PODACI I VRSTE STATISTIČKIH ISTRAŽIVANJA
|
|
- ῾Ερμιόνη Σπηλιωτόπουλος
- 5 χρόνια πριν
- Προβολές:
Transcript
1 POSLOVNA STATISTIKA-znanost o metodama koje se koriste za pretvaranje podataka u smislene informacije u poslovnom okruženju sa svrhom stjecanja znanja za uspješnije odlučivanje i prognoziranje u uvjetima neizvjesnosti i rizika Skup metoda za:prikupljanje, sažimanje, uređivanje poslovnih podataka, za obradu, analiziranje i prikazivanje analize-kako bi se proizvele što solidnije informacije koje su temelj učinkovitom poslovnom odlučivanju i prognoziranju PODACI I VRSTE STATISTIČKIH ISTRAŽIVANJA: Elementi ili članovi(subjekti ili objekti), Varijable(značajke koje se izučavaju-te se vrijednosti nazivaju podacima), Konstante(imaju nepromjenjive vrijednosti), Podaci(opažanja ili mjerenja vezana za jednu varijablu) IZVORI PODATAKA: I. Sekundarni, primarni; II. Interni, eksterni Primarni izvori-originalna, empirijska kvantitativna istraživanja (anketna istraživanja, istraživanja pomodu pokusa, kontrolirana neposredna opažanja) Podaci s obzirom na dizajn istraživanja: 1. Anketni podaci dobiveni primjenom dizajna ankete(telefonski intervju, osobni intervju, poštanska metoda); 2. Eksperimentalni podaci rezultat su primjene dizajna eksperimenta; 3. Opaženi podaci koji su prikupljeni dizajnom kontroliranih opažanja ANKETNI podaci-anketa se definira kao vrsta statistiškog istraživanja koje proučava agregate jedinica, najčešde ljudi, pomodu anketnog upitnika u popisu ili na statističkom uzorku jedinica Cilj je izabrati reprezentativni uzorak jedinica i dodi do što točnijih anketnih podataka sa svrhom daljnje obrade podataka Način prikupljanja: I. Anketa uz pomod anketara; II. Anketa bez anketara Vrste anketnih pitanja: 1. S obzirom na zatvorenost (Zatvorena pitanja s ponuđenim odgovorima, jednostavno se obrađuju; Otvorena koje je teško analizirati); 2. S obzirom na ulogu (Demografska o karakteristikama ispitanika ili jedinice analize; Filterska za izdvajanje kvalificiranog sugovornika s kojim se nastavlja anketni intervju EKSPERIMENTALNI podaci-rezultat su primjene dizajna eksperimenta, sistematski se variraju faktori inputa koji se mogu kontrolirati te se određuju učinci koje ti faktori imaju na parametre izlaznog proizvoda; Primjena u fazi: razvoja proizvoda, razrade promidžbene kampanje, pri određivanju učinkovitog načina izlaganja proizvoda i načina prodaje OPAŽENI podaci-dobiveni su izravnim kontroliranim opažanjem, koristi se evidencijski obrazac POPULACIJA-potpuni skup svih jedinica ili svih podataka koje zanimaju istraživača. Veličina populacije označena je s N. Najčešde je populacija konačna, a može biti veoma velika, pa i beskonačna UZORAK-izabrani podskup populacije, a njegova veličina označena s n. Veličina uzorka obično je značajno manja od veličine populacije te omogudava vedu brzinu i manje troškove prikupljanja podataka. Ako je uzorak slučajan, on čini temelj inferencijalne statistike. CILJANA POPULACIJA-nije uvijek jednaka onoj koja je dostupna, stoga ih se i terminološki razlikuje, pa se ova druga naziva populacijom iz koje se bira uzorak. Stvarno istraživana populacija pokrivena je tzv. Okvirom izbora uzorka. PARAMETAR-kada računamo određeni pokazatelj temeljem N podataka prikupljenih iz cijele populacija; opisna mjera populacije PROCJENA PARAMETRA-kada se isti taj pokazatelj računa temeljem n podataka prikupljenih iz uzorka; opisna mjera uzorka
2 STATISTIČKI UZORAK-primjenjuje se uz pretpostavku da svaka jedinica izbora ima poznatu i pozitivnu vjerojatnost izbora u uzorak, pri čemu vjerojatnosti izbora za pojedine jedinice mogu biti jednake ili nejednake (Metode: jednostavno slučajno uzorkovanje(svaka jedinica izbora ima jednaku vjerojatnost da bude izabrana), stratificirano slučajno(kada postoje stratumi unutar populacije koji su unutar sebe homogeni, a između heterogeni), sustavno slučajno(jedinice koje ulaze u uzorak se odabiru prema koraku izbora k=n/n), izbor uzorka skupina(kada treba uzeti uzorak iz populacije koja je smještena na zemljopisno udaljenim lokacijama)) NESTATISTIČKI UZORAK-onaj koji nije slučajni pretpostavka o poznavanju vjerojatnosti izbora jedinica nije ispunjena (Metode: prikladno uzorkovanje, namjerno uzorkovanje, izbor uzorka prema poznanstvu, uzorkovanje dobrovoljaca) POGREŠKE: 1. Pokreške uzorka(samo kod istraživanja pomodu slučajnih uzoraka); 2. Pogreške izvan uzorka(svojstvene svim anketnim istraživanjima temeljem popisa ili uzorka; nepotpuni podaci, pogreške mjerenja, pogreške obrade podataka) INTERNA VALJANOST-osigurana usporedivošdu i homogenošdu podataka EKSTERNA VALJANOST-osigurava da se rezultati istraživanja uzorkom mogu poopditi na populaciju, bitna je reprezentativnost uzorka ispitanika KVALITATIVNI-nad njima su dopuštene računa operacija; KVANTITATIVNI-računske operacije su dopuštene MJERNE SKALE-nominalni(opisuje se svojstvo neke jedinice za mjesto, oblici su modaliteti ili kategorije), ordinalni(brojevi ili nazivi kojima se izražava redoslijed ili intenzitet mjerenog svojstva, poredak po jačini intenziteta, vrijednosti se mogu uspoređivati), intervalni(brojevi čije jednake razlike predstavljaju jednake razlike u određenom mjerenom svojstvu, položaj 0 dogovoren, temperatura; Likertova skala), omjerni podaci(jednake razlike predstavljaju jednake razlike u određenom mjerenom svojstvu, položaj 0 nije zadan, 0 prikazuje nepostojanje svojstva-cijena, broj hlača) Kvantitavni(numerički) podaci: diskretni(navršene godine života, broje djece-cijeli broj); kontinuirani(visina, težina, cijena) Kvalitativni podaci: nominalni(atributivni-spol; geografski-mjesto rođenja, mjesto boravka); ordinalni/redosljedni(ocjena, kvaliteta proizvoda) VREMENSKE SERIJE-podaci koji su prikupljeni kroz razdoblja o jednoj vrsti jedinica; mogu biti intervalne(uz intervale vremena) i trenutačne(vremenske točke) PRESJEČNI PODACI-ako se ista vrsta podataka prikuplja za više jedinica u jednom intervalu ili vremenskoj točki METODE OPISNE STATISTIKE-metode namijenjene statističkom opisivanju podataka(izrada tablica, grafičko prikazivanje, izračunavanje brojčanih opisnih pokazatelja); obuhvadeni postupci prikupljanja, sažimanja, tabličnog i grafičkog prikazivanja te izračunavanja opisnih zbirnih pokazatelja za distribucije podataka METODE INFERENCIJALNE STATISTIKE-skup metoda statističkog zaključivanja pomodu podataka slučajnog uzorka; dolazi se do procjena nepoznatih karakteristika populacija i do zaključka postoji li dostatno da se neka hipoteza odbaci ili ne Skupine metoda: 1. Metode procjenjivanja nepoznatih parametara populacije uz odabranu
