1.
Šta je statistika ?
Statistika je univerzalni univerzalni kvalitativno-kvantitativni naučni naučni metod analize varijabilnih varijabilnih pojava, zasnovan na teoriji vjerovatnoće. 2.
Šta je zadatak statistike ?
Deskripcija,analiza Deskripcija,analiza međusobnih odnosa,dinamička analiza 3.
Šta je varijabilna pojava ?
Varijabilna pojava je ona na koju djeluje veliki broj faktora i zbog toga uzima različite vrijednosti od jednog do drugog slučaja svoga ispoljavanja. Te pojedinačne vrijednosti nemoguće je sa sigurnošću predvidjeti. 4.
Šta je značaj statistike ?
Značaj statistike za poslovne ljude, menadžere, rukovodioce u poslovnom odlučivanju da bi znali kako da na ispravan sintetički način prikažu i opišu podatke da bi znali kako da, na osnovu samo dijela raspoloživih podataka, donesu validan zaključak o cjelini kojoj taj dio pripada kako da tumače ekonomske indikatore i indikatore poslovne aktivnosti da izvrše validno predviđanje 5.
Šta su statističke zakonitosti - bitne karakteristike ?
Statističke zakonitosti imaju sljedeće dvije bitne karakteristike:
- važe samo u masi slučajeva
- pojedinačni slučajevi mogu da pokažu odstupanja od opšte tendencije 6.
Šta je statistički skup ?
Skup svih elemenata na kojima se izvjesna varijabilna pojava ispoljava ispoljava i statistički posmatra naziva se statistički skup ili osnovni skup ili populacija ili skup. 7.
Šta je određenje statističkog skupa ?
Sadržinski,prostorno,vremenski
8.
Šta je statističko obilježje ?
Osobine po kojima se jedinice statističkog skupa međusobom razlikuju, a koje su predmet statističkog istraživanja, nazivamo obilježjima (promjenjivim ili varijablama). 9.
Šta je deskriptivna satistika ?
Deskriptivna statistika se sastoji od metoda za prikupljanje, obradu i prikazivanje podataka korišćenjem tabela, grafikona i sumarnih mjera.
10. Šta je inferencijalna statistika ?
Inferencijalna statistika podrazumijeva one statističke metode koji koriste uzorak u cilju donošenja zaključaka o osnovnom skupu.
11. Šta je nominalna skala ?
Nominalna skala data je u vidu liste naziva, kategorija ili određenih atributa po kojima se jedinice statističkog skupa razlikuju.
12. Šta je ordinalna skala ?
Ordinalna skala se koristi ukoliko je moguće modalitete obilježja rangirati prema značaju u odnosu na usvojene kriterijume.
13. Šta je intervalna skala ?
Intervalna skala svakom modalitetu obilježja pridaje određenu jedinicu mjere. Ovom skalom jedinicama skupa pridružuju se brojevi, pri čemu jednake razlike brojeva predstavalju jednake razlike mjerene karakteristike. Intervalna skala omogućava utvrđivanje redosljeda modaliteta u skupu, kao i mjeru njihovog razlikovanja.
14. Šta je skala odnosa ?
Skala odnosa pokazuje i redosljed modaliteta i mjeru njihovog razlikovanja. Skala odnosa sadrži brojeve za koje važi pravilo da njihove jednake razlike predstavljaju i jednake razlike mjerene karakteristike jedinica skupa.
15. Šta su statistički podaci ?
Primarni statistički podaci prikupljaju se postupkom statističkog posmatranja i prikupljanja podataka.
16. Šta je statističko istraživanje ?
Statističko istraživanje može se zasnivati na potpunom obuhvatu svih jedinica skupa (potpuno posmatranje), ili samo na jednom dijelu njegovih jedinica (djelimično posmatranje).
17. Šta su statističke serije ?
Statističke serije predstavljaju nizove sređenih statističkih podataka koji prikazuju strukturu skupa prema određenom obilježju, raspored statističkog skupa u prostoru, ili promjene skupa u vremenu.
18. Šta su serije strukture ?
Serije strukture pokazuju raspored statističkog skupa prema modalitetima, odnosno po vrijednostima obilježja. Serije strukture sadrže modalitete obilježja i frekvencije, odnosno učestalost jedinica skupa po datom modalitetu obilježja. Ove serije mogu sadržaati atributivna i numerička obilježja.
19. Šta je Sturgesovo pravilo ?
Da bi se odredila veličina intervala i broj intervalnih modaliteta neprekidnog obilježja može se koristiti tzv. Sturges-ovo pravilo.
