1. Distribucija frekvencija?

-pokazuje kako su raspoređene jedinice posmatranja po pojedinim vrijednostima ili

odalitetima obilježja. Frekvencije mogu biti apsolutne, relativne I kumulativne.
Apsolutne – vrijednosti frekvencija koje iskazuju broj jedinica sa određenom vrijednošću
Relativne – dobijaju se dijeljenjemm pojedinačnih apsolutnih frekvencija sa zbirom svih
apsolutnih frekvencija.
Kumulativne – dobijaju se sukcesivnim sabirannjem naniže ili naviše apsolutnih ili
relativnih frekvencija.

2. Srednje vrijednosti sa posebnim osvrtom na izračunate srednje vrijednosti?

Srednja vrijednost je osnovni numerički pokazatelj statističke serije. Dijeli se na

izračunate I pozicione srednje vrijednosti.
U izračunate srednje vrijednosti spadaju aritmetička sredina, harmonijska sredina I
geometrijska sredina.
 Aritmetička sredina je osnovni pokazatelj statističke serije. Izračunava se kao odnos
zbira vrijednosti numeričkog obilježja I broja elemenata određenog statističkog
skupa.
 Harmonijska sredina je recipročna vrijednost aritmetičke sredine recipročnih
vrijednosti obilježja.
 Geometrijska sredina se koristi prilikom istraživanja dinamike neke pojave pri analizi
vremenskih serija. Dobija se kao n-ti korijen iz proizvoda podataka.

3. Srednje vrijednosti sa posebnim osvrtom na pozicione srednje vrijednosti?

U pozicione srednje vrijednosti spadaju modus I medijana.

 Modus (Mo) je vrijednost diskretne slučajne promjenljive kojai ima najveću
vjerovatnoću. To je vrijednost obilježja do koje distribucija raste a poslije opada.
Prema broju distribucije frekvencija, klasifikuju se kao unimodalne, bimodalne I
polimodalne.
 Medijana (Me) je vrijednost numeričkog obilježja serije koja se nalazi u sredini
sređene statističke serije. Ona elemente posmatranog skupa dijeli u dva jednaka
dijela. U jednom dijelu serije nalaze se elementi koji imaju vrijednot obilježja
jednakog ili manjeg od medijane a u drugom dijelu se nalaze elementi koji imaju
vrijednost obilježja jednaku ili veću od medijane.
Sredina medijalnog intervala se može uzeti za medijanu.

4. Mjere varijacija?

Može se desiti da dve ili vise statističke serije imaju istu srednju vrijdnost iako im se
eleementi međusobno razlikuju. Zato za statistički opis serije pored srednje vrijednosti
treba koristiti I određenu mjeru varijacije.
Mjere varijacije mogu biti apsolutne I relativne.

1
  Apsolutne mjere varijacije su iskazane u jedinicama mjere u kojima je iskazano
obilježje.
 Relativne mjere varijacija su neimenovani pokazatelji varijabiliteta, pa je
standardizovano odstupanje iskazano u standardnim devijacijama a koeficijent
varijacije u postotcima.

Interval varijacije je razlika eksremnih vrijednosti obilježja

Iv = Xmax – Xmin

Interkvartilna razlika je razlika između vrijednosti obilježja na mjestu trećeg I prvog

kvartila
Iq = Q3 - Q1
Prvi kvartil je vrijednost obilježjan a mjestu ¼ sređene serije a treći kvartil je vrijednost
obilježja na mjestu ¾ sređene serije.

5. Mjere oblika?

Analiza oblika distriibucije zasniva se na centralnim momentima.

 Centralni momenat r-tog reda je aritmetička sredina odstupanja vrijednosti obilježja
od njihove aritmetičke sredine podignutih na r-ti stepen.
 Drugi centralni momenat je srednje kvartilno odstupanje.
 Koeficijent asimetrije izračunava se kao odnos trećeg centralnog momenta I
standardne devijacije na treći stepen.
 Koleficijent spljoštenosti izračunava se kao odnos četvrtog centralnog momenta I
standardne devijacije na četvrti stepen.

6. Binomni zakon raspodjele vjerovatnoće?

Ukoliko slučajna promjenljiva X uziman a slučaj konačan broj uzastopnih cijelih

vrijednosti počev od 0, I ako izmmeđu tih vrijednosti I vrijednosti odgovarajućih
vjerovatnoća potoji veza, kaže se da slučajna promjenljiva X ima binomni ili Bernulijev
raspored sa parametrima n I p I to se označava sa: X : B (n, p).
Osnovni pokazatelji binomnog rasporeda:
 M (X) = np
 P (n + 1) – 1 < Mo < p (n + 1)
 V (X) = npq
q− p 1−σpq
 α3 = = α4 = 3 +
√ npq npq

7. Poaisonov zakon raspodjele vjerovatnoće?

Ako se kod binomne raspodjele parametri n i p mijenjaju u nizu eksperimenata tako da je

np = λ = cont za veliko n vrijednost parametra p je mala, pa se taj događaj čija se
realizacija u nizu eksperimenata posmatra. Zakon realizacije rijetkih događaja naziva se

2
 Poisonov zakon. Prekidna slučajna promjenljiva X ima Poisonovu raspodjelu ako je :

λ x −λ
p (X = x) = ∗e
X!
Osnovni pokazatelji kod Poisonovog rasporeda su:
 M (X) = λ
 λ – 1 ≤ Mo ≤ λ
 V (X) = λ
1 1
 α3 = α4 = 3 +
√λ λ

