — 0,86 odgorara = 1208, hoeficjenta ry = 081 odgovara 2 = 0368 2, Standavina pogesta t viednost je, ako sekosmo, pine normslno distsbuirana toma se ata prema formll 1 was 0339) rama tome, sandarday poy aie amet obje x, vedo ixtunat 30 prema vet dobro poratom princpty ona fe drug kon is sbrofe ois Sadeanih standard popes net ©: ona. das erie x sbrofs bi /a,2, ass) 7 = Re (13.5) U nasem slueaju dobivamo: Tr Sayony = apt Fy = 023. 3. Podifelimo Ii raaliku izmedu z, i $a standardnom pogreskom te razike dobivarno: fas 1,209 0,563 Ji = IIH Oae A ‘Taj renultat interpretiramo jednako kao Sto smo interpretialijrazlike medu aritmetihim sredinama: buduéi da je ¢veéi od 1,96, mozemo smatrati da je ranlika iinnedu oba koeficjenta korelacije statisticki znatajna. Tek kd emo to deknzali, ‘motemo pokusat cu razliku interpretiat. Znatajno veéu korelacju iamed tedine i vsine mozemo kod djece — 2a razliku od odraslih —naei zat sto su djeca vedinom sradena proporcionalnif, pa jeu velikom broju slugajevadijete hoje je vse, ujedno Teete. Naprotiv, Kod odraslh je proporcionalnost tijela znatno rjeda (jee nalezimo ‘Ei broj debe judi), pa je zbog toga i korelacja manja234 1 worevacua ‘Medutim, ako mjerimo istu grup ispitanika i dobijemo dvierazlicte korelacije, pa delimo testiratireaikuju lise one zaéajno, postupak: je drugati ‘Na primer, ustanovil smo na skupini od 100 ipitanika da je katelacij izmedu uuspjeli u jeenom dugaekom tesko primjeujivom testu X i uspjeha u 2vanju Z re "+ 0,36, dake je od tik ith 100 ispitanika korelacijaiamedu uspjeiaw jednom Iuatkom i jednostarnom testu Yi uspjeha w istom 2vanju Z rye = + O43. Kad 1 testov! bil ednalo lako primienjvi, naravno da bi se odlutili'2a prvl test, bez ‘briana to je i raalika u korelacii matajna. Ali w ovojsituacji sklon smo da se ‘odlutimo za prvi kompliciraniji test jedino ako Je njegova korelacijas uspjehom 2vanju statisti znatajno veéa od korelacije drugog testa. ‘2a ovaj ratun potrebno je mati i koreleijuizmedu oba testa, Usmimo da ona, tenesi tay = 4,82. ‘Testiranje tnacajnosti raalike medu korelacljama wu ovim se sluéajevima iaragunava oval [- (N= 3)(1 + tay) = nope om Rattray 80 ‘Vavestimo li nade vrijedaosti uv ovu formal, dobivamo: 37-152 (056-049) 2070, BrOE= 0,BIS6 — 6, 18505 1,04 0,56-0,55) 0,13 158,10 = 1,61, (Ovaj t ima txaspodjelu s NV ~3 stupnja slobode. Granitna vrijednost ¢ za 97 stupnieva slobode iznsi oko 1,99. Buduei da je nas dobiveni ¢ mani, zakljuéujemo dane motemo rani izmedu lorelacija testova XY i uspjeha uavanju Z smatrati slatisti¢hl znagajnom, ZADACI ZA VIEZBU 1. Teratunajte + Kooicijont korelacije 2a rezultate tz, tablice 13.1 Provedite kontrolu ratuna stupeima (X —¥) i (X —¥ 2. 20 studenata testirano je jednim testom znenja i jednim testoin ver- balnog faktora; dobivent su ovirezultat: Verb Tet Verb Stud. test | Stud. ananja test wo wo) ) x | Ko B wo] Le c wl Mw D ul xX 8 5 | 0 - 30 Fr a] P65 G | R35 H 2] s 6 1 a» | Tt 49 3 ce Izratunajte r korelacju lamedu ova va niza podataka, 1248 RAZLIKA I2UEDU OVA KOBFICUENTA KORELACHE R 235 3. Kod 25 kosarkata usporeden je broj koseva hoje su dali, s brojem Prekraja (osobnih gresaka"), koje je svaki od nih imac, Tgiaé Bro} Bro) [grat Bro) Bro) |grat Bro) Broj ofeva_ pele boseva_ptekr’. oseva_prekrs yo of 2 «| o w 2 0 o | 3 0 | a 2% 3 0 1 fu 6 6 |i 4% 2 40 1 fa 7 3 | we oF 5 1 of 9 9 | 3 2 6 2 0 |W as 9 | 5 8 7 2 1 | a 7 | wm 5 8 2 3 |e a 5 fle 2758 t Prilatite ove rezultate graithi (na apscisu stavite broj koseva) i Fnratunajte r koefcjen 4. U fednoj skupini od 10 radika ipitano je upitaikm njthovo zado- voljsvo na poslu | stupan) informiranosti, Dobives! su ovi rezultat: Radnik __Zadovoljstvo__Informirancst 1 % 6 2 a 37 3 40 5 4 36 2 5 4 37 6 3 32 1 2 30 3 a 19 a 18 6 10 Ww 1 Intatunajte 28 ove podathe r kocicnt i p koefiijent. 5. Tetatunajte rang-korelacju iz podataka iz taice 13.5 6,.NaJednoj skupin skolske djece korelacija izmedu dobi i tetne anosila jer = 0,80, zmedu dobi reaultata u jednom aritmeti¢kom tesbs.0,60, iamedu tedine | rezultata u testu 0,50. Kolika je korelacja lzmed tesine i rezultata vu testu ako iskljutimo utjecaj godina? 7..U jednom turstikom mjestu r-korelacija iemedu broja turista i ‘blitine prodanih vruéih cokoladaih napitaka iznosla je ~ 0,80. Ke- relacija izmedu prodanih kolitina ¢okoladaih napitaka | okolne tem perature iznsila je ~ 0,70, a izmedu broja tursta i temperature + 0,80, Kolika je stvarna korelacia izmedu broja turista i kolitine pro- danih vr Gokoladih naptal, pod wjetom honstantne temper236 10. nL Jecinom iepitu korelacijafamedu bodova i nekog testa ianosila je 0,30. Korelacija izmedu bodova | jednoga drugog testa bila Je 0,00. ‘Medusobna kovelacija amedu oba testa bila je 0.40. Kolika je multipla korelacia izmedu oba testa zajedno i bodova na ispitu? eset radnika rangirano je prema ovith lvterjima: manljivost (M), produktivnost (P). toenost ws radu (T), disciplinianast (D) i odnos Prema drugovima (0). Dobiveni su oxi rangovi: Radnici MPT DO A 21294 Bo13122 co 34413 Do 55551 B 42676 Fore 34a7 G 66865 HO 8 7.7 89 I 9010 9 8 30 9 9 100 Kolito je slagange izmedu ovih § kriterja? ‘Skupina od 20 studenata rjefavala je najprije test enanja iz statist, ‘a nakon toga Je svaki polagao usment ispit. Na tom Ispitu maogi su pali, Dole su navedeni za svakog studenta rezultatiu test | rezultat Ispita: 1 = protao, 0 = pao. Izratunajte point-biserijalny korelaclju lamedu ove dvije variable ‘Stud. ‘Test Tepit|[ Stud. Test pit [Stud. Test _Tspit 1 so 1f @# oft 1 2 w% of sm oft 2 o 3 ar o | w 6 afar ao * @ 1] na oo} as o 5 4 1{ 24 0] 9 % 0 6 4 of] 13°38 of m 4 0 7 9 of us oO U poplaviju 9.9. rastumatena je "metoda dlferenclie", ti, testiranje znatajnosti raalike izmedu dvijeavitmetitke sredine kod malih tavis- ah uzoraka. Kao primjer uzeti su vezultati za bazalni metabolizam 18 ispitanika prije | nakon uzimanja fenamina. Kerelaijaizmedu pr- voga i drugoga mjerenja bazalnog metabolizma iznosi r = +0,69, Tara¢unajte uz pomoe standardne métode, tj. wz pomot formule 9.7, vorle! brigu o tome da su to mali waore(eajednitha standardna de: jaca) znnéajnostrazlike uz pomot ttesta, IOAN YA SIONS VARIABLE U DRUGU EUR Ores Us 141. PRAVAC REGRESUE, Kade jdnom znamo da famed dvi pojava posto} koreacja, to u prakst ‘mote velo mnogo hoist. Na primjer, kaa Je Jeo ustanovlleno da postaj (aegativna) povezanostiamedy koléine foray pitko vod 1 "pokrarenit” 2ubi od deco, t: da je bro} Jaijesa to many, sto je veéa koncentreis fora vor, to fe dovelo (kal fe provjereno da medu vavijablama stvarno postojiwzoéna vez!) do dodaranja flour ptho} vod u gredskim vodovodina 'No, sta nije dovljnoznat samo toda korelacia postoi, sola je, ve telimo in podatata jedue variable zakijuiti koji jojrerultat navjerojetnie odgovaro Aougoj vanijabl temo da iz podatala jedne varjebe prognosiamo reulat x rage varia. Na primer, ako zaamo da lzmed visi tetine posto Kreacja ‘fredenog stupnja,zanima nas koja je narjerojatija tetina Eovela, koi J, prim jerce, isle 180 em; il, ako znamo stupanj povezanest izmedu loli prljtnth lisa kolitine jeenske Zatve, mote nas zanimati prognoza o tome Saka ce bit dewva neke godine sobsiom na tegstrrany holitiny oborna u proj ‘Ako je povezaiost maksimalna (+ 1 ii~ 1) onda nema problema, ¥j. kore spondenins eriednost zvisne variable (V7) iaratunatéemo ber ttiogs in ueke ‘ijednosti nezaviene variable (1) ‘Prinjer. Znamo da je dpseg kruga 21. Dakle,opsng lauge, kojemu polumjer Jnnosi § em, bit ée 2-5-3, 14 = 31,4, Ako je odes wed | linearan (a opsegu kruga je tao), onda se kako mame ~ sve vijednosti ob varijala nalaze na aver od kojeg nema nitakvih odstupan. ‘Xa primjer, u spomenuton prjer opsegom lruga 2a ov § polunjera Imam ve opsege: 1 6,28. 6; 2 3 4 é238 14 PRogNo2A 12 JEDNE VARUIABLE U DRUGY Kako se vidi, linea nom porastu polumjera odgovara linear porat opsega koji neprestano raste 2a isty vtijeduost, fj. za 2, i 6.28, Exo jo jeuog primera Mjeseene zarade petorice ud prikazane su u vanijabli variabli 3 a godignje zarade u Nijesetia varada Shutbenit (uw sek arbiter Godin 4 2 u B 2: n g 2.50 30 2 3 36 E ‘ x ‘Ako odnos izmedu abiju varljabli prikazamo grafcki,dobivamo rezultat prikazan na slit 14.1 GODISNIA, ZARADA © 30) 30 10 1 2 3 4 5 MIESECNA ZARADA ‘Slika 14.1, Odnos med mijesetue | godije zarade petrice sudbenika 144 PRAVAC REGRESUE 239 Buduéi da godisnja zarada tinosi dvangese puta iznos mjesetnih. zarada, odin 2arada mozemo jednostecno i2vazit kao YerX. ‘ueki novi sluzbenik, s mjeseénom zaradom od 2,75, imao bi godisnje YV212 2,75=33 primers opeegom ka takoder bismo mogli prikazatianalognom jed- koja bi glasila Prema ton Y= 0,284. Ovi ianeceni rerultati dadu se - kako smo vidjeli na slick 14.1. — grafiei prikazats praveen, kome je shodiste u X'= 01 Y =D (jer aloe mjeseena zarada Oi godisnja je zara 0 ill ako je polumjer 0 i opseg kruga je 0) ‘Medutim, ako svaki od spomenutih 5 sluzbenika dobiva godignje nagradu, koja je za sve nh jednaka, | anosi 3 jedinice, onda tu vajednost od 3 treba pribrojiti svakoj godisnjoj plat, pa éemo tako dobiti forimul 3.412%, ilu simbolima: +Ox, 4a) a toe wjedno i "jednadita pravca regesie",u kofo} su ab konstante: @ oanatvje odgjedak na osi Y', a B oznatuje nagib pravea. Nagib pravca je porast (ili pad) w vatijabli ¥ za proinjenu varijable X za Jednu jedinicu. ft, neBto egzaktnije, nagib vertlalna udalienost _¥4—Yi orizontalna udaljenost ~ Xs —%y U nasem primjeru s plaéom nagib pravea je 12, ij. 2a porast mjeseéne plate za 1 (borizontalna udaljenost) godiénja plaée poraste 12 th ist jedinica, prema tome, jmamo irae 12/1 = 12, A u sluéaju s opsegom kruga, nagi je 6.28, jet 2a porast ppolumjere od 1 opseg raste za 6.28, otetnike (pa i naprednije!) u statistic obiéno zbunjuje nazi ovog pravea, t) nije bes posve jasno zadto se taj pravac Cesto tajanstveno naziva pravac reyresie Uzzok tome je medutim yrlo banalan: veé smo spomenuli da se Galton bavio pi- tnjom odnosa izmedu vsine otsca i sinova, i da je time postao zapravo zatetaik Pilkom svojih istradivanja Galton je ustanovio — sto sei moglo ‘oGekivati — da visoki ote imaju (u prosjeku) i visoke sinove; no istodobno on je primijetio i netio neobitno: sinovi visokih o¢eva bili su manje vsoki nego Sto bi se to moglo otekivati, a isto tako sino niskih ofeva bil su manje nski od otekivanog, Dirugim sijetima, o€evi koji su, na primer, bil 15cm visi od prosjeka oteva, imali su sinove koji su (u prosjeku) bili samo 8 em vii od prosjetnevisine sinova, a ofevi koji su bili oko 10 cm nizi od prosjeene visine oteva, imali su sinove lofi su (u prosjek) bil oko 5 cm niti od prosjene visine sinava, ‘Na osnovi ti vezultata Galton je pretpostavio postojanje "zakona o regres {(vraéanju) prema prosjeznosti":s ekstremmim vrijednostime varljable X povezane240 14 procwo2a 2 JEONE VARUISALE v Duals nn enavac necnesie an su manje ekstremne viijednost vaijable Yj dakle, kao da ¥- svaéanju (vegvesj) prema svom prosik Eto, i tako je uastno nazi pravea “regresie", koji se ez obvira na toeost it nnetofnost tvidnje o “viuéauiu prema prosjeka” ~ zadiia0 w stntntc. No erating se ungem nagibu krivulje! Ou moze naravno biti | nagatioan (4 sluéaju neyotivue kovelacje),t- ako porastu rijednosti X odgovara pad vrjedosti jecnosttendiraju y BODOVI Y- Na primer, ako jediot kolektivn bro} apomena densi sa soboin siaijenje ijesefte place, wauinto, za 10 jedinia, # mjeseGna plas iznosi 100 jdiica, onda e sluabeuitkofi w tokw anjeseca nije inmao ni Jednu opomenu dobiti nakwadu od 8. 100, a uetko tko je nao 10 opomena, ueée dobithnikakvw nakuady. Taj oduos raf ingleda kao oa slict 14.2 ‘ MIES. 4 NAGRADA 100) 90 14.3. Odnos ime postignutih poona | nagrade odnosno kazne (Ovu situaciju odratava donja formula pravea regesie: X= 242K. o 1 2 3 4 § 6 7 & ve ovo do sada bilo je Inko iavafunati jr su svi rezultati bil fogno ns pravce. BROJ OPOMENA Sve ono do sada Dio i [Nou praksnikada nije tako (osim naravio kod matematitkih zakana). Stoga se ‘motemo zapitati kako éemo postavti prognoau iz neke vijedsostvarjable 22 varjablu Pretpostavi Slika 14.2. Odes imedu broja opemena i mjeseéne nagrade ‘ednadzba pravea regresije 2 ovaj éeslutajienosi Y= a4 bX = 100+ (~10)X = 100 - 10x. Dake, nagib ianosi - 10. To proizlai ie prije spomenute forimule: -10, Ix jednadabe, dakle, slijedi da ée netko, tho je imao 4 opomene, dobiti nagradu wisini od 60: 0 da 8 ispitanika u testu X itestu Y postigny ove reaultate: 090 Ispitanici ¥ = 100~10-4= 60. Odsjetak na ordinati moze biti neyativan. Na primer, ako sew neko} igi postizanie izna 1 poena nagraduje s 2 boda ze svaki poen, 1 poen ne donosi nagrade, a nla oon se lagnjava s 2 neyatima boda, onda imamosituacij prikazanu na sci 1.3. monmoowy woocunaudOO 22 14 PRoGNo2A 12 Jeon VARIABLE U DRUQY Prikazeme Il te rezultate grafithi, dobit €emo rezultat prikazan na slci 14.4 BODOVI U TESTU y 10 2 4 6 8 io x BODOVI U TESTU Slike 14.4, Grafichi pik sezultate osmorice ieptanibau tstovima X iY. Koko svi reeultati nisu na praveu, sada je tesko reti koji je rezultat uw varijabli” ¥ najyjerojetniji 2a vijednost od, recimo, 3. U vom konkretnom slutaju vri- Jedhosti X= 3 odgovara rezultat ¥ = 4, ali te su vrjednosti dobivene na malom ‘zork, i logitk slijed vet ia slike 14.4. da bismo uz X = 3 mogliimati i koji drugt rezultatu varijabli ¥ 4 ‘Kako dakle nacctati pravac koji bi "posteno” reprezentirao odnos izmedi obje variable? Ako bismo to utinlll “odoka”, to bi moglo biti i prilitno pogretno, jer bi rncka drug aoba vjerojatno ucrtala neki drugi pravae, treéa osoba opet neki drugi, 4 itd "No matemati¢ar su naravno nal xjsenje ovog problema: "najposteniji” pravac’ regtesje fe onaj kof ima najmanyju suru koadrataodstuparyapojedinaénih Y-recul- 4 tata od tog pravea. Ako vrjednosti na tom praeu nazoverno ¥ (zovu ga” procjen- £19 Jeni ik "predviden, i "regresiski” V), onda éemo za svaki individualnirezultat | (Gj za svake totke u scatter dijagram) dobiti neku razliku (¥ ~T"), Suma kvadrata tih tacit (j wdaljenosti od pravea) treba bith najmanja od svih moguéit. Stoga se metoda kojom se to postife naziva "metodo najmanjth kvadrata”. “Jasno je da takav pravac negemo traaiti metodom "pokuSaja i pogresaka’, jer _ bismo na to mogli uttositi dobar dia sivota, vet postoje mnogo jednostavaii i kraéh 4a PRAYAC REGRESDE 23 naCini 2a dratunavanje konstanth a 18. Je ‘sada je bolje pisati Y = a+ 6X). ‘Matematihi je uadeno da se konstante b mote ieraéunati uz pomoé formule: NSN) 21 EXY = (SAYTY) aay iadabi praves ¥ = @ + 8X (odnosno, ‘a konstanta a inagunava se wz pomoé formule: YooX (43) = avitmetitha sredina varijable Y, itmeticha sredina varjable X) ‘Ako nasih 8 reeultataunesemo u tablicu za faraéunavanje potrebnih vrijedbosti (to. ste vijednost koje smo raeunal i od koofcijenta korelacer!), dobit €emo podatke prikazane na lijevo} strani tablice 14.1 TABLICA 141. POSTUPAK 24 IZRACUNAVANJE PODATAKA ZA PRAVAC REGRESUE T STANDARDNU POGRESKU PROGNOZE Ispitanik yveouaxy [Fo oy-y w-FP A 9 3] 325 025 006 B 2% 10/411 989 0,79 c 1% 12| 406 -0,05 © 02 D 2% 20 | 582 -o,82 067 E Bl 45] 868232 5,88 F 3 a6 | rsd 287 G S63} 830 om g7 H sl | 925025 0.06 = 34261 | 500 00 10,62 = 0,862 = (6-208) = (66-36) ~ 336 = 7 Kopstantu a iaratunat éemo prem formli (143) = 6,25 ~ (0,887 4,5) = 2,39, Nata jednadidba pravea regresie, prema tome, gla ¥'=2,20 40,857. S2da niotemo iaratunati nekoliko vrijednosti Y (dovolva bi bilo dvije, desta24 1. PROGNOZA 2 JEDNE VARUABLE DRUGy TFT (2 2,39 40) 411 (ie 2,30 +0,857-2) 7.84 (iz 2,39 + 0,857-6) 10,11 ((2 239 + 0.857-9) Ako kroz dobivene totke povuéema pray na sei 145. dobit demo pravac regredie;prikazan a, POGESKA pRocwoze ous prsgnoziratiu obratnom smjeru,t) i ¥ uN To nisu dea jednaka pravea (osims w slutaju,lorelacije +1) oni se sjeku pod to vedinskutom, sto je kovelaciia zed je vorjale niza (od korelweje 0. pravei su jedan nm deugoor acm.) Na orem mjesth motda je wnesno postavitipitwnje: zasto 2a prognoeu vijed nostil" ie neke trijednosti - korstimo provae regresije, a ne prosjetan rezultat, fo ga uz odvedeni inmaju sve vsiednostivnijable ¥? Tom je nekoliko razlogs iva, esto se iz neki horivetni rezultat ne nala nti jedan rerultat Y", paw {om slucajt ne bismo mogli piognozisatinajvjerojatniji Y. Drugo, i mnogo vatnije sa Siauoviste stabiluost uzorka pravac reguesie je minogo stabilnija mjera od bilo koje druge viilednosti koja oxnnéaje odnos ized obje vatijable, 1€0 zato Sto se pravac regresije zasuiva na svim rezultatima scatter dijagrama. Prema come, ‘prognoza, osnovena na praveu regzesije, nede bith toliko pod utjecajem slucajait #Buktuacija u uzorku koliko bi to bila presjetna vrjednost svihreaultata Y uz neki odredeni 10. Napomen a, Dasmo imal na raspolaganiu dtu populaiu, onda bi bilo cpravdano da neki odvedeut¥ re8uneimo is proviegne vajednosi sh Yue nek ‘ ouredens vilednost X “ob neklikorijeiovome kak faratunavamno prvac regres alo lmamo mnogo renultata, ao {onda ako amo rerultate ruptane uratede. C ' nom je slugaju snatnojednostavnje kristi jdnu diugu formu, koja se kovisti podacima 0 korelaciizmedu obje varijbl, lao podacina o sitet ‘ sredinata | standavdnim dvijacjam Ta formla gsi Parkin -X)+7. ada) 2 be Na primjo, tad bi w nekom isttativani povezanostiiemedu dvj viable imal ove rerltate tt 6 8 * ¥=u9 Y=1,90 5.10 5, 20.85 Sika 14.5. Pravac rgresie aa renultate iz tablice 141 Sve izratunate vaijednosti Fn svaki pojedini X su dakako na tome prave, i te su vrijednosti u tablic 141, prilazane na desnoj strani tablice, w stupcu Y Na slici 145. i u tablici 141. nacrtane su, tj. u stupeu Y ~ Fizratunate, rate iamedu stvarnih rezultata variable Y i "progneeicanog” ¥. x tablice se wjedno vidi da suma Y