PITANJA za test:

1.

Statistika (definisanje i predmet prouavanja)

Statistika je nauka koja prouava varijacije obiljeja masovnih pojava primjenom
kvantitativnih metoda. Danas se pod pojmom stastistike podrazumjeva nauka o
prikupljanju brojanih podataka razliite vrste, o njihovom uredjenju, metodama
analize i tumaenju;
Sam naziv potie od novolatinskog ratio status i talijanskog ekvivalenta regione
di stato dravni interes.
Predmet statistike Predmet njenog istraivanja su masovne pojave bez obzira
na oblast ljudskog djelovanja u kojem se javljaju, pod uslovom da su varijabilne.
Njezina zadaa se sastoji u donoenju sudova brojane prirode o nepoznatim
karakteristikama skupa na temelju rezultata izuavanja varijacije.
Statistika kao znanstvenoanalitika metoda istraivanja pojava i procesa dijeli se
na deskriptivnu i inferencijalnu (analitiku, induktivnu, matematiku) statistiku.
Deskriptivna statistika obuhvata procese grupiranja (saimanja, ureenja) veeg
broja podataka o jedinicama statistikih skupova (podskupova) u obliku
statistikih nizova.
Inferencijalna statistika odnosi se na postupke kojima se pomou dijela
informacija (uzorka) donose sudovi o karakteristikama cjeline (populacije), ona je
induktivna metoda i temelji se na teoriji vjerovatnosti.

1.

Definisanje statistikog skupa

Statistiki skup ine jedinice koje imaju neke zajednike osobine koje elimo
istraiti. Oni predstavljaju stvari, osobe, preduzea, proizvode i sl. ija su svojstva
predmetom istraivanja. Prema opsegu razlikujemo konani i beskonani skup.
Statistiki skup moe biti realan i hipotetian.
Statistiki skup treba najprije definirati, odnosno odrediti opa svojstva koja ima
svaka jedinica da bi se mogla smatrati lanom skupa. Definiranje skupa moe biti:
pojmovno, prostorno i vremenski.
Pojmovnom definicijom skupa utvruje se pripadnost skupu s obzirom na pojam
jedinice (npr.skup studenata i sl.). Prostornom definicijom oznaava se prostor
kojem pripadaju sve jedinice statistikog skupa. Vremenskom definicijom
odreuje se vrijeme za koje su vezane sve jedinice skupa Statistiki skupovi iji
elementi zadovoljavaju navedene definicije smatra se homogenim i samo takav
moe biti predmetom statistike analize.
Skup podataka o promatranom svojstvu promotren za svaku jedinicu predstavlja
osnovni skup ili populaciju, a ukoliko se posmatra neko svojstvo na podskupu
jedinica, podaci iz tog podskupa predstavljaju uzorak.

1.

Kvalitativne mjerne skale

Pod mjerenjem se podrazumjeva pridruivanje brojeva statistikim jedinicama u
skladu sa logikim pravilima.Pravila pridruivanja data su mjernim skalama.
Razlikuju se 4 mjerne skale: nominalna, ordinalna, intervalna i omjerna.
Statistike varijable (obiljeja) mjerene na nominalnoj i ordinalnoj skali nazivaju
se kvalitativne (kategorijalne) varijable
nominalna je najnepreciznija i slui samo za klasifikaciju. Data je u obliku
nenumerikog skupa, odnosno liste naziva (atributa, slovnih oznaka) po kojima se

elementi statistikog skupa razlikuju, dijele se na atributivna (vrsta privredne

djelatnosti, nain prevoza radnika, vrsta robe, nacionalnost, spol, vrsta djelatnosti
isl.) i geografska (povezanost jedinice sa prostorom mjesto registracije
preduzea, mjesto roenja). Uz nominalnu skalu veemo slijedee postupke
statistike analize: analiza frekfencija, modus, hi-kvadrat test, Pearsonov
koeficijent kontigencije, te kontigencijska i klaster analiza.
ordinalna skala svodi mjerenje modaliteta na njihovo rangiranje tako to
pridruuje brojeve, slovne oznake ili simbole elementima skupa prema intenzitetu
nekog svojstva Npr. ocjena. Nad modalitetima ordinalne varijable takoe nisu
doputene brojane operacije. Osim ve navedenih postupaka , uz ordinarnu
skalu veemo i slijedee postupke statistike analize statistikih postupaka:
medijan, kvantile, Spearmanov koeficijent korelacije ranga, koeficijent asocijacije,
te faktorsku, diskriminacionu i conjoint analizu.
1.

Kvantitativne mjerne skale

Statistike varijable (obiljeja) mjerene na intervalnoj i omjernoj skali nazivaju se
kvantitativnim varijablama
intervalnom skalom pridruuju se brojevi mjerenim svojstvima, pri emu
jednake razlike na skali predstavljaju jednake razlike mjerenog svojstva,
doputene su sve osnovne brojane operacije Pr. temperaturna skala. Osim ve
navedenih postupaka, uz ordinarnu skalu veemo i slijedee postupke statistike
analize statistikih postupaka: Spearmanov koeficijent korelacije ranga,
koeficijent asocijacije, faktorsku, diskriminacionu i conjoint analizu, aritmetika
sredina, standardna devijacija, z-vrijednost, Pearsonov koeficijent korelacije,
regresiona analiza, parcijalna i multipla korelacija, te diskriminaciona i analiza
varijanse.
omjerna skala omoguava nam najvie u pogledu mjerenja i poredjenja,
tako da brojano moemo da : identifikujemo i rangiramo obiljeja, uporedjujemo
intervale izmedju obiljeja i vrio apsolutna poredjenja. Ona posjeduje najveu
preciznost jer koristi apsolutnu tj prirodnu nulu. Doputene su osnovne brojane
operacije. Osim ve navedenih postupaka, uz omjerne skale moemo raunati:
geometrijsku sredinu, harmonijsku sredinu i koeficijent varijacije.
Vrijednosti koje se pomou omjerne skale dodjeljuju jedinicama nazivaju se
vrijednosti numerikog obiljeja (varijable). Numerika obiljeja mogu biti
prekidna (vrijednosti obiljeja su odijeljene jedne od drugih najmanje jednom
utvrdjenom mjernom jedinicom. Obiljeja kod kojih postoje osnovne jedinice koje
se dalje ne mogu dijeliti nazivaju se prekidnim broj zaposlenih radnika, broj
lanova domainstva, broj prodatih raunara, a do njih dolazimo najee
prebrojavanjem) i neprekidna (moe poprimiti bilo koju vrijednost iz nekog
intervala, tj. bez obzira kako se blizu nalazile vrijednosti takve varijable, mogue
je izmedju njih umetnuti druge vrijednosti cijene dionica, stopa inflacije, iznos
potroakog kredita, starost radnika, iznos plate.

