1. ta je statistika ? ta je matematika statistika? ta je predmet, a ta su zadaci izuavanja statistike?

Statistika je nauna disciplina koja se bavi prikupljanjem, analizom i tumaenjem masovnih pojava, odnosno statistika je znanost o metodama za istraivanje masovnih pojava pomou brojanog izraavanja. Statistika se ne bavi pojedinanim sluajevima, niti onim to nije bilo, jer to nije bilo ne moe se ni planirati. Statistika je empirijska nauka koja se bavi podacima koji su se dogodili, i na osnovu njih izraunava ono to bi se moglo dogoditi.

Matematika statistika je nauka koja se bavi prouavanjem zakona sluajnih dogaaja na osnovu teorije vjerovatnoe, matematikom obradom podataka mjerenja masovnih pojava., dok neki drugi autori daju i ovu definiciju: Nauka koja prouava pojave koje obuhvataju vrlo veliki broj elemenata koji imaju neko zajedniko svojstvo (obiljeje) naziva se matematika statistika. Statistika je nauka o varijacijama obiljeja, zakonitostima razvoja i odnosa masovnih pojava i njihovih elemenata u vremenu i prostoru.
Predmet statistike je prouavanje varijabilnosti obiljeja masovnih pojava.Kaemo jo da je predmet prouavanja statistike masovna pojava i naziva se statistika masa ili statistiki skup. STATISTIKI SKUP se sastoji od elemenata (bia, stvari ili dogaaji). Elementi istovremeno mogu biti ISTOVRSNI i VARIJABILNI.

Zadatak (predmet) statistike je: - posmatranje pojave - prikupljanje podataka o pojavi - obrada podataka - analiza podataka - predvianje (najnovije) pojave.

2. Opiite poetak, razvoj i znaaj statistike. Rije statistika potie od latinske rijei status to znai stanje, drava, ... . Kao nauka pojavljuje se u XVII vijeku, mada neki korijeni statistikih metoda potiu jo iz vremena najstarijih civilizacija. Smatra se da je rije statistika prvi upotrijebio naunik Gotfrid Ahenval (Gottfried Achenwall, 1719-1772), unosei ovaj naziv u svoje radove i u naziv jednog predmeta. Dok je u Njemakoj i ostalim razvijenim zemljama kontinentalne Evrope razvoj statistike djelatnosti bio pod snanim uticajem osnivaa univerzitetske koledravopisa, dotle se u Engleskoj razvio drugi pravac, tzv. Politika aritmetika koja svoje teorijske osnove ima u racionalnoj filozofiji Leonarda da Vinija, Dekarta i dr. Osniva ove kole bio je Don Graunt (John Graunt, 1602-1674), dok je osniva pravca univerzitetska statistika bio prof. Hermann Conring (1606-1671) / profesor istraivaa Gotfrida /. U XIX vijeku statistika se znatno razvila po sadrini i metodama, naroito koritenjem rauna vjerovatnoe. Prve takve radove nalazimo kod Laplasa i Fouriera poetkom XIX vijeka, kada su u Parizu i departmanima Sene vrili procjenu broja ukupnog stanovnitva na bazi uzorka sa izraunavanjem najvjerovatnije greke. Meutim, najznaajnije ime u razvoju statistike XIX vijeka je belgijski fiziar i astronom (Lambert Adolphe Jacob) Ketle (Quetelet, 1796-1874), na iju je inicijativu odran i kongres statistiara u Briselu (Brussels, Belgique-Belgium) 1853. godine, a zatim jo est kongresa u zemljama srednje Evrope. Kao to je XX vijek postao vijek tehnike i hemije, a isto tako je to i vijek statistike koja proima sav na ivot, jer se danas statistike metode koriste u raznim istraivanjima (u fizici,

