03P Graficko Prikazivanje Statistickih Podataka

Krešimir Kufrin & Ivan Landripet: OSNOVE SOCIOLOŠKE STATISTIKE (Odsjek za sociologiju FFZG, ak. god. 2018./2019.
) Krešimir Kufrin & Ivan Landripet: OSNOVE SOCIOLOŠKE STATISTIKE (Odsjek za sociologiju FFZG, ak. god. 2018./2019.)
GRAFIČKO PRIKAZIVANJE STATISTIČKIH PODATAKA PREDNOSTI STATISTIČKE GRAFIKE u odnosu na numeričke procedure
(STATISTIČKIH NIZOVA)
● iako grafičko prikazivanje podataka nije nužno bolje od njihova
DVIJE OSNOVNE NAMJENE "statističke grafike" opisivanja numeričkim pokazateljima i svakako ne može zamijeniti
numeričke postupke, često ima osjetnih prednosti
1. PREZENTACIJA
– sažet, jasan (i privlačan) prikaz statističkih podataka ili rezultata 1. grafički prikaz ponekad može PRIMJERENIJE SAŽETI MNOŠTVO
statističke analize zainteresiranoj stručnoj ili laičkoj javnosti PODATAKA, koje čovjek teško procesuira, nego numerički statistički
– pretpostavlja se da su istraživaču već poznate karakteristike podataka pokazatelji
koje posreduje publici (različiti grafički prikazi u stručnoj literaturi, – može efikasno ukazati na neke važne karakteristike podataka
medijima…) apstrahirajući širu sliku od detalja
– pomoć u objašnjavanju različitih statističkih pojmova (udžbenici – npr. sva četiri dolje navedena statistička niza imaju identičan prosjek i
statistike) identičnu standardnu devijaciju (numerički pokazatelji!), što bi
– dobra prezentacijska grafika je ona koja "prisiljava" konzumenta (površnog) istraživača moglo navesti na zaključak da te varijable imaju i
da uoči i ispravno razumije komuniciranu informaciju slične ili čak identične distribucije:
2. ANALIZA PODATAKA
– različite metode grafičkog prikazivanja inkorporirane su u sam proces
analize podataka
– pomoć istraživaču da bolje upozna podatke, da uoči njihove
karakteristike koje bi na druge načine teže zapazio te da odabere
primjerene statističke procedure
– brza provjera pretpostavki od kojih polaze statistički modeli
(npr. obrazac, tj. oblik povezanosti varijabli)
– dobra analitička grafika je ona koja nas "prisiljava" da uočimo ono
što u podacima ne bismo očekivali ili bismo teško uočili bez
korištenja grafičkih prikaza
● znatan napredak statističke grafike u posljednjih četrdesetak godine

(u oba područja primjene) temelji se na:
– razvoju metodologije grafičkog prikazivanja (izrada novih alata)
– poboljšavanju računalne podrške (hardware, software)
– spoznajama u području psihologije percepcije grafičkih informacija
PREDAVANJE 3 – GRAFIČKO PRIKAZIVANJE STATISTIČKIH PODATAKA 1 PREDAVANJE 3 – GRAFIČKO PRIKAZIVANJE STATISTIČKIH PODATAKA 2
Krešimir Kufrin & Ivan Landripet: OSNOVE SOCIOLOŠKE STATISTIKE (Odsjek za sociologiju FFZG, ak. god. 2018./2019.) Krešimir Kufrin & Ivan Landripet: OSNOVE SOCIOLOŠKE STATISTIKE (Odsjek za sociologiju FFZG, ak. god. 2018./2019.)
– već i posve jednostavan grafički prikaz tih podataka 2. numerički statistički pokazatelji polaze od određenih pretpostavki o
(tzv. Unidimensional Scatterplot, jednodimenzionalni dijagram distribuciji rezultata na koje se odnose
raspršenja/; svaki kružić prikazuje jedan podatak) pokazuje da je riječ o – ako pretpostavke nisu opravdane, pokazatelji će biti netočni i krivo će
posve različitim distribucijama te da za sve njih nije ni primjereno predstavljati karakteristike podataka (npr. aritmetička sredina i
računati prosjek i standardnu devijaciju [o čemu više u sljedećoj standardna devijacija u prethodnom primjeru korektno reprezentiraju
nastavnoj cjelini]: samo distribuciju varijable X1)
– grafički prikazi MANJE SU OVISNI ILI ČAK NEOVISNI O takvim
PRETPOSTAVKAMA
3. ukazujući na ZANIMLJIVE I NEOČEKIVANE ASPEKTE POJAVE koja se

istražuje, grafički prikazi upućuju istraživača na potrebu proučavanja
njihovih mogućih UZROKA
– npr. bimodalnost distribucije X2 upućuje na mogućnost postojanja dviju
skupina ispitanika različitih karakteristika
– ili: grafički prikaz upućuje na potrebu objašnjenja aberantnog podatka u
distribuciji X4 – je li razlog njegova pojavljivanja pogreška mjerenja,
pogrešan unos podataka, neadekvatan uzorak, loše definiran predmet
mjerenja itd.?
4. grafičko prikazivanje statističkih podataka je MNOGO RAZUMLJIVIJE

OSOBAMA SLABOG STATISTIČKOG OBRAZOVANJA, koje se kroz
numeričke pokazatelje vjerojatno ne bi "probili" (a po svoj prilici ne bi niti
pokušali)
– tipičan čitatelj (i znanstvenih radova, a kamoli novina ili časopisa) radije
će pogledati grafikon nego tablicu!
Navedene prednosti grafičkog prikazivanja podataka ili rezultata statističke

analize dolaze do izražaja samo ako je grafički prikaz korektan i
kvalitetan!
(primjer iz: Jacoby, William G. (1997). Statistical Graphics for Univariate and Bivariate Data. Sage Series
Quantitative Applications in the Social Sciences 117. Thousand Oaks: Sage. /postoji u biblioteci Fakulteta/)
KAKO IZRADITI KVALITETNU STATISTIČKU GRAFIKU? ● npr. od dolje navedenih grafikona razdijeljenih stupaca bolje bi bilo koristiti
dvodimenzionalne nego trodimenzionalne (boja ima svojih prednosti, ali je
zbog trodimenzionalnog prikaza teže odrediti postotak koji odgovara
● grafički prikazi trebaju biti prvenstveno: pojedinim segmentima stupaca)
– VALJANI – korisniku se (iz neznanja ili namjerno) ne smiju sugerirati
pogrešne ili djelomično točne informacije
– ŠTO JEDNOSTAVNIJI, LIŠENI SVEGA ŠTO JE NEPOTREBNO i što 100%
odvlači pozornost od informacije koje se želi prenijeti 90%
100%
– LAKO RAZUMLJIVI 80% 90%
– PREGLEDNI, UREDNI 70% 80%

