Upload
others
View
49
Download
0
Embed Size (px)
Citation preview
Statistika se bavi prikupljanjem, sređivanjem, sažimanjem i
grafičkim prikazivanjem podataka koji su dobiveni nekim
mjerenjem.
OSNOVE STATISTIKE I
KINEZIOMETRIJE
Kineziometrija (kinezis – kretanje, metrija – mjerenje) -
predstavlja znanstvenu disciplinu koja se bavi problemima
mjerenja u kineziologiji.
statistika
????
Statistka - skup metoda i postupaka za sređivanje,
analiziranje i grafičko prikazivanje velike količine podataka.
OSNOVNI STATISTIČKI POJMOVI
OSNOVNI STATISTIČKI POJMOVI
Statistika - skup metoda i postupaka za sređivanje,
analiziranje i grafičko prikazivanje velike količine podataka.
podatak
????
Podatak - određena kvantitativna ili kvalitativna vrijednost
kojom je opisno određeno obilježje (svojstvo) nekog entiteta.
OSNOVNI STATISTIČKI POJMOVI
entitet
????
Entitet - jedinka nekog skupa osoba, objekata, stvari, pojava,
procesa i sl. koja je opisana određenim obilježjima ili
svojstvima.
OSNOVNI STATISTIČKI POJMOVI
varijabla
????
Varijabla - svojstva, obilježja, osobine, sposobnosti,
motorička znanja, itd. po kojim se entiteti međusobno
razlikuju.
OSNOVNI STATISTIČKI POJMOVI
TM=87 kg TM=68 kg TM=75 kg
TV=192 cm TV=174 cm TV=186 cm
Šime Marko Mate
Varijabla - bilo koja pojava koja se mijenja
na bilo koji način
Kvalitativne ili kategorijalne
boja očiju, tip dijagnoze, mjesto rođenja
Kvantitativne
težina, visina, krvni tlak
Mjerne skale
Nominalna
Ordinalna
Intervalna
Omjerna
10/1/2014 9
Nominalna mjerna skala
mjerenje nominalnom skalom znači
razvrstavanje pojava u grupe ili kategorije.
ovom skalom se ne prenose ili ne utvrđuju
kvantitativne informacije, niti informacije o
poretku (rangu), nego kvalitativne informacije.
10/1/2014 10
nominalna skala je više kvalitativna nego
kvantitativna.
na ovoj skali se najčešće prikupljaju informacije o
spolu, rasi, zanimanju, boji očiju i sl.
Nominalna mjerna skala
10/1/2014 11
Ordinalna mjerna skala
skala ranga.
mjeriti ordinarnim skalama znači poredati neke pojave tako
da rednim brojem označimo poredak tih pojava po veličini.
iako su numerički intervali između susjednih stupnjeva na
ovoj skali jednaki razlike među susjednim veličinama ne
moraju nužno biti jednake.
10/1/2014 12
najniža vrijednost na skali je arbitrarna - može biti 1, 0, ali
i neka druga vrijednost.
skala može biti orijentirana tako da ide od manjih
vrijednosti ka većima ili obrnuto od većih ka manjima. Što
znači da stvarna najveća vrijednost može dobiti najnižu ili
najvišu vrijednost na ordinalnoj skali.
Ordinalna mjerna skala
10/1/2014 13
Intervalna mjerna skala
osobina intervalne mjerne skale je ekvidistantnost, što
znači da su udaljenosti između susjednih jedinica jednake
na cijeloj dužini skale.
intervalna skala nema apsolutnu (pravu) nulu. Radi toga
nije moguće utvrditi koliko puta je neka veličina veća od
druge.
temperatura izražene u °C i IQ su primjeri mjernih jedinica
izraženih na intervalnoj skali.
10/1/2014 14
Omjerna mjerna skala
Za omjerne skale vrijedi sve što i za intervalne uz dodatak
što one imaju apsolutnu (pravu) nulu.
Dobar primjer za prethodnu tvrdnju je mjera za dužinu -
metar. Tako da je neki predmet dužine 1 metar duplo kraći
od predmeta koji je dugačak 2 metra.
Primjeri skala
Označavanje dresova sportaša brojevima
Broj zdravstvenog osiguranja
Redanje ljudi po visini (od oka)
Mjerenje ljudi po visini (pomoću metra)
Telefonski brojevi
Ukupni iznos na računu iz trgovine
Treće mjesto na “Eurosongu”
Primjeri skala
Očitavanje brzine od 60 km/h na brzinomjeru
Skala za procjenu zadovoljstva poslom
Registracijski broj vozila
OSNOVNI STATISTIČKI POJMOVI
Populacija entiteta - skup svih entiteta čija su
obilježja predmet statističke analize (statistički skup,
univerzum entiteta)
- skupina osoba ili objekata koji udovoljavaju
određenim kriterijima
OSNOVNI STATISTIČKI POJMOVI
Uzorak entiteta - podskup entiteta izabran iz
populacije u skladu s nekim pravilom, a s ciljem da je
što bolje reprezentira.