tehnici, socioloko-politikim istraivanjima, ekonomiji itd.). Od kraja XIX vijeka na ovamo statistika se naglo razvija i kao nauka i kao djelatnost-praksa. Poetkom ovog vijeka javljaju se razliite metrije (biometrija, ekonometrija, sociometrija, ...), a sredinom ovog vijeka javljaju se i neke bliske discipline kao to su: kibernetika, teorija informacija, teorija veza i sl. Javlja se kao posebna disciplina i matematika statistika, koja je oznaila upotpunjavanje i dalje razvijanje teorije i metodologije kvantitativnog istraivanja masovnih pojava. U mnogim knjigama nalaze se razni pokuaji definiranja statistike. Matematika statistika javlja se u XVIII vijeku, prvenstveno u radovima D. Bernoullija i fiziara Maxwella. 3. ta je obiljeje, a ta statistiki podatak? ta je populacija (osnovni skup), a ta statistika masa (ili statistiki skup)? Zajedniko svojstvo elemenata odreenog osnovnog skupa zove obiljeje tog skupa. Obiljeje moe biti numerikog ali i atributivnog karaktera. Statistiki podatak je tip podataka koji se istrauju (dobijenih ili pomou zapaanja odnosno na osnovu posmatranja ili kao rezultat specijalno izvedenih pokusa kao to su ankete, popisi, mjerenja i sl.). Populacija je sveukupnost svih moguih opaanja o rezultatima i mjerenjima. Uzorak je skup ishoda odabranih iz populacije. Svojstva populacije se iskazuju parametrima, a svojstva uzorka pokazateljima. Osnovni skup (populacija, generalni skup, statistiki skup, statistika masa) je skup (cjelina) svih istorodnih elemenata (objekata) koji podlijeu (statistikom) ispitivanju Skupovi elemenata koje prouava statistika zovu se osnovni skupovi (ili populacije i sl.). 4. Objasnite pojam statistikog istraivanja. Statistike metode istraivanja primjenjuju se na gotovo sva podruja ljudske djelatnosti, gdje god se javlja veliki broj posmatranja, eksperimentisanja i mjerenja (kao npr., pri izuavanju problema dohotka-profita, nataliteta, mortaliteta, te raznih mjerenja u fizici, hemiji, tehnici, ...). U statistici se prvo prikupe podaci o pojavama koje se istrauju pomou opaanja, anketa, popisa i dr., pa se ti podaci obrauju i izvode odreeni zakljuci i prognoze. Statistiko istraivanje je sloen, obiman i komplekan posao 5. Objasnite sljedee pojmove: statistiko posmatranje/promatranje (prikupljanje statistikih informacija i njihova prva obrada), sreivanje i grupisanje statistikih materijala, obrada i analiza podataka (prikazivanje statistikih podataka). Faze statistikog istraivanja: I faza statistiko posmatranje utvrivanje i prikupljanje podataka o pojavi kojase ispituje. Podaci, koji moraju biti potpuni, tani i podesni za obradu, se mogu utvrditi: prebrojavanjem, merenjem ili intervjuom ili preuzimanjem ve postojeih podataka iz evidencija i dokumenata Cilj statistikog posmatranjaje prikupljanje podataka o njenim pojedinanimsluajevima po karakteristikama prema kojima se eli ispitati pojava. Cilj mora biti jasno,konkretno i precizno formulisan II faza sreivanje i grupisanje

 sistematizovanje podataka prema karakteristikama po kojima se obavlja posmatranje. Rezultat su grupni podaci u vidu niza koji se nazivastatistika serija i prikazuje se u obliku tabela i grafikona
Grupiranje se obavlja tako da se osnovni skup ralani na dijelove prema modalitetu obiljeja i to tako da u jednu grupu uu elementi skupa koji imaju isti ili slican modalitet obiljezja prema koje je bilo izvedeno grupiranje. Kod grupiranja moramo voditi brigu da zadovoljimo 2 osnovna principa: PRAVILO ISCRPNOSTI svaki element mora pripasti jednoj od grupa koje smo definirali PRAVILO ISKLJUIVOSTI element moe pripadati samo jednoj grupi koju smo definirali.