21. Šta je prema ovom pravilu broj grupa (intervala, klasa) je
K = 1 + 3,3 log N.
22. Šta je rastuča, a šta opadajuća kumulanta ?
Kumuliranje frekvencija vrši se tako što se, počevši od najniže vrijednosti, frekvencije postupno sabiraju, odnosno sukcesivno dodaju zbiru prethodnih frekvencija. Na taj način dobija se rastuća kumulanta (odnosno kumulanta " ispod"). Rastuća kumulanta pokazuje broj jedinica u skupu čija je vrijednost ispod (manja od) gornje granice grupnog intervala. Isto tako, počevši od prvog modaliteta obilježja, frekvencije se mogu sukcesivno oduzimati od sume svih frekvencija, čime se dobija opadajuća kumulanta (kumulanta "iznad"). Opadajuća kumulanta pokazuje broj jedinica skupa sa vrijednoću iznad (većom od) donje granice grupnog intervala.
23. Šta su vremenske serije ?
Vremenske serije predstavljaju nizove statističkih podataka koji su složeni hronološkim redosljedom.
24. Šta su deskriptivne statističke mjere ?
Pokazatelji koji na sintetizovan način opisuju posmatrane podatke nazivaju se deskriptivne statističke mjere. Smisao ovih mjera je da:
a)
jednim brojem opišu bitne karakteristike posmatranih podataka
b)
da omoguće poređenje između više statističkih serija.
25. Šta je aritmetička sredina ?
Aritmetička sredina (popularno se naziva prosjek) se dobija tako što se zbir vrijednosti posmatranog obilježja podijeli njihovim brojem.
Aritmetička sredina iz negrupisanih podataka izračunava se pomoću izraza
26. Koje su osobine aritmetične sredine ? Aritmetička sredina je srednja vrijednost, sa osobinom da je veća od najmanje i manja od najveće vrijednosti obilježja. Ako su sve vrijednosti obilježja međusobno jednake (nekoj vrijednosti a) tada je i aritmetička sredina jednaka vrijednosti a.
Zbir odstupanja svih vrijednosti obilježja od njihove aritmetičke sredine jednak je nuli.
27. Šta je geometrijska sredina ?
Geometrijska sredina predstavlja mjeru centralne tendencije koja izravnava proporcionalne promjene između podataka posmatrane serije. Izračunava se tako što se vrijednosti obilježja međusobno pomnože, a zatim se iz tog proizvoda pronađe korijen sa izložiocem koji je jednak broju posmatranih jedinica.
28. Šta je harmonijska sredina ?
Harmonijska sredina predstavlja recipročnu vrijednost aritmetičke sredine iz recipročnih vrijednosti obilježja.
29. Šta je modus ?
Modus je vrijednost obilježja koja se najčešće javlja u seriji, odnosno vrijednost obilježja sa najvećom frekvencijom.
30. Šta je medijana ?
Medijana je vrijednost obilježja koja se nalazi u sredini serije čiji su podaci sređeni po veličini.
31. Šta su kvartili ?
Kvartili su mjere koje dijele seriju podataka na četiri jednaka dijela. Prvi kvartil je medijana za prvu polovinu serije, a reći kvartil dijeli drugu polovinu serije na dva jednaka dijela.
Prvi kvartil (Q1) je vrijednost obilježja za koju je 25% jedinica manje, a 75% jedinica skupa veće od date vrijednosti.
Treži kvartil (Q3) je vrijednost obilježja za koju je 75% jedinica manje, a 25% jedinica veće od date vrijednosti.
32.Mjere varijacije -varijabilitet predstavlja rasprsenost podataka u seriji. Utvrdjuje se pomocu odgovarajucim mjera varijacije koje, kao i mjere lokacije, mogu da budu pozicione i izracunate u odnosu na neki srednju vrijednost skupa ili uzorka.
Ukoliko su mjere izrazene jedinicama vrijednosti obiljezja, govori se o apsolutnim mjerama za razliku od mjera koje se izrazavaju u relativnim pokazateljima.
33.Interval varijacije -je apsolutna mjera, koja se utvdjuje kao razlika izmedju najveceg i n ajmanje vrijednosti obiljezja posmatranog raporeda. I=Xmax - Xmin
34.Interkvartilna razlika -je apsolutna mjera, koja predstavlja raliku izmedju treceg i prvog kvartila. IQR=Q3Q1
35.Srednje apsolutno odstupanje je apsolutna mjera, koja predstavlja prosjek sume apsolutnih odstupanja svih podataka od njihove aritmeticke sredine.