70%
– rijetko kada je podjednako važno da budu i "lijepi" 60%
60%
50%
50%
40% 40%
30% 30%
● Howellovo "ZLATNO PRAVILO":
20% 20%
– ako neki grafički element doprinosi lakšem uočavanju i 10%
10%
razumljivosti informacija, uključi ga u grafički prikaz; ako ne, 0%
nemoj ga uključiti 0% 1 2 3 4
1 2 3 4
A B C A B C
● pozornost korisnika valja usmjeriti na informaciju koju prenosi grafikon, a

ne na same elemente grafičkog prikaza
● Tufte (1983): učinkovit grafički prikaz nastoji maksimalizirati data–ink ● pri odabiru vrste grafičkog prikaza dobro je imati na umu nalaze
ratio, količinu tinte koja se koristi za "srž" grafike u odnosu na tintu istraživanja u području grafičke percepcije: čovjek ne procesuira
potrošenu na grafički prikaz u cjelini jednako dobro i točno sve vrste grafički prezentiranih informacija
● Tufte: above all else show the data ● slika na sljedećoj stranici pokazuje različite grafičke elemente koji su
poredani s obzirom na točnost kojom procesuiramo percipirane
● najgori grafikoni (tzv. junk charts) su oni koji mnoštvom suvišnih detalja informacije
unose zbrku i otežavaju uočavanje bitnih informacija
● zahvaljujući tome što mnogi programski paketi omogućuju da se grafički

prikazi zašarene i "estradiziraju", mnogi korisnici skloni su pretjerivanju
po uzoru na grafičke prikaze u medijima (koji se često koriste da privuku
pozornost čitatelja, a ne da sažeto i precizno komuniciraju samu
informaciju)
● npr. usprkos učestaloj praksi korištenja 3D grafike, trodimenzionalni

grafički prikazi najčešće nisu superiorni u odnosu na dvodimenzionalne –
najčešće unose zbrku
● IDEALAN GRAFIČKI PRIKAZ jest onaj koji valjano i sažeto prikazuje

podatke (daje što više relevantnih informacija o raspodjeli rezultata) uz
istovremenu mogućnost da iz njega u potpunosti rekonstruiramo izvorne
podatke
● npr. tzv. Stem–and–Leaf Plot (izmislio ga John Tukey) koji prikazuje

rezultate 100 ispitanika na "skali nacionalnog ponosa"
(nije slučajno da u kontekstu "idealnog grafičkog prikaza" spominjemo
jedan od najjednostavnijih grafičkih prikaza!)
rezultat f
21 2 NACPON Stem-and-Leaf Plot
23 1
25 2 Frequency Stem & Leaf
27 3
28 1 2.00 2 . 11
29 2 1.00 2 . 3
Jacoby, op. cit., str. 11

30 2
2.00 2 . 55
31 4
3.00 2 . 777
3.00 2 . 899
32 5
6.00 3 . 001111
33 6
11.00 3 . 22222333333
34 5
11.00 3 . 44444555555
35 6
9.00 3 . 666677777
36 4
9.00 3 . 888999999
37 5
12.00 4 . 000000001111
38 3
10.00 4 . 2222333333
39 6 14.00 4 . 44444444445555
40 8 4.00 4 . 7777
41 4 3.00 4 . 889
42 4
43 6 Stem width: 10
44 10 Each leaf: 1 case(s)
45 4
47 4
48 2
49 1
Total 100
● kada se radi o velikom broju podataka, navedeni ideal predstavlja VRSTE GRAFIČKIH PRIKAZA
"nemoguću misiju", pa se odabir nekog tipa grafičkog prikaza uvijek
temelji na procjeni troškova (gubitak informacija) i koristi (poopćavanje
rezultata) ● u statističkoj literaturi uobičajeno je razlikovanje triju vrsta grafičkih
prikaza:
● npr. isti tip grafičkog prikaza iste varijable, ali za 1000 ispitanika:
rezultat f NACPONOS Stem-and-Leaf Plot 1. POVRŠINSKI GRAFIKONI

20 3 Frequency Stem & Leaf – jednostavni stupci (horizontalni, vertikalni) (Simple Bars)
21 3
22 6 6.00 2 . 01 – dvostruki (višestruki) stupci (Clustered Bars)
11.00 2 . 2233
23 5 17.00 2 . 44555 – razdijeljeni stupci (Stacked Bars)
24 7 29.00 2 . 666777777
– strukturni krug (Pie Chart)
50.00 2 . 88888888999999999
25 10 70.00 3 . 000000000001111111111111 – strukturni krugovi
26 10 101.00 3 . 2222222222222233333333333333333333
27 19
107.00 3 . 444444444444444445555555555555555555 – proporcionalni strukturni krugovi
114.00 3 . 66666666666666666666666777777777777777
28 24 106.00 3 . 88888888888888888899999999999999999 – strukturni polukrugovi
97.00 4 . 00000000000000001111111111111111
29 26 92.00 4 . 2222222222222222333333333333333 – histogram frekvencija (Histogram)
30 32 80.00 4 . 44444444444444444555555555
49.00 4 . 66666666667777777
31 38
33.00 4 . 88888999999
32 42 20.00 5 . 0000111 2. LINIJSKI GRAFIKONI (Line Charts)
33 59 13.00 5 . 2233
– poligon frekvencija
5.00 5 . 44
34 51
– poligon kumulativnih frekvencija
35 56 Stem width: 10
Each leaf: 3 case(s)
36 70
37 44 3. KARTOGRAMI (Maps)
38 55
39 51 – dijagramska karta (npr. Bar Chart Map, Pie Chart Map…)
40 49 – piktogramska karta (npr. Dot Density Map)
41 48 – statistička karta
42 47
43 45
44 52 ● navedena podjela uglavnom se tiče prezentacijskih grafikona i u nju je
45 28 teško svrstati neke analitičke grafičke prikaze
46 29
47 20 ● ponekad se različite vrste grafikona kombiniraju u jedan prikaz (npr.
48 15
histogram frekvencija sa superponiranom krivuljom /poligonom
49 18
frekvencija/ normalne distribucije)
50 11 ● neke vrste grafičkih prikaza mogu se tek uvjetno svrstati u navedene
51 9 kategorije (3D grafika, prikazi u kojima se koriste piktogrami, Stem–and–
52 6 Leaf Plot, Boxplot itd.), pa navedenoj podjeli možemo dodati i kategoriju:
53 7
54 5
Total 1000 4. OSTALI GRAFIČKI PRIKAZI
● površinski grafikoni: GRAFIČKO PRIKAZIVANJE NIZOVA KVALITATIVNIH PODATAKA
● nizovi kvalitativnih podataka (nominalni nizovi) najčešće se prikazuju

– statističke veličine prikazujemo površinama geometrijskih likova površinskim grafikonima: frekvencije niza predočavaju se površinama
(pravokutnici, krugovi, polukrugovi; rjeđe ostali likovi) geometrijskih likova
– površine geometrijskih likova moraju biti upravno razmjerne brojevima
● u posljednje vrijeme sve više se koristi 3D grafika, kod koje se frekvencije
(frekvencijama) koji se njima prikazuju
niza prikazuju volumenima geometrijskih tijela
● geografski nominalni nizovi prikazuju se kartogramima
● rjeđe se koriste i slikovni dijagrami (piktograf, ideogram)