III faza statistika analiza i prikaz obrada serija statistiko-matematikim metodama i dobijanje statistikih pokazateljaijim se tumaenjem objanjavaju pravilnosti koje vladaju u datoj pojavi GRAFIKI PRIKAZ Slui za populariziranje rezultata. On mora biti jednostavan, jasan i precizan. 1) POVRINSKI podaci su prikazani pomou povrina geom. likova koje moraju biti proporcionalne s brojevima koje prikazuju jednostavn stupci histogram distribucija frekvencija num. niza grafiki se prikazuju jednostavnim stupcima izmeu kojih nema razmaka. Ordinate se diu iznad onih mjesta apscise koja predstavljaju donju. odn. gornju preciznu granicu svakog pojedinog razreda.Imamo jdistribucija (lijeva ili negativno simetrina), l-distribucija, pravokutna distribucija, unimodalna distribucija (dominira jedan vrh), bi-modalna, polimodalna razdjeljeni stupci ako se u jednostavnom stupcu eli istaknuti prvi dio svake frekv. niza dvostruki stupci ako graf eli usporediti 2 niza izraena u istim jedinicama i to da se frekvencije svake grupe usporede s odgovarajuim frekvencijama drugog niza povrina kvadrata/kruga/polukruga/povr. koncentrinih krugova za usporeivanje 2 ili vie veliina. Polukrugom se usporeuju 2 mase, svaka masa se prikae polukrugom a dijelovi svake od njih sektorom. 2) KARTOGRAMI - DIJAGRAMSKA KARTA ako elimo prikazati geografski niz s malim brojem grupa (frekv.) - PIKTOGRAM koristimo ga u sluaju velikog broja grupa (tokice/gustoa toaka) - STATISTIKA KARTA u sluaju velikog broja grupa i veliina, kada su frekv. geografskog niza izraene relativnim brojevima (postocima) 3) LINIJSKI GRAFIKONI Distribucija frekv. se prikazuje linijskim graf. tako da se svaka originalna frekv. (korigirana) podie iznad onog mjesta apscise koje pokazuje razrednu sredinu rezreda. Razredna sredina je polusuma donje i gronje granice razreda. POLIGON FREKVENCIJA (mnogokutnik) KUMULATIVNI NIZOVI 6. Za koje se obiljeje kae da je numeriko? Navedite primjere numerikih obiljeja i primjere obiljeja koja nisu numerika (Kako nazivamo ta obiljeja?).

Obiljeja su karakteristike ili osobine neke pojave. Obiljeje je svojstvo po kom se jedinice jednog skupa razlikuju od jedinica drugih skupova. Obiljeja se dijele na : atributivna obiljeja opisna obiljeja , koja se broje a ne mjere. Obiljeje se pretvara u rang, odnosno brojeve (ocjene). Atribut je prisustvo ili odsustvo odreenog svojstva (muko-ensko, bolestan-zdrav, crn-plav, visok-nizak) numerika obiljeja obiljeja koja se mogu iskazati brojem, njima se iskazuje vrijednost informacije brojano (broj bodova, prosjena ocjena, minuti)