3 razinu pouzdanosti; 2. Metode testiranja statističkih hipoteza o nepoznatim parametrima populacije uz odabranu razinu značajnosti OPISNE STATISTIČKE METODE-aritmetička sredina ili prosjek(zbroj svih vrijednost podataka podijeljen s brojem podataka, zbroj vrijednosti svih podataka je total, a broj podataka je opseg skupa podataka) BROJČANI OPISNI POKAZATELJI 1. Mjere centralne tendencije-prosječna vrijednost/aritmetička sredina, središnja vrijednost ili medijan, najčešda vrijednost ili mod, geometrijska sredina 2. Pokazatelji raspršenosti/varijabilnost-raspon varijacije, standardna devijacija, koeficijent varijacije, interkvartil 3. Mjere položaja podataka-kvartili, percentil, standardizirano obilježje 4. Mjere oblika razdiobe podataka-pokazatelj nagnusti ili asimetrije, pokazatelj zaobljenosti vrha distribucije podataka GRAFIČKO I TABLIČNO PRIKAZIVANJE PODATAKA-o kojoj vrsti podataka se radi, koliko varijabli analiziramo, s kojim ciljem, u koju svrhu i za koga izrađujemo grafikon DISTRIBUCIJA FREKVENCIJA-grupiranje podataka se provodi prema definiranom statističkom obilježju po načelima iscrpnosti i međusobne isključivosti; prikazuje se u tablicama frekvencija koje se formiraju za numerička obilježja; parovi opaženih vrijednosti varijabli o i pripadajudij frekvencija f; mogu biti: 1. Apsolutne(kazuju koliki broj jedinica pripada određenoj kategoriji), 2. Relativne(postoci P ili proporcije p, promili) ŠIRINA RAZREDA-označava se sa i BROJ RAZREDA k: 1. Proizvoljno; 2. Sturgesovo pravilo(k=1+3,3log 10n); 3. Tako da je zadovoljeno 2^k >= n; 4. Pomodu iskustvene tablice ZAJEDNIČKA DISTRIBUCIJA FREKVENCIJA-koristi se za istraživanje povezanosti dva ili više skupova podataka, a mogu se konstruirati za kvalitativne i kvantitativne podatke; prikazuje se u tablici kontingence sa: 1. r redaka, 2. c stupaca Marginalne frekvencije-nastaju zbrajanjem vrijednosti u pojedinim stupcima i recima HISTOGRAM-grafikon stupaca za prikaz apsolutnih i relativnih frekvencija; stupčani grafikon sastavljen od uspravnih stupaca bez razmaka. Površine stupca određene su frekvencijama, preporuka primjenjivati razrede jednakih širina. Modaliteti diskretne varijable ili granice interavala za kontinuiranu varijablu su prikazane na horizontalnoj osi; na vertikalnoj osi su označene apsolutne ili relativne frekvencije. Pokazuje: 1. Centriranost ili decentriranost razdiobe podataka; 2. Raspršenost, odnosno disperziju numeričkih podataka; 3. Oblik razdiobe podataka(asimetriju, nagnutost, zaobljenost distribucije) POLIGON FREKVENCIJA-linijski grafikon za prikaz numeričkih podataka iz tablice apsolutnih ili relativnih frekvencija. Na apscisi su granice razrede. Spojene ordinate čine s osi apscina poligon(mnogokutnik). Ističe kao i histogram: centriranost podataka, disperziju podataka, oblik razdiobe podataka KUMULANTA-linijski grafikon za prikaz kumulativnih frekvencija
4 DIJAGRAM TOČAKA-primjenjuje se kada se raspolaže s manjim brojem podataka. Iznad pojedinih vrijednosti ucrtava se onoliko točaka koliko često se ta vrijednost ponavlja u nizu podataka S-L DIJAGRAM-grafička tehnika koja se koristi za preliminaru, eksplorativnu analizu numeričkih podataka. Konstruiran: 1. Podaci su sortirani po veličini od najmanjeg do najvedeg; 2. Brojevi su podijeljeni na stabla i listove; 3. U prvom stupcu su poredana sva stabla od najmanjeg do najvedeg; 4. U ostalim stupcima su poredani svi listovi pored pripadajudih stabala od najmanjeg do najvedeg S-L i HISTOGRAM-prikazuju sličnu distribuciju podataka, na histogramu se ne vide vrijednosti individualnih podataka ako su podaci grupirani u razrede, S-L se može rotirati za 90' ulijevo pa se dobiva dojam da listidi predstavljaju stupce poput onih u histogramu DIJAGRAM RASIPANJA-koristi se za prikazivanje povezanosti dvije ili više varijabli. Javljaju se 3 odnosa: linearna povezanost, nelinearna povezanost, krivolinijska povezanost, između dvije promatrane varijable nema povezanosti POVRŠINSKI GRAFIKONI-uspravni i položeni stupci najčešde se koriste za prikazivanje kvalitativnih podataka. Grafikoni stupaca: 1.uspravan ili položen položaj stupaca; 2. Jednostavnim stupcima nazivaju oni koji prikazuju samo jedan niz podataka, a usporednim stupcima one koji prikazuju dva ili više nizova podataka; 3. Stupci mogu prokazivati apsolutne i relativne frekvencije VREMENSKI NIZOVI-prikazuju dinamiku pojava u promatranim vremenskim intervalima ili između točaka vremena. 1. Intervalni vremenski niz(vrsta vremenskog niza kod kojeg se frekvencije dobivaju postepenim zbrajanjem unutar intervala odabrane vremenske jediniceprikazuje se jednostavnim stupcima ili linijskim grafikonom); 2. Trenutačni vremenski niz(niz vrijednosti pojave mjeri se u trenutku vremena-prikazuje se samo linijskim grafikonom) STATISTIČKE TABLICE-razlikujemo po broju nizove koje prikazuju: 1. Jednostavna tablica(jedan statistički niz); 2. Skupna tablica(predočava dva ili više njih); 3. Tablica kontingence(predočava zajedničku distribuciju podataka, kada su elementi jednog skupa podataka razvrstani istovremeno po kategorijama dviju ili više varijabli, najčešde kvalitativnih) CENTRALNA TENDENCIJA-stupanj grupiranosti i usmjerenosti podataka k nekoj centralnoj vrijednosti ARITMETIČKA SREDINA:1. Jednostavna (računa za negrupirane podatke); 2. Vagana ili ponderirana (za podatke grupirane u distribuciju frekvencija) MEDIJAN-mjera položaja koja dijeli niz podataka na dva jednakobrojna dijela. Pripada skupini pokazatelja koji se nazivaju kvantili i koji niz uređenih podataka brojčane varijable dijele na q jednakih dijelova MOD-načešda vrijednost ili kategorija u skupu podataka. Bezmodalna distribucija koja nema niti jednu vrijednost koja se ponavlja. Može biti bimodalna i multimodalna distribucija. GEOMETRIJSKA SREDIJA-koristi se za izračunavanje stope promjene pojave u vremenu. Može se računati i za brojčane podatke. VAGANI PROSJEK-aritmetička sredina koja se računa temeljem distribucije frekvencija
5 IZDVOJENICE-ekstremne vrijednosti koje su netipično male ili netipično velike i to iz bilo kojeg razloga (pogreška mjerenja, pogreška unosa..). Problem osjetljivosti prosjeka na izdvojenice. MJERE DISPERZIJE-varijabilnost podataka mjeri se stupnjem rasipanja, odnosno disperzije oko nekek mjere centralne tendencije. Mjere: 1. Potpune-temelje se na korištenju svih podataka populacije ili uzorka (varijanca, standardna devijacija, koeficijent varijacije); 2. Nepotpunetemelje se na samo dva podatka, odnosno na dvije informacije (raspon varijacije, interkvartil); još postoji srednje apsolutno odstupanje RASPON VARIJACIJE-razlika između navede i najmanje vrijednosti podatka INTERKVARTILNI RASPON-disperzija središnjih 50% podataka distribucije VARIJANCA-prosječna vrijednost kvadrata odstupanja pojedinih vrijednosti niza podataka od njihova prosjeka STANDARDNA DEVIJACIJA-pozitivan drugi korijen iz varijance. Prosječno odstupanje od prosjeka. Apsolutni pokazatelj reprezentativnosti prosjeka. SREDNJE APSOLUTNO ODSTUPANJE-mjera disperzije temeljena na apsolutnim odstupanjima vrijednosti varijable od prosjeka KOEFICIJENT VARIJACIJE-mjera disperzije kojom prosječno odstupanje od prosjeka izražavamo relativno, kao omjer standardne devijacije i prosjeka. MJERE OBLIKA BOX-PLOT-grafikon koji se sastoji od pravokutnika čije su dimenzije određene kvartilima i koji je podijeljen na mjestu medijana, te od brkova koji iz nje vire