1

Capitolul 2
BIOSTATISTIC
2.1. METODOLOGIA GENERAL A
CERCETRII STATISTICE
Definiia 2.1. Statistica este tiina care studiaz latura cantitativ a fenomenelor de
mas ntr-o legtur indisolubil cu latura lor calitativ.
A face statistic nseamn, pe scurt, a nota sau a numra elementele (evenimentele) unei
sau unor mulimi, a le grupa pe categorii sau clase determinate cantitativ sau calitativ, pentru ca
prin folosirea unor manipulri matematice i a unor aa-numii indici statistici s tragem
concluzii importante asupra mulimii (mulimilor) observate (studiate).
Dezvoltarea istoric a statisticii, complexitatea obiectului su de cercetare, multitudinea
proceselor i fenomenelor social-economice i culturale pe care le studiaz au determinat
apariia procesului de difereniere pe ramuri a statisticii: statistica economic, statistica
demografic, statistica sanitar, statistic ecologic, statistica industrial etc. Statistica are
metode proprii de cercetare.
Indiferent de domeniul de activitate, totalitatea operaiunilor folosite n cercetarea
statistic poart denumirea de - metodologia cercetrii statistice. n cadrul metodologiei
statistice, diferitele operaiuni se succed ntr-o ordine bine stabilit, reprezentnd n
desfurarea lor cronologic - etapele cercetrii statistice - ce trebuiesc respectate n cercetrile
ntreprinse n toate domeniile de activitate.
Uneori, pentru elucidarea unor mecanisme sau precizarea aciunii sau rolului anumitor
substane n organism, ntreprindem cercetri experimentale pe animale de laborator, a cror
rezultate ncercm s le transpunem la om. Nu trebuie s uitm ns nicicnd c rezultatele
obinute pe animale nu sunt superpozabile cu cele nregistrate la om.
Astzi, dezvoltarea impetuoas a tiinelor, n mod deosebit a celor tehnice, este
indisolubil legat de utilizarea unor metode noi, complexe i precise, de evaluare i cuantificare
2
a diferitelor aspecte calitative, obinute pn de curnd prin vechile metode descriptive, mai
puin precise i exacte.
Aceste cteva aspecte generale justific i impun cunoaterea i aplicarea de ctre
studenii notri a metodei statistice n general, a statisticii matematice ndeosebi, alturi de
celelalte metode de investigaie, n cercetrile clinice, de laborator, de teren ca i n cele menite
s contribuie la cunoaterea i aprecierea strii de sntate a populaiei sau a mediului.
Etapele principale ale cercetrii statistice sunt: adunarea sau observarea,
prelucrarea, prezentarea i analiza materialului statistic.
2.1.1. ADUNAREA SAU OBSERVAREA
MATERIALULUI STATISTIC
Este operaia care ne permite s obinem datele necesare efecturii unei cercetri
statistice. Termenul de adunare se utilizeaz atunci cnd datele necesare efecturii lucrrii
statistice le lum din evidene primare aflate la nivelul unor uniti sau instituii, ca rezultat al
activitii personalului acestora.
Exemplul 1: dac ne propunem s stabilim incidena hipertensiunii arteriale ntr-o
secie de spital, extragem foile de observaie ale bolnavilor internai, care prezint valori ale TA
peste limitele normale (90-140 mm Hg) din secia de boli interne. Aceste date le supunem
ulterior operaiei de prelucrare a materialului statistic.
Exemplul 2: dac ne propunem s facem un studiu privind boala parodontal, atunci
datele necesare efecturii studiului le extragem din registrele sau fiele de consultaie ale
bolnavilor examinai la nivelul unitilor stomatologice dintr-un anumit teritoriu.
Exemplul 3: dac ne propunem s studiem temperatura aerului i precipitaiile
atmosferice pe principalele staii meteorologice din ar, vom solicita aceste date de la cele 18
staii. Aceste date le supunem ulterior operaiei de prelucrare a materialului statistic.
Termenul de observare se utilizeaz atunci cnd materialul necesar efecturii lucrrii
l obinem ca rezultat nemijlocit al muncii proprii.
Exemplul 4: Dac vrem s facem un studiu despre utilizarea pesticidelor n agricultur
i impactul lor asupra mediului nconjurtor prin poluarea solului, apelor, aerului lum mai
multe parcele de pmnt i utilizm pesticide n diferite concentraii i cantiti pentru o
perioad de timp i consemnm n protocoalele de lucru, ntocmite n acest scop, toate
modificrile de mediu ce apar, comparativ cu o parcel martor.
Exemplul 5: n cadrul stabilirii incidenei TA la populaia dintr-un teritoriu, examinm
o parte (lot) din colectivitatea respectiv, prin examen clinic i de laborator consemnnd n
mijloacele de nregistrare valorile tensionale obinute de noi pentru fiecare persoan examinat.
Exemplul 6: dac ne propunem s stabilim volumul de mas lemnoas din fag, dintr-o
3
pdure de fag, avnd o suprafa total de 40.000 m
2
, mprim suprafaa pdurii n parcele
aproximativ egale (de exemplu 10 parcele avnd fiecare 4.000m
2
). Din aceste parcele, se aleg
n mod aleator un numr de 10 zone din care se numr arborii de fag, se msoar nlimea i
diametrul fiecrui fag n parte, n scopul determinrii volumului de mas lemnoas.
Exemplul 7: dac ne propunem s efectum o cercetare din care s reies rolul florului
din apa potabil asupra cariei dentare, n cazul observrii materialului statistic, lum un lot de
animale crora le administrm ap cu flor n diferite concentraii, o anumit perioad de timp i
consemnm n protocoalele de lucru, ntocmite n acest scop, toate modificrile ce survin la
animalele din lotul de cercetare, comparativ cu un lot martor.
Adunarea sau observarea materialului statistic constituie operaiunea de baz ntr-o
cercetare statistic, deoarece corectitudinea i valabilitatea rezultatelor depind n cea mai mare
msur de modul n care se efectueaz aceasta. Ca atare adunarea materialului se va face cu
mare atenie, n mod obiectiv, fr a ncerca s denaturm datele, pe baza unor idei
preconcepute. S nu se uite niciodat c n cercetarea tiinific un nu categoric este mai
valoros dect un da ndoielnic.
Buna reuit a etapei de adunare a materialului statistic depinde n egal msur i de
uniformitatea metodelor i mijloacelor de lucru, ntruct cercetrile statistice incumb un volum
mare de munc, n efectuarea acestora sunt angrenate mai multe persoane. Pentru realizarea
uniformitii n munca de adunare a materialului se folosesc metode i mijloace de lucru
judicios ntocmite, iar personalul care particip la operaia de adunare a materialului este bine i
amnunit instruit asupra coninutului mijloacelor de nregistrare.
Operaiunea de adunare sau observare a materialului statistic cuprinde urmtoarele
subetape:
A.1. Subetapa datelor preliminare sau a datelor pregtitoare n care, nainte de
efectuarea propriu-zis a operaiei de adunare a materialului statistic, se stabilesc i se
precizeaz unele noiuni absolut necesare bunei desfurri a operaiei propriu-zis.
A.1.1. Stabilirea scopului i obiectului lucrrii
n aceast subetapa se precizeaz scopul n care se efectueaz lucrarea statistic i
obiectul acesteia.
Exemplul 1: n cazul cercetrii incidenei hipertensiunii arteriale scopul incidenei este
acela de a cunoate care sunt factorii biologici, de mediu, sociali-economici i comportamentali
care au determinat o inciden crescut a bolii hipertensive, n vederea eliminrii sau diminurii
acestora, iar obiectul lucrrii statistice este persoana creia i s-au determinat valorile TA.
Exemplul 2: n cazul cercetrii experimentale: rolul florului n protejarea organismului
mpotriva cariei dentare, scopul urmrit este acela de a cunoate n ce msur florul,
administrat n anumite concentraii, n apa de but, exercit asupra organismului un rol
4
protector mpotriva cariei dentare iar obiectul lucrrii l constituie caria dentar.
Exemplul 3: n cazul cercetrii experimentale: utilizarea pesticidelor n agricultur i
impactul lor asupra mediului nconjurtor prin poluarea solului, apelor, aerului scopul urmrit
este acela de a cunoate n ce msur utilizarea pesticidelor n agricultur, administrate n
anumite cantiti, exercit asupra mediului un efect negativ, iar obiectul lucrrii l constituie
mediul nconjurtor.
Exemplul 4: Dac ne propunem s stabilim volumul de mas lemnoas din fag, scopul
studiului este acela de a cunoate care sunt factorii biologici, de mediu care au determinat o
eventual scdere a masei lemnoase, n vederea ameliorrii situaiei, iar obiectul lucrrii
statistice este fagul cruia i s-a msurat volumul de mas lemnoas
Este necesar s stabilim - n cadrul datelor pregtitoare - scopul i obiectul lucrrii
ntruct coninutul mijloacelor de observare a materialului este impus de aceste dou noiuni.