NUMERIKO kada se svojstvo elemenata izraava brojem. Broj kojim se izraava zove se VRIJEDNOST NUMERIKOG OBILJEJA. Obiljeje moe biti: kontinuirano obiljeje koje se moe izraziti i cijelim i dec. brojem diskontinuirano moe se izraziti samo cijelim brojem. Grupiranjem jedinica prema numerikom obiljeju formiraju se grupe razliitog intenziteta (razredi ili klase). Broj kojim je izraen odreen stupanj intenziteta nekog num. obiljeja zove se VRIJEDNOST NUMERIKOG OBILJEJA. Kada num. obiljeje ima samo nekoliko vrijednosti onda se grupiranje vri tako da se u jednu grupu svrstajusve jedinice mase koje imaju istu vrijednost num. obiljeja. Kada num. obiljeje ima velik broj razliitih vrijednosti tada se formiraju grupe. Odredi se prvi broj koji odreuje donju granicu, a drugi gornju. Sve jedinice koje imaju vrij. num. obiljeja izmeu donje i gornje granice ulaze u tu grupu. 7. Definirajte pojam sluajnog uzorka i opiite metod(u) sluajnog uzorka. Pod statistikim pokusom ili statistikim eksperimentom podrazumijeva se registriranje vrijednosti obiljeja X kod elemenata iz nekog podskupa osnovnog skupa . Osnovni predmet statistikih zakljuivanja jeste da se na osnovu statistikih pokusa neto zakljui o distribuciji ( ) x F x obiljeja X . Pretpostavimo da treba ispitati neko svojstvo (obiljeje) koje karakterie skup istorodnih objekata, tj. neki osnovni skup . Da bi to uradili moe se sprovesti potpuno ispitivanje posmatranog skupa . No, oigledno je da ako je konaan i statistikimpokusom registrujemo obiljeje X svakog elementa , onda je distribucija x F ptpuno odreena. Meutim, redovna je situacija takva da statistiki pokus sproveden nad pravim podskupom od koji se naziva uzorak. Razlozi za to mogu biti slijedei: 1) principijelna nemogunost da se obiljeje X registruje kod svakog elementa , odnosno da pri velikom broju objekata (elemenata) ostvariti potpuno ispitivanje nije mogue; 2) trokovi ili praktina besmislenost takvog postupka tj. isptivanje vezano za unitavanje objekata ili je vezano za velike materijalne trokove, (npr., ako je osnovni skup mjesena proizvodnja jedne fabrike sijalaica, a obiljeje X recimo vijek trajanja sijalice, registriranje obiljeja na cijeloj populaciji dovodi do unitavanja cijele mjesene proizvodnje). Izabranim skupom ili uzorkom naziva se skup objekata sluajno izabranih iz osnovnog skupa. Ponekad se pod pojmom statistiki skup ili statistika masa podrazumjeva bilo osnovni skup bilo uzorak. Dakle, iz osnovnog skupa izdvojimo, putem sluajnog odabiranja, jedan pravi podskup na kojem vrimo ispitivanja i donosimo zakljuke, koji se zove sluajni uzorak osnovnog skupa. Prouavanjem sluajnog uzorka donosimo zakljuke o samom osnovnom skupu, tj. zakljuke koji e pod izvjesnim uslovima vaiti za itav osnovni skup. Da bi ti zakljuci bili

to pouzdaniji, potrebno je da uzorak to bolje predstavlja populaciju, tj. da bude reprezentativan, to je sluaj ako on ima dovoljan broj elemenata i ako su oni odabrani sluajno, a svi elementi osnovnog skupa treba da imaju jednaku vjerovatnou da uu u uzorak.

8. Definirajte pojam empirijske funkcije distribucije i formuliite fundamentalni teorem statistike.

9. Na konkretnom primjeru sluajnog uzorka objasniti kako se odreuje analitiki oblik i konstruie grafik empirijske funkcije distribucije.

Grafik???

10. Definirajte pojam karakteristine funkcije distribucije i navedite njena osnovna svojstva.

Svojstva:

11. Definirajte pojmove slabog i jakog zakona velikih brojeva, a zatim formuliite Bernoullijev zakon velikih brojeva i Borelov (ili Kolmogorovljev) zakon velikih brojeva. Zakon velikih brojeva je jedan od osnovnih i najznaajnijih zakona u statistici.. Karakter i sadraj statistike kao nauke i prakse zasniva se na zakonu velikih brojeva. Osnovni smisao i znaenje zakona velikih brojeva u statistici moe se najjednostavnije izraziti u sljedeem: to je vei broj dogaaja, posmatranja ili elemenata to je vea vjerovatnoa da e nai sudovi i zakljuci biti realni, istiniti, odnosno to je manja greka u tanosti naih zakljuivanja. Pri tome treba voditi rauna da je primjena zakona velikih brojeva opta (generalna) u statistici, tj. ne treba shvatiti da to zavisi od metoda da li posmatranje i prebiranje vrimo putem potpunog obuhvatanja svih jedinica nekog osnovnog skupa ili samoputem djeliminog (selektivnog) posmatranja, odnosno, putem uzorka, tj. u svakom sluajuteimo da nae sudove i zakljuke temeljimo na zakonu velikih brojeva,

samo to kodprimjene metode uzorka to procjenjujemo sa manjim stepenom pouzdanosti nego kad tovrimo potpunim obuhvatanjem svih elemenata osnovnog skupa.U sutini, zakon velikih brojeva zasniva se na zakonima vjerovatnoe pa se i njihov dokaz izvodi tim putem.