do udaljenosti najmanje i najvede vrijednosti. Prikladan za prikaz raspona varijacije i interkvartila. (xmin, Q1, Me, Q3, xmax) BW DIJAGRAM-onaj koji pored položaja medijana i kvartila pruža mogudnost uočavanja sumnjivih vrijednosti te ozbiljnih izdvojenica temeljem ucrtanih karakterističnih ograda. (DVM, DUM, Donji brk, Q1, Me, Q3, Gornji brk, GUM, GVM) KOEFTICIJENT ASIMETRIJE(Skewness)- α3=0, temelji se na odstupanjima vrijednosti podataka od prosjeka dignutim na tredu potenciju te korištenju standardne devijacije(lijevostrana α3<0, simetrična, desnostrana α>0) KOEFICIJENT ZAOBLJENOSTI- α4=3, opisuje zaobljenost vrha distribucije. Ovaj pokazatelj uvijek je pozitivan. EKSCES-relativni pokazatelj zaobljenosti, grčko slovo K. STANDARDIZIRANE VRIJEDNOSTI-svi se podaci izražavaju u jedinicama standardnih devijacija EMPIRIJSKO PRAVILO-i pravilo Čebiševa se temelje na standardiziranoj vrijednosti varijable z. Empirijsko pravilo se koristi u normalnoj distribuciji. PRAVILO ČEBIŠEVA-koristi se za sve ostale distribucije koje nisu zvonolikog oblika. Koristi se u ostalim distribucijama. EKSPLORACIJSKA ANALIZA-provodi se i uporabom standardne devijacije, koja je korisna za: 1. Izračun koeficijenta varijacije; 2. Određivanje relativnog položaja podatka u nizu temeljem standardizirane varijable z; 3. Korištenje pravila o rasporedu podataka (Empirijsko pravilo i Pravilo Čebiševa) KOVARIJANCA-mjeri smjer (i jakost) linearne povezanosti izmeđi dviju varijabli. Koristi se za izračunavanje koeficijenta linearne korelacije, koji također odražava smjer i stupanj linearne
6 povezanosti između dviju varijabli. KOVARIJACIJA-brojnik kovarijance, mješoviti produkt. Pokazuje mješovito odstupanje vrijednosti varijable X oko njegon prosjeka i variranje vrijednosti varijable Y oko njenog prosjeka. Predznak kovarijacije određuje predznak kovarijance. SLUČAJNI EKSPERIMENT-postupak koji se može proizvoljan broj puta ponavljati, a završava s barem dva rezultata. Rezultati ili ishodi slučajnog eksperimenta opisuju se riječima, brojevima ili mješovito. Skup svih rezultata slučajnog eksperimenta zove se prostor elementarnih događaja ili prostor uzorka (konačan, prebrojiv, neprebrojiv). Svaki podskup prostora elementarnih događaja S je slučajni događaj VJEROJATNOST-slučajnog događaja izraz je mogudnosti ostvarenja tog događaja, a može se definirati na više načina KLASIČNA DEFINICIJA(vjerojatnost a priori)-mogude ju je izračunati bez izvođenja slučajnog eksperimenta, pretpostavka da je prostor elementarnih događaja S konačan. Vjerojatnost događaja A je omjer broja, za događaj A povoljnih ishoda M i broja svih jednako mogudih ishoda N P(A)=M/N STATISTIČKA DEFINICIJA(vjerojatnost a posteriori)-mogude ju je izračunati nakon izvođenja slučajnog eksperimenta, pretpostavka da slučajni eksperiment je mogude ponavljati proizvoljan broj puta u nepromijenjenim uvjetima, pri čemu su pojedini pokušaji međusobno neovisni. Vjerojatnost promatranog događaja definira se kao granična vrijednost njegove relativne frekvencije kad broj ponavljanja slučajnog eksperimenta neomeđeno raste P(A)=lim m(a)/n SUBJEKTIVNA VJEROJATNOST-procjenjuje se subjektivno kao broj iz [0,1]. Vjerojatnost nastupa sigurnog događaja S jednaka je 1, a vjerojatnost nastupa nemogudeg događa jednaka je 0. ADITIVNI ZAKON-vjerojatnost da nastupi događaj A ili B ili oba istovremeno (unija događaja A i B) UVJETNA VJEROJATNOST-vjerojatnost pojave nekog događaja B, uz uvjet da se ostvario događaj A BAYESOV TEOREM-tipični problemi u poslovnoj statistici su oni u kojima se traži vjerojatnost nastupa nekog događaja uzrokovanog jednim od n mogudih uzroka, odnosno načina ostvarenja tog događaja SLUČAJNA VARIJABLA x-funkcija koja svakom ishodu slučajnog pokusa pridružuje realni broj. Postoje: 1. Diskretna(poprima konačno ili prebrojivo mnogo vrijednosti koje nastupaju s vjerojatnostima; distribucija vjerojatnosti diskretne slučajne varijable je skup uređenih parova vrijednosti varijable i pripadajudih vjerojatnosti); 2. Kontinuirana(poprima neprebrojivo mnogo vrijednosti nad određenim intervalom DISKRETNA ZAJEDNIČKA FUNKCIJA GUSTODE VJEROJATNOSTI-Ako je (X,Y) dvodimenzionalna diskretna slučajna varijabla(slučajni vektor); zajednička funkcija gustode vjerojatnosti varijabli X i Y definirana je izrazom p(x,y)=p(x=x Y=y) MARGINALNE FUNKCIJE GUSTODE VJEROJATNOSTI-za dvodimenzionalnu funkciju gustode
7 vjerojatnosti p(x,y) diskretnih slučajnih varijabli (X,Y) definira se merginalna funkcija gustode vjerojatnosti varijable X i marginalna funkcija gustode vjerojatnosti varijable Y. PORTFELJNI MENADŽMENT-proces upravljanja investicijama na principu diverzifikacije (investiranja u vrijednosne papire različitih tvrtki s ciljem smanjenja rizika) CIJENA PORTFELJA-slučajna varijabla Y izračunata kao linearna kombinacija cijena vrijednosnih papira SMANJENJE RIZIKA-negativna koreliranost cijena dionica u portfelju smanjuje rizik portfelja(negativna kovarijanca) DISKRETNE DISTRIBUCIJE VJEROJATNOSTI BINOMNA(analitički oblik, očekivana vrijednost, varijanca i standardna devijacija)-slučajni se eksperiment sastoji od n identičnih pokušaja, svaki pokušaj rezultira s dva ishoda(jedan od dva moguda rezultata smatra se uspjehom), vjerojatnost uspjeha ne mijenja se tokom izvođenja eksperimenta i u svakom je pojedinom pokušaju konstanta i iznosi p, vjerojatnost neuspjeha je (1-p), pojedini pokušaji međusobno su nezavisni, binomna varijabla X broji ostvarene uspjehe u n pokušaja POISSONOVA(analitički oblik, očekivana vrijednost, varijanca, standardna devijacija)-prikladna za opis rijetkih događaja(tj. Onih koji se pojavljuju se malom vjerojatnosti) HIPERGEOMETRIJSKA-opisuje se broj uspjeha u n uzastopnih pokušaja iz konačne populacije bez ponavljanja; za razliku od binomne i Poissonove distribucije, kod kojih su uzastopni pokušaji nezavisni, u slučaju hipergeometrijske distribucije pojedini su pokušaji međusobno zavisni; Svojstva-slučajni se eksperiment sastoji od n pokušaja iz konačne populacije veličine N, svaki pokušaj rezultira s dva ishoda(jedan se smatra uspjehom, a drugi neuspjehom), broj uspjeha u populaciji je m, pojedini pokušaji su međusobno zavisni DISKRETNA UNIFORMNA ODABRANI MODELI KONTINUIRANIH DISTRIBUCIJA VJEROJATNOSTI-Normalna(Gaussovaanalitički oblik, očekivana vrijednost, varijanca; zvonolika oblika, simetrična oko sredine s točkama infleksije), Studentova, χ 2, F-distribucija, Eksponencijalna, Uniformna INFERENCIJALNA STATISTIKA-procjene parametara populacije; testiranje hipoteza o pretpostavljenim vrijednostima parametara populacije DISTRIBUCIJA VJEROJATNOSTI PROCJENITELJA-zove se distribucija procjenitelja parametra 0 s očekivanom vrijednosti E*0+ i standardnom devijacijom o PROCJENA PARAMETRA POPULACIJE-procjena jednim brojem; intervalna procjena(procjena jednim brojem +- koeficijent pouzdanosti*standardna pogreška) PROCJENA ARITMETIČKE SREDINE POPULACIJE-ako je slučajni uzorak izabran iz normalno distribuirane beskonačne populacije s nepoznatom očekivanom vrijednosti μ i poznatom varijancom o 2, distribucija procjenitelja aritmetičke sredine populacije je također normalnog oblika s očekivanom vrijednosti E*X+= μ i standardnom devijacijom o Beskonačna populacija-ako je iz nje izabran dovoljno veliki jednostavni slučajni uzorak, distribucija procjenitelja aritmetičke sredine je približno normalnog oblika s očekivanom vrijednosti E*X+= μ i standardnom devijacijom o Nepoznata varijanca-distribucija procjenitelja aritmetičke sredine populacije je oblika