1.

Matrica podataka
Mjerne skale pruaju mogunost manipulisanja numerikim vrijednostima, koje
nee promjeniti emperijske informacije dobijene transformisanjem mjernih pojava
u vrijednost skale.
Prikupljeni podaci se mogu predoiti u statistikim tabelama - matrici podataka.
Svaki redak sadri sve podatke za odabranu jedinicu promatranja i naziva se

entitetom, stupac matrice podataka alternativno se naziva poljem. Matrica sadri

NK informacija.
Matrica podataka Vj oznaka za varijablu ( k- poslednja varijabla), Ii oznaka za
ispitanika (n broj uzoraka), Mij vrijednost varijable (modalitet obiljeja
ispitanika Ii pri odgovaranju na pitanje Vj)
Podaci prikupljeni na ovakav nain pokazuju odgovore n ispitanika na k razliitih
pitanja, koja se odnose na osobine ispitanika, te na njihove stavove i miljenja o
pojavama koje su predmet istraivanja.
V1
V2
.....
Vj
.....
Vk
I1
M11
M12
.....
M1j
.....
M1k
I2
M21
M22
.....
M2j
.....
M2k
.....
.....
.....
.....
.....
.....
.....
Ii
Mi1
Mi2
.....
Mij
.....
Mik
....
.....
.....
.....
.....
.....
.....
In
Mn1
Mn2
.....

Mnj
.....
Mnk

1.

Poslovna statistika
Poslovna statistika obuhvata statistike metode vane za praenje poslovnih
dogadjaja preduzea, odnosno za poslovno odluivanje. Neophodno je dobro
poznavanje makroekonomije. Vana uloga poslovne statistike razvijanje principa
metoda za donoenje odluka u uslovima neizvjesnosti. Poslovna statistika
prouava i zakonitosti koje vladaju u odnosima dvaju i vie ekonomskih pojava, te
opisuje stepen i oblik kovarijacije medju njima
Statistike metode: deskriptivne i inferencijalne.
Deskriptivna (opisna) statistika obuhvata postupke uredjivanja podataka,
mjere centralne tendencije, mjere disperzije i asimetrije, mjere zaobljenosti i
grafiko prikazivanje. Prvi korak u istraivanju podrazumjeva uredjenje podataka
prikupljenih u vlastitom preduzeu (nabavka, prodaja, cijene, trokovi, zaposleni).
Inferencijalna statistika metoda temelj joj je metoda uzorka. Istraivanje
uzorkom namee se kao relativno brz i jeftin metod koji vodi do upoznavanja
obiljeja populacije iz koje je uzorak izabran. Uzorci se koriste kod: stalnog
praenja kvalitete proizvodnje ili prijema robe pomou uzorka, pri pregledu
finansijskog poslovanja, u ispitivanju javnog mnijenja i raspoloenja kupaca.

1.

Etape statistikog istraivanja

Proces statistiko istraivanja svodi se u 4 etape:
a)
statistiko posmatranje i prikupljanje podataka mora biti planski
organizovano, sistematino i masovno, to omoguuje da se odrede cilj i predmet
istraivanja, osnovni skup, jedinice posmatranja i njihova obiljeja, nain
grupisanja, kontrola podataka itd. Zadatak mu je da omogui efikasan nain
prikupljanja podataka tako to e ukazati na mjesta kojima treba posvetiti
posebnu panju tokom prikupljanja i kontrole podataka, prije njihovog grupisanja i
uredjivanja. Najvanije aktivnosti u prikupljanju podataka su: odredjivanje vrste
istraivanja, izvora podataka, odredjivanje naina i metoda prikupljanja podataka,
primjenu odgovarajuih upitnika i obrazaca, izbor vrste i veliine uzoraka i
terensko prikupljanje podataka. Obzirom na vrstu: izvidjajno (eksplorativno)
primjenjuje se kada su naa saznanja relativno ograniena, te je potrebno vie
informacija o promatranom problemu. U provodjenju ovog istraivanja obavlja se
vie neformalnih razgovora sa osobama ija znanja i iskustva mogu da pomognu
preciznijem definisanju stvarnog problema i ciljeva istraivanja. Deskriptivno
njime se sluimo kada je u rjeavanju konkretnog problema potrebno
razumjevanje svojstva odredjene pojave.Deskriptivna istraivanja zahtjevaju
mnogo prethodnog znanja o predmetu istraivanja i pretpostavljaju da je problem
jasno definisan. Analitiko (uzrono) istraivanje se primjenjuje kada elimo da
dobijemo objanjnje uzroka koji su djelovali na neki poslovni dogadjaj.
Nain i metode prikupljanja podataka odredjene su vrstom istraivanja. Najvaniji
kriteriji su: obuhvatnost pojave (potpuno putem popisa, evidencije i tekue
registracije i djelimino posmatranje- izborom manjeg ili veeg broja jedinica iz
populacije dolazimo do informacija o cijeloj posmatranoj pojavi) i vrijeme
posmatranja i prikupljanja podataka. Razlikujemo jednokratno, periodino i

