Статистичко истраживање у новинарству МилицаЛукић Факултет техничких наука, Чачак СП ИАС Професор технике и информатике, школска 2013/2014. година e-mail: micile26@gmail.com Ментор рада: др Вера Лазаревић Апстракт Обрадом узорка помоћу статистичког пакета Statitica 8 у овом раду биће приказана статистичка анализа. У првом делу рада излажу се основе статистике, популације и дају могућности за приказивање података. Затим, помоћу дескриптивне статистике појма одређује се проблем из области новинарства. Узорак чине вести, фотографије и видео материјал у временском интервалу од 61 дан. Прикупљени су подаци о броју објављених вести, фотографија, сакупљеног видео материјала, као и о броју података које су од аутора једне новинске агенције преузеле друге агенције или медији, који са њима имају регулисане уговорне обавезе. На прикупљене податке примењује се адекватна статистичка анализа и врше се тестирања актуелних хипотеза (проблема). За те намене тестира се Пирсонов χ 2 -тест и тест о независностима посматраних обележја. Добијени резултати приказани су у даљем делу овог рада. Кључне речи статистика, хипотезе, дескриптивна статистика, узорак, χ 2. 1 УВОД Статистика је научна дисциплина која се бави прикупљањем, обрадом, анализом података и доношењем закључака. Првобитно се односила на скуп нумеричких података о стању посматране појаве. Отуда се порекло речи статистика наводи и латинска реч status што значи стање, а статистика је била описивање стања. Основни задатак статистичких акција сводио се у почетку на прикупљање података о бројном стању становника, војника, порезних обвезника, имовине, јер су владари одувек желели да знају колика је њихова војна и финансијска моћ. Захваљујући радовима Американца Нејмана и Волда развијају се три области математичке статистике: теорија естимације (оцене), теорија провере статистичких хипотеза, теорија планирања експеримената. Помоћу статистичких метода данас се врше процене, одмеравају ризици, истражују тенденције, анализирају односи и фактори који их одређују. Статистика се дели на дескриптивну и аналитичку. Дескриптивна статистика представља статистичке методе које се баве прикупљањем, сређивањем и анализом статистичких података. Циљ је опис појава или процеса у опсегу мерења. Аналитичка статистика представља да се на основу мерења утврди општије законитости које важе и у домену оног што није било мерено. 2 ПРЕДМЕТ И НАЧИН СТАТИСТИЧКОГ ИСТРАЖИВАЊА Предмет статистичког истраживања су масовне појаве које су по својој природи варијабилне, па их треба посматрати на великом броју случајева и на основу тих посматрања донети закључак. Статистика се због тога назива научном методом квантитативног истраживања масовних појава. Варијабилитет је својство свих појава, јер свака појава настаје под утицајем неких фактора. Понашање појаве зависи од природе, броја и начина комбиновања ових фактора. Најмањи варијабилитет индивидуалних случајева показују елементарне појаве (у физици, хемији) чије се понашање јавља као резултат деловања малог броја фактора. Понашање оваквих појава испитује се применим класичног експерименталног метода. Утицај фактора (који делује на појаву) се прати његовим систематским мењањем док се остали фактори држе константним.
3 ПОПУЛАЦИЈА Посматрајући статистички скуп од N елемената и обележја X са датом расподелом. Популација је колекција свих могућих вредности неког статистичког обележја, док узорак представља подскуп популације. Нпр. треба утврдити колико је постављено видеа, фотографија и вести у току једног месеца и то би представљало популацију. А узорак представља број постављених видеа. фотографија и вести у току једног дана. Методе закључивања ће зависити од начина добијања података, тј. начина узимања узорака. На основу тога узорци се деле на: 1) прост случајан узорак, 2) систематски узорак, 3) статистички узорак, 4) узорак скупина. Код простог случајног узорка, избор било ког елемента популације не зависи од избора других елемената, тј. вероватноћа избора једног елемента у узорку не зависи од вероватноћа других елемената узорка. Основа је израчунавање и примене свих других узорака. 4 ТАБЕЛАРНО И ГРАФИЧКО ПРИКАЗИВАЊЕ ПОДАТАКА Статистичка табела је један од облика приказивања статистичких података или серија података у прегледној форми која олакшава да се резултати сагледају што јасније, потпуније, прегледније и кориснику олакшава упоређивање података. Свака табела мора имати свој наслов који се ставља изнад ње и који треба кратко али довољно да определи садржај табеле. Текст који се налази испод табеле треба да садржи обавештење о изворима података, основне дефиниције и друга обавештења да би корисник правилно разумео податке из табеле. Статистичке табеле по садржини се деле на: просте - садрже податке једне серије сложене - добијају се спајањем више простих табела које показују различите податке али су расчлањене према истој варијабли и у међусобној су вези комбиноване - добијају се укрштањем две или више варијабли. Оне имају велики значај, али треба настојати да не буде претрпана и компликована. На основу графичког приказа јасно можемо видети карактеристике неког скупа података. Приказивање података графичким путем могуће је на више начина. Битно је да приказ буде јасан, једноставан, прегледан и да одговара прикупљеним статистичким подацима. Графичко приказивање може бити представљено: дијаграмима - најчешће коришћени дијаграми су: тачкасти, линијски, површински, просторни, кружни картограмима - то су графикони на географским картама и на прегледан начин илуструју статистичке податке код географских серија пиктограмима - сликовито приказују појаве. 