Deskriptivna i inferencijalna statistika

Zadnja provjera: listopad 2026.

Statistika u psihologiji služi dvjema svrhama. Prva je opisati podatke koje imamo – koliki je prosjek, koliko se ljudi razlikuju, kako su rezultati raspoređeni. Druga je zaključiti nešto izvan tih podataka – vrijedi li ono što smo opazili u uzorku i za populaciju. Prva se naziva deskriptivnom, a druga inferencijalnom statistikom. Ova lekcija objašnjava osnovne pojmove obiju, bez formula.

Kako čitati p-vrijednosti, intervale pouzdanosti i veličinu učinka, detaljno objašnjava lekcija [Veličina učinka i statistička značajnost](/lekcija/velicina-ucinka-i-statisticka-znacajnost).

Deskriptivna statistika

Deskriptivna statistika sažima podatke:

**Mjere središnje vrijednosti** – aritmetička sredina (prosjek), medijan (srednji rezultat kad se svi poredaju) i mod (najčešći rezultat). Kod nesimetričnih raspodjela, poput prihoda, medijan bolje opisuje „tipičnu” vrijednost jer na prosjek jako utječu krajnje vrijednosti.
**Mjere raspršenja** – raspon (razlika najvećeg i najmanjeg), standardna devijacija (koliko rezultati u prosjeku odstupaju od prosjeka). Dva razreda mogu imati isti prosjek ocjena, a vrlo različitu raspršenost.
**Oblik raspodjele** – je li simetrična, nagnuta na jednu stranu, ima li više vrhova.
**Povezanost** – koeficijent korelacije opisuje koliko se dvije varijable kreću zajedno (više u lekciji [Korelacija i uzročnost](/lekcija/korelacija-i-uzrocnost)).
**Grafički prikazi** – histogrami, dijagrami raspršenja i kutijasti dijagrami često otkrivaju ono što brojevi skrivaju.

Inferencijalna statistika

Inferencijalna statistika odgovara na pitanje: koliko je vjerojatno da bismo ovakav rezultat dobili slučajno i koliko precizno uzorak procjenjuje populaciju?

**Procjena** – iz uzorka se procjenjuje vrijednost u populaciji, uz **interval pouzdanosti** koji pokazuje raspon nesigurnosti.
**Testiranje hipoteza** – provjerava se jesu li podaci u skladu s pretpostavkom da učinka nema; rezultat se izražava **p-vrijednošću** (Wasserstein i Lazar, 2016).
**Veličina učinka** – koliko je razlika ili povezanost velika, neovisno o veličini uzorka (Cumming, 2014).

Inferencijalna statistika ima smisla samo ako uzorak razumno predstavlja populaciju (više u lekciji [Uzorak i reprezentativnost](/lekcija/uzorak-i-reprezentativnost)).

Alternativni pristup

Uz klasični (frekvencionistički) pristup, sve se više koristi bayesovski pristup, koji izravno izražava koliko se vjerovanje u hipotezu mijenja u svjetlu podataka (više u lekciji [Bayesov pristup statističkom zaključivanju](/lekcija/bayesov-pristup-statistickom-zakljucivanju)).

Česte zablude

**„Prosjek uvijek opisuje tipičnog čovjeka.”** Kod nesimetričnih raspodjela medijan je često bolji.
**„Značajan rezultat znači velik učinak.”** Značajnost ovisi i o veličini uzorka.
**„Statistika dokazuje.”** Statistika procjenjuje nesigurnost; ne daje apsolutnu sigurnost.

Primjer

U istraživanju o vremenu provedenom na mobitelu prosjek je 4,5 sati dnevno, a medijan 3 sata. Razlika pokazuje da manji broj ljudi s vrlo velikim brojem sati „podiže” prosjek. Inferencijalna analiza zatim pokazuje da je razlika između mlađih i starijih sudionika procijenjena na 1,2 sata, s intervalom pouzdanosti od 0,6 do 1,8 sati – razlika vjerojatno postoji, ali njezina točna veličina nije sasvim sigurna.

Sažetak

Deskriptivna statistika opisuje podatke – središnju vrijednost, raspršenje, oblik raspodjele i povezanosti. Inferencijalna statistika zaključuje o populaciji na temelju uzorka, kroz procjene s intervalima pouzdanosti, testiranje hipoteza i veličinu učinka. Obje imaju smisla samo uz dobar uzorak i razumijevanje nesigurnosti.

Povezane lekcije

[Veličina učinka i statistička značajnost](/lekcija/velicina-ucinka-i-statisticka-znacajnost)
[Korelacija i uzročnost](/lekcija/korelacija-i-uzrocnost)
[Bayesov pristup statističkom zaključivanju](/lekcija/bayesov-pristup-statistickom-zakljucivanju)
[Statistička snaga istraživanja](/lekcija/statisticka-snaga-istrazivanja)
[Uzorak i reprezentativnost](/lekcija/uzorak-i-reprezentativnost)

Izvori i literatura

Cumming, G. (2014). The new statistics: Why and how. *Psychological Science, 25*(1), 7–29. https://doi.org/10.1177/0956797613504966
Wasserstein, R. L., & Lazar, N. A. (2016). The ASA statement on p-values: Context, process, and purpose. *The American Statistician, 70*(2), 129–133. https://doi.org/10.1080/00031305.2016.1154108