Štatistika 3 — Štatistické miery

Časový harmonogram hodiny

0–20 min

Miery polohy — priemer, medián, modus

20–40 min

Špeciálne priemery, kvantily

40–60 min

Miery variability — s², s, IQR, CV, SEM

60–75 min

Miery tvaru — šikmosť, špicatosť

75–100 min

Príklady 1–15

100–120 min

Test + hodnotenie

Plán hodiny

1

Miery polohy — prehľad (20 min)

0–20 min

⌄

Aritmetický priemer: x̄ = Σxᵢ/n — citlivý na outliers, vhodný pre symetrické rozdelenia
Vážený priemer: x̄w = Σ(wᵢxᵢ)/Σwᵢ — pri skupinách rôznej veľkosti (stádové dáta)
Geometrický priemer: xG = exp(Σln(xᵢ)/n) — pre multiplikatívny rast (titry protilátok)
Harmonický priemer: xH = n/Σ(1/xᵢ) — pre rýchlosti a pomery, platí xH ≤ xG ≤ x̄
Medián: prostredná hodnota, robustný voči outliers — vhodný pre asymetrické rozdelenia
Modus: najčastejšia hodnota — jediný vhodný pre nominálne dáta

2

Kvantily a porovnanie mier polohy (20 min)

20–40 min

⌄

Kvartily Q1, Q2 (=Me), Q3 — delia súbor na 4 rovnako veľké časti
Decily D1–D9, Percentily P1–P99
Súvislosť šikmosti a mier polohy: symetria (x̄=Me=Mo), pravostranná (x̄>Me>Mo), ľavostranná (x̄<Me<Mo)
Kedy použiť ktorú mieru — tabuľka podľa typu dát a citlivosti na outliers

3

Miery variability (20 min)

40–60 min

⌄

Variačné rozpätie R: xmax − xmin — jednoduché, citlivé na outliers
Rozptyl s²: Σ(xᵢ−x̄)²/(n−1) — v kvadratických jednotkách
Smerodajná odchýlka s: √s² — empirické pravidlo: 68 % / 95 % / 99,7 %
IQR: Q3 − Q1 — stredných 50 % dát, robustný voči outliers
Variačný koeficient CV: s/x̄ × 100 % — porovnanie variability rôznych skupín
Štandardná chyba priemeru SEM: s/√n — presnosť odhadu μ, základ intervalov spoľahlivosti

4

Miery tvaru a komplexný príklad (15 min)

60–75 min

⌄

Šikmosť g₁: asymetria rozdelenia — kladná (pravostranná), záporná (ľavostranná)
Špicatosť γ₂: tvar vrcholu — leptokurtické (γ₂>0), normokurtické (γ₂=0), platykurtické (γ₂<0)
Komplexný príklad: telesná teplota 10 psov — výpočet VŠETKÝCH mier naraz
Interpretácia: vplyv outlieru 41,2°C na x̄ vs. medián, vysoká kladná šikmosť g₁≈2,2

5

Test — preskúšanie (20 min)

100–120 min

⌄

5 otázok Pravda/Nepravda + 5 otázok výber zo 4 možností = 100 bodov

Známka	Body	%	Hodnotenie
A	90–100	90–100 %	Výborne
B	80–89	80–89 %	Veľmi dobre
C	70–79	70–79 %	Dobre
D	60–69	60–69 %	Uspokojivo
E	50–59	50–59 %	Dostatočne
FX	0–49	pod 50 %	Nedostatočne

Všetky vzorce na prvý pohľad

── MIERY POLOHY ────────────────────────────────────────── x̄ = Σxᵢ / n aritmetický priemer (výberový) x̄w = Σ(wᵢ·xᵢ) / Σwᵢ vážený priemer xG = exp(Σln(xᵢ)/n) geometrický priemer xH = n / Σ(1/xᵢ) harmonický priemer Me = x((n+1)/2) [n nepárne] medián Me = (x(n/2) + x(n/2+1))/2 [n párne] ── MIERY VARIABILITY ───────────────────────────────────── R = xmax − xmin variačné rozpätie s² = Σ(xᵢ−x̄)² / (n−1) výberový rozptyl s = √s² smerodajná odchýlka IQR = Q3 − Q1 interkvartilové rozpätie CV = (s/x̄) × 100 % variačný koeficient SEM = s / √n štandardná chyba priemeru 95% IS ≈ x̄ ± 2·SEM interval spoľahlivosti (aproximácia) ── MIERY TVARU ─────────────────────────────────────────── g₁ ≈ 3·(x̄−Me) / s Pearsonova šikmosť (aproximácia) γ₂ = g₂ − 3 excesívna kurtozis (norm. rozd. = 0) xH ≤ xG ≤ x̄ vzťah priemerov (vždy platí!)