4.1 Апсолутне и релативне фреквенце Апсолутне фреквенце - Структура једног скупа (популације или узорка) према датој варијабли показује како су модалитети те веријабле распоређени у скупу, тј. колико јединица посматрања отпада на сваки модалитет варијабле. Апсолутна фреквенција је број јединица који одговара једном модалитету (категорији или вредности) варијабле. Релативна фреквенција је однос фреквенције извесне категорије или вредности варијабле у односу на укупан број јединица тог скупа. Она показује који део суме фреквенција (од укупног броја јединица посматрања) припада одговарајућем модалитету. 4.2 Графичко пиказивање података непрекидне случајне променљиве Квантитативни подаци непрекидне варијабле се најчешће графички приказују помоћу хистограма, полигона и криве расподеле фреквенција. Хистограм је дијаграм који се састоји од низа спојених правоугаоника, чије су основице (приказане на x-оси) једнаке ширини групних интервала, док су висине (приказане на y-оси) одговарају фреквенцијама, релативним фреквенцијама или учешћима и у зависности од тога називају се хистограми фреквенција, хистограм релативних фреквенција или хистограм учешћа. Полигон представља дијаграм који се добија спајањем тачака чије су координате средине групних интервала и одговарајуће фреквенције интервала, односно спајањем средина врхова суседних правоугаоника хистограма фреквенција. Средина групног интервала добија се када се збир доње и горње границе једног интервала подели са 2.
Крива фреквенције или крива расподеле фреквенције је располагање обимном серијом података. Са повећањем броја групних интервала (и смањењем њихове ширине), полигон фреквенција на крају постаје глатка, континуирана крива која се зове емпиријска (узорачка) функција густине. 5 ПРИМЕНА РАЧУНАРА У СТАТИСТИЦИ Статистика се у прошлости дуже време бавила углавном проучавањем демографских, имовинских и друштвених односа који су били од посебног значаја за државу и њен народ. Појавом првих рачунских машина процес израчунавања доста је убрзан. Статистика доживљава експанзију задњих 30 година захваљујући рачунарима. Процес статистичке обраде обухвата прикупљање података, избор узорка, груписање података, табелирање, графичко представљање, статистичко симулирање и чување података. Примена рачунара знатно убрзава израчунавање и појаву грешке своди на минимум. Статистичари раде на уношењу података и примену неког статистичког пакета који има готове програме за жељена израчунавања. Пакети су писани у једном од изворних машинских језика, чије познавање је услов за примену пакета. Постоје и софтверски пакети који су намењени професионалном бављењу статистиком. 6 СТАТИСТИЧКА АНАЛИЗА ПОДАТАКА У процесу статистичког истраживања на некој популацији, полази се од појединачних вредности обележја, што значи да се располаже са великим бројем података. Брза информација се често тражи у пракси и неопходно је дефинисати неку карактеристику обележја која ће у већој или мањој мери добро представити обележје, односно треба заменити серију података са малим бројем неких нових величина. Бројеви који презентују посматрано обележје називју се параметри обележја. Они су показатељи распореда вредности посматраног обележја на узорку и популацији. За добијање више информација о статистичким серијама, користе се: средње вредности (аритметичка средина, геометријска средина, хармонијска средина, медијана, модус), мере одступања, мере облика. 7 РЕЗУЛТАТИ. МОГУЋНОСТИ ПРИМЕНЕ СТАТИСТИКЕ У НОВИНАРСТВУ У овом мастер раду врши се статистичко истраживање новинске агенције за август и септембар 2013. године. Варијабле које су узете за испитивање су: објављено вести, објављено фотографија, објављено видео материјала, преузето вести, преузето фотографија, преузето видеа. Део табеле приказан је на слици 1. Слика 1. Узорак 7.1 Дескриптивне статистике Дескриптивна статистика садржи методе и процедуре за презентовање и сумирање података. Служи за израчунавање нумеричких карактеристика обележја и за графичко приказивање узорачке расподеле. Сврха дескриптивне статистике је да помоћу неколико бројева опише значење података који стоје иза њих. Подаци се добијају на основу узорка. Дескриптивна статистика је обично први корак у анализи података а служи за описивање прикупљених података. Обично претходи статистичком закључивању и предвиђању, али може бити и крајњи циљ статистичке анализе. Најчешће коришћене процедуре у дескриптивној статистици су графичко и табеларно приказивање података и израчунавање мера централне тенденције и варијабилитета. Дескриптивну статистику у програму Statistica добијамо на следећи начин: Statistic>Basic Statistic/Tables>Descriptive Statistics>OK.