SLUČAJNI UZORAK
– najbolja vrsta uzorka jer svaki član populacije ima
jednaku šansu da bude izabran u uzorak
SUSTAVNI / SISTEMATSKI UZORAK
– jedna od vrsta slučajnog uzorka
– prvi član populacije izvlači se slučajno, a nakon toga se
bira svaki n-ti u uzorak
STRATIFICIRANI UZORAK
– populacija se podijeli u slojeve ili stratume pa se iz svakog stratuma odabere proporcionalan broj jedinki po slučaju
npr. 61-70 godina 38%
– 71-80 godina 25%
– 81-90 godina 17%
– 91-100 godina 11%
– 101 i više 9%
PRIGODNI UZORAK
– uzimamo ispitanike koji su nam „pri ruci“
– najlošiji uzorak zbog smanjenje mogućnosti
generalizacije rezultata
Mjerenje - operacija kojom se nekom objektu pridružije
oznaka ili numerička vrijednost koja odgovara razvijenosti
mjerene karakteristike, odnosno određivanje pozicije subjekta
ili objekta na nekoj od mjernih ljestvica.
OSNOVE KINEZIOMETRIJE
Kineziometrija (kinezis – kretanje, metrija – mjerenje) -
predstavlja znanstvenu disciplinu koja se bavi problemima
mjerenja u kineziologiji.
doc.dr.sc. Dražan Dizdar
U postupak mjerenja moguće je uočiti nekoliko neizbježnih
elemenata. To su:
objekt mjerenja predmet mjerenja
mjerni instrumentmjerna skala
mjerilac
Objekt mjerenja - u kineziološkim istraživanjima objekti
mjernja (entiteti, ispitanici) najčešće se ljudi, ali mogu biti i
sportske ekipe, poslovi u igri, itd. Općenito, objekti mjerenja
ili entiteti su nosioci informacija koje je moguće prikupiti
(kvantificirati) nekim postupkom mjerenja, a kojima se može
opisati stanje nekog entiteta.
Predmet mjerenja - predstavlja određeno svojstvo, obilježje,
karakteristiku, osobinu, sposobnost nekog objekata. Valja
naglasiti da su predmeti mjerenja u kineziološkim
istraživanjima najčešće latentini (skriveni), odnosno da nisu
izravno mjerljivi, već se procjenjuju na temelju većeg broja
mjerljivih manifestacija (pojavnih oblik).
doc.dr.sc. Dražan Dizdar
OSNOVE KINEZIOMETRIJE
doc.dr.sc. Dražan Dizdar
OSNOVE KINEZIOMETRIJE
Mjerni instrument - predstavlja odgovarajući operator putem
kojeg se određuje pozicija objekta mjerenja na nekoj mjernoj
skali kojom se procjenjuje predmet mjerenja.
Vrste mjernih instrumenata:
testovi tipa “papir – olovka” – potpuno objektivni mjerni
instrumenti, jer postignuti rezultati ne zavise od pogreške
mjerioca, već isključivo o ispitaniku. Koristi se za
utvrđivanje kognitivnih sposobnosti, konativnih obilježja,
stavova, socijalnog statusa, razine znanja itd
doc.dr.sc. Dražan Dizdar
OSNOVE KINEZIOMETRIJE
Mjerni instrument - predstavlja odgovarajući operator putem
kojeg se određuje pozicija objekta mjerenja na nekoj mjernoj
skali kojom se procjenjuje predmet mjerenja.
Vrste mjernih instrumenata:
aparatura za mjerenje – razna tehnička pomagala kojima
maipulira mjerilac u postupku mjerenja. Primjerice,
instrumenti za mjerenje morfoloških obilježja -
antropometar, kaliper, itd., fizioloških funkcija - sirometar,
aparatura za mjerenje aerobnog i anaerobnog kapaciteta,
itd.
doc.dr.sc. Dražan Dizdar
OSNOVE KINEZIOMETRIJE
Mjerni instrument - predstavlja odgovarajući operator putem
kojeg se određuje pozicija objekta mjerenja na nekoj mjernoj
skali kojom se procjenjuje predmet mjerenja.
