UNIVERZITET U TUZLI

Ekonomski fakultet

POSLOVNA STATISTIKA

Dr. sc. Senad Fazlović, redovni profesor

(kabinet 410, konsultacije: utorak - 10 h)

05. 11. 2020.

 DESKRIPTIVNA STATISTIKA

Ništa nije praktičnije od dobre teorije. (Nils Bor)

Ciljevi ovog modula:

 Na konkretnom primjeru naučiti kako se računaju mjere centralne
tendencije, mjere disperzije, te utvrđuje način i oblik rasporeda podataka
 Objasniti razliku između apsolutnih i relativnih mjera koncentracije
 Shvatiti značaj mjera koncentracije za poslovno odlučivanje
 Na konkretnom primjeru prikazati konstruisanje Lorenzove krive i
izračunavanje Ginijevog koeficijenta koncentracije

PRIMJER Određivanje asimetrije i zaobljenosti objasnit ćemo na istim

podacima koji su poslužili za računanje pozicionih srednjih vrijednosti.

4. 11. 2020. Poslovna statistika 2

Tabela 1. Raspored zaposlenih radnika jednog preduzeća prema godinama starosti

Godine Broj Razredne

starosti radnika sredine
f i xi ( xi  x ) f i ( xi  x )2

1 2 3 4 5 6

15-20 268 17,5 4690 -23,70 150479,97

20-25 635 22,5 14287,5 -18,70 221954,16

25-35 2752 30 82560 -11,20

344953,94

35-50 3318 42,5 141015 1,30

5643,44

50-65 2742 57,5 157665 16,30

728894,67

Ukupno 9715 - 400217,5 -

1451926,18

4. 11. 2020. Poslovna statistika 3

Ponderisana aritmetička sredina će biti:
k
 f i xi
i 1 400217,5
x k
  41,1958  41,2
9715
 fi
i 1

Standardna devijacija za grupisane podatke, prema izrazu 2.40. iznosi:

1451926,18
   149,452  12,2251  12,22
9715
Na osnovu početnih podataka izračunati su i ostali elementi potrebni za
određivanje asimetrije i zaobljenosti:
k k
 f i ( x i  x )  313970,67  f i ( x i  x )  399081420,19
3 4
i 1 i 1

 2  149,45  3  1827,08  4  22336,22

k k
 f i ( xi  x )  f i ( xi  x )
3 4
i 1 313970,37 i 1 399081420,19
M3  k
  32,32 M4  k
  41078,89
9715 9715
 fi  fi
i 1 i 1

4. 11. 2020. Poslovna statistika 4

Stavljanjem u odnos trećeg centralnog momenta sa standardnom devijacijom
na treću potenciju dobijamo:
M3 32,32
3    0,0177
3 1827,08

Koeficijent zaobljenosti računamo kao omjer četvrtog centralnog momenta sa

standardnom devijacijom na četvrtu potenciju:
M4 41078,89
4    1,84
4 22336,22

Zaključak: posmatrani statistički niz je pozitivno asimetričan, ali je taj stepen

asimetrije veoma mali (blaga asimetrija  0,5). Statistički niz je prema veličini
koeficijenta zaobljenosti spljošteniji od normalnog rasporeda, pa kažemo da je
platokurtičan u odnosu na normalni raspored.

4. 11. 2020. Poslovna statistika 5

Raspored srednjih vrijednosti, takođe, ukazuje da se radi o pozitivno
asimetričnom rasporedu, jer je (41,2>40,44>32,33). Pored toga, koristeći ranije
izračunate pozicione srednje vrijednosti možemo izračunati i Pearsonove
(nepotpune) mjere asimetrije:

x  Mo 41,2  32,33
S k1    0,73
 12,22

3( x  M e ) 3 (41,2  40,44)
Sk 2    0,19
 12,22

Zaključak: Pearsonovi koeficijenti asimetrije pokazuju da se radi o rasporedu

koji je pozitivno asimetričan. Međutim ovi koeficijenti, kao i raspored srednjih
vrijednosti, mogu se prihvatiti samo kao preliminarna procjena asimetričnosti
nekog rasporeda. Mnogo pouzdaniji pokazatelj asimetrije je koeficijent 3.

4. 11. 2020. Poslovna statistika 6

Ostalo je još da izračunamo Bowleyevu mjeru asimetrije, koja polazi od odnosa
kvartila. S obzirom na to da su podaci dati grupisani u razrede, za računanje
prvog i trećeg kvartila koristićemo izraze 2.27. i 2.28.:

N
  f1
4 2428,75  903
Q1  L1  i  25  10  30,54
f Q1 2752

3N
  f1
4 7286,25  6973
Q3  L1  i  50  15  51,71
f Q3 2742

Uvrštavanjem izračunatih vrijednosti dobijamo:

Q1  Q3  2 M e 30,54  51,71  2(40,44) 1,37

Skq     0,0647
Q3  Q1 51,71  30,54 21,17

Zaključak: izračunata vrijednost Bowleyeve mjere asimetrije potvrđuje ranije

istaknute zaključke o blagoj pozitivnoj asimetriji posmatranog rasporeda.