Prehľad štatistických mier

MIERY POLOHY

Centrálna tendencia

x̄, Me, Mo, xG, xH, x̄w

Opisujú typickú alebo strednú hodnotu súboru. Odpovedajú na otázku: "okolo čoho sú dáta sústredené?"

MIERY VARIABILITY

Rozptýlenie

s², s, R, IQR, CV, SEM

Opisujú, ako sú dáta rozptýlené okolo strednej hodnoty. Odpovedajú na otázku: "ako rôznorodé sú dáta?"

MIERY TVARU

Tvar rozdelenia

g₁ (šikmosť), γ₂ (kurtozis)

Opisujú tvar rozdelenia — symetria a výška vrcholu. Určujú, či sú dáta normálne rozdelené.

1. Aritmetický priemer

Aritmetický priemer x̄ (výberový) / μ (populačný) Súčet všetkých hodnôt vydelený ich počtom. Najpoužívanejšia miera polohy. Citlivý na odľahlé hodnoty!
x̄ = (x₁ + x₂ + … + xₙ) / n = Σxᵢ / n

Príklad — 8 psov labrador (kg): 28, 32, 29, 35, 31, 27, 33, 30

Σxᵢ = 28+32+29+35+31+27+33+30 = 245 kg x̄ = 245 / 8 = 30,625 kg ← priemerná hmotnosť labradorov

Vlastnosti: súčet odchýlok od x̄ = 0 · minimalizuje Σ(xᵢ−x̄)² · citlivý na outliers · vhodný pre symetrické rozdelenia

2. Vážený, geometrický a harmonický priemer

Typ	Vzorec	Kedy použiť	Príklad v biológii
Vážený	Σ(wᵢ·xᵢ) / Σwᵢ	Skupiny rôznych veľkostí	Dojivosť kráv v stádach rôznej veľkosti
Geometrický	exp(Σln(xᵢ)/n)	Multiplikatívny rast, log-normálne dáta	Titry protilátok, rast baktérií
Harmonický	n / Σ(1/xᵢ)	Rýchlosti, pomery, koncentrácie	Rýchlosť prietoku krvi

💡 Dôležitá nerovnosť: xH ≤ xG ≤ x̄ (vždy platí pre kladné hodnoty). Príklad: rýchlosti 2, 4, 8 mm/s: x̄=4,67 · xG=4,00 · xH=3,43

⚠️ Geometrický priemer — vždy počítajte na log-škále! Aritmetický priemer titrov protilátok (10, 40, 160, 640) = 212,5 je zavádzajúci. Geometrický priemer = 80 je biologicky správna reprezentácia.

3. Medián a kvantily

Medián (Me) Prostredná hodnota zoradeného súboru. Robustný voči odľahlým hodnotám. Vhodný pre asymetrické rozdelenia a ordinálne dáta.
n nepárne: Me = x((n+1)/2) n párne: Me = (x(n/2) + x(n/2+1)) / 2

Príklad — 9 mačiek (zoradené, kg): 3,2 – 3,5 – 3,8 – 4,1 – 4,4 – 4,7 – 5,0 – 5,3 – 5,8

Me = x((9+1)/2) = x(5) = 4,4 kg ← 5. hodnota v zoradenom rade Q1 = (3,5+3,8)/2 = 3,65 kg ← priemer 2. a 3. hodnoty Q3 = (5,0+5,3)/2 = 5,15 kg ← priemer 7. a 8. hodnoty IQR = 5,15 − 3,65 = 1,50 kg ← stredných 50 % mačiek