Vrste mjernih instrumenata:
primjena vježbe (motoričkih zadatka) – različiti motorički
zadaci kojima se u nekoj poznatoj mjeri aktivira određena
motorička spsobnost. Primjerice, skok u dalj s mjesta za
procjenu eksplozivne snaga, taping rukom za procjenu
frekvencije pokreta, okretnost na tlu za procjenu
koordinacije, itd).
doc.dr.sc. Dražan Dizdar
OSNOVE KINEZIOMETRIJE
Mjerni instrument - predstavlja odgovarajući operator putem
kojeg se određuje pozicija objekta mjerenja na nekoj mjernoj
skali kojom se procjenjuje predmet mjerenja.
Vrste mjernih instrumenata:
subjektivna procjena mjerioca – za procjenu nekih složenih
sposobnosti, znanja i vještina, odnosno kvalitete izvedbe
koristi subjektivna procjena kompetentnih mjerilaca
(primjerice, u sportskoj gimnastici, klizanju na ledu,
skokovima u vodu itd.).
doc.dr.sc. Dražan Dizdar
OSNOVE KINEZIOMETRIJE
Većina mjerenja u antropološkim znanostima obavlja se
pomoću tzv. kompozitnih mjernih instrumenata. Kompozitni
mjerni instrument se sastoji od većeg broja dijelova, tzv.
čestica (item), a koje mogu biti: pitanja (zadaci), ponavljana
mjerenja i suci - mjerioci.
Metrijske osobine postupka mjerenja
i mjernih instrumenata
pouzdanost
valjanost
objektivnost
osjetljivost
baždarenost
Pouzdanost
konzistentnost, stabilnost i točnost mjerenja
ako je mjerni postupak pouzdan, tada će njegovo
ponavljanje na istoj pojavi, koja u međuvremenu
nije promijenila svoju veličinu, dati isti rezultat.
Provjera pouzdanosti
test –retest
mjera nutarnje konzistencije
Cronbach alpha koeficijent – najčešća mjera
pouzdanosti
POUZDANOST JE NUŽAN PREDUVJET ZA
VALJANOST.
Valjanost
“Mjerimo li zaista pojavu za koju mislimoda je mjerimo?”
Valjan je onaj za kojeg možemo dokazati daporast u izmjerenim veličinama odgovaraporastu mjerene varijable
npr. konstrukcija mjernog instrumenta zamjerenje stavova ili inteligencije
Objektivnost
objektivno mjerenje je ono kod kojeg konačni
rezultat ovisi isključivo o veličini ispitivane
pojave.
čovjek kao opažač – stupanj slaganja između procjenjivača
npr. ispitivanje znanja, ocjene na
različitim natjecanjima; različite kazne
Osjetljivost
osjetljivo je ono mjerenje koje nam omogućava
uočavanje i malih razlika u nekoj mjerenoj pojavi.
– efekt poda
– efekt stropa
Baždarenost ili standardizacija
baždarenost mjernih postupaka znači da su za te
mjerne postupke poznate norme i uvjeti korištenja
za domaću populaciju.
OSNOVNI POSTUPCI ZA UREĐIVANJE I PRIKAZIVANJE PODATAKA
Grupiranje podataka
- predstavlja statistički postupak razvrstavanja entiteta s istim
oblikom obilježja u određeni broj disjunktnih podskupova.
Frekvencija - broj entiteta koji imaju isti oblik obilježja,
odnosno, broj entiteta u određenoj grupi (klasi, kategoriji,
razredu).
Prikazivanje grupiranih podataka - putem tablica i grafikona.
ENTITETI OP
ANZU-V 4
ERJA-M 2
KRST-V 1
MILA-D 4
MILL-M 3
NORI-M 1
NOVO-K 4
SAMA-A 2
SUBO-S 3
VANJ-M 5
VOLO-D 3
VUJI-I 2
BAZD-M 3
BLAS-M 3
GIRI-G 4
KRUN-D 3
MALI-M 3
MAMI-M 2
Primjer - broj osobnih
pogrešaka (OP) 18 košarkaša
(entiteta) na jednoj
košarkaškoj utakmici.
Grupiranje i grafičko prikazivanje kvantitativnih podataka
OSNOVNI POSTUPCI ZA UREĐIVANJE I PRIKAZIVANJE PODATAKA
ENTITETI OP
KRST-V 1
NORI-M 1
MAMI-M 2
ERJA-M 2
SAMA-A 2
VUJI-I 2
MILL-M 3
SUBO-S 3
VOLO-D 3
BAZD-M 3
BLAS-M 3
KRUN-D 3
MALI-M 3
ANZU-V 4
NOVO-K 4
GIRI-G 4
MILA-D 4
VANJ-M 5
Primjer - broj osobnih
pogrešaka (OP) 18 košarkaša
(entiteta) na jednoj
košarkaškoj utakmici.
