1 / 61

Statistika

Statistika. u organskoj poljoprivredi. Cilj predmeta. Cilj predmeta Statistika je da student: upozna statističku terminologiju nauči kako se podaci prikupljaju, organizuju i obrađuju razume jednostavne statističke metode i interpretaciju rezultata

ofira
Download Presentation

Statistika

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Statistika u organskoj poljoprivredi

  2. Cilj predmeta Cilj predmeta Statistika je da student: • upozna statističku terminologiju • nauči kako se podaci prikupljaju, organizuju i obrađuju • razume jednostavne statističke metode i interpretaciju rezultata • primeni statističke testove na primerima izagronomije

  3. Šta je statistika ? • nauka koja se bavi • (1) sakupljanjem, organizacijom i kondenzacijom podataka i • (2) analizom u cilju izvodjenja zaključka o prirodi tih podataka kada se posmatra samo jedan njihov deo Statistika je skup procedura i principa za prikupljanje podataka i analiziranje informacija koje podaci nose, a u cilju donošenje odluke uprkos neizvesnosti koja postoji

  4. Zašto učimo statistiku? • Čak i elementarno znanje statistike pomaže da se rešavaju problemi u poslu kojim se bavimo, ali i u svakodnevnom životu • Poznavanje osnovnih statističkih metoda može da pomogne u boljem obavljanju posla i time napredovanju u karijeri • Poznavanje statističke analize može biti korisno i za učenje drugih predmeta

  5. Statističke metode Statističke metode Deskriptivna statistika Inferencijalna statistika

  6. Deskriptivna statistika • Obuhvata procedure za: • sakupljanje podataka • uređivanje podataka • tabelarno predstavljanje podataka • grafičko predstavljanje podataka • numeričku karakterizaciju podataka • Svrha: • opisivanje podataka

  7. Inferencijalna statistika • Obuhvata metode za: • ocenjivanje nepoznatih veličina • testiranje hipoteza • Svrha: • izvođenje zaključka o većoj grupi na osnovu podataka dobijenih iz pripadajuće manje grupe

  8. Statistička terminologija • Populacija • Uzorak • Promenljive veličine (varijable) • Podaci Statistički izrazi imaju značenje koje može da se razlikuje od svakodnevnog korišćenja

  9. Populacija • Sve vrednosti, ljudi ili stvari koje nas interesuju iz određenih razloga, odnosno za određene studije • Definisanje populacije tek kada je poznata svrha sakupljanja podataka

  10. Populacija pola Populacija nivoa obrazovanja Populacija godina starosti Populacija

  11. Uzorak • Uzorak je deo populacije

  12. Odabir uzoraka Odabir uzoraka Bez verovatnoće Sa verovatnoćom (slučajni) Prost Prema slobodnoj proceni Sistematski Prema svrsi istraživanja Stratificirani Klaster (Cluster)

  13. Prost slučajni uzorak • Uzorak čiji svaki član ima istu verovatnoću ili šansu da bude izabran iz populacije • Izbor jednog objekta ne utiče na izbor ostalih • Izbor članova uzorka može biti sa ponavljanjem ili bez ponavljanja

  14. Sistematski uzorak • Odredi se veličina uzorka: n • Populacija od N osoba podeli se u grupe od po kosoba k= N/n • Slučajnim izborom se izabere jedna osoba u prvoj grupi • Dalje se izabira svaka k-ta osoba Primer: N = 64, n = 8, k = 64/8 = 8

  15. Stratificirani uzorak • Populacija se podeli u dve ili više grupa prema nekoj zajedničkoj osobini • Iz svake grupe se slučajnim izborom formira uzorak • Formirani uzorci se spoje u jedan

  16. Klaster uzorak • Populacija se podeli u više grupa - “klastera”, svaki ima karakteristike populacije • Od ukupnog brojha klastera odabere se nekoliko • U odabranim klasterima se analizira svaka jedinka ili se iz svakog klastera izabere slučajni uzorak • Izabrani klasteri, odnosno uzorci iz klastera, kombinuju u jedan uzorak

  17. Kompanije (klasteri) klaster uzorak klaster 1 klaster 2 klaster uzorak kombinovan sa prostim slučajnim uzorkom Klaster uzorak

  18. dostupan deo populacije nalazi se u telefonskom imeniku populacija stvarni uzorak (odgovorili na anketu) odabran uzorak Greška zbog korišćenja uzorka

  19. Prednosti i nedostaci • Prost slučajni uzorak i sistematski uzorak • Jednostavni za odabir • Ne predstavljaju uvek karakteristike populacije • Stratificirani uzorak • Obezbeđuje izbor članova kroz celu populaciju • Klaster uzorak • Skup • Zahteva veliki uzorak da bi se postigao isti nivo preciznosti

  20. Promenljiva veličina (varijabla) • Promenljiva veličinaje entitet koji može imati različite vrednosti (Sve ono što se menja može biti varijabla) • Promenljive nisu obavezno kvantitativne veličine • Promenljive mogu imati specifične atribute • Promenljive mogu biti zavisne i nezavisne • Statistički eksperiment - sakupljanje informacija

  21. Podaci Kvantitativni (numerički) Kvalitativni (kategorički) Diskretni Kontinuirani Podaci • Podaci su informacije kojima se izražavaju vrednosti promenljivih i koje statističari sakupljaju, obrađuju i analiziraju

  22. Kako se podaci mere ? • Četiri nivoa (skale) merenja: 1. Nominalna skala 2. Ordinalna skala 3. Intervalna skala 4. Skala odnosa

  23. Kategorički podaci • Objekti koji se proučavaju grupisani su u kategorije bazirane na nekoj kvalitativnoj osobini • Primer: • Boja kose • plava, smeđa, crvena, crna itd. • Mišljenje studenata o nekom događaju • nezadovoljni, neutralni, zadovoljni • Status pušenja • pušač, nepušač

  24. Kategorički podaci Nominalni Ordinalni Binarni Ne-binarni Binarni Ne-binarni Kategorički podaci

  25. Nominalna skala • Vrsta kategoričkih podataka koji se svrstavaju u neuređene kategorije • Primer: • Boja kose: smeđa, plava, crna itd. • Rasa:bela, crna, žuta itd. • Pol:muški, ženski • Status pušenja:pušači, nepušači • Nijedna kategorija nema prioritet!