vrijednosti odgovava sumi ¥, a takoder i da je suma realika ravna ult (N a po m en a. Zbog decimalnog,zaokeutivanja to ne mora uvijek biti toeno 9 nla!) Us bile éoji drugi pravac, zadnjt stupac (tj. suma kvadriranib ragika, dakle 2 — ¥}?) bio bi vedi od dobivene sume 10,62, jer 10,62 je najmanja mioguca uma kvadrata raza, Buduéi da se raguna s istim podacima kao i koeficijent korelacije r, pravac | regresie motemo iaragunatiuvijek kada ratunamo i korelaciu Na pomen a. Jednako tako kao Sto smo racunalipravac rgresie za varijablo Y,, je 2elimo i nezavisne varjable X prognotirativrjednosti variable Y, motemo, ddalako, na analogan natin jzragunati i pravac regresije 2a varijablu X, ako zelimo 0,70 300, x onda bi prognotitans viijednost 2a, primjeree, formule (14.4) vako: 130 iaratunali pritnjenom ¥ = 0,70%5290~ 119) + 1,30 = (0,0885-11) +1,30 0.424+1.80) 72 142, POGRBSKA PROGNOZE Posve je razumljvo da progneza koju smo iavell uz pomoe pravea regresje, ne ‘mote bit! sasvim toena; napratiy, ona ée biti to manje tofna, sto je niza korelacija |246 1 PRo«voes mz seONE VARUSBLE U phucL a2. pognesia pnocwoze a Jzmedy obje pojave, pa su, prema tome, individualni rezultati jako rasprdené oko pravea regesie. I toga slijedi da pri ratunanju pogreske prognoze moraino uzeti a obzir raspréenje rezultata oko pravea regresije. Pri tome moreno pretpostaviti (ato ‘ne mora uvifek biti tako!) cla je resprsenje rezultata ako pravea regtesije mae-vise podjednako uz citavu dul pravea (to se naziva "homoseedascter”) [Kako se iw ovom sluéaju radi slitnom fenomenu kao kod standlardnedevijaciie, to je i formula za izratunavanje pogreske prognoze (koja se naziva "standardna ppogtesla prognoze”) signs formu aa standarduu devijaciin, Ona gles: ((S-261) ~ (36-50) (8-205) — 557 so-7) uses 354) — 50" (U ratunu “pjesice” debi smo 10.62.) ‘Na kraj treba jo jednom posebno upozorit da prognozieanje nekog reruleata Y ia jedoog oxretenog reaultata (jediako kao i racunanje koefejenta horelactje 1) Ima svoje opraydanje jedino ako su obje warjale x inearnom odnosa, a donekle ‘onda ako postoji homoscedascitet” (tj. ako je varijabiliter rezultata Yoko pravea regresije podjednak du cjelog pravea.) ‘ato je Koristan savjet (ako nemasmo odveé mnogo rezultata) da kako pri ritinanju korelacije,tako i pri raéunanju pravea regresje radi prognoze nacttamo i scatter dijagram reeultata: na taj Gemo sch zaista vidjeti "vise nego na 1000 brojeva, 1). vidjet Gemo: 1. je Ii odnos tinearan { 2. nije It exbilino deformivan hhomoscedascitet (a on se mote ozbilino poremetiti ako bilo jedna, bilo druga, bilo cobje varijable nisu normalno stribuivene ili barem simetritno distribuirane). } = 10.04 Syorp Standavna pogreaproguoze = J == 7) (145) Napomena, Ako mano korelaciiu lamedu abje vasiiable, pogresku mozemo Standardna pogreska progno: edad nel See of oe [ natem primjer i tablce 11. mosemo se opr septal kli je najjerojanit 4, pa Gemo iz jednadabe pravea dobit ¥=2,2040,857-4=5,518, 4 standardna pogresla te prognoze j: 0,2 Oe = Jini = 1,58. Vidjeli smo da ova "standardne poesia” po svom smisly odgovara zaprava stondardno} devjaciji i ne treba je mijetaui s arazom "standardna pogreska” Kod aritmetiehe sredine, jor se tamo radi o variranjuaritmeti¢hih stedina wzoraka oko prave aritmetike sredine, a kod standardne devijacije radi se o varfanju original. nih rezultata oko njhove aitmetitke sredine, Uprava ovdje imam ist stvat: nes Zama verirnje Korth eultata oko praven gree Kako mo, dale, interpreta standardnu pogedka progoce, za koju smo ieatunal densi 185? enako ko i tandardou devine ato nati dn 68% rezultata Y" varijable varira 2a 22, 33 oko vrijednosti Y, 95% reaultata varira za, #2: 1,38 = £2 66 obo praven, itd. Dakl, neat reautat variable Yr resist X = 4 je relat 5818, al je 95% vioojeno da soon tales winters iemedis 516 848 (te 5818-42: 1,39) Pogretku prognoae bila i naporno ratunsti kod vellog boja reeltaa hada bismo morali ragunati svaku razliku izmedu ¥ iY, pa se izraz D(Y.- slugs aracune'a pomoty formule (WExy ~ (2x) ery py -7) uw {wer ev? NEN? (EY aan Primijenimo Ii tu formula na na8 primjer iz tablice 14.2 (ea koji'smo vee ‘aratunali pogtesku prognoze), dobivaino: YP u tom ZADACI ZA VIEZBU 1, Nadite jednadab pravea rogresije 28 ove rezultate: Xx 12345 Ysas2. 2.15 studenata bilo je upitano koliko su se sati pripremali za jedan keolokij ia statistike. Njhov! odgoveri na to pitanje usporedent su s Dodovima sto su ih dobilina kolokviju (maks. broj bodova = 100), Dabiveni su ovirezuleat: (X) Sati utenja 0,50. O75 200 125 150 1,75 200 (Y) Bodo 57 GH 5068 TTS TH (X) 225 250 2.75 300 325 380 3.75 400 W) & 8 8 88 89 9 Ok 08, 2, Nadite jednadabu pravea regesie 2a ove rezultate, Ako se neki student pripremao 0,25 sat, koji je njegov najvjern- Jatnitrezuleat na kolokiju? ©. Teradunajte standardmu pogresku progneze 3. Pretpostaviino da’ sino u jednom istragivanju varijabli X 43° dobil ove rezultate 2. Koliko iznost prognozirani 7 ako je X = 350? . Kolika je pogresia prognoze u oba slutaja?LG OUND AYE Razlikeiamedu atitmetikih sedina, neki ratuni korelaij itd, mogu se primije- iti smo na huantitatiyne brojéane podatke, kojisu ii normalnerasporedeni i ar simétrigno rasporeden, Medutim, ako su podaci fualtationi ili ako im dsteibucija ‘naéajno odstupa od narmalne; onda se velik bro} do sada opisanih postupaka (sim ratuna proporcija, nekih hoefcjenata korelacije ne mogu upotrijebiti, nego se vedinom upotrebliava postupak naavan x'-test (ita: hiskvadrat). Veéu pocetku treba naglasiti dase hikvadrat test racuna same sfrekvencijama, pa, prema tome, nije dopuSteng u ratun unostinikakwve mjerne jeinice! Osnovni podactistrazivanja. Aalako mogu biti 1 mjerene vrijednost, ali u hi-kvadrat unose se samo njihove frekvencle Hikvadrat test je velo praktiéan test, koji mote osobito posluiti onda lad ‘elimo utvrditi dali neke dobivene (opazene) frekvencije adstupaju od frekvencija koe bismo oéekivali pod odredenom hipotezom. On je testo utoliko slian ratunu korelacie, sto i kod hickvadrat testa latkada tratimo postofi li povesenost izmeds ‘je variable all u tim sutajevima postoji bitnavazlke medu ratuna korelacje i hi-kvadrat testa, jer nam ragun korelacie polazuje stupanj povezanosti izmed dvje varijable, dok nam hi-kvadrat est pokazuje wjerajatnost povezanosti.O tome eos biti ried na kraju ovog poglaulja. Gotovo seu svim slugajeviima hi-kvadrat laratunava na jednak natin (uz ‘ogranitenje da katlada treba unijeti neke dodatne korekcije, i je pak praktitnje upotrijebiti neku drugu formulu koja skraéuje ratunanje), | to prema formuli aay eae (a5) pri emu fy mati opatenefrekvenclj, a f, oéekivane (tooresie) frekvencle, fickvencije koje bismo otekivali pod nekom odredenom hipotezom, ‘NajteSe upotrebljavamo hi-kvadrat cst u ovim slutajevima: 1, Kad imamo frekvencife jednop uzorka pa éellma ustanovii odstupaju li te Arekvencife od frekvencija koje ofekujemo wz nek hipoteru,250 1s. mUKWADRAE Test 2. Kad imamo frekvenee doa il vie nezauienth uzoraka te limo ustanoviti razlicyu Il s¢ uzorel uw opadenim svojstvima 3, Kad imamo frekvencju dea sdvisnsh uroraka, koji imaju dhotomne svoj- stva, te elim ustanovitiralikuju Ii se uzorct u mjerenim svojstvima,#. je Ti deslo do promjene 15.1. JBDAN UZORAK Proi primer 48 lijetalla inielo je misjenje o tome treba li Zeniu porodu dati analgeaiju. Dobiveni su ovi odgovor: 26 odgovora "da', 12 odgovora "ne 2nam" j 10 odgavora "ne". Da li ti odgovori polazuju neko zatajno odstupanje od onoga co bismo ofekivall kad bi odgovor! bili dani "nasumce”, tj. posve slueajno? Postavit éemo "nul-hipoteau": nema ravike izmedu dobivenih odgovora i sluéajno rasporedenih odgorora. Kad bi odgovor bili dani potpuno slutajno, svaki biod njih imso jednaku vjerojetnost, pa bismo prema tome svaki odgovor ofekivali 48/3 = 16 puta, Dakle, otekivana frekvencia za svaki odgovor bila bi 16. [Najprije 6eme rezultate tabelirati “Da” | *Neznam® | "Ne" | Ukupno f.| 26 2 wo | 8 Al ie 16 6 | 8 Kad smo dobili otekivane frekvencijo, mozemo iaratunavati podatke potrebne a formulu (15.1): fet ten eon ee he a5 1610100100716 = G5 bw 4 ie ‘we/ie= 100 0 % anon re 9,50. Prije nego sto interpretiramo dobiveni x* = 9, 50, rastumadit éemo princip njegove, inerprelale: lad ne bi nai itove slike ze opazani i orlivaik even tlie i bio 0. Sto so uate ied opazenih | oekvanih rekvenc vele, {oj vet defnitiv ftaz x2 Prema tome, to jeBevarat manj (bli nul) (20 necks odredene granice, vidi o tome aavreiakpoglavlia ohi-keedet tests), 2 je serjetnie da treba pron postavlemshipotens, a oj hr kvadrat ve, to je ‘erojatnije da postavijenu hipoteryteba oduct, jer se ope2eaireaultai zoatno 151 JEDAN UzoRAK 251 razlikuju ad onih koje bismo pod odredenom hipotezam ofekivali, Tabica graniénils ‘ijednosti x (tablica H u Dedatku) polaeuje nam do hoje vrijednosti (uz odredent bro} stupnjeva slobode) moramo smatrati da je hickvadtat jo uviek dovolio vi= sok, a da bismo mogli odbaviti hipotery, ednasno, drugim rijetima, holiko mora rngjmanje ianositi wijednose hi-kvadrat pa da odbacima hipotezu. Naravno da i ‘oxdie (ka0 i kod vil dosadasnjih testivanja znaéajnosti) motemo postaviti blaze il shoae-zatjeve,t}. mozemo tradti zatajnost na razini od 8% of 1%, it. Kao piaktitno pravilo moze poslutiti tinjenica da centralna vrijednost hie stupnjeva slobode, Prema tome, nul-hipoterusigurno mozemo prikvatiti (bee uvidau tablieu ‘hkvadrata) ako je dobiveni hi-kvadrat manji ili jednak broju stupnjeva slobode Postanak tablice H motemo relativao jednostavno protumatiti: Ze smo 100 ispravnih komada novea baci w 2rak (ii 1 noveié 100 puta) bili 46 "glava" i 54 "pisma”. Kao Sto znamo, otekivane su fieevencije: 0 "glava” 1150 "pitama”, Ieragunamo li hi-kvadeat, dobit éemo: io=hY fo he fh Ue~h? Giava 46 50-4 16 032 Pismo 54 50 4 16 0.32 22 = 0,64, Nastavimo I acanjem th 100 komada novaca i dalj,dobit demo i dlje esto ‘odredene raaikeizmedu broja"glava” i "pisma", a ako su nove potpuno ispravn (ci namaju pojeini komad noveatendenciu da pretetno padaju na jen stran), sigurna je da ou sva take odstupanjapotpun sluéejna. Budul dae dovoljnozeat Ielika je palo "alava” pa da time odmah znamo Kolko je palo “pisama” (er su obje lie zavisne edna od druge), to je bro} stupnjevsslobode = 1. Na slic 15.1 Dilazanajedistibucjahe-kvecrata uz raliive stapnjeveslobode. Medu asia je Fistibuejehivadiata uz 1 stupan slobode, distribu ezltat koe bismo obit kad bismo zasta Bacal 100 komada novea mnogo puta. Prema tome, sve st te vijednosti hikwadrata sluajne (Na po mena: De smo umjesto 100 komada novtfa bacllreeimo 20 ko- mada, pa registirali ishode “pismo” | "glava, i usporeivali ih s oBekivanio ishodimma, to aragunavali veikbroj hiAvadrata, dobil bismo jednaku distibueju Ivkvadrta). “Medutim, one vrijednosti hkvadtata koe tolko jako odstupaju od oéekivanog da jenthowo sluzajno pojavivanje moguée samo w 1% il 5% sutajova, motemo ‘ed smatra tli odstapanjem da spravom motemo pretpostavil da ejerojatno isulutajne. Naslc 18.1 uz kul istibucj hiskvadrata uz | stapes) slobode cunaéena jena apscs S¥-ne grania, aa hoje porta rivulje adesno ios! 5% Kako se viii slike (| Gtamo i tbliceH), taj vijednost 322 1s weavADRAT rest 4 = stupnjevi slobode 0129456789 Wiri2is tis i6i7 8 1920 ” ‘Sika 15.1, Disebucjn wera hi-hvadrata wx anit stupnjeve Nobide Ako umjesto 100 komada nowea bacimo 100 igrath kocaka, takoder mozemo promatratikolito odstupanje imamo kod svakog brojaod 1 do 6, prema oeekivanin Frekevencljame (1/6 kocal morala bi pasti na broj 1, 1/6 na bro) 2, ita). U tom slutaja imame 6~ 1 = 6 stupajevaslobode.Velkim brojem becanja dob bismo distribucijy hievadrat,prikazana na sic! 15.1, uz 6 stupnjeva slobode. Graniéna ‘ijednost hi-kvadeata (na rain anaajnosti od 5%) ovdjelnost 1,07. Na cls jof pilazane i ditrbucjeuzorakah-kradrata za 91 10 stupneveslobode, Kad imamo samo jednu varjablu jedniaizom rezltata, bro) stipajeva bode tuna spre aml 1p ei zai hapa bo) ukupan broj fekeenia) Kako w nase primjers imamo samo 3 élije ("d, "ne 2am”, "ne"), bro} stupnjeva slobode = 31 razini od 8% ofitat demo w tablilgranitnu vllednost x? wz 2 stupnjaslobode, na rani anatajnosti P= 0,05 (= 5%). Kako six tablice vid, graniena wijednost 1 ue 2 stupniaslobode na rerini od %5 = 5,901. Kako je nat hi-kvadrat ves od 5901, zskljueujemo da tba aac postavlenshipotens, i, dobivenl se odgovor Statistici znatajnorazikuju od odgovora koje bismo atekival kd bi oni bill dant posve sutaj Razumliv je da postavjena hipotera ne sora uvije biti taka kao prota primjera.U tome i jest prednost Nekvadrat teste da moteme pestaviihipoters lav timo. Na piimjer, motemo postaviti ipotety da bieme w nekom slutajy tnoval oeeivati"uormaln raspodjlu”, So ero pokazat s Sucem prime. ‘ras primje: § pom jednog testa pshomtrike estivam 20 ul. je take prirode da daje samo ti latogoe rerultata: A= ela, B = proticcen,C 161 JBDAK UroRAK 253 Kao rezultat mjerenja dobijem ove frekvencie: A BC fe 4 110 50. (Odstupa i taj rezultat znatajno od rerueata haji bismo otekivali da je avojstvo normaino rasporedeno med ispitanicima? ‘Bud da imamo 3 kategorje, najopravdanie je pretpostaviti da bi — po to} Iipoteai = trebalo biti S0% prosjetnih, a po 25% las i dobrih A BC fe 50 100 50. Prema tome, ratun é ingledati ovako: (a= to fo he for h Uo 30 10 180) 10 100 10 300 500 a ‘Taj je bro} mani ou'5,991, pa éémo, prema tome, prikuatii hipotemy | 2a- Iijutth da se dobiveni rezuitati ne razlikuju statistitki znatajno od anit hoje bismo ofekivali pod pretpostavkom da je mjereno svajsevo normalno distribuirang 1 skupiat. ‘Tred primjer. Medutim, postoji moguénost da mi neku oéekivanu ftekvencijy ‘veé unaprijed snamo jer je ona posnata u populacili. Tako, na primjer, mozemo Ispitati da Ii se uzorak u kojem imamo $0 Idi, ito 40 s tamnom kosom (80%) 1 10 sa svjetiom kosom (20%), znaéajno razikule od omjera koji je posnat w neko} opulacii, tj. da 78% ljudl imaju tammy, a 25% svjetht kosu. ‘Prema tome, mozemo postaviti ovu tablicu: Tamna Sijela ose hos UUPno & 0% 0 50 f_ 35 125° 50 { avatunati 3 fa fe fo~he (fo hl? a a8 25 62s 10.123 --25 ° 6.25254 15 weRvADRar resp Bro] stupnjeva slobode «= 2-1 = 1. Dobiveni x? anatno je manji od granigne vi. jednosti 3,84, pa staga zakdjugujemo da naé uzorek ne odstupa statisticki zna¢ajno ‘od stvanue propmndje annie i sijette kase w poplaci Napomena, Kada imamo vise of 2 éalio, ako je vise od 20% otekivanih frekvencija manje od 3, treba spajati susjedne éelje ajedno, Kad radlimo samo 5 2 celle, vecina staistigara smatra (ali neki nist tako strogi) dane smile ni jedna ‘oéekivana frokvencija biti manja od 5 Ceturti primjer. Unisimo da smo analiirali nestete kod 308 bud «jednom po- sui nasi ca su one aned tim Ijudima rasporedene kao Sto je prikaeaino « talc 151 TABLICA 15.1. PREKVENCLA LIUDI $ RAZLICITIM BROJEM NESRECA Broj nese Broj jai 0 u 1 7 2 %6 3 mo 4 5 6 7 8 9 10 n 2 Zanima nas (aI su nesrefe medu tim Ijudina rasporedene prema "slufaju” ti prema zakonu "rijetkit dogadaja” (to je t2v. Poissonova raspodila). Poissonova se raspodjela mote iraéunati ovako: 1. Ukupan bro} nesteéa podijelimno brojem Ijudi ve tako dobijemo “prosjecan” broj nesteéa; iaratepame logaitam t broja lua, prosjefan broj nesreéa (1) pomnosizno fgrazom 0,434; invesimo operaciu (2) ~ (3); ‘axatunamo antilogaritam ietaza pod (4). Tako dobivamo frekvencij Idi s 0 nesreéa, Ovaj i dalinje radune treba vagunati na nekoliko decimala, » kad sno sve evagunali, motemo u tablien ogekivanihfeekvencija unositirezultate ‘s manje (ape. 1 ~ 2) decimals; 5, invedeme operadia (6): (1) | take dobivamo fekvenei [judi 1 nesreéom; 5, et) z 7 ro} Lud s 2 nestege; 11 TROAN uzoRAK 255 ted JJednostavnije i brde mogemo iaratunati ofekivanu Poissonovu distribueiju uz ‘pomoé Poissonovih tablica (vidi tablicu J u Dodatku). Ta tablica daje otekivans ‘proporeju w razredu 0 (mula) kod Poissonovih raspodjelas ralititom avitmeigkora fredinoms. U nagem primjeru avitmeritha sredinaiznosi 1 549/398 = 3,89. U table! satemo ofitati da proporcija w razredu O (tj. otekivaza propoielja Ijudi bez nesteéa) jznesi 0,0204. Pomnotimo li tu proporcju brojem lust, dabivame (0,0204- 398 = 8,12. Od tog momenta daljeradimo prema veé opisanom postupk, ‘i. ofekivan broj ljudi s 1 nesregom dobivamno tako da oéckivan bro} ¢ 0 nesieéa pomnotimo s aritmetickom sxedinom, itd Ako vako iratunamo Polssonovu raspodjelu, dabt éemo oéckivane frekvencie, prikazane o tablic 15.2: TABLICA 15.2. OCEKIVANA FREKVENCIJA LIUDIS RAZLICITIM BROJEM NESRECA Broj acre Bro} adh 0 32 1 3189 2 ou 3 rr 4 Tras 5 6028 s 5 9 0 n 2 a Kontrolarezultata sastoji seu tome da suita otekivan (teoretskilt)frekwenciia {ux dopustene manje raaike 2bog 2aokrufivanja decimaluih brojeva) mora edgo- ‘arati sumi opazenih frekvencija, Terdtunavanje ée nakon toga imati tok pritazan u tabiet 153,236 1s woavsoner rosy TABLICA 183. TZRACUNAVANJE HEKVADRATA ZA PODATKE 12 TABLICA 15.1.1 15.2 Brojneneéa fy fk fon he Uh rae oa Sa ae 1 if aso Bal oa 2% lad 1456 35 S70 nor aor ur 4 GL Tras 19.08 235 5S coms 7.28 as 5 a1 ano 167 7 i ae Ot Su tose 12 Dive 20725 2240, 28,59 Vialivo je da uu tablii spojeni rezultati od razreda 9. nadalje. To je utinjeno ‘ato sto lod te vise hi-kvadrat ratuna statistiarizalitjevaju da ni edna ocebivane frekvencija ne bude manja od 5. U testiranju Poissonove raspodjelebroj stupnjevaslobode raguna se po princi: broj razreda ~2.