8 Studentove distribucije s (n-a) stupnjem slobode VELIČINA UZORKA određena je-razinom pouzdanosti procjene, varijancom populacije, granicom maksimalne pogreške, veličinom populacije PROCJENA VARIJANCE POPULACIJE-ako je slučajni uzorak veličine n izabran iz normalno distribuirane populacije s očekivanom vrijednosti μ i varijancom o 2, distribucija procjenitelja varijance s 2 je χ 2 distribucija s (n-1) stupnjem slobode TESTIRANJE PRETPOSTAVKI O VRIJEDNOSTI PARAMETRA POPULACIJE-dvosmjerni testovi, jednosmjerni testovi (test na gornju i donju granicu) KRITERIJI DONOŠENJA ODLUKA-empirijski z ili t omjer; empirijska razina signifikantnosti (pvrijednosti) TEST HIPOTEZE O PRETPOSTAVLJENOJ VARIJANCI POPULACIJA-ako je slučajni uzorak veličine n izabran iz normalno distribuirane populacije s očekivanom vrijednosti μ i varijancom o 2, distribucija procjenitelja varijance s 2 je χ 2 distribucija s (n-1) stupnjem slobode PROCJENA RAZLIKE ARTIMETIČKIH SREDINA DVIJU POPULACIJA-ako su veliki nezavisni uzorci izabrani iz normalno distribuiranih populacija s nepoznatim varijancama i sampling distribucija procjenitelja razlike artimetičkih sredina populacije je normalna distribucija s očekivanom vrijednosti E(X1-X2)= μ1- μ2 i varijancom Var(X1-X2). Ako su izabrani, nezavisni uzorci iz normalno distribuiranih populacija nepoznatih pretpostavljeno jednakih varijanci sampling distribucija je Studentova distribucija s (n1+n2-2) stupnjeva slobode PROCJENA I TESTIRANJE HIPOTEZE O JEDNAKOSTI ARITMETIČKIH SREDINA DVIJU POPULACIJA, ZAVISNI UZORCI-ako je distribucija razlika vrijednosti u parovima dviju populacija normalna distribucija, sampling distribucija razlika vrijednosti u parovima zavisnih uzoraka je studentova distribucija s (n-1) stupnjeva slobode. Uzorak razlika vrijednosti izabran je na slučajan način iz populacije razlika vrijednosti. Hipoteze za testiranje pretpostavke o jednakosti aritmetičkih sredina dviju populacija zavisnim uzorcima postavljaju se na isti način kao i sa nezavisnim uzorcima. Test veličina je empirijski z ili t omjer ovisno o tome jesu li ili nisu poznate varijance populacija. PROCJENA RAZLIKE PROPORCIJA DVIJU POPULACIJA-ako su izabrani veliki, nezavisni uzorci iz dviju populacija, sampling distribucija procjenitelja razlike proporcija je približno normalnog oblika s očekivanom vrijednost E(p1-p2)=(p1-p2) i varijancom Var(p1-p2)
numeričkih deskriptivnih mera.
DESKRIPTIVNA STATISTIKA Numeričku seriju podataka opisujemo pomoću Numeričku seriju podataka opisujemo pomoću numeričkih deskriptivnih mera. Pokazatelji centralne tendencije Aritmetička sredina, Medijana,
Διαβάστε περισσότερα3 Populacija i uzorak
3 Populacija i uzorak 1 3.1 Slučajni uzorak X varijabla/stat. obilježje koje izučavamo Cilj statističke analize na osnovi uzorka izvesti odredene zaključke o (populacijskoj) razdiobi od X 2 Primjer 3.1.
Διαβάστε περισσότερα2.2 Srednje vrijednosti. aritmetička sredina, medijan, mod. Podaci (realizacije varijable X): x 1,x 2,...,x n (1)
2.2 Srednje vrijednosti aritmetička sredina, medijan, mod Podaci (realizacije varijable X): x 1,x 2,...,x n (1) 1 2.2.1 Aritmetička sredina X je numerička varijabla. Aritmetička sredina od (1) je broj:
Διαβάστε περισσότερα4. MJERE DISPERZIJE. Josipa Perkov, prof., pred. 1
4. MJERE DISPERZIJE Josipa Perkov, prof., pred. 1 Kod mnogih mjerenja se može opaziti da se rezultati grupiraju i skupljaju oko jedne srednje vrijednosti Srednja vrijednost dobro reprezentira rezultate
Διαβάστε περισσότεραIzbor statističkih testova Ana-Maria Šimundić
Izbor statističkih testova Ana-Maria Šimundić Klinički zavod za kemiju Klinička jedinica za medicinsku biokemiju s analitičkom toksikologijom KBC Sestre milosrdnice Izbor statističkog testa Tajna dobrog
Διαβάστε περισσότεραSADR\AJ. Predgovor. POGLAVLJE 2 Grafičko opisivanje podataka Klasifikacija varijabli 10 Kvalitativne ili numeričke 10 Mjerne skale 11
KRATAK SADR\AJ Poglavlje 1 Čemu proučavati statistiku? 1 Poglavlje 2 Grafičko opisivanje podataka 9 Poglavlje 3 Numeričko opisivanje podataka 46 Poglavlje 4 Vjerojatnost 78 Poglavlje 5 Diskretne slučajne
Διαβάστε περισσότεραGrafičko prikazivanje atributivnih i geografskih nizova
Grafičko prikazivanje atributivnih i geografskih nizova Biserka Draščić Ban Pomorski fakultet u Rijeci 17. veljače 2011. Grafičko prikazivanje atributivnih nizova Atributivni nizovi prikazuju se grafički
Διαβάστε περισσότερα(Hi-kvadrat test) r (f i f ti ) 2 H = f ti. i=1
χ 2 test (Hi-kvadrat test) Jedan od prvih statističkih testova je χ 2 -test. Predložio ga je K. Pearson 900. godine, pa je poznat i pod nazivom Pearsonov test. χ 2 test je neparametarski test. Pomoću χ
Διαβάστε περισσότεραMate Vijuga: Rijeseni zadaci iz matematike za srednju skolu
16. UVOD U STATISTIKU Statistika je nauka o sakupljanju i analizi sakupljenih podatka u cilju donosenja zakljucaka o mogucem toku ili obliku neizvjesnosti koja se obradjuje. Frekventna distribucija - je
Διαβάστε περισσότεραUvod u neparametarske testove
Str. 148 Uvod u neparametarske testove Predavač: Dr Mirko Savić savicmirko@ef.uns.ac.rs www.ef.uns.ac.rs Hi-kvadrat testovi c Str. 149 Koristi se za upoređivanje dve serije frekvencija. Vrste c testa:
Διαβάστε περισσότερα9. TESTIRANJE HIPOTEZA O PARAMETRU. Josipa Perkov, prof., pred. 1
9. TESTIRANJE HIPOTEZA O PARAMETRU Josipa Perkov, prof., pred. 1 na prethodnom predavanju upoznali smo se s metodom i postupcima koji omogućavaju da se iz dijela populacije, koji je slučajno izabran, procijeni
Διαβάστε περισσότεραSlučajne varijable. Diskretna slučajna varijabla X je promjenjiva veličina koja poprima vrijednosti iz skupa
Slučajne varijable Statistički podaci su distribuirani po odredenoj zakonitosti. Za matematičko (apstraktno) opisivanje te zakonitosti potrebno je definirati slučajnu varijablu kojoj pripada odredena razdioba
Διαβάστε περισσότερα3.1 Granična vrednost funkcije u tački
3 Granična vrednost i neprekidnost funkcija 2 3 Granična vrednost i neprekidnost funkcija 3. Granična vrednost funkcije u tački Neka je funkcija f(x) definisana u tačkama x za koje je 0 < x x 0 < r, ili
Διαβάστε περισσότεραPISMENI ISPIT IZ STATISTIKE
1. a) Trgovina odjeće prodaje odjeću u tri različite veličine: 32% veličine S, 44% veličine M i ostatak veličine L. Pokazalo se da je postotak odjeće s greškom redom 1%, 5% i 2%. Ako je trgovina ustanovila
Διαβάστε περισσότεραFunkcija gustoće neprekidne slučajne varijable ima dva bitna svojstva: 1. Nenegativnost: f(x) 0, x R, 2. Normiranost: f(x)dx = 1.