Grupiranje i grafičko prikazivanje kvantitativnih podataka
OSNOVNI POSTUPCI ZA UREĐIVANJE I PRIKAZIVANJE PODATAKA
Broj entiteta s jednakom vrijednosti kvantitativnog obilježja
predstavlja frekvenciju, a uređeni niz kvantitativnih
vrijednosti s pripadajućim frekvencijama distribuciju
frekvencija.
BROJ OSOBNIH POGREŠAKA FREKVENCIJA
1 2
2 4
3 7
4 4
5 1
UKUPNO 18
Grupiranje i grafičko prikazivanje kvantitativnih podataka
OSNOVNI POSTUPCI ZA UREĐIVANJE I PRIKAZIVANJE PODATAKA
OSNOVNI POSTUPCI ZA UREĐIVANJE I PRIKAZIVANJE PODATAKA
Grupiranje i grafičko prikazivanje kvantitativnih podatakaF
rekvencije
0
1
2
3
4
5
6
7
8
1 2 3 3 5
HISTOGRAM FREKVENCIJA
OSNOVNI POSTUPCI ZA UREĐIVANJE I PRIKAZIVANJE PODATAKA
Grupiranje i grafičko prikazivanje kvantitativnih podataka
0
1
2
3
4
5
6
7
8
1 2 3 4 5
POLIGON FREKVENCIJA
Ukoliko diskretna varijabla ima veliki broj pojavnih oblika ili
ako se radi o kontinuiranoj varijabli tada se podaci grupiraju u
manji broj razreda. Za uspješno grupiranje potrebno je
odrediti prikladan broj razreda i njihovu veličinu (interval
razreda).
Intervali razreda f rf (%)
120<x<=140 1 1,67
140<x<=160 12 20,00
160<x<=180 26 43,33
180<x<=200 16 26,67
200<x<=220 5 8,33
Primjer - grupiranje
60 mladih judaša u 5
razreda u varijabli
skok udalj s mjesta
OSNOVNI POSTUPCI ZA UREĐIVANJE I PRIKAZIVANJE PODATAKA
Grupiranje i grafičko prikazivanje kvantitativnih podataka
OSNOVNI POSTUPCI ZA UREĐIVANJE I PRIKAZIVANJE PODATAKA
Grupiranje i grafičko prikazivanje kvantitativnih podataka
HISTOGRAM FREKVENCIJA
OSNOVNI POSTUPCI ZA UREĐIVANJE I PRIKAZIVANJE PODATAKA
Grupiranje i grafičko prikazivanje kvantitativnih podataka
0
5
10
15
20
25
30
x<=120 120<x<=140 140<x<=160 160<x<=180 180<x<=200 200<x<=220 220<x
POLIGON FREKVENCIJA
2) Za 25 ispitanika jedne bolnice prikupljani su podaci o broju
dana provedenih godišnje u bolnici:
Tablica 1. Podaci o broju provedenih dana u radnoj terapiji
nakon ozljede glave za 25 ispitanika:
13 12 10 14 11
11 11 8 11 12
10 14 12 10 12
12 11 11 14 10
10 9 11 12 13
1.Za ovaj skup podataka napravi distribuciju frekvencija broja
dana provedenih u radnoj terapiji
2. Grafički prikaži distribuciju broja dana provedenih u radnoj
terapiji
histogramom
poligonom frekvencija
DESKRIPTIVNI POKAZATELJI
Deskriptivni pokazatelji koriste se za opis varijabli putem:
mjera varijabilnosti ili disperzije,
mjera centralne tendencije ili središnjih mjera,
mjera asimetrije i zakrivljenosti (izduženosti ili
spljoštenosti) distribucije.
MJERA CENTRALNE TENDENCIJE
je vrijednost koja
najbolje reprezentira
određeni skup podataka.
MJERE CENTRALNE TENDENCIJE
Aritmetička sredina
Centralna vrijednost
Dominantna vrijednost
ARITMETIČKA SREDINA
označava se s ili M (mean)
težište rezultata – suma pozitivnih i negativnih
odstupanja iznosi nula
uzima svaki rezultat u obzir
X
Xx
N
CENTRALNA VRIJEDNOST ILI
MEDIJAN
označava se s C
vrijednost koja se nalazi točno na sredini niza
rezultata poredanih po veličini, dakle, polovica
rezultata je veća, a polovica rezultata je manja od
centralne vrijednosti
pozicija (mjesto) centralne vrijednosti –
Cr = N+1/2
DOMINANTNA VRIJEDNOST ILI
MOD
označava se s D
rezultat s najvećom frekvencijom
kod grupiranih rezultata D je sredina onog razreda
koji ima najveću frekvenciju
USPOREDBA RAZLIČITIH MJERA
CENTRALNE TENDENCIJE
D se može koristiti na svim mjernim
skalama, C se ne može koristiti na
nominalnoj mjernoj skali, a se računa
samo na intervalnoj i omjernoj mjernoj
skali.
je nepogodna kod prisutnosti
ekstremnih rezultata, dok na D i C ne
utječu ekstremni rezultati.