stalno posmatranje i prikupljanje podataka. Osnovne metode za prikupljanje

primarnih podataka: posmatranje, ispitivanje i eksperiment.
b)
uredjivanje i grupisanje podataka nakon prikupljanja podataka vri se
njihova kontrola, evidentiranje, kodiranje i tabeliranje.Grupisanje se vri prema
atributivnim, geografski, ordinalnim i numerikim obiljejima. U organizacionotehnikom pogledu uredjivanje i grupisanje podataka je u dananje vrijeme
olakano uvodjenjem aplikativnih softvera za statistiku analizu. Statistiko
grupisanje podjela osnovnog skupa na podskupove prema odredjenim
obiljejima, kako bi se u jednoj grupi nali elementi skupa istog ili slinog
modaliteta. Grupisanje moe biti jednostavno (prema jednom obiljeju) ili
kombinovano (razvrstavanje prema dva ili vie obiljeja). Za postizanje
jedinstvenosti potrebno je koristiti nomenklature i klasifikacije, koje predstavljaju
jednoobrazno utvrdjene nazive grupa i podgrupa. Potrebno je voditi rauna o
principu iscrpnosti ( svaki elemenat skupa mora da bude obuhvaen nekim od
podskupova) i iskljuivosti ( jedan podatak moe oripadatai samo jednom
podskupu)
c)
obrada i analiza podataka se vri uz pomo odgovarajuih statistikih
metoda , zavisno od cilja i problema istraivanja. Mora se voditi rauna o: vrsti
podataka koje smo prikupili, postupku istraivanja koji smo primjenili i
pretpostavkama koje moraju biti ispunjene da bi primjenili odredjenu statistiku
metodu.Razlikujemo: statiku i dinamiku analizu; analiza jedne, dvije, ili vie
varijabli; i posebne analiza serija rasporeda frekfencija, analiza varijanse.
d)
1.

sastavljanje izvjetaja i interpretacija rezultata

Izvori podataka

Statistiki podaci su ustanovljena svojstva jedinica statistikog skupa do kojih se

dolazi promatranjem ili provedbom eksperimenata. Prema izvoru razlikujemo
primarne (podaci prikupljeni sa datim ciljevima istraivanja) i sekundarni
(vanjski izvori baza podataka vladinih ustanova, specijaliziranih agencija,
organizacija isl.). Proces istraivanja poinje prikupljanjem sekundarnih podataka.
Sekundarni podaci su prikupljeni unutar preduzea ili izvan njega u svrhu koja je
razliita od potreba konkretnog istraivanja. Sekundarni podaci u preduzeima
sadrani su u izvjetajima raunovodstva, bazi podataka za potrebe istraivanja
trita, otpremnicama robe, platnim listama, cjenovnicima.
U poslovnoj analizi veoma vana je primjena sekundarnih izvora opodataka izvan
preduzea, a to su: statistiki zavodi, privredne komore i struna udruenja,
internet, nauno istraivake institucije, baze podataka vladinih institucija,
struna literatura i asopisi, katalozi sajmova i izlobi, adresari idr.
Prikupljanje primarnih podataka dui je i sloeniji postupak. Podaci se prikupljaju
direktno od ispitanika
za potrebe konkretnog istraivakog projekta. Podaci koji se prikupljaju prvi puta
od strane istraivaa
nazivaju se primarni i iskljuivo su vlasnitvo preduzea koje organizuje
istraivanje.
Prikupljanju podataka prethodi: definiranje ciljeva istraivanja, odreivanje
statistikog skupa i jedinica
promatranja, izbor obiljeja i definiranje modaliteta, sastavljanje obrazaca i
odreivanje naina
prikupljanja podataka.

Ako se prikupljaju podaci o obiljejima za sve jedinice promatranja govori se o

iscrpnom promatranju ili cenzusu, a ako se obuhvati dio jedinica promatranje je
reprezentativno. S obzirom na vrijeme promatranja mogu biti jednokratna (popis
stanovnitva), periodina (registracija motornih vozila) i tekua (podaci o
roenim).
1.

Anketni upitnik
Anketa predstavlja odredjeni broj pitanja koja se postavljaju pismeno/usmeno u
cilju dobijanja odgovora, koji treba da slue rjeavanju definisnog istraivakog
problema. Sastavljanje anketnog upitnika je vana faza u istraivanju, jer od toga
zavisi kvalitet istraivanja. Pitanja moraju biti sastavljena tako da pronadju one
informacije koje su postavljene kao ciljevi odredjene studije. Pri planiranju i
projektovanju upitnika treba definisati: vrstu informacije koja se trai, formalnu
strukturu pitanja i odgovora i unutranju strukturu pitanja i odgovora. Pitanja
mogu biti otvorenog, zatvorenog i mjeovitog tipa. Pri formulisanju pitanja vana
su sledea pravila: izbjegavati dvostruka i dvosmislena pitanja, izbjegavati
pitanja koja navode na odredjeni odgovor, koristiti jednostavne, razumljive rijei,
postavljati pitanja tako da svojom formom i sadrajem lie na pitanja iz
svakodnevnog ivota, izbjegavati rijei sa vie znaenja.

1.

Sastavljanje izvjetaja i interpretacija rezultata

Zavrni izvjetaj predstavlja sredstvo komuniciranja izmedju istraivaa i
donosioca poslovnih odluka. Centralni dio svakog izvjetaja predstavljaju
rezultati statistikog istraivanja za iju prezentaciju stoje na raspolaganju
zavrne tabele, grafikoni, razni statistiki pokazatelji i tekstualna objanjenja.
Interpretacija podataka je proces pretvaranja podataka u informacije. U
interpretaciji mora se uzeti u obzir procjena oekivane greke. Istraiva treba
upozoriti na: nedostatke vlastitog istraivanja, ogranienja dobijenih rezultata i
potrebu daljnjih istraivanja. Prednost se daje izvjetajima koji su kratki, jasni,
jednostavno napisani i koji ukazuju na mogunost prektinih akcija.

1.

Raunarski podrani postupci intervjuisanja

U SAD 50% organizacija koje se bave anketnim istraivanjem koriste CATI sistem
(Computer Assisted Telephone Intervieving).Ova metoda uticala je na nastajanje
metode raunarski podranog linog intervjuisanja CAPI, te CSAQ postupka u
kojem anketirana osoba sama unosi odgovore. Za prikupljanje podataka pomou
anketnog listia PAPI, razvijen je sistem direktnog unoenja podataka. Ako se
pored interaktivnog unoenja podataka primjenjuje jo i automatsko kodiranje,
kontrola, i ispravljanje govori se o tkz. raunarski podranom unosu podataka.
CADI (Computer Assisted Data input).
Pomenute metode omoguavaju trenutno redukovanje pogrenih odgovora. A
nekonzistentnost odgovora je mogue odmah otkriti pomou ugradjenih pravila u
program. Mogunost primjene navedenih tehnika kod nas je ograniena:
nedovoljna pokrivenost populacije telefonom, neodgovarajua hardverska
oprema i softverska podrka, potreba za dodatnim obuavanjem anketara.
Neophodna je i spremnost ispitanika da suradjuju, a koja moe izostati iz razliitih
razloga: ekonomski, politiki idr.