(Jedan "etupanj slobode” izgublen je na zajednitki N kod opatene i teoretske krivulje, @ drug na zajednicku aritmetithu sredinu. Kod Poissonove raspodjelearitmetitka sedina jeduaka je vaijanc, pa stoga na zajednicku varjancu re gubimo daljnji, tet stupanj slobode.) Dake, u naSem sluéaju imamo 10~ stupnjeva slobode. Iz tabice bickvadrata motemo o¥itati da uz 8 stupajeve slobode sranitna vrijednost hi-kvadrat inosi (na racni znatajnosti od 59%) 15,607. Kako je na dobiveni hi-kvadrat vedi, odbscujemo nuthipotezu i zakljutujemo da velo ‘jerojatno (i. uz vail od 55) naga distribucila nesreée nije Plssonovadistribuclja. (Taj zakijutak ima dakaio vil dalekosetno avatenje, jr on govor da u distribucj seta nije slv2ay ona) jedini faletor kojl je odgovoran 2a to da raaisit judi imaju raze broj nesta! No da bismo taj 2akjutak smjell investi, mora biti manje-vise ispunjen uvjet da di kojima smo registrivali nesreée, na svojim radnim mjestima ‘udu uglavnom podjednako eksponirani) Napomena. Za one Citaoce, koji posjeduju bolje déepno, tlektronsko ragunalo evo metode da se ber tablica iaratunaju sve otekivane proporeije Pois- sonove raspodjele: treba, naime, primijeniti originalny matematicku formulu 2a pri demu Py znati vjerojatnost da ¢e se pojaviti z, tj. neka odredena frekver- cija nesreéa (apr. 4 nesteée), 1 = aritmetitha sredina, tj. prosjetan broj nesteéa, ‘e = baza prirodnih logaritama = 2,7182818. Na primjer, vjerojatnost da ée se u a jes 8:4 isn ou uz0RAK 237 0.027 je proporcia. Ako Zelimo dobiti frekvenciju, weba taj bro} pomnotiti s dakle s $98. 1 dobivamo 10,75. (U tablici 15.3. obekivana frekvencija u raziedu 3. nosi- 10.56, no razlika je posiiedica razlititog natina ratunanja i efekta ‘aokadvaija un dvife decimate.) Peti primer. Mjereéi visinu 135 20-godlsinih zagrebackih mladiéa (vidi tablica 6.2, st. 74), dobiveni su rezultai prikazani ponovno u abliel 18-4. u stupeima 1 i 2 ‘elim li testirati odstupa Ii dobivena distribucija znséajno od normalne dis tuibucii, treba izvesti ove operacie: 1 Iataéunatiaritmtighe sredins i standardnu devijacju reeultata, 2 Taratunat Kolko st prava donja i gornja granica syskog razreda udaljene od aritmetitke sredine, ito arantiw z- vrijedncetima (stupei 415). Pritom emo [ei 1-2 vazeda i vise nize od razrede « kojima se nalaze opazene frekvencie. ‘Bhuduéi da je prava donja granica nekog razreda weno i gornja granicaniteg razzeda, to je dovolino zratutati udaljenost samo do jedne od njih; u tablici 154. stupeu ¢ prikazana je udaljenost do donje granice svakog rarreda. 43. Itablice normmalneraspodjele (vidi tablicu A u Dodatku) ieracunati povrsinu jamedu s-vrijednosti, koje predstavljaju donju i gornju granicu svakog vazreda (stupac 6 u tablici 15.4), ‘TABLICA 15.4 ‘TESTIRANJE NORMALNOSTI RASPODJELE, 1 2 3 «ys |e]? . ae at fo igt2.) #3 j Z Pa ee éf 83 |ezsi| 8258 1. mexvaoRae Test 4, Buduéi da povtsina ispod normalne krivulje predstavla frefuenciju, to Gemo otekivane frekvencije (stupac 7) dobiti tako da proporciju povrsine (stupac 8) pomnozimo s.. 5. Buduéi da pri krajevima raspodiele otekivanth frekvenclja imamo, male bro- §ove, spojit demo leranje razrede tako da ulupna frekeveneijaiznosi najmanje 5. Iste demo razrede spoiti | u opazenim frekvencijama 6. laratunat éemo hi-kvadrat uz broj stupnjeva slabode kojf se raguna: broj ola -3. ‘Ako iavedema hi-kvadrat raéun, dobivamo: are 2 fe fo- fi | (fo- fe F w | so | 32 | om | 1050 w | xr | os] ooo | dons 3 | m3 | or | ow | oom x | me fre | 256 | ones 2 | 267 fer | sso | test w | ite | -u6 | 255 | os w | oat [a9 | sen | esr Supsieislobode = 7-3 = 4 x= 5ST Buduéi da je nas hi-evadrat manji od granigne vrjednosti hi kvadrate ur 4 stupnia slobode (5,675 < 9,488), prituadamo postavijenu mul-hipotezu da se do- bivena disteibueja vsine ne raelikuje od normalne distibucle 15.2, DVA ILI VISE NEZAVISNIH UZORAKA ‘Prui primjer. U jednoj tvornici provedena je anketa medu 23 radnika i 26 rad+ ‘ica te je ispitivan stav radnika prema Iijeéniku u ambulanti. Iz dobivenih odgovora ‘moglo 30 zakljuti je Ii stav prema lijetniku u celini "pozitivan” ii "negativan”. Buduei da je lieénik u toj ambulanti bila 2ena, postavleno je pitanj raza I se muflarci od Zena‘ stavu prema to Iijetnlei. Dobiveni su ov rezultati: ‘Muskarei (IV = 28) Zene (N = 26) Pozitivan stav 14 Pozitivan stav 9 Negativan stav 9 [Negativan stav 17. [Najprije éemo unijtirezultateu tav.2-2tablicu u kojoj &e apscisa predstavljti Jedou varijablu (sav), a ordinata drugu varijablu (spol) 162 DV IU VISE Neaavisy UzORAKA 259 Stav prema lijenies Negativan | Pocitivan | Ukupno Spot Mustarei | "9 My | 2s ene i 24 | Pea viurno | 2s [28a | ao od pretpostavkomn da nema znatajne azlke izmedu muslaraca jena, proper- ‘cia negativnog (ili poritivnog) stava morala biti jednaka kod muslaraca i kod tena, Buduéi da u Gitavoj grupi imamo 26 judi ¢ negativnim stayom, znati da je proporcia ti [judi u uzorku 26/49, pa stoga frekvenclia mudkaraca s negativnim stavom treba biti: 23- 26/49 (er imamo ukupno 23 muskarca), a frekvencija tena = negativnim stavom treba da bude: 26 26/49. Kako se vic, ogekivane fekven- ‘je syako} éelili dobivamo jednostavno tako da pomnosimo sumu reda sa sumo ‘slupea { rezullat podijelimo totainom sumom frekvencija. Na taj éemo natin debits oteldvane frekvencije: Stav prema lijeaike Negativan Pozitivan | Ukupno Spel ‘Mukarei | 23.26/49 = 12,2 | 23.28/49 = 10,8 | 23,0 Tene | 26-26/49= 15,8 | 26.25/49 12,2] 26,0 Ukupno 26,0 23,0 49,0 ‘Vetina'statistitara preporutuje da uvijek kad radimo s 2-2 tablicama (a takoder i onda kad radimo s drugim tablicama, npr. 2-3, itd. aw bilo kajojéeif imamo oéekivany frekvenciu manju od 8), upotijebimo t2v. Yatesovu korekel, koja se sastojiu tome da se za 0,5 smanji svaka opatena frekvencija, koja je veéa od otekivane, a za 0,5 poveéa svala opazena frekvencija, koja je manja ad atekivane Drugim rijetima, svaka se raza izmedu oéekivane i opadene frekvencije smanji za 08. Primijenimo li, dale, tu korekciju na naé primer (Jer radimo ¢ 2-2 tablicom), atunat éemo oval: fe fe 35 wz 135 108 165 138 95 122.260 15 mexvADRAT Test oul en’ a aan Bas eda i 2 stupca), broj stupnjeva slobode =(2~1)-(2~1).= 1. Iz tablice y? motemo ofitati da je granigna vrijednost x? uz 1 stupanj slobode na razini znacajnosti od wise pcan aot ta Ms STAC le pa i (tj. moada je lijetnica bila atraktivna osoba, pa se vise svidala mukatcima), bilo +i zanimijivo znati radi li se motda zaista o jednom takvom fenomenu- Pod pret. pel ae al ee ie ispitanika ostali jednaki (tj. da preko 65% Zena ima negativan stav, a samo 39% hasta tetera) Sopa eeceicent Ne IC oh i i a win Athlete dani is hac’ at Sl ‘alt itn erupt ‘alec at Eten woe visi ett ta may a ae ej ifs ean an psd et ie ha cd ee kn promijenio postotak zadovoljnih ili nezadovoljnih ispitanika razlititih spolova. Fa Rinne pop in sd Puli la taal nn sen ata cpa leh de éelije oznagimo slovima a, b, c,d, onda se y* (ukljudujudi i Yatesovu korekeiju) etn wy w(he-u4-¥) CrOGF Ter Her Na pomena Znak| | oko izraza jad ~ be znati da treba uvijek uzeti positions reals zmedu ad ibe, tj. uvijek treba oduzeti manjiizcaz od vetega. ‘U nagem primjeru dobivamo ove rezultate (vidi preu tablicu): = 2011298 81] = 24,5)? _ 49-192,5" _ 860250,25 _ sag 26-23-2623 S87 Gd ren Kako oe vid, venutat je praltikijednak rezltatu koji smo dobil rie. (Malu razliku treba pripisati tomne éto smo iaraze sveli na samo 3 decimale.) 153, BVA IL VISE NERAVISNH U2ORAKA 261 Drug prinjer. Medicinskicentar u Osijek iavisio je 1967. godine analizu obo Ijenja od epidemije influence A-2 u poduzeéima, od kojih su kolektivi nekih bil necijeplien:, koletivi nekihcijeljeni 11 mjeseci prije epidemije, a kolektivi neki ‘nepostedao prije epidemije. Dobiveni su ovi reultai: Obojei | Nisu obatjelt Necieplient 02 zasr | 2809 ‘Cijep ent 1 eajesest 7 1 ee 378 3789 | 4167 ijeplient neposredio 2 va pa pacrt 13 009 | 2140 on 3295 | 9206 Inratunamo lt veé spomenutim postipiom ofeivan frekwenci (uma stipes puta sums reds, podijelleno skupnom sumom), mozeno posavti don tabi feratonavnja ikvadeata fe fi fen | (enh? oe wa | m6 [isa | tamer ‘6575 aur | 2621 | -us1 | 132801 5072 me | ags | -as | 11t64 2338, sz | a7s47 aus | 117649 ona i | ans | -sos | esas 30335 2000 | 19282 sos_| 652564 3.86 65 Boj stupnjeva slobode je 1-2 = 2. Dobiveni hi-kvadrat je znatno veti od 45,901, pa zajutujemo da postoistatisti¢ki zna¢ajnarazlika u frekvencij oboljenja famed te tri gape. ‘No, kao Sto se vidi ie formulaclje gornjeg zakjutka, takva informacija jos nije Adovolna, jer treba anati dem se sostsiraslia: jesu I cijeplient obolijevai manje {ii vige od necijeplenih? Bududi da su velitine skupina u svako} kategorji dosta ratte, to Je interpretaciju reaultata najlakée provesti ako vrijednosti uw tablict pretvorimo & postotke, Pretvaranje u postotke treba obaviti u onom "smjeru” koji Jspitujemar buduéi da nas zanima da li vise obolijevaju necijepljeni od cijpljent, pretvorit éemo nase fekvencije u tabici u postotke tako da ée nam ukupne late gorije"necijepljenih", "ejeplenth prije 11 mjesee?” 1 "cijepljenih neposrecno prije” Fanositi 100%, Prema tome, nova tabica izgledat Ge ovako:jp | 262 18. HERVADRAT esr ‘Oboljell | Niu oboe Necieplint 139[ a6, [100 Cijeplieni 11 mjeset prijeepidemije sal soe | 100 Cijepljent neposredno prijeepidemije | 61 | 939 | 100 Sada seiatabliceIijepo vidi da je najmanji postotak obeljelth medu cileplenim epostedino prije epidemije (6.1%), a najveél medu necileplienima (13.9%), pa prema tome zakljutak iz prethodnog raéuna treba giasitiotpilke ovako: Postoji statistik znatajna rani vfrekvencitoboljenjaizmedu cjepjenh ineieptent 5 tim de med ejepljenima ima najmanje obolelih Napomena. Ovenam tablica, dakle, govori da postoje statistik znatajne raalike« fekvencjama medu pojedinim grapama. Medutim, hidoadat ne govo- ti nigta 0 tome medu kojim grupama je raalika signiflantne. U magem slutajy ‘natajnostrazlike mogla bi st odnositi samo na grupe "necijepljeni" i *cijepljent neposredno prije". Ako nas initito zanima postot Ii statisteki enatajna razika iemeda grape "eijeplient prije 11 mjesee i grupe "eepljenl neposredno pie rmorali bismo leragunati poseban hvkvadrat samo 2a te dijestupine. (Da amo to iaradunali dobili bismo hi-kvadrat ved! ad 16, Sto anaéi da bi ta rani bila statstithi mata, da najmanje oboljevaju on, koji su eijepjent neposredno rie epidene). U veeis pretvaranjem renutatatablice u posttke treba posebno naglasiti da se to radi samo radi lakée intrpretacie rezltata, ais te postotne tablcenikako re smijemo reéunati hikvadrat, nego se on raguna jeino it tablie original \ frekvencijama. ‘Tredi primjer. Usmimo primjer koji smo spomenuli kod koefejenta kontingen- cije C (str. 228), t) posto It zavisnost lamedu boje ofiju sinova i ofeva, Ako rezultate unesemo u te. tabliew Kontingenci, | wfedno u svaku Geli prema vee sportenutom principu (suma reda puta sume stupes podijeljena ukupnom sumom) lunesemo ogekiraae ffekvencie (pod pretpostaviom da nema asocijacje tzmeds bofe obj sinova | otac),dobivamo ove realtate(otekvane rekvenlle navedene su zagradame) Boja oiju oteva Moira | Siva | Masinasia | Smeda | Ukwpao wm] | a 0 Modra | cigs) | 8.44) | (60.30) _| (655) | - 595 pin | a@ 7 3 1, Boia sha | aps ary | erage) | (122) | (5628) ohh Sia PP 8s snore pasta | (4005) | 817) | (2466) | (27s) % fae | ito Smeda | eras) | e.an| (3.92) _| c.sy |. Ukupao | si | 261 | 160 [195 | 3000 sa DV4 Hvis vezavisnvzoRAKA 260 laratunavanje Let ea Ta? 818636 45706 <1 0.09 3865 Tisig0 area Sarr 36,33 131987 19.800 =1g67 gsr 3428 39,02 240296 2038 <1012 10241 2003 H20,23 40035 1378 Hauj0s Sre40 nro it 470 1130 wos sion a7398 a3 1706 0520 3135 982.82 11352 m3. ‘307-70 1538 =1,02 085 a9 6069 3683.28 16268 22 = 270, 355 [Broj stupnjeva slobode = (4—1)-(4—1) = 9. I cablice se vidi da graniéna vii- Jednost 2 uz 9 stupnjeva slobods, a na rasini maéajnost od 5%, lanos 16,919. Nas je hi-kvadrat znatno vedi Gal i od granitne vrjedosti x? na razini znatajnosti od 1%, pa zato odbacujema hipoteru (tj. da nema asocijacije izmedu boje oj sinova, 4 otaca) i postavljamo zaldjueale da su te dvije variable posve sigurno povezane, Vaina napomena, Hi kvadrat kod 2-2 tablice, kao i formula (15.2), ‘mij se upotrijebiti uvjek ako je N veel od 40, Kad je N manji od 40, ali veel 4.20, smijemo ratunati samo ako ni jedna ofekivana frekvencja nije manja od 5. U tablicama kontingencj, lad je broj stupnjeva slobade vedi od 1, hi-kvadrat test moze se jo8 ratunati ako manje od 20% éolija imajy ofekivanu frekvenciju ‘maijy od 5, a ako ni jedna éelija nema ofekivanu frekvencijy manju od 1. Ako taj jet nije postignut, moracno neke kategorje (life) spajaticajedno da bisino talko Povefsi otekivanu frekvenciu. No veé smo kazali da neki statisticari smatraja da nije neophodno pridréavati se tih pravila. ZA alutajeve velo malog NV postojitav. Fisherov "egeaktat vest” (koji ukljueuje sta opsedno ratunanje), no mi éemo ovdje iloati jednu sasvim jednostaynu ‘etodu, | vo samo za one slutajeve kada se radi o dvje jednako velie skupine. ‘Vamimo da imamo dvi skupine od po 15 ispitanka; eksperimentalna skupina primila je jedno sredstvo protiv tmorske bolesti, 2 kontrola skupina prima Je "placebo", tj. nedjelotvorne pilule (to je potrebno udiniti zato da bi se iz- Jednatilo eventualno djelovanje sugestije na reaultate). Sui su iepitanici podvrgnuti ‘vestibularnim stresovima vrtne, i nakon toga 2 spitanika eksperimentalne skupine polazala su znakove "morske bolesti", a iz kontzolne skupine 8 isptanila ih je264 16 REKVADRAD Tesr ppokazalojednake anskove, Reaultateeksperimenta mogl bismo, dake, prikarati tabliciovako: Inajusimptome _Nemaju simptome ksperimentalna 5 skupine 2 8 6 Kontrolna skupina 8 7 * Mote li se vanlika iamedu eksperimentane | kontrolne skupine smatrati zna- éajnom? ‘Tablica Tu Dodatku daje odgovor na to pitanje. Da bi se tablica mogla koristiti, treba naéi najmanju frekvencij w rezultatima (to je w nafem primjera frekvencia. 2), kao i frekvencju koja u druge} grupt nj korespondira (u natem primjeru to je frekvencija 8). U glavi tablice I naleze se brojevi koli oanatuj najmanju frekvencijuu reaultatima, a u jeri rub tablice naazi se vlignajednog od uzoraka (0 = Na). RieSavajuti na primje, tebe u gla tablice naéi bro}? (nafa najmanja frekvencia), a na lijevom rubu broj 15 (elina uaorka): usjecitu stupea 2 reda 15 u tablici titamo brojeve 910, To su nosnanjefekvencie koje bi morale mati orespondentna élija, to 2a razine anatajnasti od 5% (9) 1 1% (10). Bududi da naga korespondentna éelija ima frekvenciju 8, alutujemo da razliki-ne mozemo smatratistatisttki znaajnom, ‘Alida smo na primjer dobil rezultat: Imaju simptome _Nemaju simptome Bxsperimentalna eae o 6 6 Kontrolna a ie 5 10 6 ‘prema podaclma iz tabice I ta bi ralika bila znatajna na rani od 8% (ali ne {ina razini od 1%) 15.3. DVA ZAVISNA UZORKA (McNemaroy test) ‘Ako usporedujemo reaultate jedne te iste grupe “prije” i "pail, il us poredujemo istu grupu u duije radlitte aktivnasti, onda vjerojatna postoji ko- relacija iemedu pevih i druglh rezultata. ‘Primjer. Usmimo iti primer koji smo upotijebili pri jragnaavanju znaZajnosti raalike u proporeijama koje sv korelacj (vidi ste. 172}: 100 ispitanikaispitan-su testom 1 i testom 2. Dob smo ove rezultate: Test 2 ‘isu zadovolili [ Zadovol Test 1 Zadovoli 5a 358 Nisu sadovell 2c 1 153 DVA 2AVI5NA UZORKA (CNEMAROV TEST) 265 smatajna razlika izmedu rezultata u 1.1 2. testa? Kako se iz tablice vidi, roaite izmedu 1. i 2. testa nalaze se u éelijama Ai D, ok su u éeliiama Bi C navedeni samo oni koji su i uspjel ili new uspjeli v ota testa. Prema tome, A + D predstavija total brojonih kod kojth se ne slae usps prvog i drugog mjerenja Buduéi da A + D predstavljaju ukupan bro) ispitanika kof su promijenili svoj sap oekl me pe mpm 2s 1/24 4D) ae om Us jednom, a 1/2 (A + D) u drugom smjeru, Drugim sijetima, pod nul- Eipoteoootekivanefekvencije Gelli A tanose 1/2 (A + D), a jena toliko 1 Gelji D. Zanimaju nas samo Gelije A i D (jer B i C pokazuju poklapanie), pa fu, prema tome, opadene frekvencije one koje s¢ nalaze u A i D, a otekivane su frokvencie: 1/2 (A + D). Dalle, fo - fe)? : 153) i (sa) Tevtimo li potrbne satunske operate gorno orm, dobivamo na ras: (4-p) AtD” (154) a. Ytecovu rst (ako f(A + D) < 20) Konan omula gas . (a= D|=37 x A+D (155) U nafem primjeru dobivamo: 0-1)" _ 81 oo my 808. Broj stupnjeva slobode (2-2 tablical) = 1. Granitna vrijednost x* 22 1 stupanj slobode je 3,841, a Jako je naf hi-kvadrat vei, odbacit éemo mul-hipoteza (tj. da nema raalike u tetinitestova) i-zabljutiti da tazlila postoji, tj da je drugt test Taki. Napomena U ovomseratunu zapravo radio testiranju znatajnostirazike lamedu dviju proporeja p, = (A-+ B)/N; pa-= (B + D)/N, dae jedaako kao | v rimjeru na strani 172, samo ga sada iaratunavamo drugadie ‘Wapomena, Tieba paziti na smisno éelija A | D. To su Celle koje pred stavljaiv.one ispitanike koji su se promijenil, Ako je tabla formirana druktije treba analogno tome preurediti i formule 16.3. do 15.5. (Nia pomena. Ako su otekivane frekvencije u éelljama A i D manje od 5, taj se ratun ne mote upatrijebit.) alia uotiti da Ui primjena standardnog postupka ra izraéunavanje otekivanih frekvencija, koji inate koristimo'kod kontingenclskih tablica hi-kvadrata (suma reda puta suma stupea, podijeljeno s ukupnom sumom) dala potpuno nelogicne 4 newpotrebive resutate. Bvo primjera, koji ée to dokazati: pretpostavimo da u x| | 266 1s weavapnar Test naSem pratnjem primjeru nije doslo ni do kakwth promjena amedu prvog i drugs, rmjerenja, ida je tezultatrecimo bio ovalav: ‘Test 2 Nisu zadovolii | Zadovol Zadovali oo; 7 B | 70 ‘Test 1 Nisu zadovoljti | 30 op: |.