Kod normalne distribucije sve tri mjere
centralne tendencije su jednake, se
smije računati samo kod normalne
distribucije rezultata.
X
X
X
USPOREDBA RAZLIČITIH MJERA
CENTRALNE TENDENCIJE
D je osobito pogodna kada brojimo ljude s određenomosobinom, a neprimjerena je kod nestabilnih imultimodalnih distribucija.
nedostatak C i aritmetičke sredine jest da njihovavrijednost najčešće uopće nije među rezultatima usmislu da je jedan od postojećih rezultata, dok za D tajnedostatak ne vrijedi.
aritmetička sredina se najčešće koristi jer omogućujedaljnju obradu rezultata, i zato jer je izabrana nauzorku, najstabilnija je mjera centralne tendencije zapopulaciju.
MJERE CENTRALNE TENDENCIJE
zadaci
Izračunaj mjere centralne tendencije (aritmetičku sredinu( ),
centralnu vrijednost (C), dominantnu vrijednost (D)) za slijedeće podatke:
1. Broj inženjera med.lab.dijagnostike po gradovima
– 10, 2, 9, 6, 9, 7
2, 6, 7, 9, 9, 10 N = 6 D = 9 Cr = 3.5 C = 8 = 7.17
2. Koliko student potroši kuna na kavu u jednom danu
– 5, 4, 6, 5, 4, 11, 10
4, 4, 5, 5, 6, 10, 11 N = 7 D = 4, 5 Cr = 4 C = 5 = 6,42
X
X
X
3. Trajanje inkubacije virusa A u danima
9, 15, 12, 13
9, 12, 13, 15 N = 4 D = / Cr = 2.5 C = 12,5
= 12,25
4. Kod 15 osoba određena je vrijednost hemoglobina u krvi. Vrijednosti iznose
– 87, 84, 90, 89, 87, 82, 85, 86, 89, 83, 85, 87, 84, 89, 90
– 82, 83, 84, 84, 85, 85, 86, 87, 87, 87, 89, 89, 89, 90, 90
N = 15 D = 87, 89 Cr = 8 C = 87 = 86,46
X
X
MJERE CENTRALNE TENDENCIJE
zadaci
Izračunaj mjere centralne tendencije (aritmetičku sredinu,
centralnu vrijednost, dominantnu vrijednost) za slijedeće
podatke:
5. Broj hospitalnih infekcija po bolnicama
– 1, 7, 1, 4, 1, 1, 4, 2, 6
– 1, 1, 1, 1, 2, 4, 4, 6, 7 N = 9 D = 1 Cr = 5 C = 2 = 3
6. Rezultati na upitniku boli
– 2, 4, 0, 3, 1, 0, 1, 5, 2
– 0, 0, 1, 1, 2, 2, 3, 4, 5 N = 9 D = 0, 1, 2 Cr = 5 C = 2
= 2
X
X
Mjerama disperzije ili varijabilnosti ukazuje se na veličinu
međusobnog razlikovanja rezultata entiteta u nakoj varijabli.
To su:
totalni raspon
varijanca
standardna devijacija
Mjere disperzije ili varijabilnosti
DESKRIPTIVNI POKAZATELJI
Totalni raspn predstavlja razliku između maksimalne (xmax) i
minimalne (xmin) vrijednosti.
minmax xxRtot
Vrlo je nesigurana mjera varijabilnosti, jer jedan ekstremnirezultata znatno utječe na njegovu vrijednost.
Povećenjem entiteta u uzorku obično se povećava i totalniraspon jer se povećava vjerojatnost uključivanja entiteta s ekstremnim (maksimalnim i minimalnim) vrijednostima.
Mjere disperzije ili varijabilnosti
Totalni raspon
DESKRIPTIVNI POKAZATELJI
Procjena stupnja disperzije moguća je i putem odstupanja
vrijednosti članova niza od neke središnje vrijednosti,
najčešće aritmetičke sredine.