A.1.2. Delimitarea cercetrii
Dup ce s-a stabilit scopul i obiectul cercetrii statistice se trece la delimitarea
cercetrii. Aceast delimitare se face n:
Timp, stabilindu-se, n funcie de natura problemei cercetate, perioada de timp n care
ne propunem s adunm sau s observm materialul necesar efecturii lucrrii. Din acest punct
de vedere trebuie precizat c sunt cercetri care se fac pe baza materialului obinut la un
moment dat, pe baza unei singure examinri iar altele necesit perioade mai lungi sau mai
scurte de timp. Spre exemplu starea de morbiditate prin HTA i respectiv prin afeciuni stoma-
tologice sau cantitatea de mas lemnoas de fag dintr-o pdure se poate cunoate pe baza unei
singure examinri , fr a necesita o urmrire n timp a fenomenelor studiate. Ea e similar cu
un instantaneu fotografic care exprim ce se petrece la un moment dat n snul populaiei din
punct de vedere stomatologic, sau al valorilor tensiunii arteriale.
n cazul urmririi n dinamic a TA la populaia unei localiti, examinarea populaiei
din aceast colectivitate se face la anumite intervale de timp, pentru a stabili dac msurile
preconizate pentru combaterea HTA sunt eficiente sau nu.
n cazul exemplului cu administrarea florului, n diferite concentraii, n apa potabil,
lotul de populaie examinat iniial trebuie urmrit i examinat, comparativ cu un lot martor, la
diferite intervale de timp, pentru a stabili dac florul exercit sau nu un rol protector mpotriva
cariei dentare (analog i n cazul folosirii pesticidelor n gricultur);
spaiu; cu care ocazie se stabilete teritoriul pe care ne propunem s efectum
cercetarea. Acest teritoriu poate s fie restrns (o clas, o coal, o ntreprindere) sau mai extins
(o circumscripie, o comun, teritoriul deservit de un anumit spital unificat etc.), n funcie de
natura problemei pe care o cercetm i de scopul i obiectul cercetrii. Cnd cercetarea se
extinde pe un teritoriu mai mare, atunci se respect de obicei mprirea administrativ a
5
teritoriului: sat, comun, jude, etc. Starea de morbiditate prin HTA se poate stabili fie la
populaia unei colectiviti restrnse (ntreprindere, sat, comun) fie la populaia ntregului
jude. Starea de morbiditate prin afeciuni stomatologice se poate stabili spre exemplu, fie la
populaia colar - de o anumit vrst - sau la toat populaia colectivitii, pe ani de vrst sau
pe grupe de vrst;
volum, urmrind s stabilim mrimea colectivitii pe care o vom lua n studiu, sub
raport cantitativ, deci numrul de uniti statistice ce urmeaz a fi cercetate.
Cercetrile statistice se fac fie pe totalul unitilor statistice cuprinse ntr-o populaie i
atunci se spune c s-a lucrat pe univers, colectivitate statistic general, fie pe un numr
limitat de uniti statistice din cadrul populaiei i atunci se spune c s-a lucrat pe eantion.
Cele mai veridice concluzii se obin atunci cnd cercetarea a cuprins totalitatea unitilor
statistice ce compun o mulime, o colectivitate. Asemenea cercetri ns se efectueaz foarte rar
ntruct sunt foarte costisitoare - necesitnd sume mari de bani, sunt greu de organizat, datorit
numrului mare de personal, de aparatur, reactivi i necesit timp ndelungat. Uneori nici nu
este necesar s efectum cercetri pe univers ntruct statistica matematic ne ofer criterii
exacte pentru stabilirea numeric a colectivitii ce urmeaz a fi cercetat, pentru ca concluziile
obinute n urma cercetrii s poat fi generalizate ca i cnd am fi lucrat pe univers sau pe
colectivitatea statistic general.
A.1.3. Stabilirea unitii statistice
Stabilirea unitii statistice - adic a prii componente a mulimii sau colectivitii
expus cercetrii. Este necesar s stabilim unitatea statistic cu care lucrm pentru c nu
totdeauna aceasta este distinct, iar uneori ea e impus de natura cercetrii i scopul urmrit.
Exemplul 1: dac dorim s stabilim incidena HTA ntr-o colectivitate atunci fiecare
persoan examinat care prezint valori crescute ale TA constituie o unitate statistic. Ea
reprezint un caz nou de mbolnvire. Prin caz nou de mbolnvire nelegem orice mbolnvire
din momentul depistrii sau lurii n eviden pn n momentul vindecrii sau decesului. Cazul
nou de mbolnvire nu se confund nici cu persoana bolnav nici cu consultaia, pentru c una
i aceeai persoan poate prezenta mai multe mbolnviri noi ntr-o anumit perioad de timp i
pentru aceeai mbolnvire persoana respectiv se poate prezenta de mai multe ori la
consultaie.
n cazul recensmntului de populaie unitatea statistic este persoana recenzat cu
caracteristicile: vrst, sex, naionalitate, profesiune etc. Alte exemple de uniti statistice sunt:
familia, cstoria, nscutul viu, gravida, patul de spital, dispensarul medical etc.
Exemplul 2: dac iniiem o cercetare n scopul cunoaterii morbiditii stomatologice
pe afeciuni, atunci fiecare afeciune nou constituie o unitate statistic i o folosim n calculul
morbiditii. Prin afeciune nou sau caz nou de mbolnvire nelegem n cazul nostru, orice
6
afeciune stomatologic din momentul depistrii pn n momentul vindecrii. Deci pentru a
stabili care este morbiditatea stomatologic prin caria dentar, ntr-o anumit colectivitate,
nregistrm toate cariile dentare noi, depistate la populaia examinat, pe care le etichetm ca
uniti statistice i nu persoana care prezint caria dentar constituie unitatea statistic. n cazul
stabilirii morbiditii pe contingente, prin afeciuni stomatologice, unitatea statistic o
constituie persoana care cu ocazia examinrii, prezint afeciuni stomatologice. n calcularea
morbiditii generale nu persoana bolnav constituie unitatea statistic ci cazul nou de
mbolnvire.
Aceeai persoan poate prezenta, n decurs de un an, mai multe mbolnviri noi. Fiecare
dintre aceste mbolnviri constituie uniti statistice distincte. De asemenea pentru fiecare
mbolnvire nou, care poate dura uneori o perioad mai lung de timp, persoana bolnav se
poate prezenta de mai multe ori la medic, fr ca aceste consultaii s fie etichetate ca
mbolnviri noi i deci ca uniti statistice distincte.
Exemplul 3: Dac ne propunem s stabilim volumul de mas lemnoas din fag, dintr-o
pdure de fag, atunci fiecare fag reprezint o unitate statistic.
Exemplul 4: Dac vrem s facem un studiu despre utilizarea pesticidelor n agricultur
i impactul lor asupra mediului nconjurtor prin poluarea solului, apelor, aerului , unitatea
statistic este fiecare parcel supus studiului.
A.1.4. Stabilirea programului adunrii sau observrii materialului statistic
Dup ce am fcut delimitarea lucrrii statistice n timp, spaiu i volum, este necesar s
stabilim caracteristicile fiecrei uniti statistice cercetate.
Prin caracteristic (variabil) se nelege trstura sau nsuirea proprie fiecrei uniti
statistice.
Exemplul 1: n cazul cercetrii morbiditii prin HTA ntr-o colectivitate se pot lua n
considerare urmtoarele caracteristici (variabile): vrsta, sexul, localitatea de domiciliu,
profesia, factorii de risc etc.
Exemplul 2: n cazul cercetrii morbiditii stomatologice ntr-o anume colectivitate, se
vor lua n considerare urmtoarele caracteristici: cazul nou de boal, vrsta, sexul, localitatea de
domiciliu, natura mbolnvirii noi, profesia, etc. Caracteristicile sau variabilele pot fi de tip
cantitativ exprimate n uniti de msur ca: nlime, greutate, talie, perimetru toracic, n cazul
dezvoltrii fizice, glicemie, TA, temperatur, puls; i de tip calitativ cnd exprim o calitate ce
nu poate fi msurat prin uniti de msur, de exemplu: sexul, culoarea tegumen-telor, starea
la externare a unor bolnavi (care poate fi vindecat, ameliorat, agravat). Aceste caracteristici
calitative sau cantitative trebuiesc exprimate clar i precis, nct persoanele care particip la
operaia de adunare a materialului statistic s nu fie puse n situaia de a le da o interpretare
7
subiectiv sau greit.
A stabili caracteristicile unitilor statistice, ce vor fi adunate sau observate n cadrul
efecturii lucrrii, nseamn a stabili programul operaiei de adunare a materialului statistic.
A.1.5. Planul observrii sau adunrii materialului statistic
Dup ce programul de adunare a materialului statistic a fost stabilit se trece la
elaborarea planului de adunare a materialului statistic. Planul adunrii materialului statistic
cuprinde date privitoare la metodologia adunrii materialului i date privitoare la organizarea
adunrii materialului statistic.
Datele metodologice ale adunrii materialului statistic se refer la datele pe care le-am
discutat mai nainte i anume: stabilirea scopului i obiectul lucrrii sau cercetrii, delimitarea
n timp, spaiu i volum a cercetrii, stabilirea unitii statistice, elaborarea programului
adunrii materialului.
Datele organizatorice ale planului se refer la problemele privitoare la documentarea n
tema luat n studiu, la ntocmirea sau procurarea formularelor de nregistrare, la alegerea i
instruirea personalului ce va participa la adunarea materialului statistic etc.
Planul cercetrii este deci mai cuprinztor dect programul adunrii materialului, el
incluznd i planul prelucrrii, al prezentrii i analizei materialului, n concordan cu ipoteza
de lucru de la care am pornit.
A.2. SUBETAPA STABILIRII METODELOR DE ADUNARE SAU
NREGISTRARE A MATERIALULUI STATISTIC
Metodele folosite pentru nregistrarea materialului statistic depind de faptul dac ne-am
propus - n cadrul datelor pregtitoare - s lucrm pe univers sau pe eantion reprezentativ.
Din acest punct de vedere metodele de nregistrare se mpart n dou grupe mari:
A.2.1. Metode de nregistrare total
Dac ne-am propus s lucrm pe univers deci pe ntreaga colectivitate, atunci
metodele de nregistrare vor fi totale - nregistrnd toate unitile statistice ce compun o
colectivitate - iar dac ne-am propus s lucrm pe eantion, deci numai pe o parte din
colectivitate, atunci metodele folosite pentru nregistrarea materialului vor fi metode pariale.