%0 30 70 100 Kako vidimo, od ukupno 100 ispitanita ist isptanici koji nisu aadovoliil w pr- vom testiranju(ajth $0), nisu zadovoji ni w drugom, a takoderitih 70 isptanika oba je puta tadovoiio.Izratunamo li standardnim postupkom ofekivane frekvene je, dab bi ove frekvencije: 21, 49, 9, 21. Izacunati hi-kvadrat (uz Yatesovu ko- rekciju) ianosio bi 95,29, no taj bi resultat bio potpuno besmislen jer niftase nije promijenilo. MeNemaror test (ovaj puta ber Yatesove korektur, jer je u brojniku ‘nula) dao bi naprotiv potpuno toban rezultat:hi-kvadrat = 0, tj. nema promjene, 2a neke (rijetke) situacje mote MeNemaro test ipak biti iartito nepogo- dan: ako neki postupak, primljenjen na grap ispitanika, mode kod nith proizvest suprotne utinke (opr. net ispitanicl se od nekog stedstva uzbude, a neki umire, 5 pak neki postupak kod jednihispitanika dovodi do paveéanja, a kod drugih do smanjenja agresivnasti), onda se dakako moze dogoditi da ih bude podjednako ili sigan broj u éelijama A iD, i MeNemarov test ée dati malu vijednost (st bi trebalo anatiti da nije dotlo do promjene), a do znaéajnih promjena je dota 15.4, NEKI OSNOVNI UVJETI ZA UPOTREBU HI-KVADRAT ‘TESTA Kao sto smo vidjeli, hidwadrat test je stvarno velo jednostavan test, jer je njegova logla jasna, a izratunavanje val jednostavno. No uprave se u tome veto jatnof krije opasnost da se njegova jednostavnost precjeni, pase tako u strutnoj i nauéno} iteaturi najvige pogresaka u primjenistatisttkih postupaka nalaai upravo kod primjene hikvadrat testa, Dok ee mnogi drugi statistieki postupei dadu Cesto primijeniti dosta mehaniki i bez posebnog opteza, kod hi-kvadrat testa uvijek je ppotrebno dobro promisiti lako éemo rezultate prikazatiu tablic. Prije nego sto ianesemo neke osnovne urjete, koji moraju biti iapunjeni da bi se smio racunatihi-kvadrat test, navest Gemo jedn praktignu stranu hi-kvadrata. ‘To je test koji posjedje tz. aditivna svojstva, a to znati da imamo pravo 2bro- jiti nekoliko hickvadrata ia istihistrativanja, | na znaéajnost dabivenog reeultata ‘akljutivatii2tablice, s tim da zbrojimo i stupnjeveslobode. Tako je, na primer, poznato da su svojedcbno, u doba ispitivanjacjepiva protiv kolete, ivrsena brojne Istrazivanja djelovanja cjeiva. Ix Indje je bilo poznato 5 iavjestaja o 8 manjih Ispitivanja, koja, ako se rezulatiieraze hi-kvadeat testom, daju ovakyu situacj: 4 164 NEKI OSNOVNI ULZETI 24 UPOTREBU HLKVADRAT TESTA °6r x Regimenta pokrajine ist. Lancashire 2.04 Biitanske trupe w Cownporeu 133 Britanske crupe u Dinaporeu 160 Gya Jail 5.90 Durbhanga Jail 18. Swi threcultai bi su vezaniavakiz 1 stupanj abode. Kako se vd samo jedan ed nih bio je statisti anatajan. No, ako svete rete sdrejime, dobivame 12 = 14,55, ai tblice ustanoljjemo da je uz 8 stupnjevaslobode taj reulat atistiti naeajan (P < 0,03). si takvim situacjae sbrajanja erultatahi-kvadrata treba pci da se hee sui raspoloiv resulta (a ne samo positivnl) Onim toga, potpuno je enunlivo ds smijemo abrajeti samo one bilvadrate loi vi polacuju devas "stom Siero. Bud a je emer” devijcje kod Rvadreta vidi aro is topotee tales (ne ie samog bro, ee bee} uvek positivan!), pri tom posi treba it vrleoprean, Evo na kraju seth glavnih uveta, koji norju biti ispnjent da ie smo ratunat hikvadrat test: 1. kuadrt test mote se ratuneti samo sfekvenciams. Prema tome élie ekvadrat testa ne smijero uno actmettke seine, Yaoi poste, at proporcije. Ako u Glje uneseino porote,svel mo na taj main NV sake [ripe ne 100, o, naravn, nif dopsteno 2, Suma ofeivanih frevencja more bit ednako sumt apatenthfrekuenci ‘oleiaj se mingle raatew va sa eackrsivanjem decmalih brojeve 3. Kaa god w h-vadrat testa radimo saekim svojtvor koje re pov ih ‘je pojvil, treba u raéuna stati ference u ojime eto sojtvo nie Pola. Ako tone utinimo, moze nam s neki sueajevima dogo da fume opazenih fevenclia ne odgovara suri ofekivanh rekvencia iad sma otekivathfekvencispotpuno odgovare sum opateth fekvenc, treba se pridrdava pravila da aun navedemo | ekvencjew koja se soso aie poevi. ‘Prijer.Zasma ns postoje trai fever onjedivanja med anicins ‘adit tos tiesto registra nese jednom poduze ve dobijemo ove rentae ‘Starost radnika «20.29 god. 30-49 god. 50 vige god. Bro) radnila 200 500 300 Bro} radnika sa dvije 1B vile nesteéa 0 100 30 ‘Ako nema reaike u frkvenciiozledivanja medu radnicima raaitte starosne bi (nul-hipoteza), modemo uzeti sve radnike zajedno, pa tako dobivamn da je od ‘lespno 1.000 radia nth 200 imalo nesrete. To iznosi 20%, pa bismo stoga moral ‘tekivatijednak postotak u svim dobnim skupinama; to su ove otekivane frekven- clje: 40, 100, 60. Kako se. vidi, suma ofekivanih frekvencija iznost 200, jednako268 1s. miqvanar Test kao § suma opazenih frekvencija. Medutim, izratunasho Ii samo ir tih rezultata hivkvadeat, dabit éemo x? = 87,5. Naprotiv, unesemo Ii u tabu hirkvadrata i frokvencije radnika ber nesreéa (ts manje od dvije nesreée),hi-hiadrat éefanositi 46,9. U granignim sluéajevima, tj. kada je hirkvadret upravo w blizni granite vrjednosti prema tablici, upotreba ispravnog postupka mote imati odlutujuée anavenje za krajnjireruleat. Jos bi, naravno, teta pogretia bila da se uopée ne osvréemo na stvertt bro} slugajeva u svakoj kategorii, nego da ofekivane frekvencje iaratunamo samo na temelju prosjeka opazenih fiekvencija. Ako su opazene frekvencije:70,.100, 30, (ukupno 200), onda bi otekivanefiekvencie trebale biti 200/3 = 66,7, 66.7, 66,7. T takvi su slugajevi mogu kathada u praksi nadi, ali to veé prestavlja potpuno nerazumijevanje hi-kvadrat postupks. 4, Frekvencie w pojedinim éelijama moraju biti u fom smisty nezavisne da svaka frekveneija u pojedino} éelii mora pripadati drugom individuuma. Na prim- Jet; ne smijemo u tablicu unositi neboliko odgovora jednog ispitanita;takoder se N ne smije poveéat tako da se na svakom jepitaniku utini nekoiko pokusa pa se svakl pols unese u tablicu. 5, Nijedna ofekivana frekvencija ne smile biti odveé mela. U tom se treba prideeavati ovth pravila: 18) Kad imamo vige od dvie élije, ako je vite od 20% otekivanth frkven- cija manje od 5, treba spajati Susjine éalie. Kad radimo samo s dvije felie, ne smije ni jedna ofckivana frekvencija biti manja od 5. 1b) Kod 2.2 tablica hi-kvadrat smi 40, Ako je NV manji od 40, all veti od 20, ne smije ni jena ofekivana frekvencija biti manja od 5. ©) U tablicama kontingencie kad je bro} stupnjeva slobode veéi od 1, hiclovadrat se smije ratunati ako manje od 20% éelija ima-oeekivant frekvenciju manju od 5, a ni jedna éelija manju od 1. Ako to nije postignuto, treba spajat Glijeu kojima su ofekivane frekvencije odveé ‘malene. (Naravno da raititakvo spajanje ima smisla samo onda ako se time ne upropastisvrha samog ispitivanja, tj. ako fenomen koji ispitu- emo, ostaje i dalje vidiv.) Vatna napomena: U novije-vrijeme pojavile su se medutim rasprave koje dokazuju da nije naroéito vaino pridrtavati se pravila 5. 6. Kade postoji somo 1 stupanj slabode, potrebno je provestikorekciu 20 kon= tinuitet (Yatesova Korekcja). Ako su razlike iamedu opsdenih i otekivanih fekeneija velo male, tako da primjenom Yatesove korekeije dobijemo raaliku koja je mumerichi veéa (bee obzira na predznak), onda upotreba te korekcije ‘nema opravdanja! No iovdje valjaprimijeiti data korekcija ima smisla samo. kod math frekvencijaw éelijama, Jer Ge kod veliih frekvencijas korekeijom doi samo do malih raalika u zavrénom rezultatu, 185 108 0 Hexvapnar Testu 269 15.5. JOS O HI-KVADRAT TESTU (a kraj ragprave o hikvadtat testu dodajemo js ti napomene, od kojih smo prva spomenuli veé na potetku ovog poglasla, druga je manje poznata, ali je vrlo ‘anizaliva, u trea je posebuo veina za one koji nedovoljne razmishju prlikom origtenja toga testa, I: Prva se napomena odnosi na spomenuto svojstyo hi-kvadrat testa da uz njegovu pomaé motenio ustanoviti i wierajatnost pavezenosti ized dvije vaijable (ne dakle visinw povezanosti koju nam daje koofiijent korelaije) ‘Buduti da ton pogledu kadéto viada kod pocetnika odredena konfuzija, az~ Jasnit emo na jednom jednostavnnom prisnjera o Cems se zapravo ra ‘Vamimo da nas zanima rozikuju Ii se muskarci od ena u som stavu prema bboksaékim borbama i da anketom dabijemo podatke da od 200 anketirani Zena samo njih 50 igjavlivje da odobrava boksaéka natjecanja, a od 300 anketiranih ‘muikaraca nj 200 iziasnilo seu prilog boksu, U donjojtabliciprikazani su dobiveni reultatis Star ta protiv tone oO 150 200 Spol mutkarci [200 100 300 250 250 300 TInatunamo i na osnoxi th podataka hi-kvadrat, dobit Gemo da on iznosi 834, | prema tome vis je statistik znatajan, pa smo, dakle, dokazali da se muskarei Od dena statstielé znatajno razlikajy u stavu prema tom pitanjo, . de muskarci maja mnatno porolniji stav prema boksu. No istodobno mi smo time dokazali i postojonje povecanosti izmedw variable "stv prema boksazkim natjecanjima” i va fjable "spo. Deugim sijtima, nije svejedno anketiramo li o tom pitanju muskarce ill zene, ako nije svejedne, onda znati da postojihorelacjaizmedu stava i spolal ‘To, naravno, ne mora znaéitida je korelacia viscka, veé samo to da ona postoj ida je statisti! znatajna, A kolile je aproksimativno éemo ustanoviti ako uz pomoé hhvkvadrata iragunam Crameros Fi koeficijent (formula 13:28): Cramerov Fi ® 533, (Kao 8to'se mote lako ustanoviti,jadnak rezultat dobili bismo da smo raéunali i kritizirani koefeijent kontingencije C. Razlog tome je tinjenica da kod 2-2 kontin- ‘gencjskih tablica nema raalike iamedu C i Ormeroea Fi.) (Napomena. Hi kvadrat ima za koreladju otprilike ono isto znatenje sto ga ima i testiranje znatajnosti korelacije: ako je hrkvadrat znatajan, i korelaija - bila ona nisks ii visla -statistili je znaéajna.) '2. Druga napomena o hi-kvadat testy pripada metu rjetko poznate, a radi se 6 malim viijednostima hi-kvadrata, Evo u éemu se ta napomena sastoji210 1s wievaonar rest Tz testa naudeni smo da neku razliku smatramo statisti¢ki znagajoom ako je dbiveni ¢ vedi od granine tvujednastiw tablici. Jednako postupamo I kod hie lkvadat testa, tj, smatramo da je razlika izmedu opaienih i ceoretsiih frekvencija statistithi znaénjna ako je dobivent hi-kvadrat veé od graniénevrijednost u tablii hikvadtata, uz adiedent broj stupnjeva slobode. U tumatenju logike hi-kvadrat testa na strani 250, zato smo i rel: "Sto je hrkvadrat manji (bliti nui), to je verojatnije da treba pribvatiti postavlienu hipotezu.... Medutim, malo padlivijt ‘vid u distribucju uzoraka hi-kvedrata (vii sliku 15.1) pokaaat eda to ne mora biti doslowno tako. ‘Usmimo primjee s bacanjem igraée kocke, Ako je kocka ispramna, vjerojatnost pojavivanja Svakog ishoda je jednaka iiznosi P = 1/6. Pretpostavino da u jednom favjettaj iz jedne igracnicetitamo da je iaveseno testiranje igrade kocke tak da je yrucla baéena festo puta, te je zabiljedeno koliko je puta dobiven renulat 1, kolo puta 2,3, 4, itd, te je nakon toga izradunat hi-kvadrat test. Uzmimo da objavjeni rezultati ingledaju ovako: Tshod i i 1 98, 100) 2 0 100) 3 ior 100) 4 102 100" 3 9 100) 6 yor | 100 Uikupno 600) 600) Tratunamo lina temelju th podatala hi-kvadrat, doblvamo x? = 0,12. Buduéi dda je granitna vrijednost h-kvadrata vr 5 stupnjeva slobode 11,070, 1 prvi mah bea ikakve sumnje prihvaéamo nul-hipotezu,t) eakijucujemo da je kocka potpino ispravna, jer se rezultati tek minimalno razlikuju od ofekivanih frekwendija ‘No je li to alata tako? Pogledajmo distribuciju uzoraka hi-kvadrata uz 8 stup- njeva slobode na sic 15.1. Tu mosemo vidjeti da bi se — i kod najispravnije kocke ~ hi-kvadrati distribuialitako da im se dominantna wrijednost kreée negaje oko 4a vrlfednosti koje od dominantne znacajno odstupaju rijetke su na obje strane sve. Drugim rijetima, is krivuljejasno vidimo da w ovom slutaju i artito mali Ihickvadrat te mogemo smatrati sigurno slutajnim, jer bi se on sluéano mogao pojaviti samo invanredno rjetko. Vjerojatnost sluéajnog pojavjivanja hi-kvadrata vege od 15,086 je jednaka (P = 0,01) kao i vjerojatnost slucajnog pojavljvanja hi-kvadrata manjeg od 0,554 (P = 0,99, Sto anati da je vjerojatnost 99% da 6e slutajni hi-kvadrat biti vedi od 0,554), Dale, u t-testu — sto je t man, to smo sigurnji da nema radlike emedu dvile populacije; a kod h-kvadrat testa i Suuige mali hi-kvadrat motemo smatrati da nije shugajno nastao! Sto u ovom slutaju treba zaldjutiti? Samo jedno: rezultatiiavjedtaja vtlo sa vjerojatno imiiljent (er su "predobri" da bi mogli biti istiniti}), a izmislio ih 16 108 0 LKWADRAT TESTU am je netko tko zna ratunati hickvadrat i pornaje njegovu osnovns Logika, ali ga ne sazuinije dokraje. ‘oka usputno bude spomenuto toda su naknadna prosjeravanja eksperimenata csnivaca genotike Gregora Mendela (prvi je te podatke provjeravao R. A. Fisher, jedan od najvedih statisti¢ara do sada) pokazala dla se stvarno dabivene frkvencije nekil nasjednih karakteristika u njegovim pokusima toliko dobro slazu s teoretski ‘oéekivanim frekvencijama Mendelovih zakona da su svi hi-kvadrati (koje Mendel, aravuo, u ono vrijeme nije z0ao raéunati) "previge visoki cs bi igledal istnit"! ‘Strutnjact danas na razisite natine tumate tu pojavu (jer Mendelovi zakoni ss totni {nitko uw njih ne sumnja), pa se izmedu ostaloga spominje { moguénost da su ajegov! mladi suradnici, tleéi mu ugoditi, ponesto "fiziall rezultate eksperime- ‘ata kako bi se on jo bolj slagalis otekivanim fkveneljama, No, bilo kako bilo, ‘Mendelovo otkrige~ kako katu Hodges, Krech i Crutehfleld — koje mnogi smatraju Jednim od najveéih trijumtfa ludskog uma, blo je dovolina snazno da odoli ea itil "advee dobritrezuleata’ Napomena. Spomenutu moguénost otitavanja hi-kvadrat distribueije i s evo kraja (¥. 2a one hi-kvadrat vrijednosti koje su "suvige male da bi i2- sledaleistinite”) ne treba mijeati s”jednosmjernim” i" dvosmjernim” testiranjem ‘2natajnostirazike kod ¢-testa!”Dvosmjerno” testiranje — kao sto smo rekli— 2nati ‘wstirati je li neka razika — ber obsira na smjer te rele ~ statistichi znaéajna ili nije. Drugi rijetima, ako nademo da je npr. grupa djece A viga od grupe djece B, fonda dvosmjernim testranjem znatajnostirazlike mi samo odgovaramo na pitanje Jeli moguée da se razita, koju smo medu uzoreima dobil, dogodila slutajno ili ne. Pri toine je potpuna svejedno ji ta realika w korst grupe A i grupe B, jer zanima nas samo veligina raaike, bez obzira na predznaly, tna njezin smjer. (A ako nas opravéano zanima samo jedan émjer relike, onda — eventualno — motemo koris- ind jedn stranu normalne odnosno tdistribueije, i provesti “jednosmjerno" testiranje.) Granitne vrijednosti hi-kvadrat distribucije, koje e nalaze u hi-kvadrat tablic, nnakar se odnoge na "desnu stranu” h-kvadrat distsibucje, jesu veijednosti doosm- jernagtestvanja, jor pomoée nih testiramo anatajnost raze bes obzia na njezin ‘mje! (Kao fto znamo,prilikom ratunanja hi-kvadratasmjerrazlike w ragune nema nlkakea ulogu, jer se razlke izmedu opazenit i otekivanihfrekvencia kvadriraju!) Prema tome, upozorenje dai suvige mali h-kvadrat mote biti sumnjiv (4. da moida nie nastao porpuno slucajno), i da se to mote provieriti s djeve strane krivule dstribucile hi-kvadrata — problem je saevim druge vrste od problema sdnosmjertog” il “dvosmjernog” testranja znatajnost rezike 3, Iskustvo pokazuje, da pojedini koisniel h-kvadeat testa katkada nedovolino razmliljauo tome, sto th sapravo zanima w njihovuistrativanju To éemo najbolje objasniti jednim primjerow, koi se Fatlada dogada. ‘eecim da je neX istrativat sakupio podatke o broju samoubojstava u toku seit 12 mjeseci noke godine u jednom velikom gradu, j da ga zanima postoje li razlike jamedu muflaraca i ena u smisly frekvencje samoubojstava, ej. da Ii muskarei ili ane dine vese samoubojtava. Pretpostavimo da je dobio ove rezutate:2m 16 HeavapasT resp Sijet. Veli. 08. Trav. Svib. Lip. Srp. Kol. Ruj. List. Stud. Pros. Ukupu Muk 5 7 8 4 2 10 12 9 10 6 10-9 ° "2 Que 4 7 1 8 7 109 8 45 8 2. Ako on sada na sve te rezultate primijeni pravila izratunavanja otekivanth fiekvencija (1. nein j sume stupaca, pa mnoti sume reda sa suniom stupea i di jell vkupnom sumom), on je zapravo ratunao raalkyj lise muskarei od 4ena po broju samoubojstava u toku pojedinih mjesec, a nije dobio odgovor ua svoje pic twnje da Ir suka ii dene imaju vise samoubojstava, Ako je to problem, koji on eli rijediti uz pomoé hickvadtat testa, onda ga uope ne zanima stanje samoubo- java po mjesecima, vee jedino ukupni bro} samoubojstava kod #ena i muskaraca 1a tol godine dana, Buduéi da u populacii postoji uglavnom jednaki broj Zena i smuslaraca, on bi mogao postaviti jednostavnu tablicu fe h Musarci 102 37 Jere 84 OT pa sada upotriebii hi-kvadrat, Kao Sto vidimo, glayna opasnost od hickvadrat testa jeu tome sto se on lagano isracunava, ai teba prethodso dobro promisliti sto nas zapravd animé pa tok tada idi na izratunavanje teoretskih (otekivanih) frekvencija, jer one ovige 9 hipoteai, koju smo postavil ZADACI ZA VJEZBU 1. Jedan jo nastavnil tvrdio da medu njegovih 50 studenata trdesetr rmoraju pasti, da su 15 prosjetni, a 5 vrlo dobri. Odstupa It takva raspodjela statistizki enaéajno od onoga’sto bismo mogl otekivati pod vidom normalne raspodiele, tj. da je 50% uteniia u sredhjoj Kategori? 2. Cetvorica nastavnika istog predmeta imali su ovaj reaultatipita na kraju godine: A BCD Broj "palih” uéesika —S— 327 Broj "presiih” uéenika 48 49 95 43. Razlikuje li se proporeija preih (ili pai) uéenita kod ove éetvorice nastavaia? Jednom tegaju statstke, na kojom je bilo 40 muskaraca i 30 Zena, na zavrinom ispite postignuti su ovi rezultati elon | dovln dobr [we doer Tolan [Reap 8 zt z [ene Ts | wo [3 | Je U rasta femedu mosharacs | rena statisti znatajna? 195.408 OMLA\ADRAE TESTU 23 A. Jeelan je sociolug isptivag postoje ti raztke v vrs kiminatnih ina ime 3 grada i dobio je ove vezltate: KrdaKiade| Silovmie Aas Tete Osta Gada Gad Gs IT Grad 39 13 8 2 ostoj i stativehi zuatajna razlila medu gradovima? 