Za negrupisane serije izracunava se na osnovu izraza (formula)
Za raspored frekvencije koristi se obrazac (formula)
36.Varijansa-ili srednje kvadratno odstupanje je apsolutna mjera, koja predstavlja prosjek sume kvadrata odstupanja svih podataka od njihove aritmeticke sredine.
Za negrupisane podatke koristi se izraz (formula)
Za rasporede frekvenicija koristi se (formula)
37.Standardna devijacija -predstavlja prosjecno odstupanje svih pojedinacnih podataka od njihove aritmeticke sredine. Standardna devijacija je kvadratni korijen iz varijanse.
Za negrupisane podatke izracunava se pomocu izraza (formula) Za raspored frekvencije koristi se izrazi (formula)
38.Koeficijent varijacije -predstavlja relativni odnos standardne devijacije i aritmeticke sredine. Izracunava se na osnovu izraza Kv=σ/μ
39.Standardizovano odstupanje -predstavlja mjeru odstupanja nekog pojedinacnog podatka od aritmeticke sredine izrazena u jedinicana standarde devijacije. Izracunava se na osnovu izraza Z=Xi-μ / σ
Standardizovano odstupanje omogucava uporedjivanje varijabilitata individualnih podataka vise pojava, zbog toga se odstupanja podataka od aritmeticke sredine ne izrazavaju u apsolutnim jedinicama mjere obiljezja
40.Centralni statistički momentise koriste za mjerenje oblika rasporeda frekvencija prema osi simetrije ili u pogledu zaobljenosti. Centralni statisticki moment r-tog reda definisan je na slijedeci nacin (formula)
41.Mjere asimetrijeza mjeru asimetrije koristi se kolicnik treceg centralnog momenta i standarde devijacije dignute na treci stepen. Na taj nacin se dobija relativna mjera α3=M3/σ4
Treci centralni statisticki momenat dat je izrazom (formula)
41.Mjere spoljoštenosti -stavljanjem u odnos cetvrtog centralnog momenta i standarde devijacije na cetvrti stepen, dobija se relativna mjera spljostenosti rasporeda α4=M4/σ4 Cetvrti centralni statisticki moment dat je izrazom (formula)
42.Vrsta veza među pojavama -funkcionalna veza javlja se u slucaju kada jednoj vrijednosti nezavisne promjenljive x odgovara samo jedna, tacno odredjena vrijednost zavise promjenljive y.
43.Stohastički model -i je slabija veza od funkcionalne i naziva se stohasticka (probabilisticka) veze. Kod ovih veza jednoj vrijednosti nezavisne promjenljive odgovara citav niz mogucih vrijednosti zavisne promjenljive
44.Korelaciona i regresiona analiza -ciljevi---cilj koleracione analize jeste da se ispita da li izmedju varijacija posmatranih pojava postoji kvatitaivno slaganje i ako postoji, u kom stepenu. Cilj regresione analize je da odredi onaj regresioni model koji najbolje opisuje vezu
izmedju pojava i da se na osnovu tog modela ocijene i predvide vrijednosti zavisne promjenljive y za odabrane vrijednosti objasnjavajuce promjenljive x.
45.Regresioni modelsvrha regresije jeste da utvrdi oblik veze odnosno zavisnosti izmedju posmatranih pjava. To se postize pomocu odgovarajuceg regresionog modela. Regresioni model je takav stohasticki model koji kroz matematicku formulu i niz odgovarajucih prepostavki najbolje opisuje kvantitativnu zavisnost izmedju varijacija posmatranih pojava u realnosti. Buduci da se statistika bavi stohastickim vezama, a uzimajuci u obzir sustinu sohasticke veze zakljucujemo da regresioni model pokazuje prosjecno slaganje varijacija ispitivanih pojava. Regresioni model nije sam po sebi cilj, vec samo sredstvo pomocu kojeg sam u stanju da ocjenjujemo i predvidimo vrijednosti zavise promjenljive za zeljene vrijednosti objasnjavajuce promjenljive.