Metodele de nregistrare total pot fi la rndul lor:
A.2.1.1. Totale continue, cnd unitile statistice se nregistreaz n totalitate dar n
msura n care fenomenul are loc. Spre exemplu dac ne propunem s facem un studiu asupra
8
fenomenului de natalitate i mortalitate, ntr-un anumit teritoriu sau ntr-o anumit colectivitate,
atunci se nregistreaz toi nscuii vii sau toate decesele din teritoriul sau colectivitatea
respectiv ns pe msur ce ele se produc. Aceste nregistrri sunt limitate n spaiu dar nu n
timp.
A.2.1.2. Totale periodice, cnd nregistrarea unitilor statistice dintr-o colectivitate sau
dintr-un teritoriu se face n totalitate dar numai la anumite intervale de timp. Aceste nregistrri
sunt limitate att n timp ct i n spaiu. Ele redau aspecte statistice, la un moment dat, ale
fenomenului studiat, spre deosebire de nregistrrile totale continue care redau dinamica
fenomenului. Un exemplu de nregistrare total periodic o constituie recensmintele de
populaie, care de obicei se efectueaz la intervale de 10 ani i cuprind populaia ntregii ri.
Dei metoda de nregistrare total continu este superioar celei totale periodice, datorit
volumului mare de munc, costului ridicat, necesitnd un mare numr de personal specializat,
ea se aplic numai n situaii aparte.
A.2.2. Metode de nregistrare parial
Le utilizm atunci cnd ne propunem s efectum cercetarea pe o parte din colectivitate,
pe eantion. Lucrm pe o parte din colectivitate folosind metode de nregistrare parial, atunci
cnd fie c nu cunoatem colectivitatea general, deci nu o putem aborda, fie c volumul de
munc este prea mare i necesit fonduri mari, timp ndelungat, personal numeros, baz
material bogat i putem obine aceleai rezultate, aceleai concluzii, lucrnd numai pe o parte
din unitile statistice ce compun colectivitatea.
Printre metodele de nregistrare parial amintim:
A.2.2.1. Estimaia - este o metod de nregistrare parial care, pe baza unor sondaje
fcute n snul colectivitii generale, luat n studiu, ncearc s caracterizeze, s trag
concluzii de ordin general valabil pentru ntreaga colectivitate.
Exemplul 1: pentru a cunoate morbiditatea prin HTA ntr-o colectivitate se
examineaz prin extragere aleatorie un numr limitat de cazuri (din toate grupele de vrst, de
ambele sexe, de diferite profesii) reprezentnd un eantion din populaia general, iar
rezultatele obinute se vor putea generaliza, estima, n colectivitatea general.
Exemplul 2: pentru a clasifica arborii dintr-o pdure ntr-o anumit clas de defoliere,
i a tii ce procent are fiecare clas (exist 5 astfel de clase: clasa 0 arbori sntoi, cu vtmri
cuprinse ntre 0 i 10%; clasa 1 arbori slab vtmai ntre 11 i 25%; clasa 2 arbori vtmai
moderat ntre 26 i 60%; clasa 3 arbori puternic vtmai ntre 61 i 99%; clasa 4 arbori
mori (uscai) deteriorai100%) vom examina prin extragere aleatoare un numr limitat de
arbori (din toate speciile existente n pdure, din toate grupele de vrst, de la fiecare
altitudine...)
Exemplul 3: pentru a cunoate starea de morbiditate prin afeciuni stomatologice la
9
elevii dintr-o colectivitate colar, se examineaz din punct de vedere stomatologic, prin
sondaj, un numr de elevi din fiecare clas a colii respective, iar rezultatele obinute n urma
prelucrrii datelor, investigaiilor de specialitate, sunt generalizate, ca i cnd studiul sau
examinarea s-ar fi extins asupra tuturor elevilor din respectiva colectivitate colar.
De menionat este faptul c eantionul pe care s-a lucrat a trebuit s fie reprezentativ
att sub aspect cantitativ, ct i sub aspect calitativ, adic al celorlalte atribute ca: sex, grup de
vrst, condiii de alimentaie, de locuin etc. Estimaia, pe baza unor sondaje mai mult sau
mai puin numeroase fcute n colectivitate, aproximeaz frecvena unor fenomene n snul
colectivitii fr a avea pretenia de exactitate (ea introduce ntotdeauna un risc i o eroare
maxim admis). Cu ct numrul de investigai din eantion este mai mic cu att rezultatele
sunt mai imprecise i cu ct numrul de cazuri din eantion este mai mare, rezultatele sunt mai
exacte.
A.2.2.2. Metoda eantionului sau selecia - este metoda de nregistrare parial care,
pe baza examinrii unei pri reprezentative din punct de vedere cantitativ (numr cazuri) i
calitativ (atribute) din unitile statistice ce compun colectivitatea general, urmrete s
caracterizeze ntreaga colectivitate din care a fost extras eantionul. Sub aspect cantitativ
eantionul va fi determinat pe baza unor formule matematice ce vor fi prezentate la capitolul
eantionaj, iar sub aspect calitativ variabilele vor fi stabilite n funcie de natura fenomenelor
pe care le cercetm.
Exemplul 1: pentru a stabili incidena HTA ntr-o colectivitate vom examina un numr
limitat de cazuri, n ceea ce privete TA i diferitele atribute sau variabile: sex, vrst,
domiciliu, profesie, urmrindu-se o stratificare a acestor cazuri n eantion asemntoare cu
stratificarea din populaia general.
Exemplul 2: dac ne propunem s cunoatem gradul de degradare a pdurilor din
judeul Slaj, nu vom proceda la examinarea fiecrui arbore, ci vom face o selecie
reprezentativ n funcie de specie, zon, vrst, forma de relief etc.,
Exemplul 3: dac ne propunem s cunoatem starea de morbiditate prin afeciuni
stomatologice la populaia infantil din judeul Arad sau Timi, nu vom proceda la examinarea
activ de specialitate a ntregii populaii infantile, ci vom seleciona colectiviti reprezentative
din jude (din mediul urban, din mediul industrial, din mediul rural, cu diferite forme de relief,
cu nivel social-economic diferit, cu obiceiuri culinare specifice, cu nivel sanitar diferit, de
vrste diferite etc.) pe care. examinndu-le din punct de vedere stomatologic, vom putea stabili
aspectele de morbiditate ce caracterizeaz ntreaga populaie infantil din jude.
n anumite situaii, dictate de specificul bolii cercetate, cu afinitate sau predilecie
pentru anumite grupe de vrst, vom lua n studiu numai acele vrste la care maladia respectiv
este mai frecvent. Spre exemplu, dac ne propunem s cunoatem morbiditatea prin afeciuni
parodontale ntr-o colectivitate, eantionul pe care vom lucra nu va cuprinde populaia de toate
vrstele ci cu precdere vrstele de 35-40 ani ntruct incidena mbolnvirilor prin afeciuni
parodontale e mai crescut la aceste vrste. n asemenea situaie spunem c am examinat i
10
nregistrat partea de baz a colectivitii. La fel procedm n cazul cercetrii morbiditii prin
afeciuni cardio-vasculare etc.
A.2.2.3. Monografia - este o metod de nregistrare parial utilizat pentru studiul unei
singure colectiviti (localitate, circumscripie, ntreprindere, coal) sau a unui singur fenomen
(demografic, de morbiditate). Ea urmrete s cunoasc aspectele caracteristice ale colectivitii
sau fenomenului respectiv, fr a le putea generaliza n populaia general. Fiind o metod
descriptiv, monografia se mulumete doar s sesizeze aspectele caracteristice ale colectivitii
sau fenomenului fr s le poat explica.
De exemplu, monografia unei localiti descrie: problemele demografice, nivelul de trai,
ocupaia populaiei, nivelul cultural, obiceiurile culinare ale populaiei, starea de sntate cu
evidenierea problemelor de morbiditate i mortalitate, factorii de risc din colectivitate etc. Ea
nu poate s explice relaia dintre aceste caracteristici ale populaiei din localitatea respectiv.
A.2.2.4. Ancheta - este o metod de investigaie parial a materialului statistic pe
formulare adecvate problemei cercetate. n formularele de anchet datele se nscriu fie de
anchetator, i atunci vorbim de anchet direct, fie de ctre persoana anchetat, i atunci
vorbim de anchet indirect. n cazul anchetei indirecte exactitatea rspunsurilor depinde de
nivelul de pregtire a celor anchetai. Ancheta de obicei succede monografiei, ncercnd s
aprofundeze unele aspecte sesizate de monografie. Fiind o metod de profunzime, ancheta
se limiteaz la colectiviti mai restrnse (secia unei ntreprinderi, clasa unei coli etc.). n
cazul n care ancheta stabilete rolul negativ al unor factori negativi din colectivitatea
respectiv, ea se ncheie cu propuneri de remediere a acestora.
Exemplul 1: dac n colectivitatea n care s-a ntocmit monografia a rezultat c HTA
este frecvent n snul colectivitii atunci personalul medical, fcnd un studiu pe eantion,
stabilete cauzele sau factorii de risc (alimentaie, solicitri la locul de munc, consum de
alcool etc.) i propune msuri concrete care s duc la eliminarea acestora i la scderea
incidenei HTA n colectivitatea respectiv.
Exemplul 2: dac monografia a scos n relief faptul c populaia prezint o dantur
deficitar, atunci ancheta respectiv caut s stabileasc pe un eantion cauzele acesteia i se
ncheie cu recomandarea unor msuri concrete privind modul de alimentaie, condiiile de
igien buco-dentar etc.
Exemplul 3: Dac se constat c gradul de defoliere a copacilor este ridicat atunci
specialitii stabilesc cauzele sau factorii de risc (poluare, condiii climaterice, etc.) i propun
soluii de eliminare sau reducere a acestora.
11
A.3. Mijloace de nregistrare
Adunarea i nregistrarea materialului statistic se face pe anumite formulare statistice
numite mijloace de nregistrare. Coninutul mijloacelor de nregistrare trebuie s fie clar, concis
i s cuprind toate caracteristicile unitilor statistice de care avem nevoie n lucrarea pe care o
efectum. Deci coninutul mijloacelor de nregistrare difer de la o lucrare la alta. El este dictat
de scopul i obiectul lucrrii, unitatea statistic aleas i se stabilete odat cu elaborarea
programului lucrrii.