5..U jednoj vn aiketirano je nekoliko desetaka pripadnia raze ‘olitigtb stranka pitanjem: odobravaju li smetau azn. Rezultati su Pillazani u dono} table: Republikanci Demokrati_Nezavisui Da 19 6 13 Ne z 7 8 a, Jeli razlika medu grupama statisti¢hi naéajna? b. Povetajte sve brojeve deset puta, izratunajte hi-kvadrat test te prokomentirajte rezultat 6. U tok 8goditnjeg razdoblja 17952 amerith pilota imala su distribu- cijunesreéa u sluibi Jao Sto je prikazano doe: Bro} nesreéa ° 17952 Jeli ta distribucijanesreéa slutajna (Poissonova) distribucija?DANN eGo Ne aan Nao SNe IACONO Citalac se motda zapitao zasto problem standardne pogreske standardne de sijacije nismo spominjali odmah nakon standardne pogreske aritmeticke sredine i standardne pogreske razlke izmedu aritmetichh stedina, No ubrzo ée bit jasno tat je to tek sada udinjena ‘Kao Sto je poznato, usimajuti veik bro) uzoraka iste vlitine i neke popu- lacie: dobit éemo niz aritmetick stedina usoraka, koje Ce se distribuirati po nor- smalnoj raspodjeli, kojoj se stardardna devijaciia (nazvana "standardna pogredia aritmetithe sredine") rabuna prema formuli: sy = s//N. Jednako tako i uzore ruslika iamedu dvijearitmetithe sedine uglavnom se distribuiraju po normalnoj raspodieli. Ako se pak radiloo velo malim weorcima, iratunata raspodjela uzoraka davala je tav-t-raspodjelu. Prema tome, loika reroniranja pri iratunavanju stan- darcne pogredke aritmetitke sredine ii standardne pogreskeraalike bila je veeana ‘ut aimetrignost normalne raspodjle ili simetriénastt-raspodjele Kada bismo radi s elitim uzorcima (statistitari se potpuno ne sladu u tome ‘olikoveliki, nel misle ved od 90, drut isiito tvrde da moraju biti veéi od 100), distribucija varijanci odnosno standardnih devijacija uzoraka (oko standardne devi Jace populacije),uglavnom je norman, dakle simetriéna pa se mozemo posluzti nama vet poznatom logikom rezoniranja, tj. da je oko 68% slutajeva u intervalu ‘jena standardna pogreska, 95% u inervalu 2 standardne pogreake, itd. U tim slutaievima, dalle kod veltih uzoraka, nema problema sa stendarénom pogreskom standardne devijacije, i ona se lzracunava prema formuli woe os Vario da na 450 ueenika, primijenivsl jedan test znanja, dobijemo neki prosjetan rezultat (koji u ovoj ragpravi nije vazan) i standardnu dexijacju s = 30 bodova. Standardna pogresta te standardne devijacije bia bi 2 Yo06270 STANDARDNA POCRESKA STAXDARDNE DEVUACUE I GRAMCE POURDANOSTL Bucluéi da u ovom shi¢ajn, kaks rekosmo, mofemo smatrati da se standardne Aleviincife tako velkib weoraka distibuitaju po aproksimativio normalnajraspod= iol. pore cemo isu logiku zakliutvanja ho i kod stadarebe pogreske a tueticke sreline. Postoji oko 68% vierojatnosti da naga ieragunata standardna dex ‘ijacija ne odstupa od "prave” standardne devijacije (2) vise od jedne standardne pogreske, dakle vige od 1, postoji oko 95% vjerojatnosti da od nj ue odstupa vise od 2-1 = 2, gotovo smo potpuno siguini da ne odstupa vie od 3-1 = 3. Ti, ‘gin rijetima, 95%-tne grenice powzdenost 2a nau standardnu devijaciu iznose 3022 = 28-92. ‘Medutim, radimo lis malim wzorcimn, distribuelja standardniy devijactia nije vite normalna distribuclj, pa mekar uzorke usimali iz poswe normalne populacie! ‘Ta je distribuclja asimetriéna (nesto manje za standardnu devijeciju nego za ve Janes), pa stoga nije moguée granice pouzdancsti ratunati na ovaj naéin, jer biemo tim naginom dodavali i oduzimalijednako na lievo) | dasnos strani od nase stan- dlardie devijacije, @ to nije ispravno ako je disvibucija asimetrtna, (Slitno se 0 tome raspravijalo kod testivanjastandardse pogreske malih proporcija, vidi nomo- gram na sl. 1. sr. 164). ‘Stoga u taki sluajovima { ne motemo drugo, nego jedinoiaratunati—itoma nov nagin — granice pousdenosti nase standardne devijacje. (Standardaa pogredita hema smisla ragunati, jer treba rezliite vijednosth dadati Weve | desno.) ‘Kad bismo ie velkog brojajednako velikih uroraka iratunavali variance, i kad 1 nam ujedno bila pornata prava standardina devijaciia populace (0),onda bi se Bix -X}t Aistibuirao po — hi-kuadrat distribucii (!) s (NV 1) stupajova slobods. (Sada je jamo zagto tu tema tumatimo tek sada: ratlog je taj sto su étage sada wee ‘upoanati s hi-kvadrat raspodjelom.) ‘Kako ae vidi, naveden! ieraz sade u brojniky sum hrivanih raza amedu svakog rezultata i aritmeti¢he sredine uzorka, au nazivniku pravu varijaicu popu- Tacije. (To Sto je ta prava varijance nepoznata, kako ée se breo vidjet, 28 samo atunanje nije smetnja) a0 Sto mnamo, izrax D(X —X}? mote se psatii (N—1)s", ba tog a aoa rote 8 ay yp Na jednom primjeru polazat éemo izratunavanje granica pouzdanost dardne devijacije. Vzmimo da imamo u2otak velitine N = 16, 5 v 10392 gram (raci se o jedinicama tesine grupe djece). Iz toga slijedi de Je standardna devijaci 0302 = 142.8, 2a ustanovlivanje granica pouzdanosti potrebna je hi-kvadrat tabica, sada veé posnata titaccima, Pretpostavimo da nas zanimaju 95%-tne granice povzdancsti ddobivene standardne devijacie. U tablici H Dedatku ofitevar éemo uz ~ 1 stupajeve slobode, daklew nagem slucajs uz 2¢ ~ | = 15 siipnjeva slobode. Ze avs svihu treba otitavati s oda kaja, t. 98Ftue gianice pousdanosti otal w stupeu P = 0,975 i u stupcu P = 0,025 (259% sa svake strane hi-kvadrat iancom’ 16 STANDARD POGIESK stANARDNE DEVIIACUET GRAMICE POUEDANOST?. 277 listibuctj). Te vijednogt su 6,264 27,5. To znaéé da bi — med svimn moguéin ‘rorcinia iz nase popilacie — inraz 15 s?/o# w 2.5% shutajeva pao ispod 6,26, 0 2.5% slutajeva tznad 27,5. Deugim ajecina, w 98% uroraen taj bl itay bio ited 6.261775. Tina dakle ovu situaciju auc! (ii "nejed- ). Da smo ga mogli ragunski sijetiti, pottebno je spomenuti da od vise pravileu vezi s "nejeduaknstin 1. Ako uzmemo reciproéne vrijednosts elanova nejednakosti, nelednakostt mi Jenjaju smjer. Na primjer: 3 1/5 > 1/7 il So je isto, 17/5 < 1/3 2, Nejednakosti ne mifénjaju ster ako sve Glanove pomnotima istim positivnim brojem. Na primjer: 3<5.<5/putato, 30<50<70 Postipimo li tako v naéem primer, primijenit Gemo najprije pravilo (1), ¢ uzet éemo reciproéne vijanosti anova hejednakosti. Time ée se promijenitiemjer nejednaksti 1 se Ew? Fp ii toieito, nazivnita u trednjem iararu, pomnotit emo nejednakostis 15 x2 8 time — u skladu s pravilom (2) ~ smjer nejednakostieetajejednak 15st oa 1st 7,5 <% < 6,36 ‘Uvrstimo iu taj irae vient nate varjances(¢? = 20390), dobivano: 18-20002 <4 (15-20802 m5 0,26 LIZ <0? < 48863, ‘To bu 95%-tne granice pouzdanseti variance, a dvugi korijen it th veljednost su ‘95%-tne granice pouzdanostistandarine devijecy 105,5< 0 < 21,0. Dale, 95%-tne granice pousdanosti 2a nau standardnu devijaciju 142,8 su 105,5 221,0. Kako se vidi, granice nsw (2bog asimetrénosti jednalo udaljene od nae s‘andardne device: donja granica udaljena je 27,3, a gornja 78,2.278. SrANDAROWA pocRESKt STANDARDNE DEVIIACUE cRAMICE PoULDANGST ojo jrinog primera Ako na 30 djece dobijemo neki prosjetnikvocijentintligencije (1) od recimo X =138, sa standardnom desijacijom ¢ = 15, koje su 99%-tne granice pouzdanosti Gobivene standardne devijacije? Rjesenje: uw hi-kvadrat tablil ofitamo vljeduosti us 29 stupnjeva slobode pod 0,995 1 P = 0,005(1/2% + 1/2% = 298). to su vrijednosti 18,11 82,8, Dake imamo ovu sizwacju Ba< 29-154 < 52,3 Reciprotne vrijednosti <0? < 498,1 able, 9%-tne granice pourdanost za stendardau devijacju su: N,2 SE BE BE EE em (2x? , Xa)? , (OXaY? , (EXO? _ 100 , 295 M1 om Tm tM eS +2 or =s90-220=70 4. 88eq= zal grupu: 24—20 za 2. grupu: 59-4 za 8. grupu: 265 — 24 2a 4. grupu: 88 — 80 of 2a SSvy df 2a SSxy = 20~ SSuy Varjaneay, = Feet 55 Vsijneay, = SEE pp Natlanety, 3.3 g | Varijanca,, ~ 2,875 ~° Kao 8to vidimo,rezultat je identitan. 2 $70 NAKON 2AVRSENOG RACUNA ANALIZE VARUANCE? su 20,2, STO NAKON ZAVRSENOG RACUNA ANALIZE. VARIJANCE? Xi aializa vajance poke dla motemo sinateati da svi nzorc pote iz iste populacie(dakle oko nas F nije statisti¢kiznaeajan), onda nes natavno dale vise ne zane pojedtinnéne rte ied ek ites sce. No tko F-test adbaciwn-hipotern, tj, ako dolagemo da uaott ne pripadaje tito} popula, feta nas mode 2animats hoy so wzote moda Sobom statitiQht ‘mateo taza. Tako. aa pringjer, ako sino poksu imali eksperimentalne supine (saa skupina pod realiitom *dozom” sereviene variable) I jedn kon- trons akupins, maze nas zanimat koje se ve ekeperimentalne grape satsich ‘natajn raaicuju od honttlne grape, (Jer F test — ako je 2aCajan — govori ‘am samo to da sve grupe ne pripadaju iste} ponulacii pa je, prema tome, jedino {to motemo bit sigur saino to da se barem dvije grape metabo statistic ‘navajno rls najeleroatnije je da au to grupa s najmanjom § grapa snaj- ‘eéom atitmetighom sredinom. ‘Vet na potetku poglavlja 0 analizi variance prezentirani su argument zato ne doaciu obair upotrebanizat-estov; iz argumenata je vidljvo da ima maogo Taaloga, no gla je rag ta to upotrebom veeegbroja testova (kod 4 grupe vet imamo 43 = 6 t-testova, kod 10 grupa 45 t-testova) pavetavamo éansu da éemo alvéojno obit, koji ie statistehhanatajen, pa prema tome poveéavamo Sensi da ucitima "pogresi tipa 1", ¥.da proglasino znaéajnom razlk koja zapravo ‘med populacjema ne posta (Vidi niaganje o pogzek ipa {1 tipa Una str 135) Konkzetno, ako bismo na prrajer, mali 7 grupa (Feksperimentanih situa), w tom slugaju posto 21 mogul par arientikihsredina, 2) raza famecu dvi aritmetihesedine, U tom slutaja ved postolidosta veoka vjerojatnart da 6 — Usprkos injenici da mozda i sv zore Prada ite} populacji— barem 1 od 21 t-estova pokazai "sttistihd zmaéajet raliku na nivou od 5 %, jer — tao #0 ‘namo ~ ako name ral med popslactiama, prose € 66 100 mijerenia 1 5% shudajovapoiavti "statistic znataja" relia. A'.04 100 je isto kao 1.08 20 ~ dakle na 20 mjerenj 1 razika"statstitkiznatajna” Svojedotno (1958) je staisti¢ar C. W. Dunnett tome pokusao daskotit tako da je into tablce site ‘-ablcame, 1 Kojima se sistematelipoveovala ritiena {eraniena) tvijednost sto je brojskupina, koje se uspereduu, bio ved, Tako, ne primjer, ok u Kasitno} Uta: graniea frijednost na rain anatajnoe od OS 260 stupnjevaslobode ios! 2,00 u Dunnettovim tablicam 284 grape, kod koh tmedusobno usporedujemo se aritmeticke sedine, granina-vrilednostiznsi 255 ' novij viens racliii autor (Tuckey, Duncan, Scielle Newman-Keuls i.) redlogh su vali tebe aa sistenatsko simanjivane iaika pogresketipa I kod poveéenja roja vsporedbi met dui artmeitilsvedina. Neki og tih ators ‘arotito.su opreai te ral porcupke a prion” od poetupaka "a posteiony daju ani formule a inratunavanje statistickeanaeajnosti emed dvi po We fritmeicke seine, vee prema tome visimo li usporedDu prije it nakon rata ‘nalizevarjance! (Jer nakon zavrsenog raguna, mi vee snomo pripadaju bi sve312 49. uvoo y axaui2y vaRUAnee atitmetitke sredine isto} populacii.) Cink se, medutin, da situaciia x tom pogleda w statistic alje job poste a8eiséena, jer se w hteratusinailae ua ralitite savjete, Koji doduse, preporuculs neki od tih postupaka, ali ~ iako se navodi ista formula — daju se rasigte ypute 2a, inraéunavanje stupnjeva slobode, st» naravno dovodi do priliéna razittoga defi. tivnog rezultata! ‘toga sam se u ovo} knisi odluzio 2a jadnog od najvise ctiranih autora th 2a Schelfea, re éu ukratko lznijet jedou njegovu varijanty 2a izrafunavanfe rain ‘medu aritmeti¢kim stedinama nakon aavrdenog F-testa Postupak u biti nije kompliciran i mode se sae u ove "korake” 1. Nakon iaratunanog Foomjera u analist variance, 2a svaki par aritmetickih sredina, koje Zlimo usporediti,primijeniti ov formulu: (%y- Ki) PO MMF NN mo 2. fz Forablice otitamo granitai F us Zeljeny razinu znatajnosti (uamimo P = 0,08), 28 (& ~ 1) 1 (W —B) stupnjexa slobode. (To smo vet otitaali kod analize vaiiance.) 3. Otitana granitna vrijednost F pomnoti se sa (ft 1), i tako se dobije nova sranitna vriednost, nazovimo je F". 4. Za sve parove aritmetifkih stedina, za koje to Zelimo, izratunamo firaz F ‘prema formuli (20.8), i usporedimo ga sa F Ako je F vei od F*,razlika rmotemo smatrat|staisteki znatajaom (na razini na fojoj amo ofitavai F v2. "koraku") Frimijenimo lite postupak na nas pri primar (idiatranicu 304), dabivaana rerultate prikazane utablici 20.3. Gronitni F na razni 0,05 2a analizu vasijance za stupijoveslobode 3116 iznost 3.24. Pomnotimo li tu wijeduost sa (#~ 1), dobiramo 3,24 (4~ 1) = 9,72. Samo su ‘oie ranlike iemedu aritmeti¢hih sredina dakle statisti¢hiznaza ne (one su utablic oanatene 2yjezdicom), ito razlika iamedu prve i teée, reall izmety druge tree aritmetidke sradine. Napomena, Schefeova metoda desta je rigorozna u pogledu pogresks tips 1, th, ede Ge nam se dogoditi da odbscimo nul-hipateay, iako medu poptdlack Jame nema razlike. Drogien sijedime, metoda vibe tendiza toove da prikestine wul- hipotean, pa maker mety populacilama vaalla i postojala. Sam Scheffe saga ie predlotic da se eventualno umjesto razne znatajnost 0,05 uame blata razin, vec ‘m0 0.10. (Za upotrebu te blate raine treba koristti detaline & tablice, koje s@ ne alae y ovo} Kaji.) ee 203 OvOSMUERINA aRaLiz4 vARUIANCE 313 TABLICA 203, TESTIRANJE RAZLIKA MEDU POJEDINIM ARJTMETICKIM SREDINAMA NAKON ZAVRSENE ANALIZE VARUANCE, Rasika jzmedu F Setia inet) yf a= one Vik, Wa 3,9(00)/25 = aye 25 Foy Bike SoA = syias= sas Miks sie: 16/106 = 13,79" Bik, Go = aas= 086 mim 4 AaB = opus 176 ‘Treba spomenuti da se gotovo u svim udzhenicima nalasi zahtjev, koji smo vee spominjal { kod t-test, t. da Je potrebno da su populacije, iz kojih su uzorci ‘wimani, normalno dstribuirane | da varijance tih populalja moraju biti pribiéno Jednae. 'No, isto Sto smo reli za t-test, veiled ovdje: Boneauova su ipitivan)a pokazala a tuvjeti mogu biti prelageni ako su u2orc jednake ii signe velitine, 4 ako su populacije meduscbno sliene u odstupanju od normalne raspodiele. N apo mena Mnogi netto upuéenijititaecl tl su verojatno es ira "anali- 12a kovarljance". Obiéna ha tom podrutju postoji potpuno mutna sika o tome Sto to misc, no rac sea jednoju biti vio jednostavno§ stvar:u praktitnom terenskor radu gesto nije moguée ixjednatiti aritmetitke sredine pojedinih eksperimentalnih padgrupa, pa prema tome veé zapotinjemoistraivanje saritmetitkim sredinama, loje se statistild anaajno racikuju! Kiasitna analiza varijance pokasuje nace 22 Iie aritmeticke sredine razliitih podgrupa statistieki anatajno razlikuju, ali pri tome polazimo od pretpostavke da — u siugaju da naa nezavisna vatijabla nema ‘utlecaja — nema razlika medy slupinama. Ako te razlke veé u potetku pestoje, fonda se ~ da bi se ustanovilo je Ii nezavisna varjabla imala utjecaj i koik je om u pojedinim slutajevima bio ~ kotisti ratun "analize kovarljancs", Sam postupale coplsan je u nekim vetim | kompleksnijim statistickim udfbenicima, 20.3. DVOSMJERNA ANALIZA VARIANCE, A. Nesovignirevultati Istrasivati kathada w svojim istradivanjima imaju vie od jedne necavisne vari- jable. VU primjera jednosmjerne analize variance koji smo obradili w proslomau 20. uvoD #ANALIZU VARIANCE potato, 4 skin isan ile su merene saa dragi uvtinas fae | malo nas je da li se te skupine medusobno razlikuju. Ali kada bi se, recimo, jedan. istrazivat zanintao za problem kakva je povezanost izmedu koligine pugenja (pria trecaisnavarijabla | dubine sanjay all uedno ga eanima ina I sles atom cxinosn nek vlogu, onda staves predstavlia dragu neeavisn vara, i sada ana liza variance postaje konica. Kao ito smo oboe prethodntn postal, Aig emo “kotak-pocorale"metoda 2a obra al eat Pretpstesno da eta istraziae ina ovale nacritadivani,ixadavaju ding isan w nek Setniana. (Gee je mal bod ist, a reaulat ‘mali brojevi, kako bi se lake pratio veéunski postupak): ‘Nezavisna vatijabla A (fabtor A, starost) z s varljabla B 6 10 a Ge ee | Sd : ‘pusenje) . 6 i ‘ ‘ vom 1. Kvadtito) svaki reaultat (X)? 1 zbroji ave rezultate (2X) Unjihove kradrate (2X7) unesi u tabliew: Mi XP Xa NP Ny XP Suma X za redove 7 85a we 5% 6 3 9 BL 29, 6% 10 100 Mi 2 Suma a ———— oa 309 4 5 n 63 6 36 4 6 16 Suma Bs 363036 er 24 3 9-6 36 n 5 4 6 6 36 15 Suna i ‘Suma X aa saps 36 s a 202 DVOSMJERNS ANALI2A VARIANCE 318 2, acatunaj GRAND TOTAL (G7) “Noy = a Na = ukupni bro Fenutate 4. fee¢unaj TOTAL SUME KVADRATA ($Su) SSeqr = EXZy - GT = 813 - 675 4. Ieracunaj sumu kvadrata MEDU SKUPINAMA (SSig) cy. (ex? 138 reper ees 12? 15? 