● linijski grafikoni:
– koriste se za prikazivanje distribucija frekvencija (apsolutnih, relativnih, ● za grafičko prikazivanje jednog nominalnog statističkog niza (jednostavne
kumulativnih) ili dinamike pojava statističke tablice) najčešće se koristi najjednostavniji površinski grafikon,
– frekvencije se reprezentiraju odgovarajućim točkama u koordinatnom GRAFIKON JEDNOSTAVNIH STUPACA, npr.:
sustavu koje se povezuju linijama
Prihvaćanje stereotipa
"Svi muškarci su muške šovinističke svinje"
● kartogrami:
– koriste se kad je grupiranje podataka nominalnog niza provedeno

prema geografskom obilježju
– u kartu koja predstavlja područje definicije statističkog skupa ucrtane su
granice područja koje odgovaraju različitim modalitetima geografskog
obilježja (grupama statističkog niza) ucrtavaju se likovi ili simboli ili se
na neki drugi način prikazuju brojčane veličine
KAKO SE CRTA GRAFIKON JEDNOSTAVNIH STUPACA? ● u sljedećoj skupnoj tablici navedena su dva statistička niza (jedan se
odnosi na radnike, a drugi na studente) za koje su podaci grupirani prema
istim kategorijama (neistinito i istinito):
● grafikon jednostavnih stupaca crta se u pravokutnom koordinatnom
sustavu Mišljenje o stereotipu
"Modni kreatori su homoseksualci" studenti radnici
● frekvencije se prikazuju stupcima (pravokutnicima) jednakih osnovica
neistinito 218 69
● osnovice stupaca oslonjene su na vodoravnu os
istinito 81 144
● budući da su svi stupci jednakih osnovica, visine pravokutnika razmjerne Total 299 213
su površinama, a time i frekvencijama niza
● između stupaca se ostavlja jednak razmak (stupci ne smiju biti "oslonjeni" ● želimo li usporediti više statističkih nizova nastalih grupiranjem elemenata
jedan na drugoga, kao kod histograma, odnosno numeričkih nizova!) različitih statističkih skupova prema istom obilježju, koristit ćemo
GRAFIKON DVOSTRUKIH STUPACA (odnosno višestrukih stupaca,
● ispod stupaca navode se nazivi modaliteta (grupa) imamo li više od dva niza)
● visine stupaca određuju se na aritmetičkom mjerilu koje se nalazi na ● za našu tablicu dobivamo sljedeći grafikon dvostrukih stupaca:
uspravnoj osi
● mjerilo uvijek započinje nulom, a za najveću vrijednost uzima se broj koji "Modni kreatori su homoseksualci"
je barem malo veći od najveće frekvencije (da bi se mogla prikazati i
najveća frekvencija)
● jedinice mjerila označavaju se zaokruženim brojevima, koji se lako prate
● mjerilo ne valja "pretrpati" oznakama, jer će biti netransparentno
● da bi se grafikon lakše tumačio, mogu se ucrtati pomoćne linije usporedne

s horizontalnom osi
● grafikon jednostavnih stupaca može biti i položen vodoravno
● u stupcima ili iznad njih mogu se navesti brojčane vrijednosti frekvencija
● iznad ili ispod grafikona navodi se njegov naslov i redni broj, koji se
oblikuju na isti način kao za tablice
● grafikon dvostrukih stupaca crta se analogno grafikonu jednostavnih ● kombinirane statističke tablice (kontingencijske tablice), u kojima se
stupaca, s tom razlikom što se stupci crtaju u skupinama ("zajedno" je u elementi statističkog skupa istodobno grupiraju prema dva kriterija (dvije
jednoj skupini toliko stupaca koliko se nizova uspoređuje), između kojih se varijable) prikazuju se GRAFIKONOM RAZDIJELJENIH STUPACA, npr.:
ostavlja jednak razmak
● stupci koji prikazuju frekvencije različitih nizova označavaju se drugom "Svi muškarci su muške šovinističke svinje"
bojom ili nijansom i opisuju se odgovarajućom legendom prema spolu
● oprez pri tumačenju grafikona: budući da u našem primjeru osnovni

skupovi nisu jednakog opsega (ne sadrže jednak broj elemenata –
ispitanika), nema smisla uspoređivati visine bijelog i crnog stupca u
pojedinoj skupini, odnosno apsolutne frekvencije koje oni predstavljaju
● u takvom slučaju bolje je izraditi grafikon na temelju relativnih

frekvencija (odgovarajućih postotaka)
Mišljenje o stereotipu studenti radnici

"Modni kreatori su homoseksualci" f % f %
neistinito 218 72.9 69 32.4
istinito 81 27.1 144 67.6
Total 299 100.0 213 100.0
100
%
80
73
68 Spol
60 Total
Muški Ženski
Svi muškarci su muške neistinito 62 205 267
40
šovinističke svinje istinito 5 29 34
Total 67 234 301
32
27
20 ● grafikon razdijeljenih stupaca crta se analogno ranije spomenutim
studenti
grafikonima, s tom razlikom što se svaki od stupaca (koji iskazuju
frekvencije modaliteta jedne od varijabli prema kojoj je izvršeno
0 radnici grupiranje) dijeli u nekoliko segmenata (ovisno o broju modaliteta druge
neistinito istinito varijable prema kojoj se vrši grupiranje)
 na tako napravljenom grafikonu spomenute su usporedbe smislene ● tako dobiveni segmenti prikazuju frekvencije grupa koje su kreirane na
temelju istodobnog korištenja dvaju kriterija klasifikacije (dvije varijable)
● da bi se olakšale takve usporedbe, razdijeljeni stupci mogu se izraditi na

● grafikon razdijeljenih stupaca kojim su prikazane apsolutne frekvencije osnovi relativnih frekvencija ili postotaka
ponekad ne omogućuje jasne usporedbe
● tada će svi stupci biti jednako visoki, pa će i njihovi dijelovi biti izravno
● npr.: možemo li na temelju prethodnog grafikona reći jesu li žene sklonije usporedivi jer su različiti opsezi statističkih skupova "svedeni na istu
ili su manje sklone prihvaćanju navedenog stereotipa nego muškarci? mjeru"
● drukčije rečeno: je li udio (proporcija) osoba koje prihvaćaju stereotip veći ● OPREZ: nije svejedno koja varijabla je prikazana stupcima, a koja
među ženama ili među muškarcima? segmentima stupaca:
● za odgovor na to pitanje trebalo bi – samo na temelju grafikona – "odoka" ● pogledajmo kontingencijsku tablicu s odgovarajućim frekvencijama:
procijeniti omjer dvaju bijelih kvadrata i odnosu na omjer dvaju crnih, što je
očigledno teško Spol
PRIHVAĆANJE STEREOTIPA Total
Muški Ženski
● procjena bi bila nešto lakša, ali još uvijek ne dovoljno jednostavna, da smo
grafikon napravili nešto drukčije, tako da visina stupaca izražava Count 62 205 267
frekvencije spolnih grupa, a visine pojedinih segmenata stupaca % within Svi muškarci su
frekvencije osoba koje prihvaćaju ili ne prihvaćaju stereotip u svakoj od neistinito
muške šovinističke svinje
23.2% 76.8% 100.0%
spolnih grupa: % within Spol 92.5% 87.6% 88.7%
Count 5 29 34
250 % within Svi muškarci su
f
istinito
14.7% 85.3% 100.0%
% within Spol 7.5% 12.4% 11.3%
200
Count 67 234 301
% within Svi muškarci su
Total
22.3% 77.7% 100.0%
% within Spol 100.0% 100.0% 100.0%
150
● iako brojke pokazuju da je među onima koji ne prihvaćaju stereotip 76.8%

