1.

Pojam slučajnog pokusa

Postupak (mjerenje) koji se uz definirane uvjete može ponavljati, ima najmanje dva moguća ishoda i
ishodi se ne mogu predvidjeti sa sigurnošću. Bacanje novcica.

2.Kako je definirana vjerojatnost

Klasična definicija vjerojatnosti (vjerojatnost a priori, poznata prije nego što se izvede slučajni pokus)
pretpostavke: - prostor elementarnih dogadaja S je konačan i poznat
- na skupu S definiran je slučajni dogadaj A (broj ishoda koji realizirajudogadaj A
naziva se povoljnim za A
Vjerojatnost dogadaja A je omjer broja, za dogadaj A povoljnih ishoda (M) i broja svih jednako
mogućih ishoda (N).
𝑀
𝑃(𝐴) = 𝑁
Statistička definicija vjerojatnosti(vjerojatnost a posteriori)
Pretpostavka: slučajni eksperiment moguće je ponavljati beskonačno mnogo puta. Pri tome se
uočava stabilizacija relativne frekvencije nastupa slučajnog dogdaja A oko konstante koja predstavlja
vjerojatnost a posteriori dogadaja A.
lim 𝑚(𝐴) 𝑓𝑎
𝑃(𝐴) = 𝑛→∞𝑛 𝑃(𝐴) = 𝑛

3.Uvjetna vjerojatnost
𝑃(𝐴 ∩ 𝐵)
𝑃(𝐴|𝐵) =
𝑃(𝐵)
4.Baysov teorem
𝑃(𝐵|𝐴) ∗ 𝑃(𝐴)
P(A|B) =
𝑃(𝐵)

5.Nezavisni događaji
Ako je p(A|B) ≠ p(B), onda kažemo da je dogadaj A zavisan o dogadaju B.
Ako je p(A|B) = p(B), onda kažemo da je dogadaj A nezavisan o dogadaju B.

6.Varijacije,permutacije,kombinacije
Varijacije bez ponavljanja
Broj varijacija bez ponavljanja r – tog razreda od n elemenata jednak je

𝑉𝑛𝑟 = 𝑛 ∗ (𝑛 − 1) ∗ … ∗ (𝑛 − 𝑟 + 1)
Varijacije s ponavljanjem
Ako se elementi u uređenim r-torkama mogu ponavljati govorimo o varijacijama s ponavljanjem. Broj
varijacija s ponavljanjem r- tog razreda od n elemenata jednak je ̅̅
𝑉𝑛̅𝑟̅ = 𝑛𝑟
Permutacije bez ponavljanja
Permutirati znači zadane elemente na sve moguće načine spajati u skupine tako da svaka skupina sadrži sve
zadane elemente. Broj permutacija skupa od n različitih elemenata jednak je

𝑃𝑛 = 𝑛 ∗ (𝑛 − 1) ∗ … ∗ 2 ∗ 1 = 𝑛!
Permutacije s ponavljanjem
Ako između n zadanih elemenata ima k1 jednakih jedne vrste, k2 jednakih druge vrste, ..., kr
jednakih r-te vrste, govorimo o permutacijama s ponavljanjem. Broj permutacija s ponavljanjem
𝑘 𝑘2, …,𝑘𝑟 𝑛!
od n elemenata jednak je 𝑃𝑛 1, =
𝑘1 !∗𝑘2 !∗…∗𝑘𝑟 !
Kombinacije bez ponavljanja
𝑛!
Broj kombinacija bez ponavljanja od n elemenata r - tog razreda jednak je 𝐾𝑛𝑟 = (𝑛𝑟) =
𝑟!∗(𝑛−𝑟)!
Kombinacije s ponavljanjem
Kombinacije s ponavljanjem su kombinacije u kojima se elementi mogu ponavljati. Broj kombinacija s
ponavljanjem r–tog razreda od n elemenata jednak je 𝐾𝑛𝑟 = (𝑛+𝑟−1
𝑟
)

7.Slučajna varijabla
Numerička funkcija koja svakom ishodu slučajnog pokusa pridružuje realni broj. Diskretna poprima
konačan broj vrijednosti dok kontinuirana poprima beskonačno mnogo vrijednosti nad određenim
intervalom.