Aceste mijloace de nregistrare pot fi:
A.3.1. Buletinele sunt formulare ce servesc pentru nscrierea unei singure uniti
statistice, o singur dat. De exemplu: buletinul de natere, de identitate, de deces, de analiz de
laborator etc.
A.3.2. Fiele servesc la nregistrarea unei singure uniti statistice dar nu o singur dat
ci de mai multe ori, pe perioade de timp mai ndelungate. De exemplu: fia copilului 0-15 ani,
fi de consultaie a adultului, fi de consultaie stomatologic, fia gravidei, la nivelul
dispensarelor medicale, sau foaia de observaie clinic n spitale.
A.3.3. Listele sunt mijloace de nregistrare ce servesc pentru mai multe uniti statistice.
Sunt sinonime cu tabelele. Ele nscriu unitile statistice pe cte un rnd a listei, iar diferitele
caracteristici sau variabile ale unitilor statistice se nscriu o singur dat, n coloane. De
exemplu dac ne propunem s examinm activ din punct de vedere al strii de sntate elevii
dintr-o clas, folosim pentru nscrierea rezultatelor o list n care se nscriu pe rnduri, nominal,
toi elevii examinai, iar n partea dreapt a fiecrui nume, n coloane, diferite variabile: sex,
vrst, afeciune etc.
A.3.4. Registrele sunt mijloace de nregistrare ce cuprind mai multe liste de acelai
fel. De exemplu registrul de consultaii medicale, de vaccinri, de eviden a gravidelor etc.
12
2.1.2. PRELUCRAREA MATERIALULUI STATISTIC
Datele adunate sau observate se refer de cele mai multe ori la fiecare unitate statistic
n parte. Pentru a putea caracteriza ns colectivitatea luat n cercetare este necesar s supunem
aceste date unei operaii de prelucrare care const n aranjarea, verificarea, codificarea, sortarea
i gruparea acestora n aa fel nct s permit o prezentare clar a materialului statistic.
Dup locul n care se efectueaz prelucrarea deosebim:
prelucrarea descentralizat care are loc la nivelul unitilor care au efectuat adunarea
materialului statistic, iar dup aceea datele prelucrate sunt naintate forurilor superioare
interesate n centralizarea datelor provenite de la unitile teritoriale;
prelucrarea centralizat are loc la nivelul forurilor superioare care iniiaz cercetarea,
pe baza formularelor de nregistrare a materialului trimise de unitile teritoriale. Prelucrarea
centralizat se face la nivelul Direciei Centrale de Statistic, Centrului de Statistic al
Ministerului Sntii etc. Acest mod de prelucrare are avantajul c se execut de ctre
specialiti reuind o mai bun calitate a rezultatelor lucrrii.
Etapa de prelucrare a materialului statistic cunoate mai multe subetape:
B.1. VERIFICAREA MATERIALULUI STATISTIC poate fi:
2.1.1 Verificare cantitativ, care stabilete dac toate formularele de nregistrare sunt
completate i dac s-a rspuns la toate rubricile corespunztoare caracteristicilor unitilor
statistice prevzute n planul cercetrii. De exemplu dac ne propunem s cercetm
morbiditatea ntr-o colectivitate colar, datele obinute n urma examinrii de specialitate a
elevilor le vom nscrie n fiele de consultaie ntocmite n acest sens. Fiele astfel completate
pentru fiecare elev n parte sunt supuse unei verificri cantitative care stabilete dac s-au
nscris datele la toate caracteristicile elevilor examinai: vrst, sex, domiciliu, afeciuni
medicale (HTA, infecii acute ale cilor respiratorii, boli diareice acute, otite), afeciuni
stomatologice (carii dentare, pulpite, gangrene, extracii). Formularele care nu cuprind datele
necesare la toate rubricile prevzute sunt nlturate, neputnd fi supuse operaiei de prelucrare
propriu-zis.
B.1.2. Verificarea calitativ urmrete s stabileasc dac datele nscrise n diferitele
rubrici sunt exacte. Ea poate fi:
logic - cnd urmrete s stabileasc dac nu exist nepotriviri ntre vrst i
diagnostic, ntre sex i diagnostic etc. Se ntmpl uneori ca diagnosticul unui bolnav de sex
masculin (ex. cancer de prostat) s fie trecut din greeal pe formularul unei femei. Exist
programe speciale de verificare logic a acestor neconcordane pe calculator.
cifric - atunci cnd urmrete s stabileasc dac datele nregistrate corespund
13
realitii. Spre exemplu, pe baza anului naterii se poate calcula caracteristica vrst a
individului n anul n curs i verifica astfel concordana acestor date.
B.2. CODIFICAREA MATERIALULUI STATISTIC
Codificarea nu este altceva dect notarea prin cifre (numeric) sau litere (alfabetic), a
diferitelor caracteristici ale unitilor statistice, n scopul uurrii prelucrrii i interpretrii
rezultatelor obinute. Codificarea se folosete de obicei n cadrul lucrrilor de amploare, care
cuprind un numr mare de uniti statistice. Spre exemplu n cadrul cercetrii morbiditii din
teritoriul unui spital se pot codifica cu litere localitile, iar agnosticele de boal se codific
numeric conform clasificrii i codificrii cauzelor de boal i deces revizia a-X-a OMS pe
999 cauze de mbolnvire. De exemplu infarctul miocardic acut are codul 459, pneumonia
viral are codul 506, caria dentar are codul 544 etc.
B.3. SORTAREA MATERIALULUI STATISTIC const n repartizarea
unitilor statistice dup caracteristici individuale. Sortarea poate fi fcut manual sau cu
ajutorul calculatoarelor electronice mai ales n lucrrile mari cnd sunt nscrise mai multe
caracteristici ale unitilor statistice sub forma unor chestionare, sortarea acestor caracteristici
fcndu-se automat cu ajutorul calculatorului.
B.4. CENTRALIZAREA DATELOR STATISTICE urmeaz sortrii sau
repartizrii unitilor statistice pe diferite caracteristici. Ea const n nsumarea caracteristicelor
statistice i a unitilor statistice. Aceasta se poate face sub forma unor tabele care s cuprind
rubrica total. Centralizarea poate fi simpl cnd la baza nsumrii st un singur criteriu (ex.
centralizarea cazurilor noi de boal dintr-un teritoriu) sau grupat cnd la baza nsumrii
unitilor statistice stau mai multe criterii (ex. centralizarea mbolnvirilor pe sexe, grupe de
vrst, cauze de boal etc.).
B.5. GRUPAREA MATERIALULUI STATISTIC const n aranjarea
unitilor statistice, n funcie de diferitele caracteristici sau variabile, n grupe ct mai
omogene, pentru a le putea scoate ct mai uor n eviden. Gruparea este operaia statistic ce
permite trecerea de la aspectele particulare, individuale ale unitilor statistice la aspecte
generale, comune, eseniale ale materialului cercetat.
Aa spre exemplu dac ne propunem s cercetm morbiditatea prin HTA sau afeciuni
stomatologice ntr-o colectivitate organizat (coal, instituie), datele obinute n urma
examinrii difer de la o unitate statistic la alta sub aspectul vrstei, sexului, profesiei, strii de
sntate sau boal etc., neputndu-ne permite observarea a ceea ce este general, comun,
caracteristic ntregii colectiviti.
14
Repartizarea datelor pe diferite variabile: grup de vrst, sex, profesie, stare de
sntate sau boal, mod de alimentare permite, n cadrul gruprii, observarea a ceea ce este
general, esenial, oferindu-ne posibilitatea s ntrevedem concluziile ce se degaj n urma
studiului efectuat.
Criteriile sau caracteristicile de grupare a materialului statistic depind de scopul urmrit
prin cercetarea ntreprins. Este ceea ce afirma Claude Bernard: Cnd nu tim ceea ce cutm,
nu vedem ceea ce am gsit.
Spre exemplu dac nu cunoatem rolul suprasolicitrii nervoase n boala hipertensiv i
nu stabilim acest criteriu n gruparea bolnavilor, sau dac nu cunoatem rolul sursei de ap
potabil n influenarea morbiditii n afeciuni stomatologice i nu grupm materialul statistic
i dup acest criteriu, putem trece pe lng o concluzie esenial fr a o putea sesiza.
B.5.1. Gruparea poate fi simpl cnd la baza repartizrii materialului statistic st un
singur criteriu.
Exemplul 1: gruparea pe sexe a bolnavilor hipertensivi.
Tabel nr. 1
BOL. HTA
SEX M
F
30
20
TOTAL 50
Exemplul 2: repartizarea bolnavilor cu afeciuni stomatologice pe cauze de boal.
Tabel nr. 2
Nr. crt. Afeciunea Nr. mbolnviri
1 Caria dentar 60
2 Pulpit 15
3 Gangren 8
4 Parodontopatii 26
Total 109
Exemplul 3: repartizarea polurilor accidentale pe judee, n perioada 2002-2003.