2 EE oe 5. Taratunaf summa kvadrata FAKTORA A (SSia) (Suma stupea 1)? | (Suma stupea 2)? Wustupcat *"Nustupeu2 * (Suma stupes n)? ‘wu stupeu n =(F+$ +B) - ors 85a r= voto 8 — 675 = 18 6, lrattnaj suru kvodata za PAKTOR B (SSia) “s5p = (Suma redova)? _ "= Gupal bro] redava {ouna X Jakih pusaca)® , (suma ¥ slabih pusaca)? = “proj jakh putata "bro sabi pusaca (cume 2 nepusatal? ‘broj nepusata “8 = (S486 428) eee asa 7, Inatunaj sumu kvadrata 2a INTERAKCIJU iemedu faktora A i Faktora B (85a) Sys = SSin ~ $Sin — $m = =84~18-54=1226 20 UVOD U ANALIaU VARIANCE 8. Taragunaj sumu kvadata UNUTAR GRUPA (SSvq) SSyg = SSioy ~ Sug = 138 - 84= 54 9. Odredi stupnjeve slobode za svaku sum kvadrata ¥ 22 SS = (N'~1) of 20 SS af 23 SS, = broj stupaca df 22 85m = (r-1) =3— + = broj redova of 22 $849 =(F-1)(0-1) = (-NG~1) of 12 85qq = (N ~18) = (21) ~ (8-9) =27-9=18 10, Procljeni vrijance vanes ance = 2002 Rrdrata aiianes = “Sp, slobode Varijnea Faltora A= $2 = 19/29 Variance Faltora B= $82 = 50, 61/3 = 25,94 Varijanca WG = S38 = 54,1 the Tnvatunaj F vijednosti za plane fete tblce vain: Variancea A _ 9/5 = Varanctyg = 9/9= 8 Voriianconte @ Pern = 35.9078 Varina interakelje A 5, 39/4 = 3,83 Fatt s Fissue 8 = Vasiancaas Varina 88/3, Frater, 03: DVOSMLEROA ANALIEA VARIANCE 317 12, Vines! renitate o tabliu: Soames | act | S82 [ tonne [or | mes fo [2 [F ee ee conargaoe | oe | os | Kako vidimo, F medu gtupama nie statistieki anatajan (P > 0,08), F faktora B (pusenj) jest statisti znaéajan (dakle holtina puienjs imo efata na dutina disanja), (P < 0,05), F interakcife nie anatajan (P > 0,05), sto nati da nema interakcie lemedu starost i pusenja w pogledu dubine disanja. B. Zavisnt resultati 2a ovo émo wet prijs sno die dkpin ith spite oj su eta «ava navrata (prj posi ilovanja nee neavinevrijnole). Citlac hoi > fntonekepostupe ie textiran tatinieabaéajost aka med rte Sredinams sayeth gra, sei ce das Kod die spine taj protlem weoma slegantna sete we pomoé "metode diferente" No primer hoje sada na rece ‘pak je obra postpkom analize varjnee za ravine reatae, dnote eto a eis pomupak lake pratt na sar die sping aa see vise spina samo pave hots ratonani, ane mien eis ra, Prespstavimo das est ist isitn jednoj haters primjene neo postupka {da su doivent ovi tena pile poslife Ispitanik Prije_Poslje T 2 2 7 a0 402 5 B® 6s3s 2. UYOD U ANALIBU YARUANOE Postupak metodom "korak-po-korak" irgleda ovako: Kvadsiraj svaki reeultat x 23509 ar 729 31961 321024 26 676 25625: Suma Tet 540 2. Zoroji sve bruto rezultate (UX) i izratunaj GRAND TOTAL (GT); (exy? _ 350% _ 128881 or = SP SE = BE = 070,08 43 lratunaj TOTALNU SUMU KVADRATA (SS) ‘SSge = EX? ~ GT = 11039 ~ 10 740,08 = 208,92 4. Teragunaj sumu kvadrata MEDU GRUPAMA (SS) (ex? + ex? SS pg = FAO or 164? +1957 Slika 21.1. Rezultat pokusa, pri koje j 1000 puta bilo pomijesano 16 erik 10 crvenih arate, te je promatran bro} nzora nakon Sako mijefonja 21.2.2, Medijan test ‘To je vilo jednostavan test koji se zapravo svodi na hi-kvadrat test, a kojim ispitujemo pripadaju li dva uzorka populacji sistim medijanom, U parametrisko} 7” | 212 BIA NE2AVISNA UzZORKA a7 statstick njemu djelomigno odgovara test, kojim ispitujemo znatajnost razlika lmedu dvije aritmetitke sredine. Uzmimo da smo na dva vzotka (koji mogu po velitin! biti jednakt ili ralitii) obili w nekor mjerenju ove rezultate, koje smo zbog preglednosti poredali prema eligi Usoiak 1 8 9 9 10 10 10 12 13 1517 17 18 19 19 21 25 24 25 26 28 28 29 31 31; Usoraki 3 6 7 7 8 8 8 10 1216 19 22 24 27 30 32. Princip medijan testa sastoji se u tome da nademo centralnu vrijednost (ti median) iz swh recultata 2ajedno i da th unesemo u 2-2 tablicu. Buduéi da u nafem primjeru imamo ukupno 41 rezultat, medijan je dvadeset prvi rezultat po velitini (0 iaragunavanju,medijana vidi pogltvlje 43.1), to je 17. Ako sve rezultate koji sa iznad medijana, canatimo cznakom 'plus”, a rezltate na medijanu il ispod jega oznakom "minus", dobivamo: Ueorak I Usorak It wa -tetbeteeeaeee aatteeeet Uncsemo Ii frekvencij tih reaultata u tablicu, dobivamo: e- Usorakt [a3] 11 | 24 Ueorak it [7] 10 | 17 2 4. Is ove tablice sada izratunamo hi-kvadrat test, vodedi ratuna o svim pravilima ja vrjede 2a hi-kvadrat, pa stoga u ovon slutaju moramo (jer se radi o 2-2 tablici) upotrijebiti Yatesovu korekturu, Inratunanihi-kvadrat izosi 0,258, pa zato prikvadimo hipotezu da se medijani obaju uzoraka statisti znatajno ne razlikyju. ‘Ako je ukupan broj ezultata paran, medijan je aritmetitia sredina izmedu dva rezultata koji se nalaze w sredininiza sv seaultata poredanih po velitni, U tom slugaju.ée nam svi revultati bit ill anad it spod median a nti jedan na samom medijanu 21.23, Test sume rangova (Wileozonov T-test, Mann-Whitneyeo U- test) Taj je test donekeslian tests homoge nizov, ali on kovst vibe informacia (G5. korst rangove, a-ne samo podjelu u dvje hategorie) | ato se mote smae teat oljim i "snadajin". Keo i medijan testo, testom sume raagovatstiramo ripadaj Ii dva uzoskau populacj sistim medijanom,38 121, 1808 12 NEPARAMETRUSKIN TESTOVA ‘Vamimo da imamo dvije skupin ipitanika od kojh smo prvoj skupini (Ny aval neki vitaminski preparat, a digo) skupini (N = 8) niemo. U ostalim fake torime obje su skupine nacavna sien. Zanjma nas pokaauje I “vitaminska” gropa bolje "opée 2dravstveno stanje". Ispitaniel obi skupine oznateni su slovima: Pksperimentalna Kontroina skupina skupina A 3 B K c L D M 5 NX F ° e P # R 1 Postupak se sastojiu tome da uememo sve isptanike zajedno i da ih rangiramo prema opéem 2dravstvenom stanju, s tim da rang 1 damo najadravijem ispitanik, Uzmimo da smo dobli ovaj rezultt: Rangovi_-Rangovi Rang Tepltanik gksp, grape kont. grupe MOUZOUPUORASZOUEE 212. VA NEaAVISNA vz0RKA 329 2a obje skupine posebno zbrojimo rangove. Zbog kontrole dobro je provjriti sumo rangore formulae nan ven 159 [akon toga ixaéunamo intr: BR — mw + 0i-2 Rav 3 sxje'Z ana ilo Raju od suma rangova, © Nj ana brojiaptanika w skupit ie loje ame woel 7 (Podsecamo ftanea da anak | 20a da se usima u obit epto lutne vijednestintza, pa, prema tome, broaik te formule gover da irae treba {smanjiti 282; ako je lar u aagrad pontivan, odanat demo 2, 2 ako je negativan, ratemaiithi emo pribrolii 2) Taratunamo I 2a ekaperimentainy skupiny, dobvamo: [2-74,5—9-18|-2 isa 3 Dobie demo ist rerultat ako = ieratunamo za kontlnu grip: pe TBS 8 INI=2 4 og x31 3 Ako ebro ipitantausvakosskupil aren 8 ada jeradunant «dae normale isuibueju #aitmetihom sredinom 0 standardnom devijacjo 1 )-aatunana ‘rlednagt nije nit drugo nego nama veédabro pommataz-vrednost (pa, prema tome, i t-ijednest) Bud! da jedino rerultate Wat su vel od 190 motemo sms tcati statisti¢ki maéajnim (na razini znatajnosti od 5%), zakljuéujemo da je na = premale, pa prema tome pribvatamo nubhipotee:nismo dokazall da seta dva zara satiate anatajno razikuj, (To je "dvoamjern” tet. Za "Jednosmjer* test granitna vrjedost 2 bila bi — lao snamo ~ 2,66) ‘aatno je jednostavnije testiratlrnatajnostrasike medu uzoreima us pomat tablice Nu Dodatks. Alo ss wtorci manjh od 8 tablica moramo upotsjbit Medutim, upotiebs tablie zatijeva jedan dodatniretun koji éema ukratko125- tumati, Kad znacajnost oeitavamo s tablice, treba uti w ober amo marji w2o- ra, th njegora sna rangova, No, medutin,njegova bi suma rangova bil druktifa (Geta it mania) a smo teultate rangiali obratcim redom. Zato eu drupe sum rangore treba pechodne fracunad fo prema frill T= Nano ucts + Ni + 1)~ Toes woh (ais) nae primjeru dobivamo T= (948-41) -785= 144-78,5=65,5. 2a tablicn se usa manja od te dij sume rangova 7", Buduéi da nah prvi 7” inmost 7.5, a drug "fen 655, dani pestupak aimamo bro 63.5 U tablis, ay 53.30 2. 1200R 2 KEPARAMETRUSKIN TESTOVA va sect broja 8 (V manjeg wrka), s brojem 9 (NV veéeg uzorka),éitame 51, 80 ‘nati da many suma rangova manjeg uzorla, smije biti najvise SI. Kako je 238 suma veéa (65,5 > 51), zakljugujemo da ne mézemo odbaciti nul-hipoteeu — dakle 2akljuéak je isti ko i ratunanjem =-ijednosti ‘Kao sto smo iz nadeg primera vidjli, jednakim rezultatima daje se zajednight sang (0 iaraéunavanju zajednithog renga vidi sty, 200). Ako imamo mnogo 23: jndnidkih rangova, u ragun testa sune rangova treba unijeti odredenu korektur, ako de formula 20 = elas moeery)—1 Tim ]|NGP=1) ag] (nti (S-2-r7] aie 0 (7) = osehvane sume rangore Fa = M+ Ny = MOLY, gije jm brojrecultata kof ine zajedniehi rang (Otekivany sume rangoraratun se prem foul 18) (7, ox = MiMi) ‘Miu natem primjeru imamo dva puta po dva rezltata koji su veeatsajednithim angom (reultati MF | ON), pa nag EP iano: 2a Soaaece leratanamo li na primjer stom korekturom, dobivamo: 1 Kako se vidi, abog malog broja 2ajednitiih ranogva, u ovom se slugaju z nije promijenio. 21.24. Siegel-Tukeyeo test Sicpl-Tukzyeo test pogoan ejedino aa testranje anatajnost ral varie biiet (Lo svostv ima i est atogenog nie). Po upotiebjenim freulama on je jednak upravo opisanom testu sume rangova, alse raaikuje po natin reng- ‘anja rezultata, Dok smo u tstu sume vangovavangirall ezultate ne standardan, ‘obigajennadin, ovdje fe rangzanje malo neobitno, sto Ge se vidi f primera. ‘Usmimo da imamo dva wzora sovimrevultatima 212. vi Nezavisna uzonkca 33 Uowkk 25 5 M19 0 17 1 8 8 Usaki: 12 16 6 18 138 3 10 10 11 Rezultate Gemo rangirati tak da Gemo rang 1 dati najnizem reeultatu, rangove 213 najvisim rezultatima, rangove 41 5 \duéio najaizim rezultatima, 67 idueio najulsim, itd. Pritom éemo, kao i testi sume rangova,biljetti pripadnast wzotk, U nagem sluéaju, dalle, imamo: Rewltat: 0 3 5 6 8 8 19 1 1 2 Is 1s ow Veowk I 1 1 rit ot ttm ot Rog 1 4 5 § 9 2 13 16 17 18 15 WoL Rewltat: 15 16 17 19 25 Vers I MT TT Rang 107° 6 32 Ako je tétalni broj rangova neparan, ne wzlma se srednji rezultat u daljnjem atu, ‘Alp se obje populacife ne razikju u varjabilittu (nul- hipoteza), sume ran- sgova jednog | drugog wzorka bit ée ligne. Naprotiv, ako se populacije u varlja~ ‘iiety razlikuj, uzorak iz populacljes vetim varijabiitetom tendirat ée ekstre- ‘ima sékvence rangova, i stoga ée biti oznagen nizim rengovima, Naprotiv, wotak {2 populacie s manjim varijabilitesom, tendirat ée prema sredini sekvence rangova, { zato éo'biti cnaten visim rangovima. Dakle, uzorak s veéom varijacijom imat 6 ‘manju sumu rangova. To 2 lake moze dokazati na jednom ekstremnom primer Rezultati uzorka I ‘Rerultati uzorka I: Reta: 12 a 4 Usork) 1 1 1 Rang 1 4 5 8 ‘Suma rangova uzorka I Suma rangova saotka It 23°15 2 3% 56 7 w 12 6 7 10 12 15 2 2 orm rit 2 10 7 6 3 2 Kako se vidi, uzorak I, s veGom varijaciiom, ima znatajuo niu sumu rangova Unnasem primjeru suma rangova uzorka I(T; )ianosi 59, a summa rangova wiorka (Tp) anos 112 Kontolaragune: He ats NUN +1) a m. Dalje rafunamo jednako kao u testu sume rangova, t). pri (24) eT — MW +uI-2 NNW +1) 7332 21, non 12 NEPARANETRLISKIN TESTOVA ‘Ako u formulu umjesto 7; uvrstimo vijednosti prvog uzorka, dobivamo: 2-59-9-19)-2 /5-9- 19/3 (Da sino w formulu uzeli Ts ,dobili bismo iti reeultat,) Dakle, uzorci se statisticki sneéajno razlikuj po vatijabilitetu (P < 0,05). Ako u rozultatima ima zajednidhih raxgovo, valja upamtiti ove: 18) Ako se 2ajedni¢hi(*vezant") rangovi nalaze samo unutaristog uzcitk, to neée nutjecati na sum rangova T, pa je 2atosvejedno kojem od ist rezuleata damo ‘#8, koje ni rang. 1b) Ako postaje "vezani" rangovi iamedu oba uzorka, pottebno je u postuplen ieracunavanja rangova, kao i u formuli za izragunavanje 2, provesti neke ‘promjene, koje éemo rato opisati posluzivs se primjetom i ednog eksper- iment, U jednom laboratoriskom pokusu ispitanti,ipitani u dvij razlicite eksperi- rmentalne situacje, dali su ove rezultate (rezultat su poredani prema veliin): = 2,25, Rewltat: 18 $2 34 36 44 44 52 52 54 5A 56 56 5! Usomk 2 2 1 2 12 1 2 1 2 1 «1 2 Rang 1 405 8 9 2 U3 1G IT) 25 105105 145°14,5 18,5 18,5 22,5225 Rewltat: 62 62 62 64 66 70 72 76 76 80 80 80 83 Uomk 1 1 2 2 2 2 1 1 2 1 1 21 33 36 25 28 Rang 28293 29,7 25,7 29,7 3635 Ms go 825°82,8 27,7 20,7 27,7 Rezultat: 90 92 96 98 98 10,2 102 102 10 1,2 146 Uork 2 2 2 1 2 12 2 1 2/2 Rang 22 19 «18 YS WY M1 7 6 3 2 151s 98°93 93 Pri rangivanju u potetku éemo postupiti prema standardnam postuphu — kako je to uéinjeno i u ovom primjeru — tj. redom éemo napisatirezultate i rangirati ina opisan natin, ne vodedi zasad, raéuna kod vezanih rangova koji smo wzorak. staviliprje a Eojikasnije. U primjeru su vezani rezultati podertani, Buduei da ukupno imamo neparan broj reaultata (87), sredajirezultat negemo dalfo urimati u obait (sredn{i rezultat je 7.0), Sada Geno vezanim reaultatima dati i vezane rangove, Ti su rangoviispiseni ispod vezanil rezulata, 7 | 214 DVA ZAvISN4 UzORKA 333 Suma rangova Ty = 932,6 1, = 383,5. Sad tee iaratunatl inraze Sy i So , pei emu: ‘S; = summa oni kvadeitanih rangova koji su tvorllverane rangove, ‘Sy = suma kvadtiranih vezanth rangova, U nagem primjer, dake, dobivamo: Sy =9? +102 19" + 16" + 17 + 208 +218 +20 + 8 + DOF 4 BDH OEY 491? 4 30" + 27? + 26% + 15% + 14 + 11" + 10" + 74 = 108; Sp = 10,5? + 10,57 + 14,52 + 14,57 + 18,52 418,57 + 22,57 + 22,524 29,724 $20,790,774 90,5° 490,58 497,774 97,78 427, 414,08? +14,57 49,3" + 9,37 +9,3? = 10078,6. Formula 2a izratunavanje z takoder se mijena, tj mijenja se njesin nazivnik ona sada gla ben Now + i=? IN,Na(W +1) _ 4NiNa(Si~ 51) 3 NW (ug) ‘Uvrstimo Il nage veijednostiw tu formulu, dabivamo: [2-932,6-17-37]-2 tio a 47-19-30 rr 0,54 Kako se vidi, raliku u verijabilitetu ne mo#emo smatrati statsticki znaéajnom. 21.8. “DVA ZAVISNA UZORKA Kao'i kod parametrijlih testova, i kod neparametrjskih testova metode su nefto druktije akoradimo sa zavisnim wzoreima, dakle li dva puta sistom skupinom ispitanike iis dvie skupine fpiténika,u hojima svakiipitanik jedne skupine ima svo} par drugo} skupin 21.8.1 Tet predenoka (Sign test) ‘Wario da je iaveden eksperiment s 18 par jednojejeenih bliranaca. Eksper- rent se sastojo u tome daje jedan lan svakog para bizanaca bio brenien rvih 8 njsed od mje, dok je drglelan para vet od drugog tedna branjen na botic. Kad le ovaki par blizmaca mao 5 godine, ivesen je adraystven pegledrazvoj. Nul-kipota koju ceba tesa je ova: nema rane u tjeesnom ravoju lamedu blranaca othranjenih od maj i onihothranjenthna botiew (sim, dakako,ralka nje motemo pripisat slueju).Ford 21 2800 1 NePARAMETRISKIH TESTOVA Postupak testa predanaia sastoji se u tome da éemo svakom pare, kod hoje Je bolje razvijen od maike othranjeni blizanac dati predanak (oonaky) "plus", a Svakom paru ge je bolle razvijen na boticu othranjeniblizanae predanak "minus" Parove u Kojima nismo nail nikakvu razliku oznaeit ceme s "nulom” i nedemo 1 Kasnije woeti wu eaéun, Time ée se WY, tj, broj parova, smanjiti, Dekle, testy predznala N = bio) parova kofiserazlikuju. (Ako imamo mnogo patova bez rake, test predanaka se ne mote upotijbit!) ‘Vemimo dla smo kod nasih 15 pari blizanaca dobili ovaj rezulta Paxil A BCDEFGHIJKLMNO Predmak + + 4 + +--+ HHO HHA Kako se vidi, u 11 of 15 pari bio je bole fazvijen bizanac koji je othranjen fod majke, au 4 para bio je bole razvijen blizanac othranjen na boticu. Dakle, w +reCunu imamo 4 minusa i 11 plusova. Daljji postupale radimo menjim od ta dva broja, dakle brojem 4. U tablici O u Dodatkii uz N = 15 (15 parova) nalazimo, brojeve 2, 3, $1 4. Ti brojevi anade granite vrijednost, tj. najveti dopusten braj razlika koji jo’ mozemo dopustti uz razinu mnatajnosti od 1%, 5%, 10% 1 25% Naf broj razlla je 4, Sto pokazuje da bi se takva razika mogla | sluéajno dogoditt w 25% sluéajeva. Tablica je medutim "dvosmjemna", i. raguna razlike w bilo koje smjeru,a mi smo u ovom sluéaju vet od potetka zaineresirani hoe blizanc! koje je thranila majla biti kasnije bolje azvijeni, pa prema tome mofema raza tstirati "jednosmjernin” testom. U tom slutaju tba vjrojatnost w tablii "raspoloviti", ti, podijelit s 2. Dakle, u nafem primjeru dobivamo da bi se ta razlka (u tom sinjeru) mogla slutajno dogoditi u 12,5% slutajeva ~ sto je naravao jo8 uvijele nedovoljno, jer ne limo Iéi na razine znatajnosti, koje su voée od P = 0,05, dakle 1 tablicieitati pod 10%). Evo jo jednog primjera 2a test predanaka: Na treningu kolarks imali smo 10 ispitanila, kojima stmo iamjerili kolo su puta od 50 bacanja lopte pogodii "tos". Nakon toga sve smo ispitanike podvrgnuli ‘napornoj gr koja ih je umoriai ponovno ir: izmjerili bro) pogodala u 50 bacanja, anima nas je li umor smanjio (jednosmjerni test!) preciznost pogodala, Protpostavimo da smo dabili ove rezultate: Ispitenict ABCDEFGHI9 ‘Broj pogodaka kod prog mjerenja «15 19 G36. 10-1915" 10. 16 Broj pogodata kod drugog mjerenja 17 20 16 8 10.6 7 8: 128 Predznak ee ‘Oanatimo li poveéanje broja posodala s +, smanjenje broja pogodala 3 —, ‘ nepromijenjeni rezultat s 0, dobivamo 3 plusa, 6 minusa i jednu nul. Nula se inbacuje iz raéuna te tako bro} patove postaje NV = 9. Od brojeva 3 16 broj 3 je 213 Dv zavisna vzoAKs 335 itamo 0, 1, 1,2. Ie toga zakliudujemo da bi na rain znatajnosti od 5% (Eitamo pod 10%, jer nas zanima smjerralike!) na’ manji ‘byo} motao iznositinajvige 1. Budi da ent imamo 3, zakljueujemo da razlika nile statietiehi znaeajna, U ovom ju prijasnjem primjeru mogl sino votti jedan bitan nedostatak testa predznaka: on ne uzima u obzirveliinuaalike, nego samo njezin smjer. Konkreto, lu prvom nafeim primjeru moglo se dogoditi kod 11 parova blizanaca da je od majke othranjeni blizanae bio znaino bole razvijen od svog para, a kod 4 preostala para da jena beticu othranjeni blizanac bio samo nematno bol aavijen. Za test predznaka to je, na dalost, "seejedno”. Zato 2a taj test neki statisti¢al (Senders) ka2u da je to wrlo prikladan postupsk stednje vremens kada su raalke velike, i vrlo koristan instrument da bi se aproksimativao ustanovilo "odakle vetar pute", €. postoji li ‘uopée neki fenomen ili ne. Ali kad nam je petsebna veéa precianost, gdje Zelimo Jskoristil jostale podatke koje imamo, a to su veligne pajedinih razika, mnogo je prikladniji Wileoxonoy test. 21.8.2. Wileazonov test elvivalentnih perovs ‘Taj test zahtijova myjerene vrijednosti (dakle intervalny ili omjernu skalu). Pos- tupakse sastoji tome da jzraéunamo razlike (2) iamedy oba lana u svakom paru. Ako razlke nema, ona je 0, i taj separ lspusa iz daljje obrade. Razlike mogu biti ppozitivne i negativne. Te se razlike rengiraj ito bez obzia na predznak. Najmanja rulika dobiva rang 1, iduéa rang ?td. Ako su dij i vie razikajednake velitine, ddobivaju zajednitit rang. Nakon toga svakom se rangu daje ona} isti predznak ‘ji je malaj raalika: ako je ralika povtivna, i rang je pocitivan, a ako je raala negativna, i rang je negetivan ‘Pod pretpostaviam nul-hipoteze (i. da nema raalike medu wroreima) postojat (e tendencija da suma pocitivnih i suma negativnih rangova budu jednake il slien. ‘Ako postojiznatajna razlla u sumi, to vet govoru prilog odbacivanja nul-hipoteze. Te tablice motemo ofitat koko najvige smij iznosti manja suma rangova (T) wz ‘odredeni bro} parova (). Prinjer 1: ‘Vemime da imamo u nekom ispitivanju ovih 10 parova rezultata: Parovi A BC DEF GH Ig Rezultat jednog lana para 15 19 S86 1 1 15 10 16 Rezultat drugog lana para 19 9 % 8 1 6 7 1 ow 8 Radke 4 1 5. 