1.

Raunarsko podrano kodiranje

Prije unosa i razvrstavanja podataka u tabele varijable koje su unesene u upitnik
moraju biti kodirane i razvrstane u razliite kategorije (modalitete). Pod
kodiranjem podrazumjevamo postupak pridruivanja numerikih ili drugih oznaka
modalitetima varijabli. Faze postupka kodiranja: - svaki element iz istraivakog
skupa mora biti kodiran s obzirom na specifinu varijablu pomou opisa rijeima; za tu varijablu se formira kod u kojem svaki broj oznaava posebnu kategoriju
prouavane varijable, - definie se skup uputa za kodiranje koje povezuju opise
rijeima i brojeve za kodiranje.
Kodiranje se moe provoditi runo, pomou raunara i automatski pomou
raunara. Automatsko kodiranje podrazumjeva konstrukciju rjenika. Kontrola
kodiranja treba da bude sastavni dio ukupnog programa za proizvodnju podataka,
a operacije kodiranja i unoenja podataka, njihove verifikacije i korekcie treba
podvrgnuti standardnim statistikim postupcima kontrole kvaliteta.

1.

Validnost i pouzdanost istraivanja

Poudanost se definie kao razlika izmedju reuzltata uzoraka i rezultata osnovnog
skupa pod istim uslovima.
Validnost funkcionie na drugaiji nain u odnosu na poudanost, jer je mogue
imati potpuno pouzdana ali ne validna mjerenja.
S obzirom na primjenjeni postupak utvrdjivanja, validnost se dijeli na: konstruktnu
(teorijsku) validnost i praktinu (kriterijsku) validnost. Logika validnost se
odredjuje na osnovu impresije o predmetu mjerenja. Praktina validnost
podrazumjeva korelaciju odredjenog indikatora sa kriterijskom varijablom i
izraava se koeficijentom kriterijske validnosti. Ona moe biti: dijagnostika
(istovremena) i prognostika. Dijagnostika je odredjena stepenom povezanosti
rezultata mjerenja sa kriterijskom varijablom, koja nije ukljuena u mjerni
instrument. U ovom sluaju kriterijski podaci se prikupljaju u isto vrijeme kada se
realizuje istraivanje.
Prema izvoru nastajanja razlikujemo internu (istraivanje je validno ako je
izmjerilo ono emu je bilo namjenjeno) i eksternu validnost (problem se odnosi na
opasnost da se uslovi koje smo stvorili za provodjenje istraivanja razlikuju od
uslova u realnom okruenju.
Kada ponovljenim istraivakim postupcima dobijamo sline rezultate i time
potvrdjujemo dosadanja znanja govorimo o pouzdanosti rezultata istraivanja.
Pouzdanost omoguava ponavljanje istraivakog postupka i moe biti ocjenjena:
pomou mjera konzistentnosti (ekvivalentnosti) i pomou mjera stabilnosti.
U prvoj grupi mjerenja pouzdanost se ocjenjuje korelacijom izmedju varijabli koje
mjere istu latentnu varijablu, pomou dva ekvivalentna instrumenta istraivanja.
U ove mjerubrajamo: metodu razdvajanja, metodu unutranje konzistentnosti i
metodu faktorske analize.

1.

Neuzorake greke nepotpuni podaci, greke mjerenja i odgovora

Greka se moe definisati kao razlika izmedju prave vrijednosti obiljeja
populacije i vrijednosti ocjene na osnovu posmatranja jedinice uzorka. Pri tome je
prava vrijednost rezultat koji proizilazi iz postupka kada se mjerenje odvija u

potpunoj saglasnosti sa usvojenim sistemom rada. Greke u podacima direktno

utiu na analize, vode pogrenim odlukama i neadekvatnim akcijama.
Razlikujemo uzorake i neuzorake greke. U neuzorake greke spadaju:
nepotpuni podaci, greke mjerenja i odgovora, greke anketara i neinformisanost
ispitanika i greke obrade.
U istraivanjima se esto deava da su podaci nepotpuni zbog propusta
istraivaa da ispitaju neku od odabranih jedinica populacije ili zbog
neadekvatnog okvira izbora uzorka. Za obje greke se kae da su rezultat
neobuhvaenosti, odnosno ne pokrivenosti ciljane populacije. Problem
nepotpunih podataka je prisutan i kada se oni ne mogu prikupiti zbog otpora onih
koji bi trebali dati podatke. U istraivanjima je est sluaj da ispitanici ne mogu
dati odgovor jer ga ne znaju ili ga jednostavno ne ele dati. Kod kreiranja upitnika
je zato vano odabrati prava pitanja, njihov broj, redosljed i formulaciju, koja e
stimulirati ispitanika da tano odgovori.
Ako odluimo da uvrstimo upitnike koji su parcijalno nepopunjeni u daljnju
obradu, onda je potrebno primjeniti neku od metoda za tretiranje nekompletnih
podataka. U te metode ubrajamo: brisanje podataka, ponderisanje odgovora i
metodu umetanja nedostajuih odgovora.
Kod velikih uzoraka s malim brojem nedostajuih odgovora mogue je izbrisati
itave upitnike ili provesti selektivno brisanje pomou smanjivanja veliine
uzorka. Glavna prednost ove metode je u jednostavnosti kasnije analize.
Umetanje podataka je nauni postupak primjenjen sa ciljem da smanji greku
nastalu zbog ne dobijenih podataka i da sauva sve raspoloive podatke,
nasuprot nenaunoj tehnici izmiljanja podataka. Kvalitet procedure umetanja
zavisi od: veliine istraivane populacije, stope izbora, pristrasnosti uzorka i
korelacije izmedju obiljeja koja se ispituju.
1.