15
Tabel nr. 3
Nr.crt Judeul
TOTAL
2002 2003
1. Alba 6 1
2. Arad 0 6
3. Arge 12 9
4. Bacu 46 29
5. Bistria Nsud 1 4
6. Bihor 7 8
7. Botoani 3 0
8. Brila 4 19
9. Braov 12 16
10. Bucureti 8 5
11. Buzu 1 0
12. Clrai 1 2
13. Cara Severin 2 6
14. Cluj 6 2
15. Constana 44 24
16. Covasna 2 0
17. Dmbovia 12 15
18. Dolj 3 2
19. Galai 3 8
20. Giurgiu 0 0
21. Gorj 4 5
22. Harghita 3 11
23. Hunedoara 10 10
24. Ialomia 8 8
25. Iai 1 1
26. Ilfov 24 74
27. Maramure 13 3
28. Mehedini 0 2
29. Mure 2 2
30. Neam 4 6
31. Olt 5 8
32. Prahova 52 28
33. Slaj 3 0
34. Satu Mare 0 1
35. Sibiu 5 13
36. Suceava 2 0
37. Teleorman 10 8
38. Timi 4 10
39. Tulcea 5 3
40. Vaslui 0 2
41. Vlcea 0 9
42. Vrancea 2 4
43. ARBDD - 7
TOTAL 330 371
16
B.5.2. Gruparea poate fi complex cnd la baza repartizrii materialului statistic stau
dou sau mai multe criterii.
Exemplul 1: distribuia pe sexe i grupe de vrst a bolnavilor hipertensivi, n
colectivitatea X anul Y.
Tabel nr. 4
Grupa de vrst
0-15 16-49 50-90 Total
Sex M 2 8 20 30
F 3 7 10 20
50
Exemplul 2. distribuia pe cauze i sexe a afeciunilor stomatologice n colectivitatea X
anul Y.
Tabel nr. 5
Nr. Crt. Afeciunea
Numr mbolnviri pe sexe
Total M F
1 Total 100 54 55
2 Carie dentar 60 25 35
3 Pulpit 25 17 8
4 Gangren 8 6 2
5 Parodontopatii 16 6 10
Exemplul 3. repartizarea polurilor accidentale pe judee, n perioada 2002-2003, n aer, ap i
sol.
17
Tabel nr.6
Nr.crt Judeul
TOTAL AER AP SOL
2002 2003 2002 2003 2002 2003 2002 2003
1. Alba 6 1 1 1 5 0 0 0
2. Arad 0 6 0 0 0 0 0 6
3. Arge 12 9 1 0 4 0 7 9
4. Bacu 46 29 8 9 15 3 23 17
5. Bistria Nsud 1 4 0 1 1 1 0 2
6. Bihor 7 8 0 0 1 3 0 5
7. Botoani 3 0 1 0 2 0 0 0
8. Brila 4 19 1 0 2 3 1 16
9. Braov 12 16 1 0 7 12 4 4
10. Bucureti 8 5 5 1 0 3 3 1
11. Buzu 1 0 0 0 0 0 1 0
12. Clrai 1 2 0 0 0 0 1 2
13. Cara Severin 2 6 0 3 2 1 0 2
14. Cluj 6 2 1 1 5 1 0 0
15. Constana 44 24 3 0 19 7 22 17
16. Covasna 2 0 0 0 2 0 0 0
17. Dmbovia 12 15 2 0 4 2 6 13
18. Dolj 3 2 0 0 1 1 2 1
19. Galai 3 8 0 2 3 5 0 1
20. Giurgiu 0 0 0 0 0 0 0 0
21. Gorj 4 5 1 0 2 1 1 4
22. Harghita 3 11 0 1 2 5 1 5
23. Hunedoara 10 10 1 4 7 2 2 4
24. Ialomia 8 8 0 0 1 0 7 8
25. Iai 1 1 0 0 1 1 0 0
26. Ilfov 24 74 3 2 5 4 16 68
27. Maramure 13 3 0 0 12 3 1 0
28. Mehedini 0 2 0 0 0 2 0 0
29. Mure 2 2 1 2 1 0 0 0
30. Neam 4 6 0 0 4 2 0 4
31. Olt 5 8 0 3 3 3 2 2
32. Prahova 52 28 1 2 7 2 44 24
33. Slaj 3 0 0 0 3 0 0 0
34. Satu Mare 0 1 0 0 0 1 0 0
35. Sibiu 5 13 0 7 4 6 1 0
36. Suceava 2 0 0 0 1 0 1 0
37. Teleorman 10 8 3 4 3 0 4 4
38. Timi 4 10 2 2 1 4 1 4
39. Tulcea 5 3 0 2 3 1 2 0
40. Vaslui 0 2 0 0 0 2 0 0
41. Vlcea 0 9 0 1 0 1 0 7
42. Vrancea 2 4 0 0 1 2 1 2
43. ARBDD - 7 - 0 - 7 - 0
TOTAL 330 371 36 48 140 91 154 232
18
Dup natura caracteristicii gruparea poate fi:
B.5.3. n timp, cnd repartizarea materialului statistic are la baz anumite intervale de
timp, de exemplu pe semestre (semestrul I, semestrul II) sau pe trimestre etc.
B.5.4. n spaiu cnd repartizarea materialului statistic se face n raport cu locul sau
teritoriul unde s-a examinat populaia, de exemplu mediu rural i mediu urban.
B.5.5. Limitele gruprii nu se stabilesc mecanic ci depind de natura fenomenului
cercetat i scopul lucrrii. n principiu o grupare prea amnunit a materialului statistic duce la
o frmiare ce ne mpiedic s observm ce este caracteristic, esenial. De asemenea dac o
caracteristic are prea multe valori vom repartiza materialul statistic pe grupe de valori care se
vor numi intervale de clas. De exemplu, ar fi inutil cercetarea mortalitii pe ani de vrst, de
la 1 la 80 de ani, ntruct mortalitatea nu difer de la un an de vrst la altul. Dar este
important gruparea deceselor pe grupe de vrst de cte 5 ani sau de cte 10 ani, ntruct
fenomenul cercetat - mortalitatea general - permite unele interpretri i concluzii n raport cu
aceste grupe de vrst.
Fiecare grup de valori sau clas are la rndul ei o limit inferioar, o limit
superioar i un centru al clasei egal cu semisuma celor dou limite.
Un exemplu de grupare este i cel al claselor de defoliere la arbori (tabelul 11) sau
clasele de calitate a apelor. Indicatorii cuprini n normativul celor 5 clase de calitate a apelor
sunt mprii n urmtoarele grupe: regimul de oxigen RO, nutrieni N, gradul de
mineralizare GM, metale M, micropoluani TS. Datele de calitate a apelor fiind variabile
aleatoare, afectate de o mulime de cauze, prelucrarea lor se face cu ajutorul unor proceduri
statistico-matemtice. n consecin caracterizarea calitii apei, pe bazine hidrografice i la
nivel naional, rezult din estimarea numeric i procentual a cazurilor nregistrate, relativ la:
- ncadrarea seciunilor de supraveghere pe clase de calitate (tabelul 9) ;
- repartiia lungimii cursurilor de ap pe clase de calitate (tabelul 10).
Exemplul 1: distribuia pe grupe de valori ale TA a bolnavilor hipertensivi n
colectivitatea X anul Y.
Tabel nr. 7
Nr. crt. Grupe de valori TA Centrul clasei Frecvena
1. 160-169,9 165 18
2. 170-179.9 175 22
3. 180-189,9 185 10
TOTAL 50
19
Exemplul 2: distribuia pe grupe de vrst a bolnavilor cu afeciuni stomatologice n
colectivitatea X anul Y.
Tabel nr. 8
Nr. crt. Grupe de vrst Centrul clasei Frecvena
1. 0-19 10 79
2. 20-39 30 38
3. 40-59 50 42
4. 60-80 70 64
TOTAL 173
Exemplul 3 Repartiia seciunilor de control pe clase de calitate conform situaiei
globale evaluate n anul 2004. (sursa Agenia Naional pentru Protecia Mediului)
Tabel nr. 9
20
Exemplul 4 Centralizatorul lungimilor de ru cumulate pe clase de calitate conform
situaiei globale evaluate n anul 2004. (sursa Agenia Naional pentru Protecia Mediului)
Tabel nr.10
Exemplul 5 Defolierea speciilor pe clase de altitudine, la nivelul anului 2004. (sursa
Agenia Naional pentru Protecia Mediului)
Tabel nr.11
Altitudinea
Clasa (grupe de clase) de defoliere
0 1 2 3 4 3-4 2-4 1-4
0-250m 52,5 27,0 16,8 2,2 1,5 3,7 20,5 47,5
251-500m 59,9 28,1 10,7 0,7 0,6 1,3 12,0 40,1
501-750m 62,4 26,5 10,4 0,5 0,2 0,7 11,1 37,6
751-1000m 69,7 22,7 7,2 0,2 0,2 0,4 7,6 30,3
1001-1250m 69,5 23,9 5,9 0,3 0,4 0,7 6,6 30,5
1251-1500m 70,6 21,9 6,8 0,4 0,3 0,7 7,5 29,4
> 1500m 65,3 27,3 5,9 1,0 0,5 1,5 7,4 34,7
TOTAL 62,5 25,8 10,3 0,8 0,6 1,4 11,7 37,5
21
De menionat c n cadrul gruprii trebuie s cunoatem exact valorile extreme -
maxim i minim - ale caracteristicii i deobicei se stabilesc intervale de clas egale iar
limitele intervalelor sau claselor trebuie s fie distincte pentru a nu creea confuzii cu ocazia
repartizrii materialului statistic. De exemplu dac dorim s distribuim elevii unei clase pe
grupe de nlimi vom stabili nlimea maxim i minim a elevilor din clasa respectiv iar n
interiorul intervalului respectiv vom delimita, la intervale egale, grupe de valori ale nlimii.
Cel mai scund elev, avnd nlimea de 150 cm i cel mai nalt de 170 cm, n interiorul acestor
valori extreme vom stabili grupe de valori ale nlimii din 5 n 5 cm, limitele grupelor de
nlime fiind i ele distincte.
Exemplu: distribuia pe grupe de nlimi a elevilor din clasa X n anul Y.