žena i 23.2% muškaraca, to ne znači da su žene triput manje sklone tom
100 stereotipu od muškaraca (iako bi takav "nalaz" nekome možda bio
samorazumljiv); navedeni postoci velikim su dijelom rezultat toga što su
uzorku koji je prikazan u tablici žene gotovo četiri puta brojnije nego
muškarci!
50
● stoga prvi grafikon na sljedećoj stranici ne bi imao smisla, dapače –
istinito komunicirao bi krivu informaciju i stvorio potpunu zbrku: netko bi mogao
pomisliti da su žene istovremeno i mnogo sklonije i mnogo nesklonije
0 neistinito stereotipu od muškaraca, što je očigledno besmisleno!
Muški Ženski
100%
● osim stupaca, za prikazivanje nominalnog niza često se rabi i
STRUKTURNI KRUG, koji se može koristiti za:
90%
80% – prikaz strukture statističkog skupa
70% – usporedbu strukture više nominalnih nizova
60%
– usporedbu opsega i strukture više nominalnih nizova
50%
40% ● želimo li prikazati strukturu jednog statističkog skupa, koristimo jedan
30%
strukturni krug
20%
● polumjer strukturnog kruga proizvoljne je dužine, a površine kružnih
10% isječaka proporcionalne su frekvencijama niza
0%
neistinito istinito ● broj stupnjeva pojedinih sektora kruga određuje se na sljedeći način:
Muški Ženski
fi
si  360
● želimo li razdijeljenim stupcima na osnovi postotaka grafički prikazati N
sklonost spomenutom stereotipu prema spolu, korektan bi bio sljedeći
grafikon: gdje je si broj stupnjeva i–tog sektora, fi je apsolutna frekvencija i–te
grupe, a N je zbroj apsolutnih frekvencija svih grupa
100%
● primjer jednostavnog strukturnog kruga:
90%
80%
Obrazovne aspiracije studenata sociologije
70%
60%
fakultet
50%
19.3%
40%
30%
prerano
20%
10%
38.0%
0%
Muški Ženski
magisterij
neistinito istinito
16.0%
● sada je napokon jasno da velika većina i žena i muškaraca odbacuje

stereotip, ali i da su mu žene nešto manje nesklone (prihvaća ga 12.4%)
nego muškarci (prihvaća ga 7.5%)
● no, niti taj grafikon nije "svemoćan": iz njega, pak, ne vidimo brojčani doktorat
omjer muškaraca i žena! 26.7%
● dakle: grafikon treba izraditi prema tome koja nam je informacija

važna!
● danas se uglavnom rabe trodimenzionalni strukturni krugovi izrađeni u

boji, a popularno je i izdvajanje sektora kruga:
● ako osim strukture više nominalnih nizova želimo uspoređivati i njihov

opseg, možemo koristiti GRAFIKON PROPORCIONALNIH
STRUKTURIRANIH KRUGOVA, kod kojih su razlike u površinama
krugova razmjerne razlikama opsega skupova
● polumjeri strukturnih krugova određuju se na sljedeći način:
– najmanjem strukturom krugu (tj. onom koji prikazuje statistički skup

najmanjeg opsega) dodijeli se neka dužina za polumjer, npr. 2 cm
● izdvaja li se neki sektor iz kruga, dobro je to učiniti samo s jednim – polumjer i–tog strukturnog kruga određuje se izrazom:
sektorom, i to samo onda kada ga želimo posebno istaknuti!
Ni
● valja izbjegavati veliko rotiranje strukturnog kruga oko bilo koje osi, jer se ri  rmin
na taj način mogu sugerirati netočni odnosi površina N min
gdje je ri polumjer i–tog strukturnog kruga, rmin je polumjer najmanjeg
kruga, Ni je opseg i–tog skupa, a Nmin opseg najmanjeg skupa
● strukturni krugovi mogu se koristiti i za usporedbu više nominalnih
nizova kojima su podaci grupirani u iste kategorije (GRAFIKON
STRUKTURNIH KRUGOVA)
● želimo li usporediti samo strukturu nominalnih nizova, ne mareći za

njihov možda različit opseg, svaki niz predočit ćemo jednim strukturnim
krugom
● svi strukturni krugovi u tom će slučaju imati jednake polumjere čija će

ishodišta biti na istom (horizontalnom ili vertikalnom) pravcu, kao na slici
na sljedećoj stranici:
● pretpostavimo da želimo sljedeća dva niza (jednopredmetni studij, ● za usporedbu strukture i opsega dvaju statističkih skupova mogu se osim
dvopredmetni studij) usporediti i prema strukturi obrazovnih aspiracija i strukturnih krugova i proporcionalnih strukturnih krugova koristiti i
prema opsegu skupa: STRUKTURNI POLUKRUGOVI odnosno PROPORCIONALNI
STRUKTURNI POLUKRUGOVI, koji se izrađuju na analogan način
jednopredmetni studij dvopredmetni studij
završiti fakultet 17 19
steći magisterij 12 18 ● primjer strukturnih polukrugova (izvor: Šošić, Ivan (2005). Statistika.
Udžbenik za srednje škole. Zagreb: Školska knjiga, str. 58.)
steći doktorat 19 31
prerano za procjenu 32 39
Total 80 107
● za polumjer manjeg strukturnog kruga (koji će prikazivati niz

"jednopredmetni studij", jer je riječ o statističkom skupu manjeg opsega)
odredimo neku pogodnu proizvoljnu vrijednost, npr. 2 cm
● polumjer većeg strukturnog kruga ("dvopredmetni studij") iznosi:
Ni 107
ri  rmin 2  2 1.3375  2  1.1565  2.3 cm
N min 80
● dakle, za usporedbu opsega i strukture navedenih dvaju skupova možemo

koristiti sljedeći grafikon:
● primjer proporcionalnih strukturnih polukrugova (izvor: Serdar, Vladimir i ● za prikazivanje geografskih nizova koriste se različite STATISTIČKE
Ivan Šošić (1981). Uvod u statistiku. Zagreb: Školska knjiga, str. 36.) KARTE
● osnova za crtanje statističkih karata su zemljovidi na kojima je ucrtano

područje prostorne definicije osnovnog skupa s granicama područja koja
odgovaraju modalitetima geografskog obilježja
● u DIJAGRAMSKOJ KARTI frekvencije niza predočuju se površinama

geometrijskih tijela, npr. (izvor: Šošić, op. cit., str. 60):
● sadrži li geografski niz velik broj modaliteta, dijagramske karte postaju ● STATISTIČKE KARTE za geografske nizove s većim brojem članova u
nepregledne, pa se koriste PIKTOGRAMSKE KARTE, u kojima se kojima se predočavaju relativne frekvencije po razredima, relativni brojevi
frekvencije niza prikazuju točkama ili drugim znakovima, npr. (izvor: koordinacije i sl. crtaju se tako da se članovi niza označe različitim bojama
Serdar i Šošić, op. cit., 39): ili nijansama, npr. (izvor: Šošić, op. cit., str. 61):
GRAFIČKO PRIKAZIVANJE NUMERIČKIH NIZOVA