Дескриптивна статистика за обележје објављено вести: Слика 2. Сумарна табела за обележје - објављено вести Слика 3. Група графикона за објављено вести Слика 4. Табела фреквенције за објављено вести Слика 5. Хистограм апсолутне фреквенце за објављено вести Слика 6. Кутијасти дијаграм за објављено вести 7.2 Тестирање хипотеза Статистичке хипотезе се примењују у ситуацијама: Када се унапред претпоставља постојање одређене везе међу изучаваним појмовима Када се претпоставља да посматрано обележје има одређену расподелу Свака претпоставка која се односи на расподелу обележја назива се статистичка хипотеза, може бити тачна и нетачна. Поступак верификовања статистичке хипотезе на основу узорка је статистички тест. Хипотезе које се односе на параметарске расподеле зову се параметарске хипотезе, а прихватање или одбијање те хипотезе је параметарски тест. Хипотеза која се тестира је нулта (H 0 ), насупрот алтернативној (H 1 ) хипотези. 7.2.1 Тестирање Н 0 (m1 = m2) против H 1 (m1 m2) када је непознато σ 1 2, σ 2 2 Значај овог теста је у чињеници да је дисперзија σ 2 као мера растурања око очекиване вредности, добар показатељ стабилности неког система или процеса. Та стабилност се нарушава када σ 2 прекорачи неку границу, због чега за алтернатину хипотезу узима се да је σ 2 > σ 0 2. Из таблице случајних бројева изабраћемо случајним избором 10 дана за две варијабле (објављено вести и објављено видео материјала). Ибацићемо бројеве који су већи од 61 и бројеве који се понављају.
52945 94922 68410 31089 20914 18299 53160 52, 94, 59, 49, 22, 68, 41, 03, 10, 89, 20, 91, 41, 82, 99, 53, 16. Пошто смо рекли да бројеви који су већи од 61 као и они који се понављају неће ући у узора, добили смо следеће дане: 52 дан, 59 дан, 49 дан, 22 дан, 41 дан, 3 дан, 10 дан, 20 дан, 53 дан и 16 дан. Слика 7. Узорак случајним избором Слика 8. Таблица случајних бројева У програму Statistica тест Н 0 (m1 = m2) против H 1 (m1 m2) када је непознато σ 1 2, σ 2 2 добијамо на следећи начин: Statistics - Basic Statistics/Tables - t-test, independent, by Variables. Под Variables се изабере 1. i 2. колона у које је претходно унет узорак из 1. и 2. популације, тако да се под First list појави 1. колона, а код Second list 2. колона. Када се изаберу варијабле потврдимо са ОК и добија се прозор на ком треба кликнути Summary. На крају добијамотабелу са траженим резултатима. 7.3 Пирсонов Хи-квадрат тест Слика 9. Табела са резултатима Пирсонов тест везан је за расподелу X обележја, а не на параметре те расподеле. Нулта хипотеза H 0 је претпоставка да обележје X има неку одређену расподелу (Паусонову или Гаусову). Алтернативна хипотеза H 1 тврди да то није тако. Овај тест претпоставља да је неко n велико (бар веће од 50), јер користи асимптотске тачне расподеле. Примена узорка помоћу Пирсоновог χ 2 теста: Помоћу програма Statistica Пирсонов χ 2 тест се добија на следећи начин: Statistics Disribution Fitting, одабере се Normal од Countinuous distributions. За варијаблу се изабере колона која садржи податке и на табу Quick са кликом на Summary: Observes and expected distribution добија се табела груписаних фреквенција. Слика 10. Табела груписаних фреквенција популације за обележје објављено фотографија