8. Normalna raspodjela?

Neprekidna slučajna promjenljiva X ima normalnu ili Gausovu raspodjelu ako može
uzimati sve vrijednosti od -∞ do +∞ I ako je njena gustina raspodjele definisana
funkcijom:
2
−(x− μ)
f(x) = 1 2

∗e 2∗σ
σ √2 π
Normalna raspodjela koja zavisi od dva parametra µ i σ označava se simbolično sa X :
N.
Osobine normalne krive:
Ima oblik zvona, simetrična je u odnosu na pravu x = µ, aritmetička sredina modus I
medijana su međusobno jednaki, funkcija f(x) ima maksimum u tački µ I dve prevojne
tačke u tačkama µ - σ I µ + σ , x- osa je I sa lijeve I sa desne strane njena
asimptota, α3 = 0 a α4 = 3, ukupna površina ispod krive jednaka je 1 …
Normalna raspodjela je standardizovana ako je njena aritmetička sredina jednaka 0 a
varijasa jednaka 1.

9. Testiranje statističkih hipoteza

Statističko zaključivanje na bazi uzorka pored ocjene nepoznatih parametara osnovnog
skupa ima za cilj I testiranje statističke hipoteze. Statistička hipoteza ili pretpostavka je
precizno formulisana tvrdja o karakteristici jednog skupa ili odnosu vrijednosti
posmatrane karakteristike u vise skupova. Naučni metod provjere takvih pretpostavki na
osnovu uzorka predstavlja testiranje statističkih hipoteza a sama procedura statističkim
testom. Na osnovu strogosti polaznih uslova testovi se dijele na parametarske I
neparametarske.
Parametarske statističke hipoteze se odnose na vrijednosti parametara sa poznatom
funkcijom raspodjele.
Neparametarske statističke hipoteze se odnose na model raspodjele osnovnog skupa.
Postupak provjere istinitosti parametarskih hipoteza sprovodi se kroz sledeće etape:
 Formulišu se nulta I alternativna hipoteza I bira nivo značajnosti
 Uzima se slučajan uzorak, I na osnovu analiziranja postavljenog problema bira po
istraživačevom mišljenju

3
  Provjerava se da li su ispunjeni preduslovi na kojima se izabrani test zasniva
 Izračunava se tzv. Statistika testa. Određuje se p – vrijednost
 Postavlja se pravilo na osnovu p – vrijednosti donosi se odluka o odbacivanju ili
neodobravalju nulte hipoteze
 Formuliše se zaključak

10. χ2 test
Zasnovan je na χ2 distribuciji, koristi se za rješavanje nekoliko problema:
 test prilagođenosti
 tabela koncigencije
 test homogenosti
1) Test prilagođenosti je statistički test koji daje odgovor na pitanje u kojoj mjeri se
emirijski podaci prilagođeni ili odgovaraju nekom teorijskom rasporedu
vjerovatnoće.
2) Tabela kocigencije omogućava da se ispita da li između dva obilježja elemenata
jednog skupa postoji veza I da li je ta veza statistički značajna. Formira se tako što
podaci jednog uzorka razvrstavaju prema dva obilježja koja imaju najmanje dva
modaliteta.
3) Test homogenosti predstavlja test jednakosti ili razlike proporcija za vise
populacija. Za svaku pojedinačnu populaciju uzima se u obzir empirijska
frekvencija kao broj elemenata sa određenom osobinom. Zatim se izračunaju
teorijske frekvencije pod pretpostavkom da nema značajne razlike.

Uslovi za primjenu χ2 testa:

- prilikom testiranja statističkih frekvencija se koriste
- zbir empirijskih I teorijskih frekvencija mora biti jednak
- frekvencije u pojedinim ćelijama moraju biti nezavisne
- teorijske frekvencije ne smiju biti male, odnosno manje od 5

11. Korelaciona analiza

Cilj korelacione analize je da se utvrdi da li između varijacija posmatranih pojava postoji
kvalitativna analiza (korelaciona veza) I u kom stepenu. Ako se pri tome posmatraju dve
pojave govori se o prostoj korelaciji, a prilikom analize pojava o višestrukoj korelaciji.
Kao mjera jačine proste lonearne korelacione veze u uzorku koristi se Pirsonov koeficijent
proste linearne korelacije. Ovaj koeficijent pokazuje stepen pravolinijskog kvantitativnog
slaganja dve pojave. Koeficijent linearne korelacije uzima vrijednost od -1 do +1. Ako
između posmatranih pojava postoji funkcionalna veza govorimo o savršenoj korelaciji. Za
testiranje statističke značajnosti posle linearne korelacije koristi se t – test sa n – 2
stepena slobode:

r
t=
Sr

4
12. Regresiona analiza
Dve kvantitativne promjene mogu biti povezane na vise načina. Svaka ta moguća veza
predstavlja jedan regresioni model.
Cilj regresione analize je da odredi regresioni model koji najbolje opisuje vezu između
pojava I da se na osnovu tog ocijene I predvide vrijednosti zavisno promjenljive X za
odgovarajuću vrijednost nezavisne promjenljive X.
Jednačine funkcije koja oslikava vezu među pojavama zove se jednačina regresije.
Prost linearan regresioni model je najjednostavniji I najčešće korišten regresioni model.
U prostoj linearnoj regresiji najvažnije je testirati hipotezu da li je parameter nagiba
β1 = 0.
Standardna greška regresione analize je apsolutna mjera I pokazuje odstupanje
emirijskih podataka u uzorku od regresione linije uzorka.