● imamo li veći broj podataka dobivenih mjerenjem diskontinuirane
varijable koja može poprimiti manji broj različitih vrijednosti,
prezentiramo ih u tablici distribucije frekvencija, u kojoj uz svaku
● numerički nizovi nastaju uređivanjem numeričkih podataka dobivenih numeričku vrijednost navodimo pripadajuću frekvenciju (učestalost
mjerenjem kvantitativnih varijabli, odnosno grupiranjem takvih podataka u pojavljivanja te vrijednosti u podacima)
razrede
● primjer:
● način uređivanja podataka (oblikovanje numeričkih nizova) i grafičkog
prikazivanja numeričkih nizova ovisi o tome koliko je podataka te jesu li – u jednom istraživanju provedenom na reprezentativnom uzorku od
dobiveni mjerenjem kontinuirane ili diskontinuirane kvantitativne 1500 stanovnika Zagreba (N = 900) i Rijeke (N = 600) mjerena je
varijable; za uređivanje podataka dobivenih mjerenjem diskontinuirane informiranost o obnovljivim izvorima energije i energetskoj efikasnosti
varijable relevantno je i koliko različitih vrijednosti varijabla može – korišteno je 15 pitanja, svako s po četiri ponuđena odgovora od kojih je
poprimiti samo po jedan bio točan
– zbrajanjem točnih odgovora na 13 pitanja koja su pokazala
zadovoljavajuće metrijske karakteristike dobivena je Skala
● imamo li mali broj podataka, nije ih potrebno grupirati; takav skup informiranosti o obnovljivim izvorima energije i energetskoj efikasnosti s
podataka uređuje se nizanjem prema veličini (od najvećeg do najmanjeg ili rasponom mogućih rezultata 0–13
obratno), kako bi se podaci pregledno prezentirali – u istraživanju je dobivena sljedeća distribucija rezultata na Skali:
● imamo li, primjerice, rezultate 15 osoba na nekom testu, možemo ih
prikazati sljedećim numeričkim nizom: Distribucija rezultata na Skali informiranosti
o obnovljivim izvorima energije i energetskoj efikasnosti
xi: 1 4 9 11 11 12 12 13 14 15 15 16 16 18 24
rezultat f
0 4
● želimo li grafički prikazati takav numerički niz s malim brojem podataka,
1 15
možemo koristiti dijagram "stablo–list" (Stem–and–Leaf Plot), ili različite
dijagrame s točkama (Dot Plots; Univariate Scatterplots; Unidimensional 2 38
Scatterplots); npr.: 3 103
4 136
5 214
6 225
7 196
8 192
9 163
10 96
11 67
12 38
13 13
Ukupno 1500
● osim vrijednosti varijable i pripadajućih apsolutnih frekvencija, u tablicama ● relativne frekvencije su osobito korisne kada se uspoređuju distribucije
frekvencija se često navode i relativne frekvencije (češće postoci, rjeđe frekvencija više statističkih skupova ili više skupina ispitanika, osobito ako
proporcije) ti skupovi ili skupine ne sadrže jednak broj elemenata (ispitanika)
● u našem primjeru iz postotaka je izravno vidljiv udio ispitanika koji su ● npr., rezultate ispitanika iz Zagreba i Rijeke lakše je usporediti na temelju
postigli određeni rezultat: relativnih nego na temelju apsolutnih frekvencija:
Distribucija rezultata na Skali informiranosti Distribucija rezultata na Skali informiranosti

o obnovljivim izvorima energije i energetskoj efikasnosti o obnovljivim izvorima energije i energetskoj efikasnosti prema lokaciji
rezultat f %
Zagreb Rijeka
0 4 0.3
rezultat f % f %
1 15 1.0
0 3 0.3 1 0.2
2 38 2.5
1 8 0.9 7 1.2
3 103 6.9
2 26 2.9 12 2.0
4 136 9.1
3 69 7.7 34 5.7
5 214 14.3
4 100 11.1 36 6.0
6 225 15.0
5 139 15.4 75 12.5
7 196 13.1
6 137 15.2 88 14.7
8 192 12.8
7 106 11.8 90 15.0
9 163 10.9
8 107 11.9 85 14.2
10 96 6.4
9 84 9.3 79 13.2
11 67 4.5
10 55 6.1 41 6.8
12 38 2.5
11 40 4.4 27 4.5
13 13 0.9
12 22 2.4 16 2.7
Ukupno 1500 100.0
13 4 0.4 9 1.5
Ukupno 900 100.0 600 100.0
● ponekad je korisno u tablici navesti i kumulativne frekvencije ● distribucija frekvencija diskontinuirane kvantitativne varijable može se
grafički prikazati površinskim grafikonom (histogramom frekvencija) ili
● tzv. kumulativni niz "manje od" (rastući kumulativni niz) nastaje linijskim grafikonom (poligonom frekvencija)
postupnim zbrajanjem frekvencija od prve (one koja iskazuje učestalost
najmanjeg rezultata) do posljednje (koja iskazuje učestalost najvećeg
rezultata), a tzv. kumulativni niz "više od" (padajući kumulativni niz) ● HISTOGRAM FREKVENCIJA crta se:
postupnim zbrajanjem frekvencija od posljednje do prve
– u pravokutnom koordinatnom sustavu
● kumulativni niz može se oblikovati na temelju apsolutnih ili relativnih – na osi X nalazi se mjerilo koji označava vrijednosti varijable (brojevi se
frekvencija upisuju ispod točaka koje odgovaraju sredinama osnovica stupaca), a
● primjer kumulativnih nizova "manje od" (rastući kumulativni niz) i "više od" na osi Y je mjerilo za frekvencije
(padajući kumulativni niz) nastalih zbrajanjem postotaka: – pravokutnici koji prikazuju frekvencije osnovicama oslonjeni su na
apscisu
Distribucija rezultata na Skali informiranosti – između pravokutnika se ne ostavlja razmak
kum. % kum. %
rezultat f % "manje od" "više od" ● za naš raniji primjer, histogram frekvencija izgleda ovako:
0 4 0.3 0.3 100.0
1 15 1.0 1.3 99.7
Distribucija rezultata na Skali informiranosti
2 38 2.5 3.8 98.7 o obnovljivim izvorima energije i energetskoj efikasnosti
3 103 6.9 10.7 96.2
4 136 9.1 19.7 89.3 250
f
5 214 14.3 34.0 80.3
6 225 15.0 49.0 66.0
200
7 196 13.1 62.1 51.0
8 192 12.8 74.9 37.9
9 163 10.9 85.7 25.1 150
10 96 6.4 92.1 14.3
11 67 4.5 96.6 7.9
12 38 2.5 99.1 3.4 100
13 13 0.9 100.0 0.9
Ukupno 1500 100.0
50
● što označavaju kumulativni postoci? Npr.;
– u stupcu u kojem su navedeni kumulativni postoci "manje od", u retku u
kojem je rezultat 4 kumulativni postotak iznosi 19.7%, što znači da je 0
0 1 2 3 4 5 6 7 8 9 10 11 12 13
rezultat 4 ili manji postiglo ukupno 19.7% ispitanika
– i istom retku, kumulativni postotak "više od" iznosi 89.3%, što znači da Rezultat na skali informiranosti
je rezultat 4 ili veći postiglo ukupno 89.3% ispitanika
● uz histogram frekvencija često se daju i osnovni statistički pokazatelji: ● POLIGON FREKVENCIJA također se crta u pravokutnom koordinatnom
aritmetička sredina, standardna devijacija te broj ispitanika sustavu, a oznake mjerila na osima iste su kao kod histograma frekvencija
● poligon frekvencija nastaje tako da se dužinama spoje točke čije ordinate