Neuzorake greke greke anketara, neinformisanost ispitanika i

greke obrade
Najee greke do kojih dolazi u radu anketara su one koje nastaju
interakcijom sa ispitanicim, greke u biljeenju rezultata i greke koje nastaju
neradom anketara. Greke nastaju i kada anketar slua odgovore ispitanika a
nakon toga upisuje odgovore. Greke u biljeenju odgovora se smanjuju
koritenjem magnetofonske, video i druge opreme.
U radu anketara postoji i greka koju anketar izaziva svojim neradom, kada
izostavlja pojedina pitanja, ne posveuje dovoljno panje pitanjima koja to
zahtjevaju ili uopte ne prikuplja odgovore od ispitanika nego ih izmilja. Ova
greka se smanjuje kontrolom rada anketara, uporedjujui rezultate jednog
anketara sa radom drugih, te motivacijom za rad i sistemom nagradjivanja.
Neinformisanost ispitanika dovodi do pogrenih zakljuaka. Problem se moe
rijeiti izbegavanjem osjetljivih pitanja, odnosno njihovim stavljanjem na kraj
upitnika, te uvjeravanjem ispitanika da je anketno istraivanje anonimno.
Ispitanik odbija da saradjuje i onda kada smatra da je istraivanje ilegalno i onda
kada sumnja da e njegovi odgovori otkriti nedostatak njegove obrazovanosti, te
pitanja ocjenjuje kao uoptena i nejasna, a problematiku svrstava medju teme o
kojima nikada nije razmiljao. Ispitanik se u tom sluaju informie da ne postoje
tani i netani odgovori, a nejasna pitanja se detaljnije objanjavaju.
Prikupljeni podaci se moraju verifikovati, evidentirati, kodirati i obraditi na
raunarima. Greke grupisanja, uredjivanja i obrade podataka, obuhvataju
greke nastale u postupcima: editiranja podataka (itljivost, potpunost, tanost i
dosljednost podataka), unoenja podataka, zaokruivanja brojeva i kodiranja,

umetanja nedostajuih vrijednosti, tabeliranja, obrade, analize i interpretacije

podataka.
1.

Statistiki niz (pojam i vrste)

Statistiki niz objanjava i kvalitativni aspekt pojave koju prikazuje. Osnovne
kriterije za podjelu nizova: broj obiljeja koje niz sadri, stepen uredjenosti i vrste
obiljeja. Ako je predmet analize jedna varijabla radi se o jednodimenzijalnoj
analizi, dok se metodama viedimenzijalne analize istovremeno prouava
kovarijacija dviju ili vie varijabli. Statistiki niz kod kojeg se modaliteti obiljeja
javljaju samo po jedanput nazivaju se jednostavnim, a niz kod kojega se
modaliteti obiljeja javljaju vie puta nazivamo raspored ili distribucija
frekvencija. Razlikujemo kvalitativne i kvantitativne nizove podataka.
Grupisanjem podataka prema oblicima nominalnog obiljeja i nizanjem
podskupova s pripadajuim frekvencijama nastaju nominalni nizovi, a
grupisanjem podataka prema modalitetima varijable ranga i nizanjem
podskupova s pripadajuim frekvencijama nastaju ordinalni nizovi. Formiranje
nominalnog atributivnog niza je sloeno ako se ono javlja u veem broju
modaliteta, u tom sluaju prilikom grupisanja neophodno je imati nomenklature
sa svim potrebnim informacijama u pogledu razvrstavanja modaliteta.

1.

Statistika tabela (pojam i vrste)

Praenje statistikih podataka olakava se tabelarnim prikazivanjem. Podaci su
pregledniji i lake se tumae. Statistika tabela nastaje ukrtanjem horizontalnih i
vertikalnih linija u koje se po odredjenom pravilu unose podaci. Svaka tabela
treba da ima tekstualni i numeriki dio. Tekstualni dio sadri: naslov, zaglavlje,
pretkolonu, jedinice mjere, izvor podataka i po potrebi objanjenja i napomene.
Numeriki dio tabele obuhvata brojaane podatke koji se unose u tabelu, te zbirni
(marginalni) red i kolonu koji se obino nalaze na krejevima tabele. Ako se
veliine u koloni sabiraju, zbir se smjeta u marginalni red.Prema sadraju
statistike tabele se dijele na: jednostavne (prikazuju samo jedan statistoki niz),
grupne (predstavljena dva ili vie nizova prema modalitetima istog obiljeja) i
kombinovane (istovremeno prikazani podaci grupisani prema modalitetima dva ili
vie obiljeja).
Prema cilju mogu biti: izvjetajne (pokazuju injenino stanje posmatrane pojave
na osnovu brojanih podataka) i analitike (pored injeninog stanja sadre
informacije o unutranjim odnosima i zakonitostima posmatrane pojave)

1.

Kumulativni nizovi
Nastaju sabiranjem frekfencija od prve do poslednje. Za formiranje kumulativnog
niza pored apsolutnih mogu se koristiti relativne i procentne frekvencije.
Razlikujemo kumulativni niz manje od(rastua kumulanta) i vie
od(opadajua kumulanta. Rastua kumulanta nastaje sabiranjem frekvencija od
najniih vrijednosti obiljeja ka frekvencijama veih vrijednosti. Prva frekvencija
rastue kumulante jednaka je prvoj frekvenciji izvornog niza. Druga frekvencija
jednaka je zbiru prve i druge frekvencije izvornog niza..... Zadnja kumulativna
frekvencija jednaka je zbiru apsolutnih frekvencija.
Opadajua kumulanta nastaje sabiranjem frekvencija od najvie vrijdnosti
obiljeja ka frekvencijama niih vrijednosti obiljeja.Opte znaenje kumulativnog

niza vie od - svaki lan opadajueg kumulativnog niza pokzuje koliko jedinica
skupa ima vrijednost numerikog obiljeja jednaku ili veu od one vrijednosti
obiljeja ija je frekvencija posledja ula u kumulativni niz.
1.

Grupisanje podataka u razrede (intervale)

Kada se prekidno numeriko obiljeje pojavljuje u velikom broju modaliteta ili
kada se radi o neprekidnom numerikom obiljeju uredjivanje podataka vri se
pomou rasporeda frekvencija sa razredima. Kada jedinica skupa moe da
poprimi relativno beskonano mnogo razliitih vrijednosti obiljeja iz odredjenog
intervala kaemo da se radi o neprekidnom numerikom obiljeju. Radni sta,
cijene, visine plaa, stopa inflacije, godine starosti samo su neki od primjera.
Godine radnog staa predstavljaju neprekidno obiljeje ali se ono moe
transformisati u prekidno ako se podaci odnose na navrene godine staa.
U sluajevima kada nuemrko obiljeje moe da poprimi velki broj razliitih
vrijednosti potrebno je susjedne vrijednosti obiljeja sjediniti u zajedniki razred
(interval). Za uspjeno provodjenje grupisanja podataka na ovaj nain neophodno
je odrediti prikladan broj razreda i njihovu veliinu. U praksi se broj razreda
uglavnom kree od 5 15.
Kako bi se prilikom grupisanja zadovoljili zahtjevi preglednosti i preciznosti, za
odredjivanje broja razreda koristi se Sturgesovo pravilo:
k 1 +3,3logN (k- broj razreda, N- obim skupa)
veliina tih razreda rauna se pomou izraza: i (Xmax + Xmin) / k (i
veliina razreda, Xmax najvea, Xmin najmanja vrijednost varijable. Veliina
razreda predstavlja razliku izmedju donje granice tekueg razreda i donje granice
prethodnog razreda.
Granice razreda odredjujemo tako da se razredi medjusobno razlikuju a da unutar
razreda jedinice budu homogene u kvalitativnom i kvantitativnom pogledu.. Svaki
razred ima svoju donju i gornju granicu. Granice razreda se razliito odredjuju s
obzirom na to da li se radi o prekidnom ili neprekidnom numerikom obiljeju.