σ-algebra skupova Definicija : Neka je Ω neprazan skup i F P(Ω). Familija skupova F je σ-algebra skupova na Ω ako vrijedi:. F, 2. A F A C F, 3. A n, n N} F n N A n F. Borelova σ-algebra Definicija 2: Neka
Διαβάστε περισσότεραELEKTROTEHNIČKI ODJEL
MATEMATIKA. Neka je S skup svih živućih državljana Republike Hrvatske..04., a f preslikavanje koje svakom elementu skupa S pridružuje njegov horoskopski znak (bez podznaka). a) Pokažite da je f funkcija,
Διαβάστε περισσότεραVJEROJATNOST I STATISTIKA Popravni kolokvij - 1. rujna 2016.
Broj zadataka: 5 Vrijeme rješavanja: 120 min Ukupan broj bodova: 100 Zadatak 1. (a) Napišite aksiome vjerojatnosti ako je zadan skup Ω i σ-algebra F na Ω. (b) Dokažite iz aksioma vjerojatnosti da za A,
Διαβάστε περισσότεραSlučajne varijable Materijali za nastavu iz Statistike
Slučajne varijable Materijali za nastavu iz Statistike Kristina Krulić Himmelreich i Ksenija Smoljak 2012/13 1 / 1 Slučajna varijabla Slučajna varijabla je funkcija X koja elementarnim dogadajima pridružuje
Διαβάστε περισσότεραDefinicija: Hipoteza predstavlja pretpostavku koja je zasnovana na određenim činjenicama (najčešće naučnim ili iskustvenim).
Str. 53;76; Testiranje statističkih hipoteza Predavač: Dr Mirko Savić savicmirko@eccf.su.ac.yu www.eccf.su.ac.yu Definicija: Hipoteza predstavlja pretpostavku koja je zasnovana na određenim činjenicama
Διαβάστε περισσότεραApsolutno neprekidne raspodele Raspodele apsolutno neprekidnih sluqajnih promenljivih nazivaju se apsolutno neprekidnim raspodelama.
Apsolutno neprekidne raspodele Raspodele apsolutno neprekidnih sluqajnih promenljivih nazivaju se apsolutno neprekidnim raspodelama. a b Verovatno a da sluqajna promenljiva X uzima vrednost iz intervala
Διαβάστε περισσότεραM086 LA 1 M106 GRP. Tema: Baza vektorskog prostora. Koordinatni sustav. Norma. CSB nejednakost
M086 LA 1 M106 GRP Tema: CSB nejednakost. 19. 10. 2017. predavač: Rudolf Scitovski, Darija Marković asistent: Darija Brajković, Katarina Vincetić P 1 www.fizika.unios.hr/grpua/ 1 Baza vektorskog prostora.
Διαβάστε περισσότεραVeleučilište u Rijeci Stručni studij sigurnosti na radu Akad. god. 2011/2012. Matematika. Monotonost i ekstremi. Katica Jurasić. Rijeka, 2011.
Veleučilište u Rijeci Stručni studij sigurnosti na radu Akad. god. 2011/2012. Matematika Monotonost i ekstremi Katica Jurasić Rijeka, 2011. Ishodi učenja - predavanja Na kraju ovog predavanja moći ćete:,
Διαβάστε περισσότερα18. listopada listopada / 13
18. listopada 2016. 18. listopada 2016. 1 / 13 Neprekidne funkcije Važnu klasu funkcija tvore neprekidne funkcije. To su funkcije f kod kojih mala promjena u nezavisnoj varijabli x uzrokuje malu promjenu
Διαβάστε περισσότερα( , 2. kolokvij)
A MATEMATIKA (0..20., 2. kolokvij). Zadana je funkcija y = cos 3 () 2e 2. (a) Odredite dy. (b) Koliki je nagib grafa te funkcije za = 0. (a) zadanu implicitno s 3 + 2 y = sin y, (b) zadanu parametarski
Διαβάστε περισσότεραAritmetička sredina Medijan Mod. Harmonijska sredina
MJERE CENTRALNE TENDENCIJE Aritmetička sredina Medijan Mod Geometrijska sredina Harmonijska sredina MJERA CENTRALNE TENDENCIJE ili središnja vrijednost jest brojčana vrijednost koja reprezentira skupinu
Διαβάστε περισσότεραUVOD DEFINICIJA: Statistika planiranje i provođenje pokusa skupljanje podataka interpretacija
OSNOVE STATISTIKE UVOD DEFINICIJA: Statistika je grana matematike koja obuhvaća sakupljanje, analizu, interpretaciju i prezentaciju podataka te izradu predviđanja koja se temelje na tim podacima. Smatra
Διαβάστε περισσότεραTestiranje statistiqkih hipoteza
Testiranje statistiqkih hipoteza Testiranje statistiqkih hipoteza Testiranje statistiqkih hipoteza je vid statistiqkog zakljuqivanja koji se primenjuje u situacijama: kada se unapred pretpostavlja postojanje određene
Διαβάστε περισσότερα7 Algebarske jednadžbe
7 Algebarske jednadžbe 7.1 Nultočke polinoma Skup svih polinoma nad skupom kompleksnih brojeva označavamo sa C[x]. Definicija. Nultočka polinoma f C[x] je svaki kompleksni broj α takav da je f(α) = 0.
Διαβάστε περισσότεραVJEROJATNOST I STATISTIKA 2. kolokvij lipnja 2016.
Broj zadataka: 5 Vrijeme rješavanja: 0 min Ukupan broj bodova: 50 Zadatak.. kolokvij - 0. lipnja 0. (a Ako su X i Y diskretne slučajne varijable, dokažite da vrijedi formula E [X + Y ] = E [X] + E [Y ].
Διαβάστε περισσότεραStr
Str. Testiranje statističkih hipoteza Predavač: Dr Mirko Savić savicmirko@ef.uns.ac.rs www.ef.uns.ac.rs Definicija: Hipoteza predstavlja pretpostavku koja je zasnovana na određenim činjenicama (najčešće
Διαβάστε περισσότεραTRIGONOMETRIJSKE FUNKCIJE I I.1.
TRIGONOMETRIJSKE FUNKCIJE I I Odredi na brojevnoj trigonometrijskoj kružnici točku Et, za koju je sin t =,cost < 0 Za koje realne brojeve a postoji realan broj takav da je sin = a? Izračunaj: sin π tg
Διαβάστε περισσότεραOperacije s matricama
Linearna algebra I Operacije s matricama Korolar 3.1.5. Množenje matrica u vektorskom prostoru M n (F) ima sljedeća svojstva: (1) A(B + C) = AB + AC, A, B, C M n (F); (2) (A + B)C = AC + BC, A, B, C M
Διαβάστε περισσότεραINTEGRALNI RAČUN. Teorije, metodike i povijest infinitezimalnih računa. Lucija Mijić 17. veljače 2011.
INTEGRALNI RAČUN Teorije, metodike i povijest infinitezimalnih računa Lucija Mijić lucija@ktf-split.hr 17. veljače 2011. Pogledajmo Predstavimo gornju sumu sa Dodamo još jedan Dobivamo pravokutnik sa Odnosno
Διαβάστε περισσότεραStrukture podataka i algoritmi 1. kolokvij 16. studenog Zadatak 1
Strukture podataka i algoritmi 1. kolokvij Na kolokviju je dozvoljeno koristiti samo pribor za pisanje i službeni šalabahter. Predajete samo papire koje ste dobili. Rezultati i uvid u kolokvije: ponedjeljak,
Διαβάστε περισσότεραEdukacijsko-rehabilitacijski fakultet Sveučilišta u Zagreb S T A T I S T I K A. Skripta. Pripremio: Branko Nikolić. Zagreb 2015./2016.
Edukacijsko-rehabilitacijski fakultet Sveučilišta u Zagreb S T A T I S T I K A Skripta Pripremio: Branko Nikolić Zagreb 05./06. LITERATURA: Obvezna:. Petz B., Kolesarić, V., Ivanec, D. (0): Petzova statistika.