  26. Ordinalna skala • Vrsta kategoričkih podataka koji su klasifikovani po određenom redosledu, pri čemu rastojanje između kategorija nema tačno određeno značenje a. rating skala b. ranking skala

  27. Ordinalna skala • Rating skala • težina bolesti: blaga, umerena, teška, vrlo teška • mišljenje o kvalitetu hrane u restoranu: odlična, osrednja, loša • ocena kvaliteta nastave: na skali od 1 do 5 • Rangiranje je izvršeno na osnovu subjektivnog doživljaja ispitanika • Ranking skala • redosled sportista na takmičenju • redosled kandidata na prijemnom ispitu • Rangiranje je izvršeno na osnovu značaja, važnosti, interesovanja...

  28. Binarni podaci • Vrsta kategoričkih podataka kod kojih postoje samo dve kategorije • Binarni podaci se izražavaju nominalnom ili ordinalnom skalom • Primer: • Status pušenja: pušač, nepušač • Prisustvo na času: prisutan, odsutan • Rezultata ispita: položio, nije položio

  29. Kvantitativni podaci Diskretni Kontinuirani Kvantitativni podaci • Kvantitativni podaci su rezultat “merenja” neke kvantitativne osobine objekata koji se proučavaju

  30. 0 1 2 3 4 5 6 7 Kvantitativni podaci • Diskretni podaci – moguće su samo neke vrednosti između koji postoji određeno rastojanje • Diskretni podaci se dobijaju prebrojavanjem • Primer: • broj studenata na času • broj dece u porodici

  31. 0 1000 Kvantitativni podaci • Kontinuirani podaci – moguće su sve vrednosti unutar nekog intervala i nema razmaka između vrednosti • Kontinuirani podaci se dobijaju merenjem • Primer: • visina, težina, sadržaj aktivne supstance u leku, koncentracija glukoze u krvi

  32. Kvantitativni podaci • Intervalna skala • Podaci su uređeni u kategorije po određenom redosledu • Rastojanje između kategorija ima određeno značenje • Početak skale (nula) i merne jedinice su proizvoljno određene • Primer: • temperatura, kalendar, sati, rezultati psiholoških testova

  33. Kvantitativni podaci • Skala odnosa • Podaci su uređeni u kategorije po određenom redosledu • Rastojanje između kategorija ima određeno značenje • Uvek postoji apsolutna nula sa određenim značenjem • Primer: • visina, težina, broj pacijenata, fiziološka merenja

  34. Uređivanje i prikazivanje podataka

  35. Uređivanje i prikazivanje podataka • Podaci u “sirovom” obliku nisu pogodni za analiziranje i donošenje odluke • Potrebno organizovanje podataka • uređivanje u tabele • grafičko prikazivanje

  36. Podaci Numerički (kvantitativni) Kategorički (kvalitativni) Diskretni Kontinuirani Podaci

  37. Uređivanje podataka Numerički podaci Uredjivanje po veličini Raspodela frekvenci Histogram Poligon frekvenci Poligon kumuliranih frekvenci

  38. Uređivanje numeričkih podataka • Razvrstavanje u klase, intervale, kategorije, grupe - klasne intervale • Broj klasnih intervala: N ili 1 + 3,22 logN • Širina klasnog intervala • Broj podataka u intervalu - frekvenca, f • Raspodela frekvenci

  39. Sirovi podaci • PRIMER 1. Kod 120 osoba određen je bilirubin (vrednosti su date u μmol/l). Dobijene vrednosti grupisati u klasne intervale.

  40. Klasni intervali Sirovi podaci: 4,1 … 22,5 , N = 120 Broj klasnih intervala: 120  11 Širina klasnog intervala: (22,5 - 4,1)/11 = 18,9/11 = 1,72 =2 Granice intervala: 4 - 6 6 - 8 …. 22 - 24

  41. Raspodela frekvenci širina donja granica gornja granica (donja granica+gornja granica)/2

  42. Raspodela frekvenci

  43. Prikazivanje numeričkih podataka Raspodela frekvenci Histogram Poligon frekvenci Poligon kumuliranih frekvenci

  44. 4 6 8 10 12 14 16 18 20 22 24 bilirubin, μmol/L Histogram

  45. Poligon frekvenci

  46. 70 60 50 KV KG 40 Broj osoba 30 20 10 0 1 1,5 2 2,5 3 3,5 4 4,5 5 Log PO-aze Log DZO-aze Aktivnost enzima PON1 Poređenje više grupa podataka

  47. Poligon kumuliranih frekvenci

  48. Podaci Kategorički (kvalitativni) Numerički (kvantitativni) Diskretni Kontinuirani Podaci

  49. Uređivanje kategoričkih podataka Kategorički podaci 1 promenljiva 2 promenljive Sumarna tabela Tablica kontingencije

  50. Sumarna tabela • Spisak kategorija • Broj elemenata u kategoriji (frekvenca) relativna frekvenca kategorija apsolutna frekvenca

More Related