12. Formuliite jednu od graninih torema i teorema centralnog limesa u teoriji vjerovatnoe. Granina:

Centralna:

13. Definirajte pojam statistike u uem smislu i pojam dopustive familije distribucija, a zatim navedite nekoliko vanih primjera statistika.

14. Objasnite kako se vri ocjena parametara po uzorku, te definirajte pojam centrirana (nepomjerljiva, nepristrasna) ocjena nepoznatog parametra.

15. Definirajte pojmove stabilna (postojana, konzistentna, mona) ocjena parametra, najefektivnija (najefikasnija) ocjena parametra .

16. Definirajte pojmove: veliina klase / razreda, sredina klase (razredna sredina). ta je srednja vrijednost (prosjek, sredina obiljeja)? Nabrojte vrste srednjih vrijednosti. VELIINA RAZREDA je raspon koji obuhvaa elemente skupa. Izraunava se tako da se donja granica razreda odbije od donje granice slijedeeg razreda. (uzimaju se prave granice) Razredna sredina je polusuma donje i gornje granice pravih (korigiranih) a ne nominalnih granica.

17. Definirajte pojmove: osnovna sredina, sredina uzorka, osnovna disperzija / varijansa, disperzija uzorka i empirijska disperzija.

18. Dokaite da je disperzija Dn uzorka pomjerljiva ocjena osnovne disperzije Do.

19. Dokaite da je empirijska disperzija S 2 nepomjerljiva (nepristrasna) ocjena osnovne disperzije Do , tj. da je E (S 2 ) = Do .

20. Kojom vrstom grafika prikazujemo distribuciju frekvencija ili numeriki niz (numeriku seriju)? Objasnite kako se crta poligon frekvencija, a kako histogram. -Distribucija frekvencija se prikazuje pomocu poligona i histograma. -Izlomljena linija koja povezuje uredjene parove (x_i,f_i) zove se poligon frekvencija, gdje se x_i nanosi na apcisu, a f_i na ordinatu. -Histogram podrazumjeva liniju pravougaonika cije osnovice na osi apcise x imaju mjerni broj duzine 1, a takodjer su sredista osnovica vrijednosti x_i posmatranog obiljezja v, a mjerni brojevi visina su jednaki vrijednosti pojedinih frekvencija.

21. Empirijske distribucije i njihove karakteristike (relativna frekvencija i g , funkcija relativnih frekvencija f*, kumulativna funkcija F*, sredine, varijans(c)a, standardna devijacija, centralni r - ti moment r /za diskretni sluaj i openito u vjerovatnoi /, koeficijent asimetrije 3 i koeficijent spljotenosti 4 , mod M i medijan m).

Centralni momenat: - ako je zadana diskretna sluajna veliina onda je izraz Mr=(X-Xsr)^r centralni stat. Momenat diskretne veliine. Ako se radi o kontinualnoveliini: Mr = int (-besk - + besk) (X-Xsr) )^r f(x) dx, r=1,2,3... Koeficijent asimetrije

Medijana ona vrijednost koja dijeli fuknciju raspodjele na dva jednaka dijela. Mod vrijednost koja se najee javlja (najvea vjerovatnoa) 22. Statistike procjene (Metode statistikih procjena. Najosnovnije formule. Metod Maximum- Likelihood (takasta procjena). Intervalna procjena).
Metode statistickih procjena su sve one metode kojima se zakljucuje na osnovu uzoraka o nepoznatim katakteristikama osnovnog skupa(generalni skup). Prema tome metoda statisticke procjene je indirektni metod zakljucivanja i u tom smislu uvest cemo formule pomocu kojih se provode metode statistickih procjena. Razlikujemo metode za tackaste ststisticke procjene i metode za intervalne statisticke procjene(za odredjivanje intervala pouzdanosti)