8.Distribucije slučajne varijable

Distribucija vjerojatnosti diskretne slučajne varijable je skup uredenih parova vrijednosti varijable i
pripadajuće vjerojatnosti.
(𝑥1 , 𝑝(𝑥1 )), (𝑥2 , 𝑝(𝑥2 )), … , (𝑥𝑘 , 𝑝(𝑥𝑘 ))

𝑝(𝑥𝑖 ) ≥ 0 ∀𝑖, 𝑖 = 1,2, …

∑ 𝑝(𝑥𝑖 ) = 1
𝑖
Distribucija vjerojatnosti kontinuirane slučajne varijable f(x) opisuje razdiobu vjerojatnosti na
intervalu vrijednosti varijable i ima svojstva:
𝑓(𝑥) ≥ 0
∞

∫ 𝑓(𝑥)𝑑𝑥 = 1
−∞
𝑏

∫ 𝑓(𝑥)𝑑𝑥 = 𝑃(𝑎 ≤ 𝑋 < 𝑏)

𝑎

10.Očekivanje .varijanca.standardna devijacija

Varijanca definira se kao prosječno kvadratno odstupanje od prosjeka
(𝑥1 − 𝑥̅ )2 + (𝑥2 − 𝑥̅ )2 + ⋯ + (𝑥𝑛 − 𝑥̅ )2
𝑠2 =
𝑛−1
Standardna devijacija uzorka je drugi korijen iz varijance uzorka
(𝑥1 − 𝑥̅ )2 + (𝑥2 − 𝑥̅ )2 + ⋯ + (𝑥𝑛 − 𝑥̅ )2
𝑠=√
𝑛−1
11.Medijan,mod
Medijanjevrijednostobilježjakojauređeninizpodatakadijelinadvaistobrojnadijela.
Modjeoblikkvalitativnogilikvantitativnogobilježjakojisenajčešćepojavljuje,odnosnooblikobilježjasnajve
ćomfrekvencijom.

12.Binomna distribucija
(analitički oblik, očekivana vrijednost, varijanca i standardna devijacija)
Definira se vezano uz Bernulijev pokus
-slučajni pokus koji ima dva ishoda (uspjeh i neuspjeh)
-u svakom ponavljanju pokusa, vjerojatnost ishoda uspjehje jednaka pi ne mijenja se
odpokusa do pokusa, vj. neuspjeha je q =1-p
-n je broj ponavljanja pokusa (veličina uzorka)

𝑋: 0,1, … , 𝑛
𝑛
𝑝(𝑥) = ( ) 𝑝 𝑥 𝑞 𝑛−𝑥
𝑥
𝐸(𝑋) = 𝑛 ∗ 𝑝
𝑉𝑎𝑟(𝑋) = 𝑛 ∗ 𝑝 ∗ 𝑞
𝜎 = √𝑛 ∗ 𝑝 ∗ 𝑞

13.Normalna distribucija
Najčešće primjenjivana teoretska distribucija vjerojatnosti u opisivanju empirijskih pojava.Analitički
oblik, očekivana vrijednost, varijanca.
1 1 𝑥−𝜇 2
𝑓(𝑥) = 𝑒 −2 (𝜎
)
−∞<𝜇 <∞ 𝜎 >0
𝜎 ∗ √2𝜋

𝐸(𝑋) = 𝜇 𝑉𝑎𝑟(𝑋) = 𝜎 2
Normalnadistribucijaovisiodvaparametra µ i σ.
Zvonolikajeoblika,simetričnaokosredinestočkamainfleksije µ ± σ.

14.Studentova t distribucija
t-distribucijajedistribucijavjerojatnostikontinuiraneslučajnevarijablet, (−∞ < 𝑡 < ∞).
Onajeuskopovezanasnormalnomstandardiziranomdistribucijom.OčekivanavrijednostdistribucijeE(t)=
𝑛
0,avarijanca𝑉𝑎𝑟(𝑡) = 𝑛−2 , 𝑛 ≥ 3. Određena brojem stupnjeva slobode n.

15.Hi kvadrat distribucija

Primjenjuje se u slučajevima kada treba donijeti odluku o signifikantnosti razlika stvarnih 𝑓𝑖
(opaženih) i teorijskih 𝑓0(očekivanih ) frekvencija, odnosno vrijednosti varijabla (obilježja).
𝑛
2
(𝑓𝑖 − 𝑓0 )2
𝜒 =∑
𝑓0
𝑖=1
Aritmetička sredina hi-kvadrat distribucije jednaka je broju stupnjeva slobode  ,varijanca iznosi 2 .
16.Terija uzoraka
Promatranje neke pojave koju zelimo ispitati i statistički obraditi nije jednostavan posao i gotovo je
nemoguće imati podatke o toj pojavi na svakom mjestu i u svakom trenutku. Zbog toga su se u
statistici razvile metode koje na osnovi poznavanja jednog dijela pojave, omogućuju
donošenjezaključaka o cijeloj pojavi. Jedan dio neke pojave naziva se UZORAK.