Διαβάστε περισσότεραUNIVERZITET U NIŠU ELEKTRONSKI FAKULTET SIGNALI I SISTEMI. Zbirka zadataka
UNIVERZITET U NIŠU ELEKTRONSKI FAKULTET Goran Stančić SIGNALI I SISTEMI Zbirka zadataka NIŠ, 014. Sadržaj 1 Konvolucija Literatura 11 Indeks pojmova 11 3 4 Sadržaj 1 Konvolucija Zadatak 1. Odrediti konvoluciju
Διαβάστε περισσότεραVerovatnoća i Statistika I deo Teorija verovatnoće (zadaci) Beleške dr Bobana Marinkovića
Verovatnoća i Statistika I deo Teorija verovatnoće zadaci Beleške dr Bobana Marinkovića Iz skupa, 2,, 00} bira se na slučajan način 5 brojeva Odrediti skup elementarnih dogadjaja ako se brojevi biraju
Διαβάστε περισσότεραUvod u neparametrijske testove. Usporedba. Neparametrijske inačice t-testa za dva nezavisna uzorka. dr. sc. Goran Kardum
Uvod u neparametrijske testove dr. sc. Goran Kardum 1 Usporedba NACRT ISTRAŽIVANJA PARAMETRIJSKA PROCEDURA NEPARAMETRIJSKA PROCEDURA Dva nezavisna uzorka T-test Mann-Whitney U-test Dva zavisna uzorka T-test
Διαβάστε περισσότεραKONTINUIRANE SLUČAJNE VARIJABLE
KONTINUIRANE SLUČAJNE VARIJABLE Kontinuirana slučajna varijabla može poprimiti neprebrojivo (beskonačno mnogo vrijednosti. KONTINUIRANE SLUČAJNE VARIJABLE UVOD Razlike diskretnih i kontinuiranih slučajnih
Διαβάστε περισσότεραPRILOG 2. Zanimanje : EKONOMIST / ICA. Nastavno pismo: NASTAVNI PREDMET STATISTIKA. Nastavna cjelina: Osnovna obrada vremenskih nizova
PRILOG 2 za IV. Razred Zanimanje : EKONOMIST / ICA Nastavno pismo: NASTAVNI PREDMET STATISTIKA Nastavna cjelina: Osnovna obrada vremenskih nizova Autor: Suzana Mikulić Split,2009. 6. Osnovna obrada vremenskih
Διαβάστε περισσότεραAutori: Dr Biljana Popović, redovni profesor Prirodno matematičkog fakulteta u Nišu Mr Borislava Blagojević, asistent Gradjevinskog fakulteta u Nišu
Biblioteka: ACADEMIA Autori: Dr Biljana Popović, redovni profesor Prirodno matematičkog fakulteta u Nišu Mr Borislava Blagojević, asistent Gradjevinskog fakulteta u Nišu MATEMATIČKA STATISTIKA SA PRIMENAMA
Διαβάστε περισσότεραTestiranje statističkih hipoteza Materijali za nastavu iz Statistike
Testiranje statističkih hipoteza Materijali za nastavu iz Statistike Kristina Krulić Himmelreich i Ksenija Smoljak 2012/13 1 / 39 Uvod Osnovna zadaća Statistike je na temelju uzorka ocijeniti kakvu razdiobu
Διαβάστε περισσότεραIskazna logika 3. Matematička logika u računarstvu. novembar 2012
Iskazna logika 3 Matematička logika u računarstvu Department of Mathematics and Informatics, Faculty of Science,, Serbia novembar 2012 Deduktivni sistemi 1 Definicija Deduktivni sistem (ili formalna teorija)
Διαβάστε περισσότεραSTATISTIKA S M E I M N I AR R 7 : METODE UZORKA
Fakultet za menadžment u turizmu i ugotiteljtvu, Opatija Sveučilišni preddiplomki tudij Polovna ekonomija u turizmu i ugotiteljtvu Noitelj kolegija: Prof. dr. c. Suzana Marković Aitentica: Jelena Komšić
Διαβάστε περισσότεραPopulacija Ciljna/uzoračka populacija
Populacija i uzorak Sadržaj predavanja Šta je populacija, šta je uzorak a šta uzorkovanje? Statističko zaključivanje Klasifikacija uzoraka: sa i bez verovatnoće, sa i bez zamenjivanja Uzoračke raspodele
Διαβάστε περισσότεραOsnovni primer. (Z, +,,, 0, 1) je komutativan prsten sa jedinicom: množenje je distributivno prema sabiranju
RAČUN OSTATAKA 1 1 Prsten celih brojeva Z := N + {} N + = {, 3, 2, 1,, 1, 2, 3,...} Osnovni primer. (Z, +,,,, 1) je komutativan prsten sa jedinicom: sabiranje (S1) asocijativnost x + (y + z) = (x + y)
Διαβάστε περισσότερα(P.I.) PRETPOSTAVKA INDUKCIJE - pretpostavimo da tvrdnja vrijedi za n = k.
1 3 Skupovi brojeva 3.1 Skup prirodnih brojeva - N N = {1, 2, 3,...} Aksiom matematičke indukcije Neka je N skup prirodnih brojeva i M podskup od N. Ako za M vrijede svojstva: 1) 1 M 2) n M (n + 1) M,
Διαβάστε περισσότεραDISKRETNA MATEMATIKA - PREDAVANJE 7 - Jovanka Pantović
DISKRETNA MATEMATIKA - PREDAVANJE 7 - Jovanka Pantović Novi Sad April 17, 2018 1 / 22 Teorija grafova April 17, 2018 2 / 22 Definicija Graf je ure dena trojka G = (V, G, ψ), gde je (i) V konačan skup čvorova,
Διαβάστε περισσότεραZadaci sa prethodnih prijemnih ispita iz matematike na Beogradskom univerzitetu
Zadaci sa prethodnih prijemnih ispita iz matematike na Beogradskom univerzitetu Trigonometrijske jednačine i nejednačine. Zadaci koji se rade bez upotrebe trigonometrijskih formula. 00. FF cos x sin x
Διαβάστε περισσότεραMODEL JEDNOSTAVNE LINEARNE REGRESIJE
SVEUČILIŠTE U RIJECI GRAĐEVINSKI FAKULTET U RIJECI Specijalistički diplomski stručni studij građevinarstva Odabrana poglavlja inženjerske matematike MODEL JEDNOSTAVNE LINEARNE REGRESIJE Studenti: Sara
Διαβάστε περισσότεραPočela biostatistike, Poslijediplomski interdisciplinarni doktorski studij Molekularne bioznanosti. Molekularne bioznanosti. Molekularne bioznanosti
Analiza brojčanih podataka Nora Nikolac Klinički zavod za kemiju KB Sestre milosrdnice Kolegij: Počela biostatistike Statistička hipoteza postupak testiranja 1. postavljanje hipoteze: H 0, H 1 2. odabir
Διαβάστε περισσότεραVJEROJATNOST popravni kolokvij veljače 2017.
Zadatak 1. (20 bodova) (a) (4 boda) Precizno definirajte pojam σ-algebre događaja na nepraznom skupu Ω. (b) (6 bodova) Neka je (Ω, F, P) vjerojatnosni prostor i A, B F događaji. Pomoću aksioma vjerojatnosti
Διαβάστε περισσότεραNEPARAMETRIJSKE TEHNIKE
NEPARAMETRIJSKE TEHNIKE Neparametrijske tehnike se koriste za obradu podataka dobijenih na nominalnim i ordinalnim skalama. za testiranje značajnosti distribucije frekvencija po kategorijama jedne nominalne
Διαβάστε περισσότεραBILJEŠKE ZA PREDAVANJA (za internu uporabu)
1. Statistika - Nazivlje... 2 2. Statistika podjela statističkih analiza... 2 3. Objekti, varijable, mjerne skale... 3 4. Ekstremne i nedostajuće vrijednosti podaci... 4 5. Ciljevi statističke analize...
Διαβάστε περισσότεραNumerička matematika 2. kolokvij (1. srpnja 2009.)