Metoda najvee vjerodostojnosti zasniva se na pretpostavci da e se u budunosti ostvariti dogaaj koji ima najveu vjerojatnost. Metoda se smatra dobrom kada je vjerojatnost visoka. Definiramo funkcije L:=f`(x_1,p)f`(x_2,p)....f`(x_k,p) Likehood funkciju koju treba maximizirat i iz tog uslova odrediti vrijednost parametra p to jest iz uslova za stacionarnu tacku diferencijabilne funkcije od k promjenjivih to jest treba rijesiti jednacinu L/p=0 ili to je ekvivalentno sa (lnL)/p=0 B) postoje razne metode za procjenu intervala oko neke tacke ti intervali se nazivaju intervali pouzdanosti a)interval pouzdanosti za sredinu osnovnog skupa, sa poznatom varijansom standardnom devijacijom, sa statistickom sigurnoscu b) osnovni skup je beskonacan, uzorak velik c) Osnovni skup N je beskonacan ,a osnovni uzorak n malen (koristenje studentove distribucije) 23. emu slue tablice povrina ispod normalne krive (grafikog prikaza standardizirane normalne/Gaussove distribucije)? ta se nalazi u predkoloni, a ta u zaglavlju te tablice? ta predstavljaju brojevi u brojanom dijelu te tablice? Slue za prikaz kumulativne vjerovatnoe za standardnu normalnu raspodjelu. U zaglavlju su vrijednosti (x-xsr)/st.dev (trea decimala) U pretkoloni vrijednosti (x-xsr)/st.dev U brojanom dijelu su vrijednosti vjerovatnoe. Sli

24. ta je to Studentova ili t-distribucija? Kakva je ona u usporedbi s normalnom distribucijom? Kako se odreuje broj stepeni/stupnjeva slobode? Kada se koristimo Studentovom distribucijom?

Stepen slobode (SS) = n -1 Studentova distribucije se koristi kod procjene parametara i kod testiranja hipoteza na osnovi uzorka. Njena nezavisna varijabla t , ( ) Kod uzoraka koji imaju ukupan > 30 broja stupnjeva slobode , Studentova se distribucija pribliava oblikom i svojstvima normalnoj distribuciji. Koristi se pri: - testiranju saglasnosti srednjih vrednosti,

- definisanju intervala poverenja ocene srednje vrednosti, - oceni prisustva grubih greaka u posmatranom uzorku, itd T-test je primjenjiv iskljuivo kada imamo dva uzorka. Normalne distribucija ima dvije nezavisne varijable (oekivanje i varijancu ), dok Studentova distribucija ima samo jednu nezavisnu varijablu (t). Studentova distribucije se uglavnom koristi samo kod procjene parametara i kod testiranja hipoteza na osnovi uzorka. Normalna distribucija je najvanija teorijska distribucija u statistikoj teoriji. Zbog svojih izvanrednih svojstava ona ima vrlo iroko podruje primjene, a ostale distribucije nastojimo aproksimirati normalnom distribucijom kad god je to mogue. Kod ukupnog broja stupnjeva slobode > 30, Studentovu distribuciju moemo dovoljno dobro aproksimirati pomou normalne distribucije. 25. Statistiko testiranje (Pojam statistikog testiranja.ta se ustanovljava statistikim testiranjem? Formule o testiranju nekih parametara distribucija osnovnog skupa: 1) testiranje sredine E (X) za sluaj Gaussove distribucije; 2) testiranje jednodimenzionalnih distribucija /2 - test / i dr.). Statistiki test: postupak pomou kojeg se dolazi do odluke o prihvaanju ili odbacivanju statistike hipoteze uz odreenu vjerojatnost. Postupak testiranja hipoteze se izvodi u nekoliko koraka: 1. Definiu se nulta i alternativna hipoteza. 2. Izbor modela teorijskog rasporeda. 3. Odreuje se nivo znaajnosti testa odnosno verovatnoa (1). 4. Definisanje uzorka. 5. Izraunavanje statistike testa na osnovu uzorka. 6. Iz tablice teorijskog rasporeda oitava se tablina vrednost (kriterijum). 7. Uporeivanje statistike testa sa tablinom vrednou. 8. Odluka o prihvatanju ili odbacivanju formulisane hipoteze.