Distribucija rezultata na Skali informiranosti odgovaraju frekvencijama a ucrtavaju se iznad oznaka numeričkih
o obnovljivim izvorima energije i energetskoj efikasnosti vrijednosti varijable
250 ● distribuciju frekvencija iz našeg primjera možemo prikazati sljedećim

f
poligonom frekvencija:
200
Distribucija rezultata na Skali informiranosti
250
f
150
200
100
150
50
Std. Dev = 2.54 100
Mean = 7
0 N = 1500.00
50
0 1 2 3 4 5 6 7 8 9 10 11 12 13
Rezultat na skali informiranosti 0

0 1 2 3 4 5 6 7 8 9 10 11 12 13
Rezultat na skali informiranosti
● histogrami i poligoni frekvencija mogu se izraditi i na temelju relativnih ● imamo li kontinuiranu varijablu ili diskontinuiranu varijablu koja može
frekvencija poprimiti velik broj različitih vrijednosti, podatke sređujemo tako da ih
grupiramo u razrede
● poligoni frekvencija – osobito ako su nacrtani na temelju relativnih
frekvencija – korisni su za usporedbu distribucija frekvencija različitih ● pri grupiranju podataka u razrede valja prije svega odrediti broj razreda u
statističkih skupova ili različitih skupina ispitanika koje ćemo grupirati podatke odnosno veličinu (interval) razreda
● u našem primjeru, osjetna je disproporcija u broju ispitanika iz Zagreba i ● iako postoje matematičke formule koje se koriste za određivanje veličine
Rijeke, pa je informiranost tih dviju skupina lakše usporediti na temelju razrednog intervala odnosno broja razreda u koje treba grupirati podatke,
poligonâ nacrtanih na temelju relativnih (slika dolje desno) nego na one mogu poslužiti tek kao vodič i ne mogu zamijeniti zdrav razum
temelju apsolutnih frekvencija (slika ispod lijevo)
● pri određivanju broja razreda treba odvagnuti između poželjne razine
apstrahiranja od detalja (tj. poopćavanja slike o nekoj pojavi koju daju
160
pojedinačni rezultati) i gubitka informacija (do kojega uvijek dolazi pri
f
140 grupiranju podataka u razreda)

120 ● odluka o optimalnom broju razreda u krajnjoj liniji ovisi o tome za što će
se koristiti distribucija frekvencija dobivena grupiranjem podataka
100
odnosno o tome kolika razlika u vrijednostima varijable može bez štete
80 biti zanemarena
60
● pretpostavimo da smo na 519 ispitanika, zaposlenika Filozofskog
40 GRAD fakulteta, mjerili koliko su dana tijekom mjeseca listopada 2010. godine
provjeravali svoj e–mail, te da smo dobili sljedeće rezultate (tablica
20 Rijeka
frekvencija je zbog veličine prikazana u 2 stupca)
0 Zagreb
0 1 2 3 4 5 6 7 8 9 10 11 12 13
broj provjera f broj provjera f
Rezultat na skali informiranosti - Zagreb i RIjeka 0 1 16 37
1 2 17 29
20
2 4 18 35
%
rezultat Zagreb Rijeka

f % f % 3 3 19 34
0 3 0.3 1 0.2
4 5 20 32
1 8 0.9 7 1.2
2 26 2.9 12 2.0 5 8 21 25
3 69 7.7 34 5.7 6 4 22 23
4 100 11.1 36 6.0
5 139 15.4 75 12.5 10 7 10 23 12
6 137 15.2 88 14.7 8 11 24 19
7 106 11.8 90 15.0 9 10 25 18
8 107 11.9 85 14.2
9 84 9.3 79 13.2 GRAD 10 12 26 14
10 55 6.1 41 6.8 11 23 27 13
11 40 4.4 27 4.5 Rijeka
12 22 2.4 16 2.7
12 28 28 5
0 Zagreb
13 4 0.4 9 1.5 0 1 2 3 4 5 6 7 8 9 10 11 12 13
13 31 29 4
Ukupno 900 100.0 600 100.0 14 23 30 2
Rezultat na skali informiranosti - Zagreb i RIjeka
15 29 31 3
dr. sc. Krešimir Kufrin, izv. prof.; Ivan Landripet, asist.: OSNOVE SOCIOLOŠKE STATISTIKE (Odsjek za sociologiju, ak. god. 2010./2011.) dr. sc. Krešimir Kufrin, izv. prof.; Ivan Landripet, asist.: OSNOVE SOCIOLOŠKE STATISTIKE (Odsjek za sociologiju, ak. god. 2010./2011.)
● broj različitih rezultata koje je poprimila ta diskontinuirana kvantitativna ● svaki od navedenih razreda ima svoju donju i gornju granicu
varijabla očito je prevelik da bismo iz tablice negrupiranih frekvencija dobili
sliku pojave koja nije previše opterećena detaljima i slučajnim ● veličina (interval) pojedinog razreda dobije se tako da se od donje
varijacijama; isto vrijedi i za histogram izrađen na osnovi negrupiranih granice sljedećeg razreda oduzme donja granica tekućeg razreda
podataka:
● sredina razreda jednaka je polovici zbroja donje i gornje granice razreda
40 ● kada, kao u gornjem primjeru, gornja granica nekog razreda nije jednaka
f
donjoj granici sljedećeg razreda, takve granice razreda nazivaju se

nominalnim granicama
30 ● ako su vrijednosti grupirane u razrede, za grafičko prikazivanje
kvantitativnih varijabli treba odrediti precizne (prave, egzaktne) granice
razreda
20 ● precizna donja granica tekućeg razreda dobije se tako da se utvrdi razlika

između donje nominalne granice tekućeg razreda i gornje nominalne
granice prethodnog razreda, a potom se donja nominalna granica tekućeg
razreda umanji za polovicu te razlike; na analogan način dobiva se gornja
10 precizna granica
● na temelju grupiranih frekvencija iz prethodne tablice možemo izraditi

sljedeći histogram frekvencija:
0
160
f
0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31
140
BROJ PROVJERA E-MAILA

120
● grupiranjem podataka u 8 razreda dobivamo sljedeću distribuciju 100

frekvencija:
80
broj provjera f veličina razreda sredina razreda
0–3 10 4 1.5 60
4–7 27 4 5.5
40
8–11 56 4 9.5
12–15 111 4 13.5 20
16–19 135 4 17.5

0
20–23 92 4 21.5 1.5 5.5 9.5 13.5 17.5 21.5 25.5 29.5
24–27 64 4 25.5
BROJ PROVJERA E-MAILA
28–31 14 4 29.5
● poligon frekvencija za diskontinuirane kvantitativne varijable s grupiranim ● pretpostavimo da smo izmjerili težinu studenata sociologije na FF–u
frekvencijama crta se na već opisani način: upisanih u bilo koju godinu studija u ak. god. 2016.–2017.
● budući da mjerenjem te varijable možemo – ovisno o preciznosti mjerenja