Tabel nr. 12
Nr. crt. Grupe de nlime cm Numr elevi
1. 150-154,9 4
2 155-159,9 12
3. 160-164,9 18
4. 165-169,9 9
TOTAL 43
B.6. ELABORAREA INDICATORILOR
Gruparea de obicei cuprinde cifre brute, valori absolute, care rareori pot fi interpretate
ca atare. De aceea materialul statistic este supus n continuare unei prelucrri cu ajutorul
metodelor de statistic matematic n vederea obinerii unor indicatori statistici ca: mrimi
medii, mrimi relative, indici etc., ce vor permite aprecieri comparative, corecte i concluzii
semnificative.
22
2.1.3. PREZENTAREA MATERIALULUI STATISTIC
Prezentarea materialul statistic se poate face cu ajutorul tabelelor i cu ajutorul
reprezentrilor grafice.
C.1. Prezentarea prin tabele constituie o metod comod, sintetic i sistematic:
comod, pentru c rezultatele cercetrii sunt redate sub forma unor date cifrice,
permind observarea cu uurin a aspectelor principale ale problemei cercetate;
sintetic, pentru c datele cifrice redau aspectele eseniale ale fenomenului studiat;
sistematic, pentru c ntre diferitele date cantitative sau calitative prezentate n tabel,
exist o nlnuire logic uurnd nelegerea lor.
Pentru ca un tabel s corespund cerinelor, el trebuie s ndeplineasc urmtoarele
cerine:
C.1.1. S aib un titlu care, printr-o fraz clar s redea coninutul tabelului, locul i
perioada de timp la care se refer, ca i modul n care au fost obinute datele. Datele titlului
tabelului trebuie s rspund la 4 ntrebri: ce, unde, cnd, cum? Ce cuprinde tabelul, unde s-a
efectuat cercetarea, cnd s-a efectuat cercetarea i cum au fost obinute datele La ntrebarea
cum se rspunde de obicei printr-un asterix sub macheta tabelului.
Exemplul 1: distribuia pe sexe i grupe de valori ale TA a bolnavilor cu HTA din
localitatea X n anul Y.
Tabel nr. 13
Nr.
Crt.
Sex Total
Grupe de valori TA
160-169,9 170-179,9 180-189,9 200-209,9
1 Total 50 28 15 7
2 F 32 20 8 4
3 M 18 8 7 3
Exemplul 2: distribuia pe cauze, grupe de vrst i sex a mbolnvirilor stomatologice a
elevilor liceului X anul Y.
23
Tabel nr. 14
Nr
crt
Afeciunea Total Numr elevi
Grupe de
vrst
15-16 17-18 19-20
Sexul Sexul Sexul Sexul
M F M F M F M F
1. Caria simpl 118 54 64 20 24 18 21 16 10
2 Pulpit 15 7 8 3 4 3 2 1 2
3. Gangrena 4 3 1 - 1 2 - 1 -
4. Extracii 18 10 8 5 2 1 3 4 3
Total 155 74 81 28 31 24 26 22 24
Exemplul 3 ncadrarea terenurilor n clase de calitate dup nota de bonitate pe ar la
data de 31.12.2003.
Tabel nr. 15
Not: 1): Clase de calitate: I : 81 100 puncte de bonitate;
II : 61 80 puncte;
III : 41 60 puncte;
IV : 21 40 puncte;
V: 1 20 puncte.
2) Suprafaa total agricol la data 31.12.2003 din evidena cadastral: 14.717.426 ha
Observaie: calitatea terenurilor agricole cuprinde att fertilitatea solului ct i modul
de manifestare al celorlali factori de mediu fa de plante. Clasele de calitate ale terenurilor
stabilesc pretabilitatea acestora pentru folosinele agricole. Numrul de puncte se obine printr-
Folosina
Suprafaa total
cartat
Din care pe clase de calitate
1)
:
ha
%di
n
total
Folo
sine
Clasa I
(foarte bun)
Clasa I
( bun)
Clasa I
(mijlocie)
Clasa I
(slab)
Clasa I
(foarte slab)
ha
%
din
total
Folo
sine
ha
%
din
total
Folo
sine
ha
%
din
total
folos
ine
ha
%
din
total
folos
ine
ha
%
din
total
folos
ine
Arabil 9261413,47 63,40 855785,26 9,24 2646639,06 28,58 3334944,93 36,00 1765823,14 19,07 658221,08 7,11
Puni i
fnee
4803294,19 32,88 50550,20 1,05 311331,16 6,48 1243244,46 25,88 1967416,96 40,97 1230751,4 25,62
Vii 285446,69 1,95 9742,57 3,41 59850,10 20,97 96412,93 33,78 94565,28 33,13 24875,81 8,71
Livezi 257050,18 1,76 1501,04 0,58 23176,21 9,02 81524,16 31,72 115088,06 44,7 35760,71 13,91
Total
agricol
2)
14607204,53 100 917579,07 6,28 3040996,53 20,82 4756126,48 32,56 3942893,44 26,99 1949609,0 13,35
24
o operaiune complex de cunoatere aprofundat terenului, exprimnd favorabilitatea acestuia
pentru cerinele de via a unor plante de cultur date, n condiii climatice normale i n cadrul
folosirii raionale.
C.1.2. Rndurile i coloanele tabelului trebuie s fie logic aezate i s fie notate
corespunztor coninutului acestora. Spre Exemplul n tabelul nr. 9 grupele de vrst ca i
grupele de afeciuni sunt aezate ntr-o ordine logic, crescnd la grupele de vrst i n ordinea
gravitii (de la caria simpl la extracii), n cazul grupelor de afeciuni.
C.1.3. Totalurile n tabelele statistice se nscriu de obicei n primul rnd i n prima
coloan. n tabelele matematice totalurile se nscriu n ultimul rnd i n ultima coloan. n
statistic ns avem uneori situaii n care tabelele sunt extinse depind dimensiunile unei
pagini att n lungime ct i n lime. Dac am nscrie totalurile n ultimul rnd i n ultima
coloan a tabelului am putea observa mai greu cror caracteristici le corespund aceste totaluri.
C.1.4. Atunci cnd nu dispunem de datele necesare pentru a le nscrie n csuele
tabelului se trage o linie orizontal, semn al inexistenei datelor respective, iar atunci cnd nu
cunoatem datele necesare nscrierii ntr-o csu a tabelului, dei ele exist, acest lucru se
exprim prin cteva puncte succesive.
C.2. TIPURILE DE TABELE STATISTICE
Exist n general o mare diversitate de tabele statistice, de la cele mai simple, care au la
baz un singur criteriu de clasificare, pn la cele mai complexe, avnd la baz mai multe
caracteristici, depinznd att de natura materialului cercetat ct i de ingeniozitatea celui care le
ntocmete. Este recomandabil ns s nu uitm lucrul cel mai important i anume faptul c
tabelul trebuie s redea cu uurin esenialul. n scop didactic am mprit tabelele n 3 tipuri:
tabele pentru clasificare dichotomic;
tabele pentru distribuia de frecvente;
tabele de corelaie.
C.2.1. Tabelele pentru clasificarea dichotomic le utilizm n situaia n care
cercetm fenomene care se caracterizeaz prin nsuiri sau caracteristici diametral opuse,
excluzndu-se unul pe altul. A dichotomiza, n limba greac, nseamn a divide, a mpri n
dou. Spre Exemplul, populaia unei colectiviti, distribuit sau repartizat pe sexe, se mparte
n dou pri: de sex masculin i de sex feminin; dup starea de sntate populaia poate fi
sntoas sau bolnav; dup mediu se poate mpri n populaie rural si urban; dup reacia
la tuberculin (IDR) poate fi pozitiv sau negativ la tuberculin etc.
25
Exemplul 1: distribuia elevilor din colectivitatea X n anul Y pe sexe, locul de
domiciliu i prezena sau absena cariei dentare.
Tabel nr.16
TOTAL Sex Domiciliu Carii dentare
500
M 300
R 200 P
A
150
50
U 100 P
A
60
40
F 200
R 150 P
A
100
50
U 50 P
A
30
20
Exemplul 2: Cantitatea de deeuri generate (kg/locuitor/an) n anul 2003
Tabel nr.17
Mediul Tipul de deeuri
Total deeuri
(kg/locuitor/an)
urban dens 998
menajer 370
municipal 628
urban 778
menajer 290
municipal 488
rural 406
menajer 150
municipal 256
n cazul utilizrii unei astfel de prezentri nu trebuie s admitem mai mult de dou,
maxim trei dichotomizri, ntruct prin supraaglomerare ele devin confuze, greu de urmrit i
interpretat.
C.2.2. Tabele pentru distribuia de frecvene le utilizm atunci cnd dorim s
prezentm n tabele rezultatele gruprii dup anumite criterii.
Exemplu: Estimri privind tipurile i cantitile de deeuri rezultate din activitatea
medical pentru anul 2003
26
Tabel nr. 18
27
C.2.3. Tabele de corelaie le folosim pentru evidenierea corelaiei dintre dou
fenomene ntre care n mod logic exist o legtur de dependen. Aceste tabele se
caracterizeaz prin aceea c au dou variabile: una determinant (factorial) i cealalt
determinat (rezultant). n cazul tabelului de corelaie valorile nscrise n csuele tabelului
corespund n acelai timp unei anumite grupe de valori a primului fenomen determinant i unei
anumite grupe de valori a celui de-al doilea fenomen determinat de primul. Ca atare cele dou
variabile ale tabelului de corelaie trebuie s fie mprite ntr-un numr egal de grupe de valori
pentru ca ele s se coreleze perechi.
Exemplu 1: ncercnd s stabilim dac ntre vrsta bolnavilor hipertensivi i valorile
TA exist sau nu o legtur de dependen, utilizm un astfel de tabel de corelaie n care una
din variabile (factorial) este reprezentat de grupa de vrst iar cealalt (determinat sau
rezultant) este reprezentat de grupele de valori ale TA.
Tabel nr. 19. Distribuia bolnavilor hipertensivi n raport cu grupa de vrst i valorile TA
Grupe de vrst
Valori TA
160-169,9 170-179,9 180-189,9 190-199,9
40-44 5
45-47 10
50-54 15
55-59 20
Se observ o legtur strns ntre creterea valorilor TA i naintarea n vrst, legtur
care va fi msurat printr-un coeficient de corelaie, care va fi studiat la capitolul respectiv.