1.

Dijagram
Pruaju raznovrsne mogunosti za jednostavnije prikazivanje i poredjenje
rezultata, a njihov izbor zavisi od vrste podataka.Dijelimo ih u 4 podgrupe:
stigmograme (grafiki prikaz pomou taaka upotrebljava se kod dijagramskih
karti), linijske (imaju jednu dimenziju, za prikazivanje koriste prave i krive linije.
Slue za prikazivanje modaliteta jednog obiljeja vremenskih nizova kod pojava
koje imaju svoj tok, dinamiku i razvoj), povrinske (histogrami imaju dvije
dimenzije koriste se za prikazivanje obima i strukture jedne ili vie pojava,
frekvencije niza predstavljene povrinama geometrijskih oblika) i prostorne
dijagrame (stereogrami omoguava prikazivanje u tri dimenzije. Sastoje se od
tri koordinatne ose).

1.

Kartogrami i piktogrami
Posebna vrsta grafikona koja za osnovu koriste specijalne vrste geografskih
karata. Imaju poseban znaaj za prouavanje teritorijalnog rasporeda pojava koje
su predmet izuavanja. Prema nainu crtanja razlikujemo . dijagramske karte
(crta se na geografskoj karti sa ucrtanim granicama prostora na kojem je
definisan statistiki skup, koji slue za ucrtavanje dijagrama) i statistike karte

(nisu prave geografske karte. Njima prikazujemo geografske nizove s mnogo

grupa i frekvencijama koje su relativni brojevi. Poadtke unosimo pomo raznih
boja i njihovog nijansiranja)
Piktogrami posebna vrsta grafikog prikaza kod kojeg se podaci predstavljaju
slikama ili simbolinim figurama. Oni nisu precizni, ali na jednostavan i popularan
nain daju informaciju o obimu i strukturi posmatrane pojave.
1.

Srednje vrijednosti (pojam i vrste)

Srednje vrijednosti opisuju koncetraciju (gomilanje) podataka oko neke numerike
vrijednosti. Mjere disperzije pokazuju odstupanje numerikih vrijednosti obiljeja
od njihove srednje vrijednosti, a mjere asimetrije i zaobljenosti pokazuju nain i
oblik rasporeda podataka. Mjerama koncentracije se utvrdjuje nain rasporeda
totala na njegove lanove. Pokazatelji navedenih karakteristika raunati za
populaciju nazivaju se parametri skupa.
Srednja vrijednost je ona vrijednost oko koje se najvie koncentriu podaci, pa se
naziva i mjerom centralne tendencije. Ona na jednostavan nain omoguava da
se iz varijabilnosti pojave otkrije to je vano i tipino. Srednja vrijednost je
reprezentativna vrijednost, jer zamjenjuje sve vrijednosti numerikog niza i nosi
njihove zajednike karakteristike.
Razlikujemo potpune (aritmetika, harmonijska i geometrijska sredina) i poloajne
srednje vriednosti (modus i medijan odredjeni pozicijom u statistikom nizu).
Srednja vrijednost je reprezentativan i tipian pokazatelj samo ako se rauna iz
skupa istovrsnih jedinica posmatranja.

1.

Osobine aritmetine sredine

Aritmetika sredina je najvanija i najee koritena srednja vrijednost,
oznaava se i kao prosjek ili prosjena vrijednost.. Rauna se tako to se zbir
vrijednosti numerike varijable podjeli sa njihovim brojem. Zbir svih vrijednosti
numerike varijable naziva se total.
__ X1 + X2 + ... + Xi + ... + Xn
__ Xi
X = --------------------------------- tj,
X = --------N
N
Sredina negrupisanih podataka naziva se jednostavnom aritmetikom sredinom.
Aritmetika sredina je najblia onoj vrijednosti obiljeja koja ima najveu
frekvenciju. Stoga se frekvencija naziva ponderom a sredina raunata na ovaj
nain ponderisana (vagana) aritmetika sredina.
k
Aritmetika sredina aritmetikih sredina (totalna
aritmetika sredina :
__ iXi
k
_
X = ---------NiXi
k
__
i=1
i
X = -----------------i=1
k
Ni
i=1
Aritmetika sredina ima osobine koje nema ni jedan drugi broj statistikog niza,
razliit od aritmetike sredine:
A)
nalazi se izmedju najmanje i najvee vrijednosti obiljeja Xmin < X < Xmax
B)
proizvod zbira frekvencije i aritmetike sredinie jednak je totalu skupa

C)
zbir odstupanja originalnih vrijednosti numerikog obiljeja od arimetike
sredine jedanak je nuli
D)
Zbir kvadrata odstupanja originalnih vrijednosti numerikih obiljeja od
aritmetike sredine je minimalan, odnosno manji je od zbira kvadrata odstupanja
podataka od bilo kojeg drugog broja a:
E)
Ako su sve vrijednosti numerikog obiljeja medjusobno jednake, odnosno
jednake konstatni c, onda je aritmetika sredina jednaka toj konstanti X1 = X2 =
Xn = C , X = C
1.