– dobiti bilo koji rezultat u intervalu [xMIN, xMAX], radi se o kontinuiranoj
Distribucija broja provjera e–maila kvantitativnoj varijabli
● rezultate mjerenja na ukupno 179 studenata grupirali smo u 9 razreda

140
jednake veličine (5 kg) i dobili smo sljedeću distribuciju frekvencija:
120 nominalne prave granice sredina veličina
granice razreda razreda razreda razreda f %
100
55–59 54.5–59.5 57 5 1 0.6
80 60–64 59.5–64.5 62 5 9 5.0
65–69 64.5–69.5 67 5 33 18.4
60 70–74 69.5–74.5 72 5 42 23.5
75–79 74.5–79.5 77 5 43 24.0
40
80–84 79.5–84.5 82 5 33 18.4
20 85–89 84.5–89.5 87 5 12 6.7
90–94 89.5–94.5 92 5 5 2.8
0
1.5 5.5 9.5 13.5 17.5 21.5 25.5 29.5 95–99 94.5–99.5 97 5 1 0.6
179 100.0
● histogram i poligon frekvencija izrađujemo na već opisani način:
50
f
40
30
20
10
Std. Dev = 7.41
Mean = 75
0 N = 179.00
57 62 67 72 77 82 87 92 97
TEŽINA U KILOGRAMIMA
● prikazujemo li poligonom kumulativni niz "manje od", ordinate se

50
podižu na onim mjestima apscise koja označuju vrijednosti GORNJIH
granica razreda kojima pripadaju frekvencije kumulativnog niza; visine
f
45
ordinata određene su frekvencijama kumulativnog niza:
40
35 100.0
kum. %
30 90.0
25 80.0
20 70.0
15 60.0
10 50.0
5 40.0
0 30.0
57 62 67 72 77 82 87 92 97
20.0
10.0
0.0
59.5 64.5 69.5 74.5 79.5 84.5 89.5 94.5 99.5
● na temelju relativnih frekvencija (postotaka) izračunati su kumulativni
nizovi "manje od" i "veće od":
razred % kum. % "manje od" kum. % "više od" ● prikazujemo li poligonom kumulativni niz "više od", ordinate se podižu
54.5–59.5 0.6 0.6 100.0 na onim mjestima apscise koja označuju vrijednosti DONJIH granica
razreda kojima pripadaju frekvencije kumulativnog niza; visine ordinata
59.5–64.5 5.0 5.6 99.4
određene su frekvencijama kumulativnog niza:
64.5–69.5 18.4 24.0 94.4
69.5–74.5 23.5 47.5 76.0 100.0
kum. %
74.5–79.5 24.0 71.5 52.5 90.0
79.5–84.5 18.4 89.9 28.5 80.0
84.5–89.5 6.7 96.6 10.1 70.0
89.5–94.5 2.8 99.4 3.4 60.0
94.5–99.5 0.6 100.0 0.6 50.0
Ukupno 100.0 40.0
30.0
20.0
10.0
0.0
54.5 59.5 64.5 69.5 74.5 79.5 84.5 89.5 94.5
NAPOMENA:
● u svim dosadašnjim primjerima imali smo podatke grupirane u razrede

jednake veličine
● u slučaju da svi razredi nisu jednake veličine, frekvencije treba

korigirati
● korektura se najjednostavnije izvodi tako da se svaka originalna

frekvencija podijeli veličinom razreda kojem pripada
● pri crtanju histograma frekvencija baze pojedinih stupaca moraju biti

upravno proporcionalne veličinama razreda, a visina stupaca određena je
korigiranim frekvencijama
● pri crtanju poligona frekvencija odnosno poligona kumulativnih

frekvencija također treba raditi s korigiranim frekvencijama
● primjer tablice s nejednakim razredima i histograma frekvencija za taj

kvantitativni niz (izvor: Serdar, Vladimir i Ivan Šošić (1981). Uvod u
statistiku. Zagreb: Školska knjiga, str. 27–28):
● primjer tablice s nejednakim razredima i poligona kumulativnih frekvencija VRSTE RELATIVNIH BROJEVA I NJIHOVO GRAFIČKO PRIKAZIVANJE
za taj kvantitativni niz (izvor: Serdar, Vladimir i Ivan Šošić (1981). Uvod u
statistiku. Zagreb: Školska knjiga, str. 25–26):
● dosad smo već u niz navrata spominjali neke relativne brojeve – relativne
frekvencije, postotke, proporcije – koje smo koristili u tabličnom i
grafičkom prikazivanju kvalitativnih i numeričkih nizova
● no, to nisu jedine vrste relativnih brojeva; uobičajeno je razlikovanje:
1. RELATIVNIH BROJEVA STRUKTURE

– proporcije, postoci, promili, relativne frekvencije
2. RELATIVNIH BROJEVA DINAMIKE

– bazni i verižni indeksi, individualni i skupni indeksi
3. RELATIVNIH BROJEVA KOORDINACIJE
● indeksi se koriste za usporedbu smjera i intenziteta varijacija frekvencija

nekog statističkog niza s varijacijama drugog statističkog niza
● omogućuju usporedbu između stanja jedne pojave ili skupine pojava na

različitim mjestima ili u različitim vremenskim razdobljima
● prati li se dinamika jedne pojave, riječ je o individualnim indeksima (npr.

proizvodnja zobi u Hrvatskoj u razdoblju 1946.–2005.); skupnim
indeksima pratimo dinamiku heterogene skupine pojava (npr. proizvodnja
krmnog bilja u Hrvatskoj u razdoblju 1946.–2005.)
● indeksi nastaju diobom vrijednosti članova nekog statističkog niza baznom

veličinom i množenjem omjera sa 100; bazna veličina može biti jedna
odabrana vrijednost niza ili neka druga prikladna veličina
● ovisno o vrsti, indeksi se mogu prikazivati na različite načine
● na sljedećoj stranici naveden je primjer indeksa izračunatih za kvalitativni

statistički niz i njihov grafički prikaz jednostavnim stupcima (izvor: Šošić,
Ivan (2005). Statistika. Udžbenik za srednje škole. Zagreb: Školska knjiga,
str. 72–73)
● relativni brojevi koordinacije koriste se kad frekvencije nekog

statističkog niza uspoređujemo tako da ih dovodimo u vezu s nekom
drugom (koordiniranom) pojavom
● npr. nacionalni dohodak per capita; uspoređujemo nacionalne dohotke

različitih zemalja u odnosu na broj stanovnika
● relativni brojevi koordinacije računaju se kao i druge vrste relativnih

brojeva: dijeljenjem veličine koja se uspoređuje s veličinom koja je osnova
za usporedbu
● relativni brojevi koordinacije mogu se prikazati na različite načine:

jednostavnim stupcima, kada želimo prikazati samo iznose relativnih
brojeva ili Varzarovim znakom kada u prikazu želimo uzeti u obzir i
veličinu koja je bila osnova za usporedbu
● primjer relativnih brojeva i njihova grafičkog prikazivanja (izvor: Šošić, Ivan