Hi-kvadrat:

26. Definirajte/objasnite sljedee pojmove: Nauna/znanstvena hipoteza, statistika hipoteza,nulta hipoteza i alternativna hipoteza. Koja je razlika izmeu nulte i alternativne hipoteze?Kako se interpretiraju rezultati statistikih testova (da li se pomou njih hipoteza dokazujeili oni ukazuju na neto drugo komentirajte to)? Da li statistika hipoteza predstavlja pretpostavku vezanu za vrijednost : poznatog parametra zadane distribucije, nepoznatog parametra zadane distribucije ili nivoa signifikantnosti? ZNANSTVENA HIPOTEZA- Predstavlja nagadjanje, naslucivanje i pretpostavke koje motiviraju istrazivanje.Iz znanstvene hipoteze izvodi se statisticka hipoteza. STATISTICKA HIPOTEZA-iskazuje se na nacin da moze biti vrednovana statistickoanalitickim postupcima.Statisticka hipoteza matematicki je izraz koji predstavlja polaznu osnovu na kojoj se temelji kalkulacija statistickog testa. NULTA HIPOTEZA-Ho ,pretostavka je o izostanku efekta to jest da ne postoji razlika medju uzorcima u populaciji od interesa.To je hipoteza koja se testira, hipoteza da nema razlike.Postavlja se (najvecima) u svrhu odbacivanja.Odbacuje se ili prihvata.Primjer Ho: u muskaraca i zena u populaciji jednak je postotak pusaca. ALTERNATIVNA HIPOTEZA- Hi, vrijedi ako nulta hipoteza nije istinita. Najcesce se direktno odnosi na teorijsku pretpostavku koja se zeli istraziti to jest cesto je alternativna hipoteza upravo hipoteza istrazivaca.Primjer Hi : u muskaraca i zena u populaciji razlicit je postotak pusaca.
Pri interpretaciji rezultata statistikih testova valja imati na umu da se hipoteza ne dokazuje! Rezultat statistikog testa ukazuje samo da li dostupni podaci podravaju ili ne podravaju hipotezu, tj. koliko bi hipoteza mogla biti prihvatljivom ili neprihvatljivom, dakako uz odreenu vjerojatnost. Na temelju podataka prikupljenih na uzorku ispitanika statistiko-matematikim postupkom izraunaju se vrijednosti specifinog statistikog testa. Na temelju vrijednosti rezultata izraunatih statistikim testom donosi se odluka o odbacivanju ili prihvaanju nul-hipoteze. Dobivene vrijednosti statistikog testa reflektiraju veliinu dokaza protiv nul-hipoteze u ispitivanom uzorku. Dakle, to je vea apsolutna vrijednost statistikog testa (tj. bez obzira na njezin predznak + ili -), vei je i dokaz protiv nul-hipoteze, tj. manja je vjerojatnost da je nulhipoteza istinita. Naime, u postupku testiranja unaprijed zadajemo (i time kontroliramo) pogreku (tj. rizik s kojim radimo statistiki test) a to je vjerojatnost odbacivanja istinite hipoteze. Ta se vjerojatnost naziva nivo signifikantnosti (nivo znaajnosti) ili pogreka prvog reda i oznaava se s .

27. Navedite osnovne parametarske i neparametarske statistike testove, a zatim opiite Studentov test (T - test) / ili Fisherov test (F test, Egzaktni test) ili Medijana test / ili objasnite postupak testiranja hipoteze o aritmetikoj sredini osnovnog skupa na bazi velikog sluajnog uzorka ( Z - test).
Razlikujemo parametrijske i neparametrijske statistike testove. Parametrijski statistiki testovi su testovi koji, da bi se smjeli primijeniti u statistikom testiranju, postavljaju zahtjeve na distribuciju izvornih podataka. Neparametrijski testovi ne postavljaju takav tip zahtjeva, premda i oni pretpostavljaju odreene uvjete pod kojima ih se smije primijeniti. Neparametrijske testove esto zovu jo i testovima nezavisnim o distribucijama podataka (engl. distribution free tests).

Neparametrijski testovi koriste se kod malih uzoraka, kada je nemogue odrediti distribuciju podataka ili kada je primjenjena kategorijska skala mjerenja. Imaju manju snagu otkrivanja stvarnog efekta u odnosu na ekvivalentni parametrijski test. Koji statistiki test e se primijeniti u analizi prikupljenih podataka ovisi o dizajnu studije, tipu varijable koja se testira te o raspodjeli koju slijede istraivani podaci.