Harmonijska sredina
Pripada grupi potpunih srednjih vrijednosti i koristi se kada su vrijednosti obiljeja
za koje raunamo prosjek izraene recipronim odnosima. Koristi se kod
izraunavanja prosjenog vremena povrata jedinice uloenog kapitala,
produktivnosti rada, koeficijenta obrta poslovnih sredstava, koeficijenta
iskoritenosti kapaciteta, srednje cijene isl. Radi se o sluajevima kod kojih se
vrijednost obiljeja smanjuje kada se pojava poveava i obrnto.
Harmonijska sredina se rauna kao reciprona vrijednost aritmetike sredine
recipronih vrijednosti numerikog obiljeja.
N
N
H = ----------------------- = ------------Xi 0
1 + 1 + ... + 1
N
1
X1
X2
Xn
------i=1 Xi
Harmonijsku sredinu raunamo samo za ona obiljeja ije su vrijednosti razliite
od nule.
Kada podaci pokazuju reciprone odnose, anjihove frekvencije nisu jednake,
izraunava se ponderisana harmonijska sredina:
k
1 + 2 + ...... + k
i
H = -------------------------- = ------------1 + 2 + ... + k
k
i
X1
X2
Xk
------i=1
Xi

1.

Geometrijska sredina
Predstavlja prosjek iz proizvoda numerikog obiljeja. Ina izravnava
proporcionalne promjene (odnose) izmedju podataka stetistikog
niza.
N
G = N X1 * X1 *.....* XN = N Xi
Xi > 0, za svaki i.

i=1
Njeno izuavanje ima smisla samo za vrijednosti obiljeja koje su vee od nule.
Geometrijsku sredinu raunamo za pojave kod kojih je izraena geometrijska
progresija, odnosno za raunanje prosjeka niza relativnih pokazatelja. Ova
sredina uglavnom se koristi za izraunavanje prosjenih pokazatelja razvoja u

dinamikoj analizi pojava, a rjedje kao pookazatelj centralne tendencije rasporeda

frekvencija. Ona se najee koristi za izraunavanje prosjene stope promjene
na osnovu lananih indeksa.
Geometrijska sredina je za isti niz podataka uvijek manja od aritmetike, a vea
od harmonijske sredine.

1.

Grafiko odredjivanje modusa

Modus je vrijednost kvantitativnog ili kvalitativnog obiljeja sa najveom
frekvencijom. Modus je najtipinija vrijednost u nizu i naziva se jos dominantna
vrijednost ili mod. Za razliku od potpunih srednjih vrijednosti koje se mogu
izraunati samo za numerika obiljeja, modus se moe raunati i za kvalitativna
obiljeja.
(b-a)
Mo = L1 +--------------------- * i
(b-a) + (b-c)
Na veliinu modusa utie nain grupisanja podataka. Njegova prednost je to na
njegovo izraunavanje ne utiu otvoreni razredi i ekstremne vrijednosti obiljeja.
Dijagonalnim spajanjem poetne i krajnje vrijednosti modalnog intervala sa
donjom granicom postmodalnog, odnosno gornjom granicom predmodalnog
razreda dobija se apscisa take presjeka koja predstavlja priblinu vrijednost
modusa.

1.

Korigovanje frekfencija
Kada su podaci grupisani u razrede nejednakih veliina, potrebno je izvriti
korigovanje frekvencija. Modalni razred se odredjuje na osnovu najvee
korigovane frekvencije koja se rauna kao omjer frekvencije i veliine razreda
proporcionalne vrijednosti ili kao omjer frekvencije pripadajue veliine razreda.
Modus se ne moe odrediti ako nisu zabiljeena barem dva podatka sa istim
modalitetom.

1.

Medijan
Medijan je srednja vrijednost koja se odredjuje na osnovu poloaja koji zauzima u
nizu podataka. On uredjen niz podataka dijeli na dva jednaka dijela, tako da se u
prvom dijelu nalaze elementi koji imaju vrijednost obiljeja jednaku ili manju od
medijana, a drugom dijelu se nalaze elementi koji imaju vrijednost jednaku ili
veu od medijana. Medijan se nalazi u sredini statistikog niza i naziva se i
centralna vrijednost.Odredjivanje medijana zavisi od broja lanovau nizu a ne od
njihove vrliine. Medijan se odredjuje za redosljedne i numerike nizove, pri emu
treba voditi rauna da li se radi o grupisanim ili ne grupisanim podacima.Za
redosljed obiljeja je karakteristino da se njihovi modaliteti mogu urediti prema
stepenu intenziteta tog svojstva. Ako se radi o negrupisanim podacima i broj
modaliteta je neparan, medijan je modalitet koji se nalazi u sredini uredjenog
niza. Kod parnog broja modaliteta medijan se moe odrediti kao poluzbir sredinja
dva modaliteta.
Raspored frekfencija predstavlja uredjeni niz. Kada podaci predstavljaju oblike
redosljednog ili numerikog prekidnog obiljeja, medijan se odredjuje direktno.

Odredjivanje medijana pojednostavljuje se formiranjem kumulativnog nza manje

od. Na njegovo izraunavanje ne utiu vrijednosti pojedinih rezultata. Kao
srednaj vrijednost prikladan je ze izrazito asimetrine rasoporede, za kvalitativne
podatke koji se lako rangiraju, rasporede frekfencija sa otvorenim razredom.
i /2 - k-1
Me = L1 + ---------------------- * i
me
Praktina upotreba medijana sastoji se u lociranju optimalnog poloaja (ukupan
br. Kilometara od svake prodavnice do centralnog skladita je minimalan ako je
centralno skladite na poziciji medijana)
1.

Kvantili
Vrijednosti obiljeja koja niz podataka, uredjen po veliini, dijele na etiri jednaka
dijela nazivaju se kvartilima. Za kvartile, decile i percentile koristi se zajedniki
naziv kvantili. Kvantil se odredjuje za redosljedne i numerike nizove, pri emu
treba voditi rauna da li se radi o grupisanim ili negrupisanim podacima.
N
3N
Q1 = L1 +
4 - 1 * i
Q3 = L1 +
4 - 1 * i
Q1
Q3
(L1 gornja granica kvartilnog razreda, N zbir svih frekvencija, 1 suma
frekvencija do kvartilnog razreda, Q1 i Q3 frekvencije kvartilnih razreda, i
veliina kvartilnog razreda)
Prvi kvartil predstavlja vrijednost obiljeja koja elemente niza dijeli u dvije grupe,
tako da elemenata ima manju ili jednaku vrijednost tog obiljeja a
elemenata niza ima vrijednost obiljeja veu od prvog kvartila.

1.