xxd ii
n
1i
i 0d
Mjere disperzije ili varijabilnosti
Varijanca i standardna devijacija
DESKRIPTIVNI POKAZATELJI
1n
)xx(
s
n
1i
2
i2
Varijanca – prosječno kvadratno odstupanje rezultata entiteta
od aritmetičke sredine
Standardna devijacija – korijen iz varijance
1n
)xx(
s
n
1i
2
i
Mjere disperzije ili varijabilnosti
Varijanca i standardna devijacija
DESKRIPTIVNI POKAZATELJI
xi xi - x 2
i )x(x
1 -2 4
2 -1 1
2 -1 1
3 0 0
3 0 0
3 0 0
3 0 0
4 1 1
4 1 1
5 2 4
30 0 12 15,133,1
3
12
1
)(
10
30
2
1
n
xx
s
x
n
i
i
10 entiteta postiglo sljedeće rezultate u nekom motoričkom
testu
Mjere disperzije ili varijabilnosti
Varijanca i standardna devijacija
Primjer
DESKRIPTIVNI POKAZATELJI
Za slijedeći niz podataka utvrdi mjere
varijabiliteta (raspon, SD):
x: 9, 3, 8, 8, 9, 8, 9, 18
Raspon: najveći - najmanji =
XSDx X
N
( )2
1
X: 3, 8, 8, 8, 9, 9, 9, 18 Raspon = 18 - 3 = 15
XX
N
9 3 8 8 9 8 9 18
8
72
89
= =
XSDx X
N
( )2
1
( ) ( ) (8 ) (8 ) ( ) (8 ) ( ) ( )9 9 3 9 9 9 9 9 9 9 9 18 9
8 1
2 2 2 2 2 2 2 2
120
717 143 4 14 , ,
Skewness - mjera asimetrije distribucije
DESKRIPTIVNI POKAZATELJI
POZITIVNO ASIMETRIČNA DISTRIBUCIJA
Mjere asimetrije i izduženosti distribucije
Skewness - mjera asimetrije distribucije
DESKRIPTIVNI POKAZATELJI
NEGATIVNO ASIMETRIČNA DISTRIBUCIJA
Mjere asimetrije i izduženosti distribucije
DESKRIPTIVNI POKAZATELJI
Mjere asimetrije i izduženosti distribucije
platikurtična mezokurtična leptokurtična
a4 < 3 a4 = 3 a4 > 3
Kurtosis - mjera izduženosti distribucije
0,00
0,15
0,30
0,45
0,60
-3 -2 -1 0 1 2 3
1 67.27 %
2 95.45 %
3 99.73 %
1.96 95 %
2.57 99 %
Kontinuirane teoretske distribucije
Normalna ili Gaussova distribucija
TEORETSKE DISTRIBUCIJE
STANDARDIZACIJA PODATAKA
Z – VRIJEDNOSTI
služe za određivanje položaja pojedinog rezultata u skupini
Z – VRIJEDNOSTIomogućuju
uspoređivanje rezultata različitih mjerenja kod iste osobe
izražavanje skupne ocjene iz različitih područja
Primjer 1:
Potrebno je utvrditi ukupan poredak (rang) ovog natjecanja ?
STANDARDIZACIJA PODATAKA
(Z - VRIJEDNOST)
Deset učenika natjecalo se u tri
atletske discipline:
- skok udalj (SD),
- trčanje na 100 metara (T100m) i
- bacanje kugle (BK) i postiglo
rezultate navedene u tablici:
SD T100M BK
A.B. 359 13,6 561
D.F. 321 13,9 550
J.G. 346 13,7 538
K.L. 332 14,0 490
D.D. 450 12,2 518
E.D. 314 14,1 551
T.B 410 12,5 589
Z.N 425 12,3 602
R.G. 369 13,5 547
E.N. 378 13,8 510
Prvi korak: Izračunati aritmetičke sredine i standardne
devijacije za svaku varijablu (disciplinu).
SD T100m BK
370,4 13,36 545,6
45,66 0,73 34,21
x
STANDARDIZACIJA PODATAKA
(Z - VRIJEDNOST)
SD T100M BK
A.B. 359 13,6 561
D.F. 321 13,9 550
J.G. 346 13,7 538
K.L. 332 14,0 490
D.D. 450 12,2 518
E.D. 314 14,1 551
T.B 410 12,5 589
Z.N 425 12,3 602
R.G. 369 13,5 547
E.N. 378 13,8 510
Drugi korak: Transformacija originalnih podataka u z -
vrijednosti na temelju izračunatih aritmetičkih sredina i
standardnih devijacija.
25,066,45
4,11
66,45
4,370359,
SDABz
STANDARDIZACIJA PODATAKA
(Z - VRIJEDNOST)
SD T100m BK
370,4 13,36 545,6
45,66 0,73 34,21
x
SD T100M BK
A.B. 359 13,6 561
D.F. 321 13,9 550
J.G. 346 13,7 538
K.L. 332 14,0 490
D.D. 450 12,2 518
E.D. 314 14,1 551
T.B 410 12,5 589
Z.N 425 12,3 602
R.G. 369 13,5 547
E.N. 378 13,8 510
Drugi korak: Transformacija originalnih podataka u z -
vrijednosti na temelju izračunatih aritmetičkih sredina i
standardnih devijacija.