Numerička matematika 2. kolokvij (1. srpnja 29.) Zadatak 1 (1 bodova.) Teorijsko pitanje. (A) Neka je G R m n, uz m n, pravokutna matrica koja ima puni rang po stupcima, tj. rang(g) = n. (a) Napišite puni
Διαβάστε περισσότεραSVEUČILIŠTE U RIJECI GRAĐEVINSKI FAKULTET U RIJECI. Specijalistički diplomski stručni studij
SVEUČILIŠTE U RIJECI GRAĐEVINSKI FAKULTET U RIJECI Specijalistički diplomski stručni studij Test hipoteze o jednakosti aritmetičkih sredina K osnovnih skupova Seminarski rad Kolegij: Odabrana poglavlja
Διαβάστε περισσότεραANALIZA TABLICA KONTINGENCIJE
TABLICA KONTINGENCIJE tablica koja u retcima i stupcima sadrži frekvencije atributivnih obilježja ANALIZA TABLICA KONTINGENCIJE predstavlja empirijsku razdiobu frekvencija obilježja mjerenih nominalnom
Διαβάστε περισσότεραElementi spektralne teorije matrica
Elementi spektralne teorije matrica Neka je X konačno dimenzionalan vektorski prostor nad poljem K i neka je A : X X linearni operator. Definicija. Skalar λ K i nenula vektor u X se nazivaju sopstvena
Διαβάστε περισσότεραDobna starost = godina
STATISTIKA prof.dr.sc. Jasna Horvat Josipa Mijoč, univ.spec.oec. STATISTIČKI NIZ I NJEGOVA ANALIZA Statistike imaju samo jednu vrlinu. Ne slažu se. Imre Forbath Postoje tri vrste laži: laž, besramna laž
Διαβάστε περισσότερα21. ŠKOLSKO/OPĆINSKO/GRADSKO NATJECANJE IZ GEOGRAFIJE GODINE 8. RAZRED TOČNI ODGOVORI
21. ŠKOLSKO/OPĆINSKO/GRADSKO NATJECANJE IZ GEOGRAFIJE 2014. GODINE 8. RAZRED TOČNI ODGOVORI Bodovanje za sve zadatke: - boduju se samo točni odgovori - dodatne upute navedene su za pojedine skupine zadataka
Διαβάστε περισσότεραEliminacijski zadatak iz Matematike 1 za kemičare
Za mnoge reakcije vrijedi Arrheniusova jednadžba, koja opisuje vezu koeficijenta brzine reakcije i temperature: K = Ae Ea/(RT ). - T termodinamička temperatura (u K), - R = 8, 3145 J K 1 mol 1 opća plinska
Διαβάστε περισσότεραRIJEŠENI ZADACI I TEORIJA IZ
RIJEŠENI ZADACI I TEORIJA IZ LOGARITAMSKA FUNKCIJA SVOJSTVA LOGARITAMSKE FUNKCIJE OSNOVE TRIGONOMETRIJE PRAVOKUTNOG TROKUTA - DEFINICIJA TRIGONOMETRIJSKIH FUNKCIJA - VRIJEDNOSTI TRIGONOMETRIJSKIH FUNKCIJA
Διαβάστε περισσότεραStatistika. 1. Uvodna razmatranja o statistici
Statistika 1. Uvodna razmatranja o statistici ZAŠTO STATISTIKA? Statistički način mišljenja jednog će dana za svakodnevni život građana postati jednako neophodan kao znanje čitanja i pisanja. H. G. Wells(1866-1946).
Διαβάστε περισσότεραXI dvoqas veжbi dr Vladimir Balti. 4. Stabla
XI dvoqas veжbi dr Vladimir Balti 4. Stabla Teorijski uvod Teorijski uvod Definicija 5.7.1. Stablo je povezan graf bez kontura. Definicija 5.7.1. Stablo je povezan graf bez kontura. Primer 5.7.1. Sva stabla
Διαβάστε περισσότεραAko između tri slučajne varijable postoji veza ζ = f (ξ, η) i ako su poznate sve relevantne gustoće vjerojatnosti, tada je
Višekomponentne slučajne varijable Srednje vrijednosti i momenti Definicija srednje vrijednosti Ako između tri slučajne varijable postoji veza ζ = f (ξ, η) i ako su poznate sve relevantne gustoće vjerojatnosti,
Διαβάστε περισσότερα2 tg x ctg x 1 = =, cos 2x Zbog četvrtog kvadranta rješenje je: 2 ctg x
Zadatak (Darjan, medicinska škola) Izračunaj vrijednosti trigonometrijskih funkcija broja ako je 6 sin =,,. 6 Rješenje Ponovimo trigonometrijske funkcije dvostrukog kuta! Za argument vrijede sljedeće formule:
Διαβάστε περισσότεραUvod u matematičku statistiku
Uvod u matematičku statistiku Pojam matematičke statistike. Pojednostavljeno rečeno, matematička statistika je znanstvena disciplina koja iz poznavanja određenih svojstava uzorka donosi zaključke o svojstvima
Διαβάστε περισσότεραDijagonalizacija operatora
Dijagonalizacija operatora Problem: Može li se odrediti baza u kojoj zadani operator ima dijagonalnu matricu? Ova problem je povezan sa sljedećim pojmovima: 1 Karakteristični polinom operatora f 2 Vlastite
Διαβάστε περισσότεραπ π ELEKTROTEHNIČKI ODJEL i) f (x) = x 3 x 2 x + 1, a = 1, b = 1;
1. Provjerite da funkcija f definirana na segmentu [a, b] zadovoljava uvjete Rolleova poučka, pa odredite barem jedan c a, b takav da je f '(c) = 0 ako je: a) f () = 1, a = 1, b = 1; b) f () = 4, a =,
Διαβάστε περισσότεραTeorijske osnove informatike 1
Teorijske osnove informatike 1 9. oktobar 2014. () Teorijske osnove informatike 1 9. oktobar 2014. 1 / 17 Funkcije Veze me du skupovima uspostavljamo skupovima koje nazivamo funkcijama. Neformalno, funkcija
Διαβάστε περισσότεραradni nerecenzirani materijal za predavanja R(f) = {f(x) x D}
Matematika 1 Funkcije radni nerecenzirani materijal za predavanja Definicija 1. Neka su D i K bilo koja dva neprazna skupa. Postupak f koji svakom elementu x D pridružuje točno jedan element y K zovemo funkcija
Διαβάστε περισσότεραFunkcije dviju varjabli (zadaci za vježbu)
Funkcije dviju varjabli (zadaci za vježbu) Vidosava Šimić 22. prosinca 2009. Domena funkcije dvije varijable Ako je zadano pridruživanje (x, y) z = f(x, y), onda se skup D = {(x, y) ; f(x, y) R} R 2 naziva
Διαβάστε περισσότεραTrigonometrija 2. Adicijske formule. Formule dvostrukog kuta Formule polovičnog kuta Pretvaranje sume(razlike u produkt i obrnuto
Trigonometrija Adicijske formule Formule dvostrukog kuta Formule polovičnog kuta Pretvaranje sume(razlike u produkt i obrnuto Razumijevanje postupka izrade složenijeg matematičkog problema iz osnova trigonometrije
Διαβάστε περισσότερα5. Karakteristične funkcije
5. Karakteristične funkcije Profesor Milan Merkle emerkle@etf.rs milanmerkle.etf.rs Verovatnoća i Statistika-proleće 2018 Milan Merkle Karakteristične funkcije ETF Beograd 1 / 10 Definicija Karakteristična
Διαβάστε περισσότεραPismeni ispit iz matematike Riješiti sistem jednačina i diskutovati rješenja sistema u zavisnosti od parametra: ( ) + 1.
Pismeni ispit iz matematike 0 008 GRUPA A Riješiti sistem jednačina i diskutovati rješenja sistema u zavisnosti od parametra: λ + z = Ispitati funkciju i nacrtati njen grafik: + ( λ ) + z = e Izračunati
Διαβάστε περισσότεραUvod u neparametarske testove
Str. 644;1;148 Uvod u neparametarske testove Predavač: Dr Mirko Savić savicmirko@eccf.su.ac.yu www.eccf.su.ac.yu Hi-kvadrat testovi χ Str. 646;1;149 Koristi se za upoređivanje dve serije frekvencija. Vrste
Διαβάστε περισσότεραRačunarska grafika. Rasterizacija linije
Računarska grafika Osnovni inkrementalni algoritam Drugi naziv u literaturi digitalni diferencijalni analizator (DDA) Pretpostavke (privremena ograničenja koja se mogu otkloniti jednostavnim uopštavanjem
Διαβάστε περισσότερα10. domaća zadaća. 3. Neka je X neprekidna slučajna varijabla takva da je X N(0, 1). S točnošću od odredite:
Napomena: U svim zadacima treba koristiti tablicu standardne normalne razdiobe. 1. Neka je X neprekidna slučajna varijabla takva da je X N(0, 1). S točnošću od 10 5 odredite: a) P(X 1.16), b) P(X 0.59);
Διαβάστε περισσότεραSume kvadrata. mn = (ax + by) 2 + (ay bx) 2.
Sume kvadrata Koji se prirodni brojevi mogu prikazati kao zbroj kvadrata dva cijela broja? Propozicija 1. Ako su brojevi m i n sume dva kvadrata, onda je i njihov produkt m n takoder suma dva kvadrata.