0 5 2 2 -12 8 Rangraclla -3 -T 45 9 48 15 15-8 6. Teratunali smo ral dit ralikerangiraliod najmanje do najvese (bee obtica336 21 12008 2 NEPARAMETRUSKIN TESTOVA tna predanak:). a rangovima smo dali sti predenak koji je imal i raaika Suma negativnih rangova iznosi 18 (zapravo ~18, ali buduei da je vagna samo velit broja, sada mozemo predmak izostaviti). Suma positivaih rangova izosi 27, Mayja summa rangova = T= 18. NV =9 (jer smo jedan par odbacih). Tablica P 1 Dodacku pokazuje da bi na razini znacejnosti od 5% (u “dvosmjernom” testy) mania suma rangova smjela ianositi najvie 6, Buduéi da je nat T = 18, 23- jueujemo da raaliku ne mofemo smatrati statistichi znatajnom. Ako nas unaprijed zanima smjer ralike, ravnat éemo se u tablci prema razini ‘2nacajnosti oznatenoj 2a "jednosmjerai" test. Bkstrapolirajuelna8 T = 18 na ra ‘nu P/2 = 0,05 (Stow tablii nije navedeno), motemo sa sigurnoséu zakljutti da bi iu tom sluéaju nas 7 bio preveik Primjer 2 Polusajmo nai primer s hacanjem lopte (drugi primjer iz Testa predanaka, 334) obraditi Wileoxonovim testom: AB C DEF G 3 B19 9 6 1 19 18 wm 6 8 6 7 8 Razlike (d) 2 1 15-280 -5 -12 -8 Rangrazlie 28 1-8 -9 9-4-7 =6. Suma negativaih rangora = 39. Suma pooitivnih rangora = 6. T=6. x Ie tablice P moteme ustanovti da je razika izmedu oba uzotka u "dvosmjer- ‘nom! testa znaéajnu na razini od $%, odnosno da je u "jednosmjernom” testa (lojismijemo upotrijebit jer nas je zanimalo samo je li umor smanjio precienost 1u gadanju) razlila 2natajna na razini od 2.5%. ‘Kao &to se iz ovog primjera otito vil, "snaga’ Wilcoxonova testa natn je vyeéaod" snage” Testa predznala, jer smo Wileoxonovim testom dokazali postjenje Jedne razike koju nismo mogli dokazati Testom predanaka, Napomena. Taj smo primjer mogit jos precznije obraditi parametiekim koji smo nazvali "metoda diferencije" (vidi str. 181). Da smo o uta, bismo: Xa 49 Fay = 800 = 72,93. Za 9 stupnjeva slobode ta je raalika znacajna ne razini koja jo nesto menja of 5%. Kako se vid, usprkos tome sto 2a neparantiike testove Yeijed! pravio da su manje "snagai* od patametrjskib, neki od nj dau revulate koji su-urdo Wisk rezultatiaa Sto bismo ib dba pararoetiskim wstom. 214. VISE NeAALISM U2ORAKS 37 Ako je waorak yell (vei od 25), 7 ima priblino nottusln raspodl, te se node iat, koi alas _ Na+) a as) TneNey 2 Bucluei da se radio normalzoj raspodeli, kod "dvosmjernoga” testa dovoliua je vijednost = od 1,96 da bisno na razini znaéajnosti od 8% mogli smatrati da je razika enaéajna, oduoapo 2 od! 164 da bismo kod "jediosmjernog” testa rezk ‘og smatzati zoséajuont 21.4. VISE NEZAVISNIH UZORAKA. 21.4.1. Prodireni medion test Alo iniamo vige nezavisnit skupina pa Zelimo testratipripadaju li one ili ne pripedaju populacis istim medijanom, mofemo se posluaiti Prosirenim medijan testom na sliéan natin kao Sto smo to utinili kod dva uzorka, Postupal se sastoji w tome da nademo medijan suih remultata i da rezultate, ‘koji su iznad medijana, oznatimo s "plus", «one ispod medijana s "minus". Ako je lino} rezultata neparan, medijan postaje jedan ii vite postojeh revultata; u tom slueaju { rezultati koji predstaxjaju medijan dobivaju oznaku “minus”. Rezuleati se nakon toga uvrste u 2k tablicu (= broj uzorala) jzratuna se hi-kvadrat tet, Primjer. Na 4 nezavisna uzorka dobili sto ove reaultate (abog preglednosti ont su poredani prema veliini): I 8 12 13 1 20 21 2% 33 43 45 47 H 10 158 19 25 30 38 40, 45 47 48 SI 54 55 WE 16 16 17 2% 39 339 4d 45 45 53 G2 G7 IV. 2 41 49 54 59 60 G5 69 71 75. Kako imamo 46 rezultata, median je sredina izmedu 23. i 24. rezultata (tj iamedu vijednosti <1 i 42), 4 most 42. COznatino liu svalom uzosku reeultate veé prema tome padaju l ispod it and rmetijans, dobivamo: Poe 2 2 Woo eee mo - 77 tte ee EE Welt eee eee338 2 aon 2 NebanaMETAUsa TesTOVA 214 vile wezavism vzonaa 339 L oom ow 1. uzorak MH weotak “| TL weorak | TV. ura fa oe 3 a Rezultat Rang | Rezultat Rang | Rezutat Rang | Rezuliat Rang set 3 1| «75, 2 nel jana, 8 7 6 2 23 12. 3 15 16 75 4 23 " 13 4 19 a 9 49 33 u 3B 2 10 46 ad 5 5 a 125, oT 365, 2» 1 | 30 » | 9 39 , 215] + 38 3 195] 6040 Ofekivane frekvencje 2a sr Geil tmose w ovom sucaju polovien brofa 2% 55] 40 uo | 6 2 slugsjeva st grup. (Al ao jo mein jedan od resulta, onda obje deste sume ss] 45 3 | 0 4 ‘table nsujeduali brojei, pa otekivau frekencje teba teradanati prema stan- 3 oa | a eal on & Aarduom postupks, Otekivanafekvenelja sake Gee je suina redo aunastupea, 7 | 8 3 | 6 Podiejeno ukupnom suinon). Tako dobitamo oval hirkvadratratun ms} st e 4 54 os ay ost? 8 fe f (o~ by fe qq 153,0 292,85 2730 362.5, _ 5B on Tas yn 3 2 10 8 5s Saas T leratunamo sums rangon uw walom ure (). Braj erakata w yom $ 8 oo Coss ‘ork oznait emo s Ni. Dobivene brojevekorisno je kontrola: sume 7; mora i 3 ° $ innodte 6 6 0 0. NON +1) 8 5 9 1,800 an= 2 5 8 1800 U nasesn primjere dobivamo: 8 . ost = 28:47 Bio} stupnevaslobode e (2-1) (4-1) = 3. Granina vejednast x? eno 7816. 3. tnatunamo ier H prema formal Buduéi da je nas dobives x? mani, prbvaéamo nl-hipotecu i zaldjutujémo da ne 2 oR ‘motemo sinateati da ti uzoret pripadaju populacijama s zazliéitim medijanom. Hee TD (2120) Napomena. Za Prosieni medijan test vrijede pri iaratunavanju hie vadiata ista pravila koja sino spomenuli na str. 268 u vezi s dopustenim bro- Jem Celja, u kojima je ofekivana feeevencja manja od 5. (Toga se pravila doduse ne pridrdavaju svi autor.) 214.2. Kruskal: Walligow test ‘Taj test xapravo predstavlja test analize vaijance, amo se umjesto brojéanih ‘njernih podatala shudirangovima. On donekle predstavlja prosienl test sume raa- ova Postupal se kod tog testa mote saéetiu ovih nekoliko operacija: 1. Svi so rezultatirangirajuy, ito tako da najniai vezultat dobije rang 1 Uzmero liu ratun nas prjatnft primer iz Protirenog medijan testa, imamo ova situacije: aie je: Tj = suma rangova u jednom uzorku, tukupan broj opazanja, {Nj = broj opatania jednom uzork. ‘Ako kvadriramo svali 7; i rezultat poijelimo korespondentnim M, dobivamo:340 20 aon B NenteaseenUsit TesTOVA Zoofiee Hi sve te eejedneti, dobieame: ‘Uvestimo Ii vefednosti w formula (21:0), dobivamo: 2 Hm gig t8000,7- 3-4 14,75. 4. Ako su azorei dovelaa veiké (hod ovog se tatuna smatra da gy ysorei dovoling vellki ako svaki uzorak sacri vige od 5 rezultata), ima jednaku distribucju kao i h-kvadrat, pa zato mofemo znatajnost otitatt iz x? tablce uz k 1 seupajera slobode (& = broj grupa). Budui da nas brojstupnjeva slobode iznos 3, a granttna vrijednost x* = 7,815, oral bismo aaljuetida se wzorlstatinteki anazajno rakuju, tj. da ne pripadaj Isto] populacii Kao sto se vidi, dak medijan testom nismo dokazali da u2orci pripadaja ra- alistim populacijama, Kruskal-Wallisovim tastom smo'to dolazall, Buduéi da [usta Wiallisor test horst?vige informacije ox) medijan testa (rangove umjesto jednostavnu podjelu rezultata dvije skupine), on je "snagnij" cd medijan testa ‘Ako imamo veéi bro} zajednitkih rangova, a H je ne8to ispod' granice aaajnost treba epoerebitt drag, herigiramy, fomuly 29 ieratunavane H ojo formal (2.10) eine «t= aE 2st Ryeg 8) # : (un) 2 NOT sie je T ~ n(n? ~ 1), an = bro} rerultata koi tine aajednitht rang. “Taj raéun Ceeba posedno uti 22 sue zajadnithe rangove: na puimier, ako {mame dva puta po 2 "vezana" ranga,dva puta po 3 vezana range ipo jedanput 4,5, 7110 vezanihrangova, onda 6 wiednost' feos 2 @ay= 6 2 @ay= 6 3 @I-n= 2% 3 Gays 2 4 p= 0 5 = 7 @=1) 10 ae? } 25 Vise 24vsMIN UzORAKA an Taj 6 postupak nesio povedati vilednost H. CW nasem stuéaju ty korekturu ne éeuba upatrijebiti, jr je 2. vetjednont H vee fonako veéa oll graniéne vrijednost, i 2, 2bog relativno malog broja zajednitkil rangova lonatan rezultat bio bi samo neznetno promijenjen (motda tek drugo} decimal. Kada bio} mjetenia u pojedinim maorcima nije dovatino veik (dakle kad se igcupe sastbje bd 5 ill manje rezultata, Hf se me mote interpretirati kao x2, 4 w tu surf postoje posebne tablice ix koji se mode ofitarat sjerojatnost. Te se tablice mogu naéi u nekim priruénicima nepatametriskih metoda, 21.5. VISE ZAVISNI UZORAKA 225.2. Prcdmenoo tert Ako na isto gro pitanita vet mjerenje rast wvjtima, onde su reraltatidobven » Saker od tik uvjeta utorelai sonal teulatin, pase hog toga vie ne modemo stl Kruskal Wallsovim testom.. tom staja Fredmanov test "Gvosiuke analze variance rangova" pred- stavlja velo korisnu i upotrebljivu metodu kojoj u parametrijskoj statistici odgo- vara "dvostrula analiza vadljance, a koja se upotreblava, ime estaloga 1 ri testranj rail amedy sitmericshsrdina vie sash wooraa, ‘Pstupak Fricdmancys test sastoj seu tome da se relat najpiertertajy tabla # NV redova tf kelona, Redovi odgovaraj polednim lptanicia (ik {eopama ieptania), 4 Kolone predstaviajeksperimentaine unt Rema “vmlkom red (dale 2a syle sptanika posebno}peetvore eu rangove Usiajy jealih rnutata, dobimo naravn vajednitkerangoe, ali to ~ prema Fried ‘an ~ ne utjebe na jens test. Rangovi seu svalojkoloni(eksprimentano}situac)zbroje (7). Kada ne Bi ilo rziiau rensltatina medu deren i realltiheksperinetaih oveta (ij, lad bi ev usoe! Bi Het popula), stme rangoeatendicle i siénim “idnostima Ako sete sume ahatajo rary, mobemo odbact al-ipote Da bismo iam eelativns veleiny Sh rele, soot emo Kvedrvane sume rangova (numa rangota = T, | nakon toga em fratarat: 12 ge bs peer amen. 39) Ako su broj ispitanika (IN) i broj eksperimentalnih uvjete dovoljno veliki, iaraz x" ima pribliano Jednaku distribucijy kao i hi-kvadrat sa k — 1 stupnjeva slobade, pa Stogk matajnor oektaramm i tac grahinihvrieduon hiadeat. ‘Prnger. Jedan je stratva itv lao a tad tina ute vite ogmora 4 je ivy tok vada racionalnje weet jedan dul odmor i vse lradhh more. ‘Mijerio je ukupan radni uéinak kod rada od’4 minute bez odmora (eksperimentalna sivuacia"a), kod rada od sup 3 mites jedsim odmocom od 90 sek teak rada (ekgpesinenalna situaci "b") fod vada od up 9 minute» 2 odmore od po SD sk tok rade (lapernentalnastuala"e") hod rada of wkupne 3342 21 BOR te NepARAMETRUSKIH TESTOVA minute s 3 odmora od po 20 sek (eksperimentalna situacija "d°). Na ukupno 11 Ispitanika dobio je ove rezultate, koje je 2a suakog sepitanika poseino pretvorio u nagove (1ang je uz svaki rezultat oznaéen u zagradi) EKSPERIMENTALNE SITUACIIE Tspitaniel ® é 1 Oona) 1187(@) 12820) 1217 @) 2 11392) 10854) 1057(@) 11780) 3 762) 75) 8311) 80) 4 1074 (4) 1121 (8) 12202) 12600) 5 BA) 596(9) 65502} O71.) 6 76502) 728(9), 840) 637) 7 soe (a) 83912) 48(8) 774.) 8 86244) 9162) 881) 11872) 9 725(4)) 886(9) 9252) 992.0). 1010792) 894 (4) 1130) 1009 (3) NH 838(8) 844 (9) 890(@)_—_963.(). ti 3% 3 2 2 hog kontrole treba ierabunati sum rangova en = MED no= 43 = n0 Tzratunamo Ii zbroj kvadriranih suma rangova, dobivamo: 35? 392 +222 4 207 = 9198, ‘Uvastimo li dobivene vrijednost u formula (20.11) dabivama: 22 5 iy 3198-33 Uz (E=1) = stupnjaslobode, ranitna vijednast x? imesi 7815. Budti da je 9,44 > 7,815, zaljcujemo de uzorei ne pripadau isto populac, i da se 2ato statistith znatajno ranean ‘Ako suV (mall, postoje pasebne tablice 2a aitavanje znatajnosti areca x2, sa rand anatajnst od 5% 11% Toblica hv Dodatku daje vjrojatnost povezane te aalidte x2, 2a slugajeve kad je = 3 kada je k= 4 44. 214 vie 2.v1SNH UzORAKA 343 _, Kad bismo, na primjer, mjerei 6 ispitanika u 9 eksperimentalne situacije dobili, 80, zakljucl bisa da ne motemo odbaciti nu-hipotean (tj, da ne mozemo Gouaats dase uzeihanacajuo ral), jer le tale ve viel da bla tain ‘matajnosti od P = 0,05 graniéna vrijednost x? morala iansiti barem 6, Zanimljvo je da Friedmanoy test — iako korst jedino rangove, a ne stvarne izmjerene vrjednosti ~ isha gotovo jednaku "snagu” kao i analiza varijance avisnih uzorala. leraéunamo i primjer s prethocne stranice uz pomoé "analize varijance zavisnih tezuitata” dobit €emo F = 3,69, to je znatajno na razini P < 0,05. Za, ilustraciju zotovo jednake "snage’ Friedmanova testa | parametrijskog F testa navodimo rezultate 56 nezavisnih analiza, u kojima Je Friedman usporedio smatajnost dobivenu F testom i riedranovim testom (vidi tablicu 211) ‘TABUICA 21.1. ‘Vierojannast Fr Vjerojatnost Veéaod | lzmedu | Manja od | Ukupno Xe 0.05 | 095i001| oor Vets od 0,05, 8 2 ° 30 Temedu 0.051001 [4 1 4 9 ‘Manja 0d 0,01 0 1 16 fa ‘Ukupno a2 4 20 56 Kako se ie tablice vii, slaganle Je vo vellko. 21.52. Cochranow Q teat ‘Ako na isto} skupiniisptantka (ili na razlititim skupinama, a one moraju Dit "metovane", tj svaki isptantk u svakoj skupini mora imati svog "dvojnila’ u ddugim skupinama koji mu jeu svim relevantnim faktorima veoma sigan) vesimo mjetenje u raaltitim uvjetima (lao Sto je npr. bio sluéaj u Friedmanova test u poglaviju 215.1.) , ali su rezultatiispitanika dihotomns,t. svrstani u samo dvie ategorije(pao-prosaa, zdrav-bolestan, i s.), onda je za tetiranje postoje li razike Jamedui pojedinih situacifa pogodan Cochranov Q test. Tim testom zapravo se ‘estira reall iemedu proporeja neke karakteristike u razititim uyjetima. Pretpostavimo da je 20 studenata polagao trl ispita i da smo na svakom ispitu registra je student protao ill pao, pa nas zanima postoji Ii raalka u propor- Ci apes olga Uh pit Ne dno ai pak rea (+ = prosao, — = pao)as 21 Haga mr NepuRUTErRUSK resTONL Students spit x abi T or 2 + ol ok 2 Gg 3 FoF os rd 4 - = = 0 0 5 SoH Fr 4 6 Foes 2 4 7 eof Us aad 8 ne! 9 a ee! 10 = + Ho 2 4 a + oF > 2 4 2 eos ek 4 3 er a3 + = i 8 15 + oF ot 58 8 16 foe a v7 + 5 5 or dt 8 rr er 9 + + > 2 4 20 + o+ = 2 4 ama 15 Postupal 2 laratunavanje moge se podijelit te! "koraka 1. Nadi sumy svakog eksperimentalnog uvjeta (situacije) (dakle EX;, 2X2, BXau ltd, U natem slutaju to su ove sume: BX = 17, EX, =9, BXy =7. 2. Sumiraj rezultate gvakog ispitanika u_svim eksperimentalnim uvjetima (eivuacijama), tj, iaratunaj sumu 2a svaki red (ZX) i tu sumo kvadviraj (3 ‘3 Sumiraj obs stupas, of. sumicaj stupac Ba { stupac (EAn)?, Formula 2a Q glas: YAEEXY ~ (CXR) e (CEXq) = DAE Pri Gemu k= bro} situacia (eksperimentalnih uyjeta) U nafem sluéaju dakle imame: 2317 +98 477) ~ 394 (21.3) e (3-33) 85 20257-1089) _ 338 0,05, raza nie statistioki znatajna Da, jer 95%-tne granice pouzdanosti artmetitke sredine jose 9,2 do 108. 6. Skokovi su u drugom pokusaju bili za 8,7 m kr = 6,08; P < 0,08. Poglanje 11 1, 99,7% tne granice poudanosti su 0,06 3-0,05 = 0,45 do 0,75. 2, Nemozese trditi da uzorak nije reprezentativan. Njegova standardna pogresia ianosi 0,045, pa 95%Etne granice innose 0,83 do 0,71, a to prelezi vijednost 0,70. a= Ol 4. =0,83.d00.94; My =0,55 do 0,83; Ny = 0,59 do 0,79. 32,33 P< 0,05. Poplonie 12, 1 568%. 2, 28.3%, 353 Poplakie 19. 1 = 0,67: 2 r= 0.85 3. r=0,98 4 1 Xe = 70,1; Ky = 71ly dif 20; zajednitha s = 123.0% 97, dakle ist rezultat rajeduitha eg ao i pomoéu "metode Cee eens" Poplaue 14 1 P=6-ay, 2, a P= 54,77 +10, 80% b. oko 57a; ©3901. 3.0.5.5 bio; ©0338. Poplauje 15. 1. Nastaynikova raspodjela statisti¢ki znatajno odstupa od normalne raspodjele: hi-kvadrat = 93,0, 2, Ne; hiekvadrat = 0,53 3. Nij hckvadvat = 0,93, 4 Raslika medu gradovima statistield je znaéajna: hi-kvadrat i2nosi 24,09, 5. a, NU, hiskvadrat = 4,24 ty Sada je ranlika statistichi matajna, hiekvadra, = 424. Tu razlk uglaynoin uzroluju demokrati koji su telativno vise protiv artne kkaune od drusi| mesa 354 6. Ta je distribucija statisticki vigoko znatajno razlitita od Polssonove cdstriburie jer hi-kvadrat iznosi 531,11. (Ako niste dob talav rezul- tat, prekontrolirate jeste Ii spojili posljodnja 4 razreda u jedan razred!) Poslaale 17, 1. Uzorak ée sedrdavati ove Yue: 29,15 (drugi broj 154 je ispusten!) |, 7,14, 63, 103, 75, 2, 59, 4 Poslasle 20 1. P= 14,487/3,258= 4,45; P< 0,08. Statistik su anatajne jedino razlke izmedu druge i treée te druge F eetvrte aritmetithe sredine. Njhove Fevrijednosti iznose “10.4, ‘odnosno 9,62, sto je veee od granitne vejednosti 8,52. 2, F=1,08/4,76; P > 0,05, dalde ralita nije znagajna, Poplouje 21. 1. Ne, jer posto éak 10 nizova, 2. Motemo smatrati da smo potvrdill nul-hipotery, t). da wzarci g padaju isto} populacj, x? = 0,034; | P > 0,05. 04; P< 0,08. 