46.Dijagram raspršenostigrafici prikazujemo varijacije dvije pojave u cilju sagledavanja: 1.da li izmedju njih postoji kvantitativno slaganje, 2.ako slaganje postoji, koji je njegov oblik, 3.koji je smjer slaganja, 4.koja je jacina slaganja
47.Prosta linearna korelacijapojam-svrha korelacione analize je da se utvrdi da li izmedju varijacija posmatranih pojava postoji kvantitativno slaganje i ako postoji u kom stepenu. Ako se posmatraju dvije pojave govori se o prostoj koleraciji. Kod proste linearne korelacije se ne pravi razlika izmedju zavisne i nezavisne promjenljive-obje posmatrane pojave tretiraju se kao slucajne promjenljive. Dakle, potpuno je svejdno koju pojavu cemooznaciti kao x, a koju kao y, posto se dobije identican rezultat.
48.Koeficijent proste linearne korelacije -u osnovnom skupu oznacava se sa grckim slovom ro σ i pokazuje jacinu pravolinijske veze izmedju dvije posmatrane pojave u populaciji i predstavlja parametar skupa.
49.Koeficijent proste linearne korelacije-tumačenje vrijednosti— -uzima vrijednost od -1 do +1. ukoliko uzima pozitivne vrijednosti koleracijaizmedju pojava je direktna ili pozitivna. U slucaju kada je r<0 veza je inverzna ili negativna. Ako izmedju posmatranih pojava postoji funkcionalna veza govorimo o savrsenoj koleraciji. Tada koefcijent koleracije uzima vrijednost -1 ili +1. Sto je koef.koleracije po apsolutnoj vrijednosti blizi 1, sve je jaca koleraciona veza izmedju pojava.
Nasuprot tome sto je blizi nuli koleraciona veza je slabija. U ekstremnoj situaciji, kada koef koleracije uzme vrijednost jednako nuli zakljucuje se da nema linearne veze izmedju tih pojava.
50.Prosta linearna regresijao prostoj linearnoj regresiji govorimo kada posmatramo dvije pojave izmedju kojih postoji linearna povezanost. Prost linearni regresioni model dat je izrazom Yi=β0+β1x1+εi , i=1,2,....,N
51.PRETPOSTAVKE PROSTOG LINEARNOG MODELANORMALNOST,HOMOSKEDASTICNOST,HETREOSKEDASTICNOST,NEMA AUTOKORELACIJE,LINEARNOST,X NIJE SLUCAJNA PROMJENJIVA.
52.METOD NAJMANJIH KVADRATA -SE ZASNIVA NA MINIMIYIRANJU KVADRATA ODSTUPANJA SVIH EMPIRIJSKIH TACAKA OD REGRESIONE LINIJE.
53.REZIDUALIVERTIKALNO ODSTUPANJE IZMEDJU STVARNE VRIEJDNOSTI I PRILAGODJENE VRIJEDNOSTI NAZIVAMO REZIDULAOM.
54.GUSOVA MARKOVLJEVA TEOREMA -AKO SU ISPUNJENE SVE PRETPOSTAVKE PROSTOG LINEARNOG REGRESIONOG MODELA OCJENE DOBIJENE METODOM NAJMANJIH KVADRATA SU NAJBOLEJ LINEARNE OCJENE.
55.RAZLAGANJE VARIJABILITETA U REGRESIONOM MODLEU -JEDAN IZVOR VARIJABILITETA SE DUGUJE VARIJACIJAMA U VRIJEDNOSTIMA X I MOZE S EOBJASNITI REGRESIONOM MODLEU.I DRUGI SE NE MOZE OBJASNITI.
56.STANDARDNA GRESKA REGRESIJE -JE APSOLUTNA MJERA I POKAZUJE ODSTUPANJA EMIRIJSKIH PODATAKA U UZORKU OD REGRESIONE LINIJE UZORKA.
57.FAKTORI KOJI UTICU NA VELICINU STANDARDNE GRESKERASPRSENOST TACAKA,VELICINA UZORKA,NIVO VRIJEDNOSTI PROMJENJIVE y
58.KOFICIJENT DETERMINACIJE JE RELATIVNA MJERA I POKAZUJE UCESCE OBJASNJENOG VARIJABILITETA U UKUPNOM ODNOSNO KOLIKO SU VARIJACIJE PROMJENJIVE Y OBJASNJENJE PROMJENJIVOM X.
59.KOFICIJENT DETERMINACIJE VRIJEDNOST I TUMACENJE-UZIMA VRIJEDNOST OD 0 DO 1.
60.TESTIRANJE ZNACAJNOSTI U PROSTOJ LINEARNOJ REGRESIJINAJVAZNIJE JE TESTIRATI HIPOTEZU DA LI JE PARAMETAR BET AJEDNAK NULI.