Apsolutne mjere disperzije (nabrojati i objasniti)

Apsolutne mjere disperzije ubrajamo: raspon varijacije, interkvartil, srednje
apsolutno odstupanje, varijansu i iz nje izvedenu standardnu devijaciju.
Raspon varijacije = razlika izmedju najvee i najmanje vrijednosti obiljeja
Rx = Xmax X min
Koristi se kao prvi pokazatelj disperzije, koji grubo informie rasprenosti
numerikog obiljeja. Raspon varijacije nije potpuna mjera disperzije jer se rauna
na temelju ekstremnih vrijednosti niza, koje u pravilu nisu tipine.
Interkvartil = razlika izmedju gornjeg i donjeg kvartila. Ako se izostave prva i
zadnja etvrtina lanova uredjenog statistikog niza, ostaje sredinjih 50%
podataka.
Iq = Q3-Q1
Na raunanje interkvartila ne utie 25% podataka sa najviim i 25% podataka sa
najniim vrijednostima. To je nepotpuna mjera disperzije jer se rauna samo na
temelju dvije veliine donjeg i gornjeg kvartila
Srednje apsolutno odstupanje odstupanja vrijednosti numerikog obiljeja
od aritmetike sredine su razliita po predznaku i veliini, a njihov zbir je jednak
nuli. Za raunanje disperzije upotrebljavaju se apsolutna odstupanja vrijednosti
obiljeja od aritmetike sredine.Prosjek tih odstupanja predstavlja srednje
apsolutno odstupanje.(MAD)

N
_
Xi -X
i=1
MAD = ------------------N
(negrupisani podaci)

k
_
i Xi -X
i=1
MAD = ------------------N
(grupisani podaci)

k
N = i
i=1

Srednje apsolutno odstupanje raunamo za aritmetikusredinu, medijan i modus.

Varijansa dobiemo je ako izraunamo prosjek za zbir kvadratnih odstupanja.
Oznaava se malim grkim slovom sigma na kvadrat (). Predstavlja prosjeno
kvadratno odstupanje vrijednosti numerikog obiljeja od njihove aritmetike
sredine
N
_
N
( Xi X)
Xi
i=1
i=1
__
= ------------------ = ----------- X
N
N
(negrupisani podaci)
Vano svojstvo varijanse je da ona predtavlja minimalno prosjeno kvadratno
odstupanje, odnosno odstupanje manje od prosjenog kvadratnog odstupanja
podataka od bilo kojeg drugog broja.
Srednja devijacija prosjeno odstupanje vrijednosti numerikog obiljeja od
njihove aritmetike sredine.Izraava se u mjernim jedinicama obiljeja i najvanija
je mjera disperzije.
N
_
N
( Xi X)
Xi
i=1
i=1
__
=
------------------ =
----------- X
(negrupisani
podaci)

N
k
_
k
i ( Xi X)
i Xi
i=1
i=1
__
=
------------------ =
----------- X
(grupisani podaci)

N
Standardna devijacija se rauna samo uz aritmetiku sredinu i pokazuje nam da li
je ona reprezentativna veliina. Srednje apsolutno odstupanje, varijansa i iz nje
izvedena standardna devijacija predstavljaju potpune mjere disperzije.Ove mjere
nisu podesne za poredjenje disperzije statistikih nizova u kojima se obiljeja
izraavaju u razliitim mjernim jedinicama, kao i za nizove istovrsnog obiljeja ali
razliitih sredina.
1.

BP (box plat) dijagram

Raspon varijacije i interkvartil se grafiki prikazuju pomou B-P dijagrama (Box
and Whisker Plot), koji slui za otkrivanje netipinih vrijednosti varijable. On
omoguava poredjenje (centralne vrijednosti, rasprenosti i asimetrije) nekoliko
skupova podataka. Za konstrukciju ovog dijagrama potrebno je izraunati kvartili,
ije vrijednosti determiniu konstrukciju pravougaonika. Paralelno uz pravac s
aritmetikim mjerilom za vrijednost numerike varijable konstruie se
pravougaonik.

Sam pravougaonik predstavlja sredinjih 50% podataka, a njegova irina

oznaava vrijednost interkvartila. Za otkrivanje netipinih vrijednosti potrebno je
odrediti unutranje i vanjske granice. Vanjske granice udaljene su od rube
pravougaonika po tri interkvartilna razmaka
1.

Relativne mjere disperzije (nabrojati i objasniti)

U najznaajnije relativne mjere disperzije ubrajamo: koeficijent varijacije,
koeficijent kvartilne devijacije I standardizovano odstupanje. to su relativne
mjere disperzije blie nuli, to je vea pouzdanost aritmetike sredine kao mjere
centralne tendencije, a to se vie udaljavaju od nule to je aritmetika sredina
manje reprezentativna..
- Koeficijent varijacije (V) predstavlja omjer standardne devijacije i
aritmetike sredine pomnoen sa sto. Izraava se u procentima i pogodan je za
komparativnu analizu. Koristi se kada elimo saznati koji skup ima veu disperziju
kod istog posmatranog obiljeja. to je on manji (blii nuli, homogenost je vea a
time i rasprenost podataka oko aritmetike sredine manja.

V = ----- *100
X
- Koeficijentkvartilne devijacije (VQ) predtavlja omjer razlike i zbira
kvartila.izraava disperziju u odnosu na medijan i moe poprimiti vrijednosti od 0
do 100 ako je izraen u procentima. to je vrijednost blia nuli, stepen
homogenosti niza je vei.
Q3 - Q1
VQ = ---------- ; 0 VQ 1
Q3 + Q1
- Standardizovano odstupanje odredjuje relativni poloaj podataka u
statistikom nizu. Pomou standardizovanog odstupanja odredjujemo za koliko
standardnih devijacija je neki modalitet udaljen od prosjeka. _
Xi - X
Zi = ---------- ; i =1,2,..., N

Standardizovano odstupanje se koristi kod normalnog rasporeda za odredjivanje

povrine izmedju aritmetike sredine i odredjene vrijednosto obiljeja i kod
odredjivanja intervala pouzdanosti pri procjenama karakteristika osnovnog skupa
pomou uzorka. Vane osobine z -obiljeja su da je aritmetika sredina
distribucije standardizovanog odstupanja jednaka nuli, a standardna devijacija
jedan. Ona mogu biti pozitivna i negativna, a rijetko odstupaju od aritmetike
sredine za vie od +/- 3 standardne devijacije.