28. Hi kvadrat test : vrste i karakteristike. Kako se odreuje teorijska hi kvadrat vrijednost? Koje hipoteze je mogue testirati tim testom? Kada se ne smije primjenjivati hi kvadrat test?

Hi-kvadrat test koristi se za testiranje razliitih hipoteza. Neke od hipoteza u kojima se koristi hi-kvadrat test su: hipoteza o jednakosti proporcija triju ili vie osnovnih skupova

 hipoteza o obliku distribucije osnovnog skupa hipoteza o neovisnosti elemenata osnovnog skupa

29. Metoda najmanjih kvadrata (Naelo na kojemu se zasniva metoda najmanjih kvadrata i matematiki razlozi za prihvatanje ovog naela. Postupak odreivanja parametara metodom najmanjih kvadrata. Odreivanje parametara a, b za linearnu vezu f(a, b): = a x + b /odreivanje regresijskog pravca/. Odreivanje primjerene krive. Veze koje se svode na linearne).

30. Korelacija i regresija (Pojmovi korelacije, /funkcije/ regresije, koeficijenta korelacije. koeficijenta determiniranosti, jednostruke i viestruke/multiple korelacije. Formule za izraunavanje: 1) koeficijenta /jednostruke/ korelacije; 2) koeficijenta viestruke korelacije. Osnovna svojstva ovih koeficijenata).

KORELACIJA - sukladnost u variranju vrijednosti dvije (ili vie) varijabli - oznaava povezanost izmeu varijabli - na osnovi same veliine korelacije ne moe se nita zakljuivati o uzrono-posljedinom odnosu - meu varijablama najjednostavniji oblik primjene korelacijske analize je kada su varijable ( napr. varijabla X i varijabla Y ) u linernom odnosu

Koeficijent determinacije je drugi stepen koeficijenta jednostuke korelacije, i govori o tome koliko je zavisna promjenljiva uslovljena vrijednostima nezavisne promjenljive, a koliko drugim faktorima. Viestruka korelacija je analitika procedura kojom se utvruje na koji nain vie neovisnih varijabli utjee na jednu ovisnu varijablu. Koeficijent viestruke korelacije oznaava se velikim latininim slovom R. Za raunanje koeficijenta viestruke korelacije potrebno je prvo izraunati koeficijente korelacije izmeu svakog para varijabli koje promatramo. Odnos koeficijenata korelacije varijabli moe se prikazati matricom korelacije. Dobivene koeficijente potrebno je uvrstiti u formulu za izraun viestruke korelacije. Podaci viestruke korelacije kod koje se promatra meusobni utjecaj tri varijable moe se prikazati trodimenzionalnim scatter dijagramom. Formula za izraun viestruke korelacije kada promatramo utjecaj dvije neovisne varijable na treu, ovisnu, je slijedea:

Regresija: znai odnos izmeu odabranih vrijednosti jedne varijable (varijable X) i s njima povezanih vrijednosti druge varijable (varijable Y) koristimo je kada elimo istraiti mogunostprocjene vrijednosti jedne varijable (varijabla Y) na temelju poznate vrijednosti druge varijable (varijable X)

vrijednosti mjerenja predstavljene su kao parovi rezultata koji se sastoje od podatka za nezavisnu varijablu (obino varijablu X) i od podatka za zavisnu varijablu (obino varijablu Y) - parovi rezultata prikzani su kao toke u koordinatnom sustavu koji na osi X ima vrijednosti za varijablu X, a na osi Y vrijednosti za varijablu Y - u koordinatnom sustavu pravac spaja toke iji je poloaj odreen mjerenjem varijable X i varijable Y - crta regresije pokazuje tip odnosa izmeuvarijabli X i Y: - ako je pravac, onda je povezanost linearna i odreena jednadbom pravca regresije - ako nije pravac, tada se radi o zakrivljenojkorelaciji kad se crta regresije, prikazana u koordinatnom sustavu, moe opravdano opisati pravcem tada se i matematiki moe opisati jednadbom pravca: Y = a + bX Y = najvjerojatniji rezultat varijable y za odreeni rezultat varijable X, a = koeficijent nagiba, b = odsjeak na osi Y