Exemplul 2: dac dorim s stabilim ntr-o colectivitate dac ntre vrst i
parodontopatie exist o legtur de dependen sau nu, utilizm un astfel de tabel de corelaie n
care una din variabile (factorial) este reprezentat de grupele de vrst iar cealalt variabil
(determinat sau rezultant) este reprezentat de valori sau frecvene ale dinilor afectai
Tabel nr.20. Corelaia ntre grupele de vrst i numrul de dini afectai.
Grupa de vrst Nr. Dini cu paradontit
1-3 4-6 7-9 10-12 13-15 16-19
40-44 2
45-49 3
50-54 8
55-59 12
60-64 25
65-69 50
28
Distribuia frecvenelor n raport cu grupele de vrst i numrul de dini afectai de
parodontopatie reliefeaz faptul c ntre cele dou fenomene exist o legtur strns i direct
de dependent ntruct pe msura naintrii n vrst numrul dinilor afectai este mai mare.
Exemplul 3 Dac ne propunem s studiem starea de sntate a pdurilor n raport cu
decolorarea frunziului arborilor n funcie de altitudine, utilizm un tabel de corelaie, n care
una din variabile (factorial) este reprezentat de clasele de altitudine, iar cealalt variabil
(determinat) este reprezentat de valorile procentelor de arbori gsii n fiecare din cele 5
clase de decolorare.
Tabel nr. 21
C.3. REPREZENTAREA GRAFIC A MATERIALULUI STATISTIC
Tabelele, dei redau foarte exact aspecte cantitative ale unui fenomen cercetat, fiind n
acelai timp sintetice i sistematice, necesit totui o anumit pregtire de specialitate pentru a
putea fi urmrite i nelese. Ca atare ele pot fi utilizate n lucrri de cercetare tiinific
prezentate sub form de articole n reviste de specialitate care se adreseaz unui public cu
pregtire corespunztoare. Ele redau mai mult aspecte statice ale fenomenului cercetat.
ncrcarea tabelelor cu date referitoare la perioade lungi de timp ngreuneaz urmrirea si
nelegerea acestora.
Graficele, dei mai puin exacte dect tabelele, au o arie de utilizare mai larg ntruct
sunt mai intuitive, putnd fi urmrite i nelese mai uor de ctre un public mai larg.
ntruct pentru redarea diferitelor aspecte sau caracteristici ale fenomenului sau
fenomenelor cercetate, n cazul reprezentrii grafice, se folosesc semne convenionale (puncte,
linii, figuri geometrice etc.) cea ce permite reprezentarea concomitent pe acelai grafic a mai
multor fenomene, pe perioade mai lungi de timp, fr a ngreuna urmrirea i nelegerea
fenomenelor cercetate.
29
C.3.1. Condiiile ntocmirii unui grafic. Graficele nefiind altceva dect desene
tehnice, menite s redea ntr-o form ct mai sugestiv principalele aspecte ale fenomenelor
cercetate, trebuie s respecte o serie de condiii pentru a corespunde cerinelor tiinifice.
C.3.1.1. Titlul graficului. Ca i tabelele, graficul trebuie s aib un titlu care s
corespund acelorai exigene: adic s fie clar, concis i s redea coninutul, locul i data la
care se refer fenomenul reprezentat.
C.3.1.2. Coordonatele rectangulare ale graficului constituie scheletul pe care se
construiete reeaua grafic. Sistemul acestor coordonate se compune din dou drepte
perpendiculare una pe alta numite coordonate. Punctul n care aceste drepte se ntretaie se
numete origine i se noteaz cu O. Dreapta orizontal constituie axa absciselor (OX) iar
dreapta vertical axa ordonatelor (OY). Pe axa absciselor se nscriu de obicei valorile
variabilelor iar pe ordonat frecvenele lor de apariie. Pe axa absciselor se nscriu valorile
independente iar pe axa ordonatelor se nscriu valorile dependente. Prin ntretierea celor dou
drepte, iau natere patru cadrane pe care le numerotm cu cifre romane de la I la IV, n sens
invers acelor de ceasornic. Valorile pozitive se reprezint n cadranul nti.
CADRANUL II CADRANUL I
CADRANUL III CADRANUL IV
C.3.1.3. Scara sau scrile graficului constau din diviziuni notate pe axe care servesc la
msurarea absciselor i ordonatelor. Axele sunt transformate n scri, prin subdivizarea i
numerotarea acestora, constituind suportul scrii. n anumite situaii suportul scrii poate fi
constituit dintr-un cerc, semicerc sau arc de cerc. Notarea valorilor numerice ncepe de la
origine (O) i se face n dreptul limitelor sau punctelor ce subdivid axele. n cazul n care
subdivizarea scrii reprezint un interval valoric, atunci notarea scrii se va face la mijlocul
intervalului. Distana ntre dou diviziuni ale scrii se numete interval grafic. Dac intervalele
grafice sunt egale, fiind proporionale cu datele numerice, scrile sunt uniforme. Dac
intervalale grafice nu sunt egale cu cele numerice, legtura dintre ele derivnd dintr-o funcie,
scrile dintre ele se numesc neuniforme. Exemplu: grafice cu scri logaritmice sau
semilogaritmice.
C.3.1.4. Reeaua graficului este determinat de linii verticale, paralele cu ordonata i
linii orizontale, paralele cu abscisa. n cazul n care scrile sunt mprite n distane egale
reeaua graficului va fi uniform iar cnd scrile sunt mprite n distane inegale atunci
reeaua graficului poate fi logaritmic, iar atunci cnd una din scri este uniform iar cealalt
neuniform reeaua va fi semilogartimic.
C.3.1.5. Notarea n grafic a diferitelor variabile sau caracteristici se face folosind
semne convenionale, haurri diferite, culori diferite.
30
C.3.1.6. Legenda graficului este necesar numai n cazul reprezentrii mai multor
fenomene pe acelai grafic. Ea explic semnele convenionale folosite pentru reprezentarea
diferitelor variabile i se plaseaz n afara graficului, de obicei sub grafic n partea stng.
C.3.2 Tipuri de grafice. Graficele folosite pentru prezentarea materialelor statistice
sunt diferite, alegerea tipului de grafic fiind determinat de scopul urmrit. Cele mai frecvent
utilizate tipuri de grafice sunt urmtoarele:
C.3.2.1. Diagrama de structur. Este un grafic cu o singur scar i se utilizeaz n
situaia cnd vrem s redm ponderea sau greutatea specific pe care prile componente o au
n structura ntregului. Ea poate fi reprezentat cu ajutorul unui dreptunghi sau a unui cerc. n
acest caz suprafaa dreptunghiului sau cercului reprezint fenomenul n ntregime (100%) iar
prile componente ale fenomenului sunt reprezentate prin pri din suprafaa dreptunghiului
sau cercului, care vor fi haurate sau colorate diferit, corespunztor ca mrime cu ponderea sau
greutatea specific pe care prile o reprezint procentual n structura ntregului.
Diagrama de structur n dreptunghi red totalul unitilor ce compun fenomenul studiat
prin suprafaa dreptunghiului. mprim apoi latura dreptun-ghiului n 100 de pri egale, lund
pentru reprezentarea prilor componente ale ntregului, proporional attea diviziuni de pe
scar cte reprezint de fapt fiecare parte n structura ntregului, pe care le haurm sau colorm
diferit. La legend se explic semnele convenionale folosite pentru redarea diferitelor pri
structurale ale ntregului.
Exemplul 1: considernd numrul de bolnavi hipertensivi depistai cu ocazia
examenului clinic, ca reprezentnd 100% din fenomenul cercetat n cazul diagramei de
structur n dreptunghi suprafaa dreptunghiului va reprezenta totalitatea bolnavilor hipertensivi
iar prile componente vor fi proporionale cu valorile tensionale.
Grafic nr. 1
Structura pe grupe de valori TA ale bolnavilor hipertensivi n colectivitatea X anul Y
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
1
valori TA
190-199
valori TA
180-189
valori TA
170-179
valori TA
160-169
31
Exemplul 2: considernd numrul afeciunilor stomatologice, depistate cu ocazia
controlului medical periodic, ca reprezentnd 100% fenomenul cercetat, n cazul diagramei de
structur n dreptunghi, suprafaa acestuia reprezint totalul mbolnvirilor stomatologice. Dac
n cazul acestor mbolnviri noi ponderea acestora ar fi: 70% carii simple, 20% carii pulpit,
10% carii cu gangrena atunci prile din dreptunghi, luate proporional cu ponderea pe care
fiecare din cele trei cauze de mbolnvire o au n structura ntregului vor fi haurate diferit ca i
n graficul nr.2.
Grafic nr. 2
Structura pe cauze a mbolnvirilor stomatologice n colectivitatea X n anul 1990
Diagrama de structur n cerc red prin suprafaa cercului totalitatea fenomenului pe care vrem
s-l reprezentm grafic. Circumferina cercului se mparte n 100 pri egale; lum pentru
fiecare parte component a ntregului proporional numrul de diviziuni iar sectoarele de cerc
care reprezint prile componente le haurm diferit.
Exemplul 3: Repartiia fondului forestier pe forme de relief n anul 2004
Grafic nr.3
Exemplul 3: Repartiia lungimii rurilor din Romnia, pe clase de calitate, din punct de
vedere biologic, n anul 2004
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
carii cu
cangren
carii pulpit
carii simple
7%
35%
58%
munte
deal
cmpie
32
Grafic nr.4
C.3.2.2. Diagramele de comparaie se utilizeaz pentru prezentarea comparativ a dou sau
mai multe fenomene sau caracteristici. n acest scop se folosesc diagramele de comparaie prin
coloane i diagramele de comparaie prin suprafee.