7.4 Табеле контигенције. Испитивање независности обележја применом χ 2 теста Најчешће коришћени статистички тест је χ 2 тест. Користи се кад год је потребно проверити да ли се емпиријски добијене фреквенције значајно разликују од очекиваних. У наставку ће бити приказана употреба теста за решавање проблема зависности две варијабле. Општи случај статистичког скупа је да се мере се два обележја X и Y. Њихову независност проверавамо преко одговарајуће дводимензионалне расподеле популације. Кад су заједничке расподеле једнаке производу маргиналних расподела обележја, X и Y су независна. Преко табеле контигенције на основу узорака испитујемо независност. У наредном делу ће на основу конкретног примера бити приказан тест независности. Помоћу програма Statistica испитивање независности добијамо на следећи начин: Basic Statistics/Tables и изабрати Multiple response tables. Када се кликне на ОК добија се нови прозор, затим се кликне на Specify Table и опет ОК. Након тога, отвара се таблица контигенције, у прве две колоне се изабере по један узорак који се тестира. У првој колони изаберемо објављено фотографија, а у другој објављено видеа. У катрици опције подесимо и потврдимо параметре. У картици Advanced одаберемо Detailed two-way tables и добијамо табелу са траженим резултатима. 8 ЗАКЉУЧАК Слика 11. Резултати теста Свакој озбиљној одлуци претходи дубока анализа и треба прикупити доста информација. Користе се подаци шта је некада било, шта се сада дешава и шта ће бити у будућности. Прикупљањем података и њиховом обрадом бави се статистика. Статистика као научна дисциплина достигла је велику примену у свим друштвеним областима. Њен развој убрзан је применом рачунара и програмских пакета. У овом раду приказала сам примену статистике у области новинарства. Истраживања која су извршена односила су се на временски период од 61 дан. Из резултата овог рада се види да се дневно објављује око 87 вести нових информација. Да се редовно тај број креће у интервалу од 59 до 114 или прецизније са 95% на нивоу поверења од 80 до 94. Агенције и медији који преузимају од ове новинске агенције вести у току једног дана износи 632 вести. Тај број се у интервалу креће од 421 до 843 а са 95% на нивоу поверења од 579 до 685. Фотографије које се постављају у току једног дана износе број од 314. Крећу се у интервалу од 232 до 395, а прецизније од 293 до 334. Пошто је и број постављања фотографија велики, онда је и број преузимања већи, па је тако број преузетих фотографија у једном дану 2998. Креће се у интервалу од 2196 до 3799, док са 95% то износи од 2795 до 3200. Иако је број постављеног видео материјала мањи од вести и фотографија, он је од највећег значаја. Тај број у једном дану износи 59 и креће се у интервалу од 40 до 77, а са поверењем од 95% износи од 54 до 63. Од стране других агенција у једном дану се преузме око 156 видео материјала. Креће се у интервалу од 98 до 213, односно са 95% у интервалу поверења то је од 142 до 171. Такође, у овом раду сам тестирала хипотезу да је просечан број нових вести и видео материјала релативно сличан, и на основу добијених резултата сам дошла до закључка да је хипотеза тачна, јер је вредност р = 0,120653 већа од α (0,05). Што значи да посматрана популација, тј. ових 61 дан добро репрезентују посматрану проблематику јер претходно тестирање показује да резултати не зависе од тога који смо узорак изабрали из те популације. Тачније, сваки коректно одабран узорак из ове популације је репрезентативан. ЛИТЕРАТУРА [1] Вера Лазаревић, Марија Ђукић, Инжењерска математика, Чачак, Србија: Технички факултет Чачак, 2010. [2] Светозар Вукадиновић, Елементи теорије вероватноће и математичке статистике, Београд, Србија: Привредни преглед 1988. [3] Наход Вуковић, Драган Вукмировић, Статистика, Београд: Факултет организационих наука у Београду, Београд 2004. [4] Милева Жижић, Миодраг Ловрић, Дубравка Павличић, Методи статичке анализе, Београд: Економски факулчтет, 2001. [5] Презентација са сајта факултета: Вера Лазаревић, Пројекат 511140 TEMPUS JPCR Master programe in 2013.) (2010.-, MAS Applied Statistics [6] Увод у статистику. Доступно на: http://www.vivasabac.edu.rs/materijali/studije/materijalzanastavu/informatika1/uvod%20u%20statistiku.pdf Сајтови који су коришћени: 1. http://www.e-statistika.rs/ 2. http://www.wikipedia.org/