4. Porovnanie mier polohy

Miera	Typ dát	Citlivosť na outliers	Vhodné rozdelenie	Príklad v praxi
Arit. priemer	Intervál., pomerové	VYSOKÁ	Symetrické	Priem. telesná hmotnosť
Vážený priemer	Interval., rôzne skupiny	VYSOKÁ	Symetrické	Dojivosť v stádach
Geometrický	Multiplikatívne	Stredná	Log-normálne	Titry protilátok
Harmonický	Rýchlosti, pomery	Nízka	Rôzne	Rýchlosť prietoku krvi
Medián	Ordinálne a vyššie	NÍZKA	Asymetrické	Dĺžka prežívania
Modus	Všetky vr. nominálnych	NULOVÁ	Akékoľvek	Prevažujúca diagnóza

📐 Súvislosť miery polohy a tvaru rozdelenia:
Symetrické: x̄ = Me = Mo | Pravostranné: x̄ > Me > Mo | Ľavostranné: x̄ < Me < Mo

5. Rozptyl a smerodajná odchýlka

Výberový rozptyl s² Priemerný štvorec odchýlok od priemeru. Vyjadrený v štvorcových jednotkách.
s² = Σ(xᵢ − x̄)² / (n − 1) (n−1 = Besselova korekcia — nestranný odhad)

Smerodajná odchýlka s Odmocnina z rozptylu. V rovnakých jednotkách ako merané hodnoty — biologicky interpretovateľná.
s = √[Σ(xᵢ − x̄)² / (n − 1)]

68 %

hodnôt leží v x̄ ± 1s

95 %

hodnôt leží v x̄ ± 2s

99,7 %

hodnôt leží v x̄ ± 3s

Empirické pravidlo platí pre normálne rozdelenie. Príklad (psy, x̄=30,625 kg, s=2,774 kg): 68 % psov má hmotnosť 27,9–33,4 kg.

6. Variačný koeficient a SEM

Variačný koeficient CV Relatívna miera variability — bezrozmerná (%). Umožňuje porovnanie variability súborov s rôznymi jednotkami alebo rôznymi priemermi.
CV = (s / x̄) × 100 %
<10 % = malá variabilita | 10–30 % = stredná | >30 % = vysoká

Štandardná chyba priemeru SEM Meria presnosť odhadu populačného priemeru μ z výberu. Na rozdiel od s (variabilita meraní) SEM klesá so zväčšujúcim sa n.
SEM = s / √n
95% IS ≈ x̄ ± 2·SEM (aproximácia — presné: x̄ ± t(α/2)·SEM)

⚠️ Zámennosť s a SEM — najčastejšia chyba v publikáciách! s opisuje variabilitu MERANÍ (nemení sa s n). SEM opisuje presnosť PRIEMERU (klesá s ~1/√n). Graf chybových úsečiek má byť vždy jasne označený: ±s alebo ±SEM.

7. Šikmosť a špicatosť

g₁ < 0

Záporná šikmosť

x̄ < Me < Mo

Dlhý chvost vľavo. Väčšina hodnôt je vyšších. Napr.: vek pri prirodzenej smrti, testy kde väčšina dosiahla vysoké skóre.

g₁ = 0

Symetria

x̄ = Me = Mo

Normálne rozdelenie. Oba chvosty rovnako dlhé. Napr.: výška dospelých psov rovnakého plemena.

g₁ > 0

Kladná šikmosť

x̄ > Me > Mo

Dlhý chvost vpravo. Väčšina hodnôt je nižších. Napr.: príjmy, počet parazitov, dĺžka hospitalizácie.

Špicatosť (kurtozis) γ₂ = g₂ − 3 Meria tvar vrcholu oproti normálnemu rozdeleniu (referencia γ₂ = 0).
γ₂ > 0 = leptokurtické (ostrejší vrchol, ťažšie chvosty — napr. rozdelenie zriedkavých chorôb)
γ₂ = 0 = normokurtické (normálne rozdelenie)
γ₂ < 0 = platykurtické (plochejší vrchol — napr. rovnomerné rozdelenie)

Vizualizácia štatistických mier — ako sa správajú pri rôznych typoch dát a rozdelení.