Διαβάστε περισσότερα13. TESTIRANJE HIPOTEZE O NEPOZNATIM KARAKTERISTIKAMA POPULACIJE
13. TESTIRANJE HIPOTEZE O NEPOZNATIM KARAKTERISTIKAMA POPULACIJE χ - TEST χ -test je neparametrijski test kojim se vrlo uspješno rješavaju problemi masovnih pojava kao što su: testiranje hipoteze da distribucija
Διαβάστε περισσότεραLinearna algebra 2 prvi kolokvij,
1 2 3 4 5 Σ jmbag smjer studija Linearna algebra 2 prvi kolokvij, 7. 11. 2012. 1. (10 bodova) Neka je dano preslikavanje s : R 2 R 2 R, s (x, y) = (Ax y), pri čemu je A: R 2 R 2 linearan operator oblika
Διαβάστε περισσότεραMATEMATIKA 1 8. domaća zadaća: RADIJVEKTORI. ALGEBARSKE OPERACIJE S RADIJVEKTORIMA. LINEARNA (NE)ZAVISNOST SKUPA RADIJVEKTORA.
Napomena: U svim zadatcima O označava ishodište pravokutnoga koordinatnoga sustava u ravnini/prostoru (tj. točke (0,0) ili (0, 0, 0), ovisno o zadatku), označava skalarni umnožak, a vektorski umnožak.
Διαβάστε περισσότεραSTATISTIKA I OSNOVE FIZIKALNIH MJERENJA
STATISTIKA I OSNOVE FIZIKALNIH MJERENJA ŽELJKO SKOKO PREDAVANJA: ČETVRTAK, 12-14 h, F25 VJEŽBE: ČETVRTAK, 14-15 h, F25 MIRKO BAĆANI KONZULTACIJE: PETAK, 11-12.30 h ili prema dogovoru e-mail: zskoko@phy.hr
Διαβάστε περισσότερα1.4 Tangenta i normala
28 1 DERIVACIJA 1.4 Tangenta i normala Ako funkcija f ima derivaciju u točki x 0, onda jednadžbe tangente i normale na graf funkcije f u točki (x 0 y 0 ) = (x 0 f(x 0 )) glase: t......... y y 0 = f (x
Διαβάστε περισσότερα6 Polinomi Funkcija p : R R zadana formulom
6 Polinomi Funkcija p : R R zadana formulom p(x) = a n x n + a n 1 x n 1 +... + a 1 x + a 0, gdje su a 0, a 1,..., a n realni brojevi, a n 0, i n prirodan broj ili 0, naziva se polinom n-tog stupnja s
Διαβάστε περισσότεραJednodimenzionalne slučajne promenljive
Jednodimenzionalne slučajne promenljive Definicija slučajne promenljive Neka je X f-ja def. na prostoru verovatnoća (Ω, F, P) koja preslikava prostor el. ishoda Ω u skup R realnih brojeva: (1)Skup {ω/
Διαβάστε περισσότεραINTELIGENTNO UPRAVLJANJE
INTELIGENTNO UPRAVLJANJE Fuzzy sistemi zaključivanja Vanr.prof. Dr. Lejla Banjanović-Mehmedović Mehmedović 1 Osnovni elementi fuzzy sistema zaključivanja Fazifikacija Baza znanja Baze podataka Baze pravila
Διαβάστε περισσότεραZadaci iz trigonometrije za seminar
Zadaci iz trigonometrije za seminar FON: 1. Vrednost izraza sin 1 cos 6 jednaka je: ; B) 1 ; V) 1 1 + 1 ; G) ; D). 16. Broj rexea jednaqine sin x cos x + cos x = sin x + sin x na intervalu π ), π je: ;
Διαβάστε περισσότεραOblasti izučavanja. IX.1. Osnove analize podataka. IX. Analiza podataka UVOD U ANALIZU PODATAKA 13/11/15
Oblasti izučavanja UVOD U ANALIZU PODATAKA I. Priroda i obuhvat marketinških istraživanja II. Izvori podataka u marketinškim istraživanjima III. Faze istraživačkog procesa IV. Eksploratorna istraživanja
Διαβάστε περισσότεραOtpornost R u kolu naizmjenične struje
Otpornost R u kolu naizmjenične struje Pretpostavimo da je otpornik R priključen na prostoperiodični napon: Po Omovom zakonu pad napona na otporniku je: ( ) = ( ω ) u t sin m t R ( ) = ( ) u t R i t Struja
Διαβάστε περισσότεραREGRESIJSKA ANALIZA zavisnost (korelacija) regresijske tehnike kvantitativno zavisnost (korelaciju) linearna regresija
REGRESIJSKA ANALIZA REGRESIJSKA ANALIZA često imamo dvije ili više varijabli koje su inherentno povezane, odnosno postoji neka zavisnost (korelacija) među njima koju želimo istražiti regresijske tehnike
Διαβάστε περισσότεραRiješeni zadaci: Limes funkcije. Neprekidnost
Riješeni zadaci: Limes funkcije. Neprekidnost Limes funkcije Neka je 0 [a, b] i f : D R, gdje je D = [a, b] ili D = [a, b] \ { 0 }. Kažemo da je es funkcije f u točki 0 jednak L i pišemo f ) = L, ako za
Διαβάστε περισσότερα( , treći kolokvij) 3. Na dite lokalne ekstreme funkcije z = x 4 + y 4 2x 2 + 2y 2 3. (20 bodova)
A MATEMATIKA (.6.., treći kolokvij. Zadana je funkcija z = e + + sin(. Izračunajte a z (,, b z (,, c z.. Za funkciju z = 3 + na dite a diferencijal dz, b dz u točki T(, za priraste d =. i d =.. c Za koliko
Διαβάστε περισσότερα1 Osnovni pojmovi Tipovi varijabli Skale mjerenja... 3
Sadržaj Predgovor iii 1 Osnovni pojmovi 1 1.1 Tipovi varijabli............................ 2 1.2 Skale mjerenja............................ 3 2 Organizacija i prikazivanje podataka 5 2.1 Sirovi podatci.............................
Διαβάστε περισσότεραIspitivaƬe funkcija: 1. Oblast definisanosti funkcije (ili domen funkcije) D f
IspitivaƬe funkcija: 1. Oblast definisanosti funkcije (ili domen funkcije) D f IspitivaƬe funkcija: 1. Oblast definisanosti funkcije (ili domen funkcije) D f 2. Nule i znak funkcije; presek sa y-osom IspitivaƬe
Διαβάστε περισσότεραSISTEMI NELINEARNIH JEDNAČINA
SISTEMI NELINEARNIH JEDNAČINA April, 2013 Razni zapisi sistema Skalarni oblik: Vektorski oblik: F = f 1 f n f 1 (x 1,, x n ) = 0 f n (x 1,, x n ) = 0, x = (1) F(x) = 0, (2) x 1 0, 0 = x n 0 Definicije
Διαβάστε περισσότεραradni nerecenzirani materijal za predavanja
Matematika 1 Funkcije radni nerecenzirani materijal za predavanja Definicija 1. Kažemo da je funkcija f : a, b R u točki x 0 a, b postiže lokalni minimum ako postoji okolina O(x 0 ) broja x 0 takva da je
Διαβάστε περισσότεραLinearna algebra 2 prvi kolokvij,
Linearna algebra 2 prvi kolokvij, 27.. 20.. Za koji cijeli broj t je funkcija f : R 4 R 4 R definirana s f(x, y) = x y (t + )x 2 y 2 + x y (t 2 + t)x 4 y 4, x = (x, x 2, x, x 4 ), y = (y, y 2, y, y 4 )
Διαβάστε περισσότεραSlikovni prikaz podataka
2 broj studenata 6 7 8 Slikovni prikaz podataka Ponovimo jere središnjice Nora Nikolac Klinički zavod za kemiju KB Sestre milosrdnice jere rasapa Normalnost razdiobe Farmaceutsko-biokemijski fakultet Sveučilišta
Διαβάστε περισσότεραI.13. Koliki je napon između neke tačke A čiji je potencijal 5 V i referentne tačke u odnosu na koju se taj potencijal računa?
TET I.1. Šta je Kulonova sila? elektrostatička sila magnetna sila c) gravitaciona sila I.. Šta je elektrostatička sila? sila kojom međusobno eluju naelektrisanja u mirovanju sila kojom eluju naelektrisanja
Διαβάστε περισσότερα