3. Raslikuje se, 4, Pilule ninu statistiehi mnatajno djlovale, P > 0,05, 5, U Wileaxonovu testa ralika je "upravo” enatajna, jer P iznosi totno 0,05. — "Metodom diferencije” t = 2,25, a P < 0,05, 8o pokazuje veéu "snagu" parametriskog testa, odnosno potvrduje pravila: ako neparametrijshi test (osim rjetkih iznimala) pokage da je razika statistchd enaGajna, onda 6e parametrjski to pogotovu pola 6. Skupine se ne raalikuju statisti¢hi znatajno: x? = 5,2: P > 0,05- 7. Raclika je statistighi snagajna: x? = 945; P< 0,05, 48, Ne motemo tvrditi da trend postoji:= = 1,56; P > 0,08. Literatura Avenoso, F.J ana Cheifets, Ph. M, Elementary Statistics Throught Problem Solv- ‘ing, Williams & Wilkins Co., 1974 Balsley, H. L., Basi Statistics for Business and Economies, Grid Inc., 1978. Besag. PP. and Besag. P. L., Statistics for the helping professions, 1985. Blalock, H. M., Socal Statistics, McGraw-Hill, 1960. Blejec, Mc, Statistiene metode 2a psihologe, Livbliana, 1959. Broun; F. L., Amos, J. R., Mink, O. G., Statistical Concepts, Harper & Row, 1975, ‘Buja, Z., Uvod u metode eksperimentalne psiologje, Zagreb, 1967. Bujas, Ri Bujas, Z., Dobivanje psthologijskih podatala i njihovo ratunsko cobradivanie, Zagreb, 1942 Castle, W. M. and North, P. M., Statistics in Small Doses, Churchill Livingstone, 1995, Chembers, B. G., Statistical Calculations for Beginness, Cambridge University rest, 1952. ‘Champion, D. J, Basie Statistics for Social Research, Chanéler, 1970, Castle, W. M. , Statistics in operation, Churchill Livingstone, 1979. Clayton, Keith, N,, An introduction to statistics for psychology and education, ‘Chale E, Mersll Publ. Co. 1954 egg, F, Simple statistics, Cambridge Univ. Press, 1987 Cohen, £.and Holliday IM, Statistics fo education and physical education, Harper ‘and Row, 1978, Conner, L. R. and Morrell, A. J. Statistics in Theory and Practice, Pitman, 1977. Conover, W. J., Practical nonparametric statistics, John Wiley and Sons, 1971 Dayton, C. M. and Stunkard, C. £., Statisties for Problem Solving, McGraw-Hill, 1971, Dizon, W. J.and Massey, F. J, lntroduction to Statistical Analysis, MeGraw-Hil, 1987, Dowie, J. and Lafrere, P. (edit): Risk and chance, The Open University Press, 1980. Downie, N. M. avd Heath, R. W., Basic Statistical Methods, Harper & Row, 1974 ‘Dn Bois, Ph, An Introduction to Psychological Statistics, Harper & Row, 1965. Dunn, Olive, J., Base Statistics, a Primer fr the Biomedical Sciences, John Wiley, 1964,356 Eidsington. B. $., Statistical Inference: The Distribution free Appioach, MeGraw- "i, 1968, Edwards, A. L., Statistica Anny, Rinehavt & Co,, 1958, Bliss RB, Statistical Iufexeue, Prentice Hal, 1973, Foxpuson, GA, Statistical Analysis in Poyohology and Bducation, MeGra Hil 1966. Freeman, LC, Blementary Applied Statistics, Jobn Wiley, 196, Freund, JE, Modern Elementary Statistics, Breatice- Hall, 1973 Freand, fF. and Wiltams, €. J, Dictionary /Outine of Base Statics, MeGraw- il, 1066 Games, P. A. and Kare, @. R, Blementary Statisties, McGraw Hil, i967. Garret, H. E., Statistics in Psychology and Eastin, Lingmans, Green, 1954, Gilbert, Norme, Statistics, Saunders, 1976. Graham, A, Statistics, Teach Yourself Books, 1994 Guilford, J.'P. and Fruckter, B. , Fundamental statistics in poychlogy and edu- cation, Metraw-Hil, 1967 Hamburg, M., Basie statistics: a modern abprosch, Harcourt Brace Jovanovich, 1979. Hanmnerton, M, Statistics forthe Humen Sciences, Longmen, 1975 Hardyeh, C.D. ad Petrnovch, 5. , lntzoduetion to Statistics forthe Behavioral Sciences, Saunders, 1969. Horsharger, Th. R. , Tntroductory statistics; & decison ra ‘Macmillan, 1977 Haysltt,H. T. Statistics, made simple, Heinemann, 1981. Henderson, N. X, Statistical Research Methods, Hong Kong Univ. Press 1964, Hill AB, Principles of Medical Statistics, The Lancet Lid, 1952 Hodges, J. Lo, Krezh, D. and Crutchfield, R. 8, Statbab, McGraw-Hill, 1975 ‘Hafy, D,, How to Lie with Statistics, Penguin, 197. Hu, D., Wow to Take Chance, Penguin, 1968. Ingram, J. A. TtroductoryStatistin; Cummings, 1974 Kendal, M. G., Rank Conlation Methods, Ch. Griff, 1955. “Kenny, D. A. , Statist forthe social and behavioral sciences, Litle, Brown and Co, 1987. Kohowt, F. J, Statistics for Social Scientist, John Wiley, 1974 Koletse,R. He atroducton to States forthe Deheviotsl Sciences, Dorsey, 1969. ooss,D. J, Busines Statstis, John Wiley, 1978 Langley, R., Pracial Statistics, Pan Books, 1968 Leach, C. ; Introduction to statistics, A nonparametric approach for the soviel sciences, John Wiley and Sons, 1979, Leonard, M, Understanding Statistics, St Paul's House, 1971 Levin, G. ,Ttroduetory statistics for payhology; the loge and methods, Academic Pres, 1081 Levinson, H.C. , Chane, ck and statistics, Dover Publications, 1963. Liebermen, B., (lit): Contemporary Problems in Statistics, Oxford Univ. Pras, 1g7 ‘Macmilfan, Collier, 357 Lindgren, B. W., Basic Ideas of Statistics, MeMillan, 197 Lindquist, £ # Statistical Auslysie iz Education Research, Houghton Min, 1840. Lindquist, E, F, A Fist Cours in Statistics, Houghton Miftin, 1942 Mainland, D., Elementary Medial Statistics, Saunders, 1952 MeCal, R. B., Fundamental Statistics for Psychology, Harcourt Brace Jovanovith, 1975, MeGuigan, F. J., Experimental Psychology, Prentice-Hall, 1961 MeNemar. Q., Poychologieal Statistics, John Wiley, 1969. Mendenkall, W, Yatvoduction to Probability and Statistics, Duxbury Press, 1975, Minium, 6. W., Statistical Reasoning in Psychology and Education, Joha Wiley 1970. Moroney, MM. , Facts from Figures, Penguin, 3970. Mostaller, F. and Rouske, R. B. K Sturdy Statistics, Addison-Wesley, 1973, ‘Mueller, J. H-and Schuessler, K. F., Statistical Reasoning in Sociology, Houghton ifn, 1961 Waiman, A, Rosenfeld, Rand Zivkel, G., Understanding Stacstes, McGraw: 1972, Newmark, J, Statisties and Probability in Modern Life, Holt, Rinehart and Win- ston, 1977. Noether, G. B., Introduction to Statistics, a Fresh Approach, Houghton Mifflin, 971. O'Toole, A. t.; Blementary Practical Statistics, Memillan, 1964 Peatman,-J. G, Descriptive and Sampling Statistics, Harper, 1947 Peatman, J. G., Introduction to Applied Statistics, Harper, 1963, Petz, B, ,O nekim siuéajevima kada eu rezultati"predobri” da bi ingledalt iti ‘Statist, revija, 18 (1968) 129-187, Pete, B. , “Jedangut na tiguée slutajera™ — Sto to wstvari znati, Primijenj.nsi- ‘hologija. 10 (1980) 73-75. Pets, B, Statistika 2a praksu, MUP Rep. Hr, 1994 Phillips, J. L., Statistical Thinking, Freeman, 1973, Pire, Bi Milat, D., Osnove istradivanja u zdravsteu, Zagred, 1970. Quenouille, M. TL, Introductory Statistics, Pergamon, 1966. Reichmann, W. 4, Use and Abuse of Statistics, Methneu, 1963. ‘Rowntree, J. , Statistics without tears — a primer for non-mathematitian, Penguin, 1981, Runyon, R. P., Winning with Statistics, Addison-Wesley, 1977. Runyon, R. P. and Haber, A., Fundamentals of Behavioral Statistics, Addison- Wesley, 1967 Runyon, B. P. , Nonparametric statistics. A contemporary approach. Addison- Wesley Publ, Co. 1977, Senders, D. H., Murph, A. P. and Eng, R. J., Statistics — a Fresh Approach, MeGraw-Hit, 1976 Senders, Virginia, Measurement and Statistics, Oxford Univ. Press, 1958. ‘Siegel, 6, Nonparametric Statistics for the Behavioral Sciences, McGraw-Hill, 1956,358 Sinith, @ M., A Simplified Guide to Statistics for Psychology and Education, Holt, Rincharé aud Winston, 1970 Suadecor, G. W. and Cochran, W. G., Statistical Methods, Yowa State Univ. Press, 1967, Sorié, B.i Petz, B., Kolks postotak ananstvenih otlriga nisu otkriéa? Ach. hig. ada, 98 (1987) 251-260. Spence, J.T, Underwood, B. J, Duncan, C. P. and Catton, J. W., Elementary Statistics, Appleton-Century-Crofts, 1968 Spiegel, M- R, Theory and Problems of Statistics, Schaum Publishing Co., 1961, ‘Sprent, P., Quick Statistics, Penguin, 1981 Swobode, H., Knaurs Buch dar modernen Statistik, Digemer Knaur, 1971 Seite, 1, # Serdar, V., Uvod u statistik, Skolska kjiga, 1992 Tate, M. W. and Clelland, R. C, Nonparametric and Shortcut Statistic, Interstate Printers and Publishers, 1957 Vesselo, I. R., How to Read Statistics, Harrap, i962. Vogt, W. P., Dictionary of Statistics and Methodology, Sage Publications, 1993. Vouk, V. V;, Statistika u medicini(skripta), Zagreb, 1956, Walker, Helen, Elementary Statistical Methods, Holt, 1955. Walker, Helen, and Lev, J, Statistical Inference, Holt, 1953: Walker, Helen and Lev, J, Blementary Statistical Methods, Holt, 1958 Wallis, W. A. and Roberts, H. V, Statistic, a New Approach, ‘The Free Press, 1958, Walpole, R. B., Introduction to Statistics, Macmillan Collier, 1974. Weber, P., Elements of Statistics for Market Research, Gosby Lockwood, 1968 Weinberg, G. H. and Schumaker, J. A., Statistics, an Intuitive Approach, ‘Brooks /Cole, 1960. Welkouits, J, Ewen, R. B. and Cohen, J. Introductory Statistics for the Beha- vioral Sciences, Academic Press, 1971. Wike, B.L., Data Analysis, Aldine/ Atherton, 1971. Willisms, F , Ressoning with statistics, Holt, Rinehart and Winston, 1979. Woitschach, i., Moderne Matametik: Wahischeinlchkeit und Zsfall, Moderne In- ustrie, 1973, Wright, RL. D, Understanding statistics, Harcourt Brace Jovanovich. 1976. Zinkel, G. and Rovenfeld, R., Beginning Statistics, McGraw-Hill, 1976. Zuverlif, F. H., General Applied Statistics, Addison-Wesley, 1972, Dodatak < t x x (Ove slita odnos se na Tablicu A na ido} strani. O natin ottavanjatablice io sis tog aitavanja vidi poglaije 81!360 61 TABLICA A ‘TABLICA B POVRSINE ISP0D NORMTAENE RRIVULIE (ORAMEENE VRIUEDNOST! «U2 ZADAN BROJ STUPNIEVA SLORODE. =powinaslondardne normale rasp raj edane eit X do aj mm Trivaijes Povrdina eiele Krivlje = 1 Seupaied P — Ker bade aos a 1 ue PoP 3 om 300 oxan0 oss : cor aac oss \ 5 oe Sasaa os i os sso oat i HA fos Meio oe 3 ie os Oasn 8s 8 a i gare n Lao an 3 i ig net 3 Le ei ' a ie fe ibe | i is 33 iss i 5 ie 38 it I g te if ise | i ria eas | 8 rt rH | 2 th Be 2 1 aaa 2 iB Go % th Fe ee g th 23 ik & in i ie g a Ok # th iO d a 7 ig ie 3 th gO 3 in BoB 3 168 2a 3 i s @ ig if 3 i 30 8 iy ES. % i dm Bs 3 ie im 2 rie EE t 100 1s rae 235 | Be He im Bae i us ie im ae | 8 ie iB | 80 1S it tg Fd toi is 8 is ois ae toate ito ie ie 8 ‘cons? | Sota \ co |e Syovma o,00003tYaBtica © maptica © -PRASPODIELA (2A TESTIRANIE RAZLIKE MEDU VARIANCANA) (Quine ans = 5%) inet stup soba | 2 3 4 5 6 7 8 Oo w 12 18 8D DD ww 1 900 922° 937 948 957 963. e ai gy eg aos ‘1010 toe 3 Bi We ar We 3 is Ma Ma Miwa gD Be i oe ee Bias Sooke MS Bt 5 Ge bm SS i Sho sar Sie Sor 7 532-529 512 476 467 442 436 8 505 482 4.65 i 430 420 395 3.80 3 Be \ a8 ae aa oe 10 4AT 4.24 4,07 i 362 t Sh 8 | 38 2 ia ie 38 i 33 8 te i ie | 3 a 35 te 3s | 38 a 228 = is Fe 3 : 3 ae | an » a3 2 3B a8 2 38 ie 2 32 " a 200 | 254 } 281 ® a | = i | 8 = 2 i 2 z | Fe 3 | 38 | aun ° 2 é | a :: os364 TABLICA D GRANICNE VRIJEDNOST! KOEFICLIENTA KORELACIE r azine macajost 21 évoemjerna testing Stupnieri Stupniert P P P P slbode hs sobode (By ‘bode 95 oor bole gos oo 1 088 2 % os 5 % Osta 4 2 ORs 3 2 O36 8 230355 7 2 O3t9 3 Fareed 5 40 O34 10 arty a saan 2 so 0380 13 m 02m ut 8 ear 15 99205 16 1000. ia oun 18 150 O50 a8 m O38 20 300 a3 2 300s 2 500 Os % 1000 O62 ‘TABLICA El GRANICNE VRUEDNOSTI KOBFICUENTA KORELACHIE p asinesnaéajnosti ee jednovmjerno & dvoamjero tesrenje “sina eaatajnont 2a jodos.estiranie x 005 0.025 oon 0005 (broj parova) ‘Ravina snaéajnosti za dees). testraae oe oot L { 5 1,000 = | 6 | ‘ 9 10 2 4 16 18 » 2 4 % 25 30366 367 TABLICA B2 TABLICA F GRANICNE VRIEDNOSTI S U KORFICIJENTU RANG-KORELACIIE + (GAANICNE VRIJEDNOST! KOBFICUENTA KONKORDANCUE : . : | Ea ee i 6 2 ee i 5 3 0 wo - i 3 [100 0a on | 065 oe 000 088 086 7 4 as ar ast 4 cue es 5 sso | a0 aw 7 Be 6 ee oe i, 8 i 1 oe 7 sae tat maw 9 1m me 8 so | 32° ao tse ss oom 8 om 9 5 | 2 5 ts kt a si} 2 2s motos 2 a vf meres ek 6 a9 ass MS 18 ate seat 20 ns 3 eto todo 25 n2 10090988 os ar 30 009 oor oro368 330 18s ‘160 iss 170 a5 “180 1185 ‘90 {95 TABLICA G PRETVARANIB Ux na 330 36 aa 8 “200 ‘0s 0 ‘as \e20 (9 ‘iar 708 ‘nr TARLICA H GRANIENE VRUEDNOSTI y? 369 . 973 950" om) 730 son 250 100 050 25 M0 O05 ‘10 0030 016 102 a5 192 271 a84 302 oGs 739 (506 m1 55 139 277 GL S00 735 921 108 ne 8d a2 os5 ths 1s asi Yoo 192 336 539 ti 133 149 sa Lol 267 435 663 18 152 167 220 345 55 78 Hs 168 185 289 425 6.35 91 wo 185 203 ha0 57 731 107 178 a4 229 Lar 390 831 na 9p 217 235 ou 123 205 232 25.2 was 137 2g 27 28 is 4s 233 262 283 23 160 bur m7 we 195 172 261 291 313 143 182 275 308 328 6 sat 138 19g 288 220 348 370 163 205 m2 wa 37 18 626 73 218 B18 Wa 372 a ost 83 227 32 362 386 TWD 43 38 ‘Ha 35 wo a1 303 m3 29 BD 864 213 290 Bm 925 3 mm 4 930. m3 a8 2% 105 243 03 26 253 04 Fg 203 315 ES as 28 » 233 337 30 23 48 + Ako je bro stupajovaslobode vei ed 30, majnost so moss tstiratifrmuom: JE ~ VE aap Heb —T [Abo taj et premaie 1.63, x2 Jeznatajan (oa ravi ol 5%), hipotera teha oductan TABLICA 1 TABLICA J POISSONOVA DISTRIBUCLIA POTREBNA FREKVENCIIA DA BI HI-KVADRAT BIO ZNACATAN NA 5% Proporciashuéweva razr 0 (obien! brojev) {1% (debelo ots brojes) 24 SLUCAJEVE KADATE Ny 05 OTS | y Tajnanje Rabon ra i ae fe # ao weer es 8 ae ofS $839 i i | pees 8 10/3 58 8 io i ae 5 ust 23a | 8 Bere onan i va[g Pat Ufa ag | } 15 {5 7 910 11)12 13 14 ; 2 7 91011 1213 1415 t 2 Bsr ewnfen wa I ; wf Peau 3¥ 6 8 ° ° 1 a Primjer, Ako je aitmetisia sredina = 10,7, pronotli shtajova w razed O (vi ors 2979 oi 335, 12 454 167 TABLICA 3 Gnastanth) Proporci sidajes same Isp ava bana tli alae se dij we or 82 us ak SOG Gusr bei7 on asiT tugT 3608 3816 2292029 18361662 1809 1001291 Tepe suhag bjs w table nalaze set mule wi ae oS re ee 1201 Inpred svakog bra talc lage satire ma OO OT an m5 WS 5 iat ya aang Poisson] seri) je OU0S2E. as Tr ans a9 Py 1.008 a0 11 204 aa 116 Gis Sas aoe 185, 7320 Be 3303 Moe ase TABLICA K MALA TABLICA SLUCAJNIH BROJEVA YO os aT Tas BSR ans digo usr. ie Har Seca tse ho BG noe ‘oar au oor 80 ans srs| sna TABLICA K nestovak TABLICA F-RASPODJELA (2A ANALIZU VARIJANCE) paniene vrijednoat F ne vrini nadajnot ad 3% “up. ala brain | 5 tos sup lob aoa . ° tne 1 236, 2 192 3 9.38 4 639 5 Sat é 476 7 38 3 aor 5 386 0 on 307 a 339 2.95 2 38 235 B sat a7 4 334 20 18 2.64 16 2359 7 235 8 251 0 248 20 25 2 te 2 240 2% 237 2 236 2% 234 228 26 232 227 7 231 235 23 220 224 2 228 222 20 sar 332 292 par 2a 0 os 323 28 pas 212 6 400 Sus 276 283 287 225 217 210 208 12 392 307 208 245 220 218 200 202 196376 a ‘TABLICA L TABLICA M (rasta) GRANIENE VREIEDNOSTT ROIA StzOvA ZA TEST HONOGENOG NiBA | patos » 2345 6789-10 33 32 33 19 35 26 37 18 29 Oe ‘ Be Ml 3 p2a222272ssaaa3 | i i 88 ‘ perass aa sas teens a6 498 450 : fie fae tet aso paagvas taeda cagss \ oan 3s s lrrossee tas tsssses a8 oh je i to 38 | > | atasa4ess soe ces ar an 270 s | rsssaesse serrate { ie am ar o | 2a0es555e rrtese n | 2seassoet11eseeeos | ass 248 200 239 229 228 IS G2 Rae w farsecseo7 77s 8 898900 MoS I i th Ee ° ; oR BGR OM at a |rrcassec7.1 88909000 0 ' 288 281 228 218 211 207 it 22s455G77 B 9 9 0 1M 4 nas 208 am 22 208-204 7 : : ‘ BIB EDIE we lrsseseeres se wununn we ar 220 219 20 200 135 l HOS GR gig v fpadascrre oo 0wnnnee o au 116 200 20 106 191 we lrsdssetss ssw ens m Bh Us Bi 18) as tos : nae | am ms for tm 198 10 wp lpaeseeTes Pownuna Rens o 219 22 11 187, 2 7 o 10 1 12 12 19:13:13 a nao 209 so 1st { i ig gis is ie 1B isars TABLICA N ‘TEST SUME RANGOVA Matsimatna mijodzot T aT" (neti omaj br koje m an ji) 20 mani tora tote some rengona (nara 99) 1; (angi wzorak) 379 TABLICA N fuastera. ‘TEST SUNE RANGOVA, Motsialna wijednost Tk 7" fuss onnj Inv) kat jem) 2n mangtnzorak testa sone rangona (na asi 178) Ns (mani wsrat) Ne 1234567 89 1 2 35 1 a5 a6 AT 15 1 3 « 4 0 6 5 out @ 6 718% @ 7 ras 738 @ s isu wD 0 9 sehRnone ao wo 391832 O s6 18 an ML 99 16 2434 4455 68 BL 98 (2) 12 41017 6 35 46 58 71 Bt O9 IIS a3) 13 41018 27 37 48 G0 73 98 103 119 136 a 14411 19 28 38 50 62 76 91 105 125 141 160 (s) 18 411 20 29 40 52 65 79 94 110 127 145 164 164 (6) 16 $1221 30 42 84 67 82 OF 115 131 150 160 190 BIT an AF $1221 82 48 56 70 84 100 117 195 454 174 195 217 240 4s) 18 51822 88 45 58 72 87 208 121 139 158 179 200 222 266 270, a9) 19 513.28 34 46 Go T4 90 107 124 143 163 182 205 228 252 247 09 (2a 205.14 24 35 48 62 77 95 110 128 147 167 185 210 254 258 268 300 397 (Wostaoak na io} strani) Ne12345 67 89 0 Hoi? 13 14 15 16 W718 19 3 ° 5 8 o ‘ wis 2 © 7 10 16 24 32 ® 8 nia @ 9 Gus 2635 8 SE 0) 0 619 7 aT a7 58-7 oy M612 20 28 38.49 61 7 BF (2) 12 713-1 90 40 51 Gs 76 90 105 (3) 1a | 71422 31 41 98 65 79 99 100 15, a) 4714p 92 GS SL GT BL 96 AN 120 LAT as) 18815 29.99.44 56 69 BE 99 135 199 B51 ITT (9) 16 815.24 34 4 $8 72 86 102 110 136 185 176 196 a 17 816.25 36 47 a0 74 $0 105 122 140 159 180 201 228, as) 28 816-26 97 49 62 76 92 108 196 144 163 184 205 228 252 9) 19° 3.917 27 38 $9 G4 78 OU iL 129 147 wos 189 210 254 258 285, (2) 20-3918 28 30 52 66 Si 97 114 192 151 172 109 215 290 269 299 S13381 TABLICA 0 ‘TABLICA P GRANICNE VRIJEDNOST 24 TEST PRED2NAKA GHANICNE VRITEDNOSTI T ZA WILCONONOV TEST EKVIVALENTNIB PAROVA Tain antavon ot "pdvonnlea ret o |B oN OB oF . 5, on cs t/8 8 fF BB 7 o 2l8 8 FE B BS ‘Raina vant ts "Ove va eo oo 1 fs 8 w ww 8 nm om ¢ 6 1 | 6 i Bm o $9 1 i|/8 & Bb p- B oof t 2/8 © B&B bz ‘ 4 - 5 ot ot 2 ]8 # Bb & 8 § 3 a ~ 2 a ee ee ee ee $ 4 3 Q fo: 2 3/8 bo Ro aoe 8 3 3 io? 3 3 | & oR pom w i of od ifs w a Bo H . : 2 3 8 Fle Bo oR mt W a 1 B u to > > 3 4 s |e m wp mis 3 i 3 0 3 i i 3 [@ m B Hn ow u 2 ie 2 3 i 30 36 | om BO i u 3 2b ie 30303 8 le RR Re uy re ‘ ‘0 x 2 a5 6 7 |e om om ow on " S i $$ Fle 2 R Rog & a % B foe F €/e 2 RB wR 8 i 8 5 38 ft & |® 8. RB Rp 2° a a i $$ F b | m Bos ® & 59 “9 2 cs 1 8 9 \|n m 6 % 9 3 3 $ 3 $ £/R RB B83 % 8 2 of $ BIB B x BOR : @ g fos 3 ble B Bw BR a a 7 $ om nl R RB RB BB ef e | 7 9 w ule » 2 » w i 3 8 R\E & 8 fF i om fb Ble mn @ hn OR 3 0b F bl]® F Bw x s > PR ob Ble # % Boe o u vw ule = 2 2. w bb & Ele &B a 8 s Bob of )S B oe 8. 8 nob 8 Els @ 2 8 Hog ob 8 fs So 2 x non on w]e 9 8 4 x BOR bo ow le 8 8 % x Bou bo of | # 8 3 8 BB RB Rls 2 s& Bs383 TABLICA R TABLICA GRANICNE VRUEDNOSTI x} 2A FRIEDMANOV TEST FAKTORUELI Boj Broj Minimalua vrijedaost x? potrebnat ® nt stupnea | sedan 0 avin suaajnast a: ° 1 ‘ N Ea 1% 1 i _ 2 3 2 aa = 3 ‘ 4 64 78 4 24 5 6a 83 5 120 6 oa Sr 7 61 87 6 ™ 8 62 90 7 5000 ° 62 81 5 0320 10 6a 80 5 wean n 62 0 528.500 2 62 a oo a 39.916.800 4 6 2 -479001.600, 6 62 a 6.227.020.800| 36; vise 5.9 } ut 87,178,281.200 18 18071674368 000, 4 2 598 4 | ih ws 20,902,729,888.000 4 18 1 355,657 428,006.000 5 a 18 6 402'373,705,728.000 6 13 19 12146 100 08,882 000 7 8 20 2,482,902 008,176640.000, 8 16 Di vise 73.381 18 6 "7 8 19 2» 120 136, 153 m 190 36 a 120 165 20 286 364 485 60 80 216 69 1140 DINONMT KOBFICHENT st 125 20 30 495 15 1001 15 1820 976 485 TABLICA Te 6 7 8 9 wo 6 4 aor 4 w& 8B 8 1 mo 6 9 22 moms 2452S q2 922498 8 17 Ti6 6 srs a v2 300334323008 0021001 3003 30056135 64355005008, 40088008 1144012871440, 008, 618s 12576 104s 24310 AIO 19448 8563 1836¢ SI824 43758 agn0 4758, 1162 27132 5038875582 O97 RATS 16804 3876077520. 128970_1679%60 181756,