4. 11. 2020. Poslovna statistika 7

 MJERE KONCENTRACIJE
Mjerama koncentracije utvrđuje se način rasporeda totala ili druge prikladne
agregatne veličine na njegove članove ili modalitete statističkih varijabli. U praksi
se mjere koncentracije koriste u analizi rasporeda dioničkog kapitala,
monopolskog položaja na tržištu, rasporeda prodajnog prostora po prodajnim
jedinicama, rasporeda ukupnog iznosa plata po zaposlenicima, izvoza i uvoza po
zemljama, rasporeda sredstava između budžetskih korisnika i sl.
Mjerenje koncentracije se provodi različitim pokazateljima, među kojima su:
koncentracijski omjer, Herfindahlov indeks, i Ginijev koeficijent koncentracije.
Prva dva pokazatelja predstavljaju apsolutne mjere koncentracije, a treći
pokazatelj najčešće korištenu relativnu mjeru koncentracije.
Koncentracijski omjer računamo prema slijedećem izrazu:
r r xi
 xi 
i 1 x 1
Cr  N
, C r  i 1 ,  C r  1.
N N
 xi
i 1

gdje xi označava pojedinačne vrijednosti pojave a N broj vrijednosti obilježja. Iz

prethodnog izraza vidimo da se, kod uređenog statističkog niza - od najveće do
najmanje vrijednosti, koncentracijski omjer r-tog reda računa tako što se zbir r
vrijednosti od njihovog ukupnog broja podijeli sa N.
4. 11. 2020. Poslovna statistika 8
Herfindahlov indeks, takođe, predstavlja apsolutnu mjeru koncentracije a
računa se prema izrazu:
N
 xi
2
i 1 1
H 2
,  H  1.
 N  N
  xi 
 i 1 

U analizi relativne mjere koncentracije polazi se od specifičnog grafičkog

prikaza, koji se naziva Lorenzova kriva. Ova kriva se konstruiše u prvom
kvadrantu koordinatnog sistema i izražava stepen koncentracije pojedinih
članova ili grupa u odnosu na ukupnu koncentraciju statističkog niza.

Lorenzova kriva se grafički prikazuje u pravouglom koordinatnom sistemu, pri

čemu apscisa predstavlja aritmetičko mjerilo za vrijednosti empirijske funkcije
distribucije a na ordinatu se unose vrijednosti kumulante proporcija podtotala.
Podtotali se za grupisane podatke u razrede procjenjuju pomoću razrednih
sredina. Kada su date relativne frekvencije, proizvodi razrednih sredina i
relativnih frekvencija veličine su proporcionalne podtotalima.

4. 11. 2020. Poslovna statistika 9

Za računanje Ginijevog koeficijenta koncentracije koriste se dva (ekvivalentna)
izraza, pri čemu se kod negrupisanih podataka češće koristi slijedeći izraz:
N N
2  ix i  ( N  1)  x i
i 1 i 1
G N
,
N  xi
i 1

gdje xi predstavlja pojedinačne vrijednosti varijable a N broj podataka.

Drugi način za računanje Ginijeva koeficijenta koncentracije rasporeda
frekvencija dat je izrazom:

G  1   pi FT (Ti )  FT (Ti  1 ), FT (T0 )  0

k

i 1

pri čemu su FT(Ti) kumulativi proporcija podtotala.

PRIMJER Na osnovu podataka o broju nezaposlenih u FBiH krajem 2004.

godine, prikazat ćemo konstruisanje Lorenzove krive i izračunavanje Ginijevog
koeficijenta koncentracije.

4. 11. 2020. Poslovna statistika 10

 Tabela 2. Broj nezaposlenih po kantonima FBiH, stanje 31.12.2004. godine
Broj Kum. prop. Kum. prop.
Kantoni nezaposlenih podtotala kantona
1 2 3 4
Bosansko-podrinjski kanton 4546 0,0140 0,1
Kanton posavski 5629 0,0313 0,2
Zapadno-hercegovački kanton 7371 0,0539 0,3
Hercegbosanski kanton 7630 0,0773 0,4
Hercegovačko-neretvanski k. 25642 0,1561 0,5
Unsko-sanski kanton 32830 0,2568 0,6
Srednjobosanski kanton 36052 0,3675 0,7
Zeničko-dobojski kanton 62780 0,5602 0,8
Kanton Sarajevo 63711 0,7558 0,9
Tuzlanski kanton 79547 1,0000 1,0
-
Ukupno 325738 -
4. 11. 2020. Poslovna statistika 11
Za konstruisanje Lorenzove krive služe koordinate tačaka: (0,0), (0,1; 0,014),
(0,2; 0,0,0313),..., (0,9; 0,7558), (1,1). Očigledno je da vrijednost površine između
pravca ravnomjerne koncentracije i krive varira u intervalu od 0 do 0,5.
Slika 1. Lorenzova kriva za podatke u tabeli 2.

0,8
Kumulanata proporcija nezaposlenih

0,6

0,4

0,2

0
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1
Kumulant a proporcija kant ona

4. 11. 2020. Poslovna statistika 12

Idealnu raspodjelu broja nezaposlenih po kantonima imali bismo u slučaju
kada bi datoj proporciji kantona odgovarala ista tolika proporcija
nezaposlenih. U navedenom primjeru tačka maksimalne nejednakosti je (0,5;
0,1561), koja pokazuje da prvih pet kantona obuhvata 15,61% nezaposlenih.

Koeficijent koncentracije je:

N N
2  ix i  ( N  1)  x i
i 1 i 1 21  4546  2  5629  ...  10  79547  11  325738
G 
N 10  325738
N  xi
i 1

22517100  3583118 1451082

G   0,4455
3257380 3257380

Upotrebom izraza 2.58. dolazimo do istog rezultata:

G 1
1
(0,014  0)  (0,0313  0,014)  ...  (1  0,7558)  0,4455
10

▲
4. 11. 2020. Poslovna statistika 13