17.Slučajni uzorak
Recimo da imamo neko obiljeţje koje se moţe opisati slučajnom varijablom X koja ima distribuciju
F(x).U cilju istrazivanja slučajne varijable trebamo napraviti uzorak: uzimamo n elemenata u uzorak (n
puta izvodimo pokus).Da bi uzorak bio reprezentativan, postupak uzimanja pojedinog elementa u
uzorak ne smije utjecati na uzimanje ostalih elemenata u uzorak -nezavisnost.

18.Srednj vrijednost uzorka u odnosu na populaciju

Mozemo reći da se aritmetičke sredine uzoraka rasporeduju oko očekivanja slučajne varijable X sa
𝜎
standardnom devijacijom𝜎𝑥 =
√𝑛

19.Procijena varijance populacije pomoću uzorka

1
Definirana je varijanca uzorka: 𝑠 2 = ∑𝑛𝑖=1(𝑥𝑖 − 𝑥̅ )2
𝑛
𝑛−1
Očekivanje varijance uzorka: 𝐸(𝑠 2 ) = 𝜎2
𝑛
Vidimo da očekivanje varijance uzorka nije jednako varijanci obiljezja, pa zbog toga definiramo
1
korigiranu varijancu uzorka: 𝑠̅ 2 = ∑𝑛𝑖=1(𝑥𝑖 − 𝑥̅ )2
𝑛−1

20.Testiranje hipoteza
Osnovna zadaca Statistike je na temelju uzorka ocijeniti kakvu razdiobu ima promatrano
(populacijsko) statisticko obiljezjeX.
 svaka pretpostavka koja se odnosi na tu razdiobu je (statisticka)hipoteza
 provjera istinitosti te hipoteze je testiranje (statisticki test)
 hipotezu koju testiramo zovemonulta hipoteza ili nul-hipotezaiobiljezavamo s𝐻0
 alternativnu hipotezuobiljezavamo s𝐻1

21.T test
A t-test is any statistical hypothesis test in which the test statistic follows a Student's t distribution if
the null hypothesis is supported.

22.Analiza varijance
T-test je primjenjiv isključivo kada imamo dva uzorka. Međutim često u istraživanjima imamo više
uzoraka. Analiza varijance je test koji se primjenjuje u takvim slučajevima. Primjena analize varijance
bit će moguća ako je mjerena varijabla normalno distribuirana i ako su varijance svih promatranih
uzoraka jednake. Ideja analize varijance sastoji se u razdvajanju varijabilnosti mjerenog varijancom na
dva dijela: varijabilnost među ispitanicima koji pripadaju različitim grupama odnosno uzorcima (engl.
between-group variation) i varijabilnost među ispitanicima unutar svake pojedine grupe odnosno
uzorka (engl. within-group variation). Ovaj drugi dio varijabilnostičesto se naziva neobjašnjenom ili
rezidualnom varijabilnošću.
23.Hi kvadrat test
Pomocu χ2-testa testiramo nultu hipotezu da obiljezje X ima odredenu (teorijsku)razdiobu protiv
alternativne da nema tu razdiobu. Isto tako pomocuχ2-testa ispitujemo nezavisnost dva statisticka
obiljezja, kao i homogenost populacija. Za sve navedeno test-statistika je (opcenito):
𝑛
2
(𝑓𝑖 − 𝑓𝑡𝑖 )2
𝜒 =∑
𝑓𝑡𝑖
𝑖=1
gdje su 𝑓𝑖 eksperimentalne, a 𝑓𝑡𝑖 teorijske frekvencije.

24.Analiza tablica 2x2

25. Analiza tablica mxn

26.Relativni rizik

27.Regresivna analiza
Regresijska se analiza bavi ispitivanjem ovisnosti jedne varijable o jednoj ili više nezavisnih varijabli s
ciljem da se utvrdi analitički izraztakve povezanosti, odnosno model koji služi u analitičke i
prediktivne svrhe.

28.Metoda najmanjih kvadrata

Metoda najmanjih kvadrata sastoji se u odredivanju regresijskog pravca koji minimizira sumu
kvadrata rezidualnih odstupanja.

29.Pravac regresije

30. Koeficijent determinacije

Koeficijent determinacije (Coefficient of determination) je proporcija varijacija iz uzorka
protumačena linearnom regresijskom vezom.
∑𝑛𝑖=1(𝑦𝑖 − 𝑦̅)2
𝑟2 = , 0 ≤ 𝑟2 ≤ 1
∑𝑛𝑖=1(𝑦𝑖 − 𝑦̅)2
31.Koeficjent korelacije
Koeficijent linearne korelacije (coefficient of linear corelation) je mjera jakosti i smjera linearne veze
između varijabli x i y. Koeficijent jednostavne linearne korelacije može se odrediti i kao drugi korijen
iz koeficijenta determinacije, s tim da se predznak od r određuje u skladu s predznakom regresijskog
koeficijenta.