25,066,45
4,11
66,45
4,370359,
SDABz
STANDARDIZACIJA PODATAKA
(Z - VRIJEDNOST)
SD T100m BK
370,4 13,36 545,6
45,66 0,73 34,21
x
SD T100M BK
A.B. -0,25 0,33 0,45
D.F. -1,08 0,74 0,13
J.G. -0,53 0,46 -0,22
K.L. -0,84 0,87 -1,63
D.D. 1,74 -1,58 -0,81
E.D. -1,24 1,01 0,16
T.B 0,87 -1,17 1,27
Z.N 1,20 -1,44 1,65
R.G. -0,03 0,19 0,04
E.N. 0,17 0,60 -1,04
Treći korak: Prije kondenzacije rezultata potrebno je varijabe
koje su obrnuto skalirane pomnožiti s -1, odnosno promjeniti
im predznake.
STANDARDIZACIJA PODATAKA
(Z - VRIJEDNOST)
dr.sc. Dražan Dizdar
SD T100M BK
A.B. -0,25 -0,33 0,45
D.F. -1,08 -0,74 0,13
J.G. -0,53 -0,46 -0,22
K.L. -0,84 -0,87 -1,63
D.D. 1,74 1,58 -0,81
E.D. -1,24 -1,01 0,16
T.B 0,87 1,17 1,27
Z.N 1,20 1,44 1,65
R.G. -0,03 -0,19 0,04
E.N. 0,17 -0,60 -1,04
Četvrti korak: Kondenzacija standardiziranih vrijednosti putem
aritmetičke sredine.
04,03
45,0)33,0(25,0
3
zzzz BK,AB100T,ABSD,AB
AB
STANDARDIZACIJA PODATAKA
(Z - VRIJEDNOST)
SD T100M BK Z
A.B. -0,25 -0,33 0,45 -0,04
D.F. -1,08 -0,74 0,13 -0,56
J.G. -0,53 -0,46 -0,22 -0,41
K.L. -0,84 -0,87 -1,63 -1,11
D.D. 1,74 1,58 -0,81 0,84
E.D. -1,24 -1,01 0,16 -0,70
T.B 0,87 1,17 1,27 1,10
Z.N 1,20 1,44 1,65 1,43
R.G. -0,03 -0,19 0,04 -0,06
E.N. 0,17 -0,60 -1,04 -0,49
Četvrti korak: Kondenzacija standardiziranih vrijednosti putem
aritmetičke sredine.
04,03
45,0)33,0(25,0
3
zzzz BK,AB100T,ABSD,AB
AB
STANDARDIZACIJA PODATAKA
(Z - VRIJEDNOST)
SD T100M BK Z
A.B. -0,25 -0,33 0,45 -0,04
D.F. -1,08 -0,74 0,13 -0,56
J.G. -0,53 -0,46 -0,22 -0,41
K.L. -0,84 -0,87 -1,63 -1,11
D.D. 1,74 1,58 -0,81 0,84
E.D. -1,24 -1,01 0,16 -0,70
T.B 0,87 1,17 1,27 1,10
Z.N 1,20 1,44 1,65 1,43
R.G. -0,03 -0,19 0,04 -0,06
E.N. 0,17 -0,60 -1,04 -0,49
Peti korak: Silazno (od većeg k manjem) sortiranje učenika po
izračunatoj prosječnoj z - vrijednosti.
Rang Učenik Z
1. Z.N 1,43
2. T.B 1,10
3. D.D. 0,84
4. A.B. -0,04
5. R.G. -0,06
6. J.G. -0,41
7. E.N. -0,49
8. D.F. -0,56
9. E.D. -0,70
10. K.L. -1,11
STANDARDIZACIJA PODATAKA
(Z - VRIJEDNOST)
dr.sc. Dražan Dizdar
Primjer 2:
1,2512
15
12
215230z
XY
STANDARDIZACIJA PODATAKA
(Z - VRIJEDNOST)
257 dječaka izmjereno je testom za procjenu eksplozivne
snage skok udalj s mjesta. Aritmetička sredina iznosila je 215
cm, a standardna devijacija 12 cm. Učenik XY postiga je
rezultat 230 cm. Potrebno je procjeniti postotak (%) i broj
učenika koji postižu lošije i bolje rezultate od učenika XY.
ODREĐIVANJE Z – VRIJEDNOSTI
Površina krivulje je p=1 (100%).
Tablica A daje površinu od traženog z do bližeg kraja krivulje.
Veličina površine ujedno znači i vjerojatnost pojavljivanja određenog rezultata.