(2005). Statistika. Udžbenik za srednje škole. Zagreb: Školska knjiga, str.
69–71):
GRAFIČKO PRIKAZIVANJE STATISTIČKIH PODATAKA

TREBA ZNATI:
Osnovne namjene statističke grafike

Prednosti grafičkog prikazivanja podataka u odnosu na numeričke
pokazatelje
Kakvi trebaju biti kvalitetni grafički prikazi statističkih podataka (+ Howellovo
"zlatno pravilo", "data–ink ratio")
Vrste grafičkih prikaza
Pojam površinskih grafikona
Pojam linijskih grafikona
Grafičko prikazivanje nizova kvalitativnih podataka
Za što se koristi i kako se crta grafikon jednostavnih stupaca
Za što se koristi i kako se crta grafikon višestrukih stupaca
Za što se koristi i kako se crta grafikon razdijeljenih stupaca
Korištenje relativnih frekvencija pri izradi grafikona stupaca
Za što se koristi i kako se crta strukturni krug
Za što se koristi i kako se crta grafikon strukturnih krugova
Za što se koristi i kako se crta grafikon proporcionalnih strukturnih krugova
Za što se koristi i kako se crta strukturni polukrug
Vrste statističkih karata
Grafičko prikazivanje numeričkih nizova
Kako se grafički prikazuju numerički nizovi s malim brojem podataka
Grafičko prikazivanje diskontinuiranih varijabli
Za što se koristi i kako se crta histogram frekvencija
Za što se koristi i kako se crta poligon frekvencija
Pojam kumulativnog niza "više od"
Pojam kumulativnog niza "manje od"
Za što se koristi i kako se crta poligon kumulativnih frekvencija
Grafičko prikazivanje kontinuiranih varijabli
Određivanje broja razreda za grupiranje podataka
Prednosti i nedostaci grupiranja podataka u razrede
Pojam i vrste granica razreda (nominalne, precizne/prave)
Pojam intervala razreda
Kada se provodi korektura apsolutnih frekvencija
Vrste relativnih brojeva
Pojam indeksa (+ primjer)
Pojam relativnog broja koordinacije (+ primjer)

03P Graficko Prikazivanje Statistickih Podataka

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

03P Graficko Prikazivanje Statistickih Podataka

Uploaded by

Copyright:

Available Formats

Krešimir Kufrin & Ivan Landripet: OSNOVE SOCIOLOŠKE STATISTIKE (Odsjek za sociologiju FFZG, ak. god. 2018./2019.

● znatan napredak statističke grafike u posljednjih četrdesetak godine

3. ukazujući na ZANIMLJIVE I NEOČEKIVANE ASPEKTE POJAVE koja se

4. grafičko prikazivanje statističkih podataka je MNOGO RAZUMLJIVIJE

Navedene prednosti grafičkog prikazivanja podataka ili rezultata statističke

– PREGLEDNI, UREDNI 70% 80%

● pozornost korisnika valja usmjeriti na informaciju koju prenosi grafikon, a

● zahvaljujući tome što mnogi programski paketi omogućuju da se grafički

● npr. usprkos učestaloj praksi korištenja 3D grafike, trodimenzionalni

● IDEALAN GRAFIČKI PRIKAZ jest onaj koji valjano i sažeto prikazuje

● npr. tzv. Stem–and–Leaf Plot (izmislio ga John Tukey) koji prikazuje

Jacoby, op. cit., str. 11

rezultat f NACPONOS Stem-and-Leaf Plot 1. POVRŠINSKI GRAFIKONI

● površinski grafikoni: GRAFIČKO PRIKAZIVANJE NIZOVA KVALITATIVNIH PODATAKA

● nizovi kvalitativnih podataka (nominalni nizovi) najčešće se prikazuju

● geografski nominalni nizovi prikazuju se kartogramima

● rjeđe se koriste i slikovni dijagrami (piktograf, ideogram)

– koriste se kad je grupiranje podataka nominalnog niza provedeno

● jedinice mjerila označavaju se zaokruženim brojevima, koji se lako prate

● mjerilo ne valja "pretrpati" oznakama, jer će biti netransparentno

● da bi se grafikon lakše tumačio, mogu se ucrtati pomoćne linije usporedne

● grafikon jednostavnih stupaca može biti i položen vodoravno

● u stupcima ili iznad njih mogu se navesti brojčane vrijednosti frekvencija

● oprez pri tumačenju grafikona: budući da u našem primjeru osnovni

● u takvom slučaju bolje je izraditi grafikon na temelju relativnih

Mišljenje o stereotipu studenti radnici

● da bi se olakšale takve usporedbe, razdijeljeni stupci mogu se izraditi na

● iako brojke pokazuju da je među onima koji ne prihvaćaju stereotip 76.8%

● sada je napokon jasno da velika većina i žena i muškaraca odbacuje

● dakle: grafikon treba izraditi prema tome koja nam je informacija

● danas se uglavnom rabe trodimenzionalni strukturni krugovi izrađeni u

● ako osim strukture više nominalnih nizova želimo uspoređivati i njihov

● polumjeri strukturnih krugova određuju se na sljedeći način:

– najmanjem strukturom krugu (tj. onom koji prikazuje statistički skup

● želimo li usporediti samo strukturu nominalnih nizova, ne mareći za

● svi strukturni krugovi u tom će slučaju imati jednake polumjere čija će

● za polumjer manjeg strukturnog kruga (koji će prikazivati niz

● polumjer većeg strukturnog kruga ("dvopredmetni studij") iznosi:

● dakle, za usporedbu opsega i strukture navedenih dvaju skupova možemo

● osnova za crtanje statističkih karata su zemljovidi na kojima je ucrtano

● u DIJAGRAMSKOJ KARTI frekvencije niza predočuju se površinama

GRAFIČKO PRIKAZIVANJE NUMERIČKIH NIZOVA

Distribucija rezultata na Skali informiranosti Distribucija rezultata na Skali informiranosti

● poligon frekvencija nastaje tako da se dužinama spoje točke čije ordinate

250 ● distribuciju frekvencija iz našeg primjera možemo prikazati sljedećim

Rezultat na skali informiranosti 0

Rezultat na skali informiranosti

140 grupiranju podataka u razreda)

rezultat Zagreb Rijeka

donjoj granici sljedećeg razreda, takve granice razreda nazivaju se

20 ● precizna donja granica tekućeg razreda dobije se tako da se utvrdi razlika

● na temelju grupiranih frekvencija iz prethodne tablice možemo izraditi

BROJ PROVJERA E-MAILA

● grupiranjem podataka u 8 razreda dobivamo sljedeću distribuciju 100

16–19 135 4 17.5

● budući da mjerenjem te varijable možemo – ovisno o preciznosti mjerenja

● rezultate mjerenja na ukupno 179 studenata grupirali smo u 9 razreda

● histogram i poligon frekvencija izrađujemo na već opisani način:

● prikazujemo li poligonom kumulativni niz "manje od", ordinate se

79.5–84.5 18.4 89.9 28.5 80.0

84.5–89.5 6.7 96.6 10.1 70.0

89.5–94.5 2.8 99.4 3.4 60.0

94.5–99.5 0.6 100.0 0.6 50.0