61.PREDVIDJANJE POMOCU REGRESIJE -REGRESIONA LINIJA DOBRO REPREZENTUJE EMIRIJSKE PODATKE,IZMEDJU VARIJACIJA POSMATRANIH POJAVA U SKUPU POSTOJI LINEARNA VEZA.
62.EKSTRAPOLACIJA REGRESIJE -JE KORISCENJE REGRESIONE LINIJE U SVRHU PREDVIDJANJA ZA ONE VRIJEDNOSTI x KOJE SU IZVANM INTERVALA.
63.INTERVAL OCJENE PROSJECNE VRIJEDNOSTI ZAVISNE PROMJENJIVE -KOJI CE SA VJEROVATNOCOM(1-ALFA)
64.STANDARDNA GRESKA OCJENE PROSJECNE VRIJEDNOSTI ZAVISNO PROMJENJIVE-VECA RASPRSENOST TACAKA,STANDARDNA GRESKA,S APOVECAVANJEM DISPERZIJE PROMJENJIVE X SMANJUJ ES EVELICINA STANDARDNE GRESKE.
65.INTERVAL PREDVIDJANJA POJEDINACN EVRIJEDNOSTI Y -FORMIA SE NA ISTI NACIN KAO INTERVAL OCJENE PROSJECNE VRIJEDNOSTI.
66.VISESTRUKI REGRESIONA I KOLERACINA ANALIZA CILJEVI -JE DA SE NA OSNOVU OCIJENJENOG MODELA IZVRSI PREDVIDJANJE VARIJACIJA ZAVISNO PORMJENJIVE Y ZA RAZLICITE KOMBINACIJE.DA SE ODREDI DA LI POSTOJI KVANTITATIVNO LSAGANJE ZAVISNO PORMJENJIVE Y I GRUPE OBJASNJAVAJUCIH PROMJENJIVIH.
67.VISESTRUKI LINEARNI REGRESIONI MODEL-IDENTIFIKACIJA PROMJENJIVIH,A ZATIM IZ OSNOVNOG SKUPA SE BIRA SLUCAJNI UZORAK VELICINE n.
68.PRETPOSTAVKE VISESTRUKOG LINERNOG REGRESIONOG MODELA -BROJ PODATAKA U UZORKU MORA BITI VECI OD BROJA OCJENJIVANIH PARAMETARA,NE POSTOJI SAVRSENA MULTIKOLONEARNOST.
69.LINEARNI REGRESIONI MODEL SA DVIJE OBJASNJAVAJUCE PROMJENJIVE JE NAJEDNOSTAVNIJI VISESTRUKI REGRESIONI MODEL.
70.TUMACENEJ REGRESIONIH PARAMETARA-.LICAN NACIN KAO I U PROSTOM REGRESIONOM MODELU.PARAMETAR BETA 0PREDTAVLJA ODSJECAK U KOME RAVAN SIJECE Y OSU.
71.MJERE REPREZENTATIVNOSTI U VISESTRUKOJ REGRESIJI-KORISTIMO ANALOGNE MJERE KAO KOD PROSTE REGRESIJE:STANDARDNU GRESKU REGRESIJE,I KOFICIJENT VISESTRUKE DETERMINACIJE.
72.STANDARDNA GRESKA VISESTRUKE REGRESIJE-PREDSTAVLJA OCJENU STANDARDNE DEVIJACIJE SLUCAJNE GRESKE P AS EDOBIJE KAO KVADRATNI KORIJEN REZIDULANE VARIJANSE.
73.KOFICIJEN VISESTRUKE DETERMINACIJE-DOBIJE SE STAVLJANJEM U ODNOS OBJASNJENOG VARIJABILITETA SA UKUPNIM I PREDSTAVLJA RELATIVNU MJERU REPREZENTATIVNOSTI.
74.KOFICIJENT VISESTRUKE LINEARNE KORELACIJE-R POKAZUJE STEPEN LINERNOG SLAGANJA VARIJACIJA IZMEDJU ZAVISNE PROMJNEJIVE Y I GRUPE OBJASNJAVAJUCIH PROMJENJIVIH X.
75.KOFICIJENT DJELIMICNE ILI PARCIJALNE KORELACIJE -POKAZUJE JACINU LINEARNE VEZE IZMEDJU JEDNE ILI VISE OBJASNJAVAJUCIH PROMJENJIVIH I ZAVISNE PROMJENJIVE Z.
76.KOFICIJENT DJELIMICNE KORELACIJE MOZE UZIMATI VRIJEDNOST OD 1 DO +1-