0,00
0,15
0,30
0,45
0,60
-3 -2 -1 0 1 2 3
z = 1,25
p = 0,1057
10,57 %
p = 0,8943
89,44 %
z = 1,25 p = 0,1057 10,57 %
STANDARDIZACIJA PODATAKA
(Z - VRIJEDNOST)
Primjer 2:
Praktična korist od standardizacije rezultata ogleda se i u
mogućnosti grafičkog prikazivanja rezultata entiteta u većem
broju varijabli koje opisuju njegov antropološki profil.
-3
-2,5
-2
-1,5
-1
-0,5
0
0,5
1
1,5
2
2,5
3
3,5
1
SDM
IP
NEB
SKL
T12min
T20m
KUS
BP
TR
STANDARDIZACIJA PODATAKA
(Z - VRIJEDNOST)
dr.sc. Dražan Dizdar
ZADACI:
Iz populacije u kojoj se navedena pojava distribuira
normalno, uzet je uzorak od 500 ispitanika, te su na
njemu dobivene vrijednosti aritmetičke sredine X = 80, te
SD = 10. Koliko otprilike ispitanika (ne postotak!) ima sa
rezultatom:
a)Većim od 80
z = x-X/SD = 80-80/10 = 0/10 = 0 p = 0,5
N x 0,5 = 500 x 0,5 = 250 ispitanika
b)Većim od 85
z = 85-80/10 = 5/10 = 0,5
p = 0,3085500 x 0,3085 = 154,25 = 154
c)Većim od 101
z = 101-80/10 = 2,1
p = 0,0179 500 x 0,0179 = 8,95 = 9
d)Manjim od 71
z = 71-80/10 = -0,9
p = 0,1841500 x 0,1841 = 92,05 = 93
e)Manjim od 83
z = 83-80/10 = 0,3
p = 0,3821 500 x 0,3821 = 191,05 = 191
500-191=309
UZORAK?
POPULACIJA?
PROCJENA ARITMETIČKE SREDINE
PROCJENA STANDARDNE DEVIJACIJE
STANDARDNA POGREŠKA
ARITMETIČKE SREDINE
standardna devijacija distribucija aritmetičkih sredina
uzoraka iste veličine oko prave aritmetičke sredine (μ)
određuje granice pouzdanosti unutar kojih se nalazi
prava aritmetička sredina
N
SDS
X
STANDARDNA POGREŠKA
ARITMETIČKE SREDINE
Pogreška koja se veže uz svaku aritmetičku
sredinu uzorka, bit će to veća što je pojava
koju mjerimo više varijabilna i što je uzorak
manji.
STANDARDNA POGREŠKA ARITMETIČKE SREDINE
SX
SDN
ZADACI:
N = 500
Xa) = 80
SD = 10b) X = 80
SD = 5
N = 500
c) X = 80
SD = 10
N = 100
d) X = 80
SD = 5
N = 100
GRANICE POUZDANOSTI
Interval unutar kojeg se, uz određenu
sigurnost, nalazi prava aritmetička sredina
(aritmetička sredina populacije).
GRANICE POUZDANOSTI
granice pouzdanosti uz 32% rizika
granice pouzdanosti uz 5% rizika
granice pouzdanosti uz manje od
1% rizika
X
S1X
X
S2X
X
S3X
STANDARDNA POGREŠKA ARITMETIČKE SREDINE
SDSD
NX
ZADACI:
U kojem se rasponu nalazi prava aritmetička sredina
() uz rizik od 5% ?
a) X = 80
SD = 10
N = 500
Sx = 0,45
Xmin = 80 – 0,45x2 = 80 – 0,9 = 79,1
Xmax = 80 + 0,9 = 80,9
b) X = 80
SD = 5
N = 500
Sx = 0,22
min = 80 – 0,22x2 = 80 – 0,44 = 79,56X
Xmax = 80 + 0,44 = 80,44
KORELACIJA
Govori o stupnju međusobnepovezanosti različitih pojava(varijabli). Povezanost ili asocijacijameđu varijablama znači da je veličinujedne varijable moguće predvidjetina temelju poznavanja veličine drugevarijable.
NAJČEŠĆA POGREŠKA PRI INTERPRETACIJI
jest kauzalno interpretiranje korelacije:interpretira se kao da je jedna od varijabli uzrokdrugoj.
• korelacija između rezultata na dva toplomjera• povezanost između rezultata očitavanja dvaju satova• broj djece i broj električnih aparata u kućanstvima• broj svećenika i broj prostitutki• broj kina i broj štakora• broj prekršaja i broj koševa igrača (+0.93)• povezanost pušenja majke i niske težine novorođenčeta