Graf 1 — Empirické pravidlo: x̄ ± 1s, 2s, 3s pre normálne rozdelenie (psy, x̄=30,6 kg, s=2,77 kg)

Gaussova krivka (normálne rozdelenie)

x̄ ± 1s (68 %)

x̄ ± 2s (95 %)

x̄ ± 3s (99,7 %)

Graf 2 — Porovnanie šikmosti: kladná (x̄>Me), symetrická (x̄=Me), záporná (x̄<Me)

Kladná šikmosť g₁>0 (pravostranná)

Symetria g₁=0 (normálne)

Záporná šikmosť g₁<0 (ľavostranná)

Graf 3 — Komplexný dataset: telesná teplota 10 psov po operácii — vizualizácia outliera 41,2°C

Teploty psov (°C)

Medián Me = 38,85°C

Priemer x̄ = 39,09°C (ovplyvnený outlierom)

Outlier 41,2°C

Graf 4 — SEM vs. s: Vplyv veľkosti vzorky n na presnosť priemeru (s = 2,77 kg)

SEM = s/√n (klesá s n)

s = 2,77 kg (konštantná)

Graf 5 — Spojitá premenná: Histogram životnosti (n=39) z cvičenia UVLF

Absolútna početnosť nᵢ

Medián ≈ 46,95 (trieda 4)

Príklady vychádzajú z prezentácie a cvičení UVLF. Klikni na Zobraziť postup až po vlastnom pokuse.

📝 10 otázok ⏱ 20 minút 🎯 Každá otázka = 10 bodov 🎓 FX = menej ako 50 %

0 / 10 zodpovedaných

Doplňujúce materiály

📌 Najčastejšie chyby pri výpočte a interpretácii

Zámennosť s a SEM v grafoch: Vedecké časopisy požadujú jasné označenie ±s alebo ±SEM v chybových úsečkách. SEM je vždy menší ako s → zavádzajúco "krajší" graf.
Delenie n namiesto n−1: Pre výberový rozptyl vždy delíme (n−1) — Besselova korekcia pre nestranný odhad. Delenie n je správne iba pre populačný rozptyl σ².
Geometrický priemer pre záporné hodnoty: xG nie je definovaný pre záporné čísla. Logaritmus záporného čísla neexistuje v ℝ.
Priemer na ordinálnych dátach: Priemer štádia ochorenia (I=1, II=2, III=3) nemá biologický zmysel — používajme medián.
Ignorovanie šikmosti: |g₁| > 1 signalizuje výrazne nenormálne rozdelenie → parametrické testy (t-test, ANOVA) nemusia byť vhodné.

💻 Excel — funkcie pre štatistické miery

Funkcia	Popis	Príklad
=AVERAGE()	Aritmetický priemer x̄	=AVERAGE(A2:A20)
=GEOMEAN()	Geometrický priemer xG	=GEOMEAN(A2:A20)
=HARMEAN()	Harmonický priemer xH	=HARMEAN(A2:A20)
=MEDIAN()	Medián Me	=MEDIAN(A2:A20)
=MODE()	Modus Mo	=MODE(A2:A20)
=VAR()	Výberový rozptyl s²	=VAR(A2:A20)
=STDEV()	Smerodajná odchýlka s	=STDEV(A2:A20)
=QUARTILE(d,1/3)	Q1 alebo Q3	=QUARTILE(A2:A20,1)
=SKEW()	Šikmosť g₁	=SKEW(A2:A20)
=KURT()	Kurtozis γ₂ (excesívna)	=KURT(A2:A20)

⚙️ SEM v Exceli: =STDEV(A2:A20)/SQRT(COUNT(A2:A20))

🧠 Kontrolné otázky

Prečo pri výpočte geometrického priemeru titrov protilátok dostaneme iný výsledok ako pri aritmetickom priemere?
Čo hovorí hodnota CV = 2 % vs. CV = 45 % o homogenite biologického súboru?
Ak zvýšime n zo 8 na 32, ako sa zmení SEM? (Hint: SEM = s/√n)
Aká šikmosť sa predpokladá pri dátach o dobe prežitia pacientov s onkologickým ochorením?
Kedy je medián objektívnejšou mierou polohy ako priemer?