C.3.2.2.1. Diagramele de comparaie prin coloane. Sunt grafice cu o singur scar.
Notarea scrii se face ncepnd totdeauna de la zero pentru a putea compara cu uurin
fenomenele reprezentate grafic. Se folosesc pentru a reda comparativ fie valori absolute fie
valori relative. Fenomenele prezentate n grafic sunt reprezentate prin coloane ce pornesc de la
zero i se ntind ca nlime pn la valoarea corespunztoare, pe scar, fiecrui fenomen. n
graficul alturat sunt reprezentate comparativ situaia natalitii (la ), mortalitii generale (la
) i excedentului natural de populaie. Fiecare coloan haurat diferit, reprezint unul dintre
cele trei fenomene ce se compar, avnd nlimi diferite, proporionale cu intensitatea
fenomenului reprezentat.
Grafic nr. 5
Natalitatea, mortalitatea i excedentul natural de populaie in Romnia n anul X
clasa V
8%
clasa IV
11%
clasa III
26%
clasa I
17%
clasa II
38%
clasa I
clasa II
clasa III
clasa IV
clasa V
33
Diagramele de comparaie prin coloane pot avea o scar vertical, ca n exemplul de
mai sus sau o scar orizontal ca n graficul numrul 4.
Grafic nr. 6 Piramida populaiei 2006
Grafic nr. 7 Dinamica arborilor vtmai n perioada 1990 2004 .FAG (%) clasele
de defoliere 2 4
C.3.2.2.2. Diagramele de comparaie prin suprafee se utilizeaz pentru compararea a dou
sau mai multe fenomene exprimate cantitativ. Mai frecvent se folosesc dreptunghiuri, ptrate,
triunghiuri, cercuri a cror suprafa este direct proporional cu fenomenele pe care le
reprezint.
Diagramele de comparaie n dreptunghi se folosesc spre exemplu pentru a reprezenta
comparativ volumul de munc realizat de dou colective de medici aparinnd de dou
policlinici diferite.
Grafic nr. 8 Volumul de munc realizat zilnic de medicii din policlinicile I i II n
trimestrul I n anul 1990.
0,00%
5,00%
10,00%
15,00%
20,00%
1
9
9
0
1
9
9
2
1
9
9
4
1
9
9
6
1
9
9
8
2
0
0
0
2
0
0
2
2
0
0
4
34
Suprafaa primului dreptunghi este determinat de produsul dintre numrul de medici
ncadrai n policlinica nr. 1 i numrul mediu de consultaii zilnice realizat de fiecare medic iar
suprafaa celui de-al doilea dreptunghi este determinat de produsul dintre numrul de medici
ncadrai n policlinica nr. 2 i numrul de consultaii realizat de acest colectiv. Din compararea
celor dou suprafee se observ cu uurin c medicii din policlinica 2 efectueaz un volum
zilnic de consultaii mai mare dect colectivul medical al policlinicii nr. 1
Diagrama de comparaie n cerc folosete suprafaa cercului pentru compararea a
dou sau mai multe fenomene. n acest caz suprafaa cercului este mai mare sau mai mic,
proporional cu mrimea fenomenului pe care l reprezint, raza fiecrui cerc - exprimat n cm
- fiind proporional cu volumul de munc din cele dou policlinici n cazul exemplului
anterior. Dup poziia celor dou cercuri reprezentnd dou fenomene ce se compar, putem
vorbi de diagrame de comparaie prin cercuri concentrice, cercuri izolate sau cercuri nscrise,
atunci cnd cele dou cercuri nu au acelai centru atingndu-se ntr-un singur punct al
circumferinei.
C.3.2.3. Grafice pentru distribuia de frecvene. Sunt grafice cu dou scri. Pe axa
absciselor se noteaz grupele de valori ale variabilelor cantitative iar pe ordonat se noteaz
valorile (absolute sau relative) ale frecvenelor care vor corespunde unor grupe de valori
cantitative ale caracteristicilor sau variabilelor de pe axa abscis. Pentru distribuia frecvenelor
se folosesc dou tipuri de grafice: histograma i poligonul de frecven.
C.3.2.3.1. Histograma folosete coloane pentru redarea frecvenelor fiecrei grupe de
valori ale variabilelor de pe abscis. Aceste coloane ocup tot intervalul grafic corespunztor
fiecrei grupe de pe abscis iar ca nlime se ntind pn la valoarea frecvenelor
35
corespunztoare, notate pe ordonat.
Exemplul 1: dac dorim s reprezentm grafic distribuia celor 50 de bolnavi
hipertensivi pe grupe de vrst cu ajutorul histogramei pe abscis vom nota grupele de vrst
din 5 n 5 ani prin intervale egale iar pe ordonat valorile absolute ale frecvenelor. Prin
coloane ce ocup intervalul fiecrei grupe de vrst de pe abscis reprezentm frecvena
hipertensivilor ce se ncadreaz n grupa respectiv de vrst.
Grafic nr. 9 Distribuia pe grupe de vrst a bolnavilor hipertensivi n colectivitatea X
n anul Y.
Exemplul 2: dac dorim s reprezentm un grafic incidena procentual a persoanelor
cu carii, pe grupe de vrst, cu ajutorul histogramei procedm n felul urmtor: mprim
abscisa pe grupe de vrst de cte 5 ani iar pe ordonat trecem n valori procentuale persoanele
cu carii dentare. Prin coloane ce ocup intervalul fiecrei grupe de vrst de pe abscis
reprezentm incidena (%) a cariei dentare n colectivitatea examinat.
Grafic nr. 10 Incidena % a persoanelor cu carii pe grupe de vrst n colectivitatea X
anul Y.
36
Grafic nr.11 Distribuia tuturor nlimilor ntr-o populaie adult a localitii X n anul
Y
C.3.2.3.2. Poligonul de frecven se utilizeaz tot pentru reprezentarea grafic a distribuiei
frecvenelor unui fenomen la un moment dat. El difer de histogram prin faptul c pentru
reprezentarea grafic a frecvenelor folosete puncte ce se nscriu la mijlocul fiecrui interval
de clas de pe abscis i la nlimea corespunztoare valorii frecvenelor nscrise pe ordonat.
Aceste puncte se unesc prin linii drepte pornind de la nlimea primei valori, rezultnd un
grafic de tip liniar. Referindu-ne la aceleai date prezentate pentru histogram vor rezulta
urmtoarele reprezentri grafice:
0,00%
5,00%
10,00%
15,00%
20,00%
25,00%
30,00%
35,00%
150-154
155-159
160-164
165-169
170-174
175-179
180-184
185-189
190-194
195-200
37
Grafic nr. 12 : Poligonul de frecvene pentru distribuia tuturor nlimilor ntr-o
populaie adult a localitii X n anul Y
C.3.2.4. Graficele pentru evoluia n timp. Pentru reprezentarea grafic a evoluiei n
timp a unuia sau mai multor fenomene cercetate, avem dou tipuri de grafice: istoriograma i
diagrama polar.
C.3.2.4.1. Istoriograma sau cronograma. Este un grafic cu dou scri. n cazul
istoriogramei axa absciselor este mprit n grade de timp (ore, zile, sptmni, luni, trimestre,
semestre, ani, grupe de ani) iar axa ordonatelor este mprit n grupe de valori (absolute sau
relative) ale frecvenelor fenomenului cercetat. Spre exemplu, examinnd din punct de vedere
stomatologic populaia dintr-o colectivitate rural timp de 5 ani, (1965-1969) s-a stabilit
incidena persoanelor cu carii dentare, pulpit i gangren. Pentru a reprezenta grafic evoluia
acestor mbolnviri pe cei 5 ani n care am examinat populaia respectiv, n cazul
istoriogramei mprim abscisa n 5 pri egale, reprezentnd cei 5 ani cercetai iar pe ordonat
stabilim incidena (%) a persoanelor bolnave. Proporia persoanelor care prezint carii, pulpite
i gangrene, o reprezentm prin puncte ce se nscriu la mijlocul fiecrui interval de clas de pe
abscis i la nlimea valorii corespunztoare de pe ordonat. Se unesc apoi punctele prin linii
drepte pornind de la nlimea primei valori.
Grafic nr. 13 Incidena persoanelor cu carii pulpite i gangrene n colectivitatea X n
anii 1965-1969.
0,00%
10,00%
20,00%
30,00%
40,00%
50,00%
60,00%
70,00%
1965 1966 1967 1968 1969
gangrene
pulpite
carii
0,00%
5,00%
10,00%
15,00%
20,00%
25,00%
30,00%
35,00%
150-
154
155-
159
160-
164
165-
169
170-
174
175-
179
180-
184
185-
189
190-
194
195-
200
38
Grafic nr. 14 Nivelul de tritiu n apa potabil din Cernavod, Clrai i Slobozia, n
anul 2004 (sursa: Agenia Naional Pentru Protecia Mediului)
C.3.2.4.2. Diagrama polar se utilizeaz atunci cnd vrem s reprezentm variaiile
lunare sau sezoniere ale unui fenomen n raport cu media sa anual. Pentru aceasta folosim fie
cercul fie sistemul cartezian.
Exemplul 1: dac dorim s reprezentm evoluia lunar a mortalitii infantile
comparativ cu media anual i dispunem de urmtoarele date media anual = 24.16 , iar
evoluiile lunare sunt:
luna I = 25 .
luna II = 30 .
luna III = 25 .
luna IV= 20 .
luna V = 20 .
luna VI = 25 .
luna VII = 15 .
luna VIII = 30 .
luna IX = 20 .
luna X = 25 .
luna XI = 20 .
luna XII = 35 .
n cazul diagramei polare n cerc pentru a reprezenta grafic evoluia lunar a mortalitii
infantile mprim circumferina cercului n 12 pri egale corespunztoare celor 12 luni ale
anului i prin sectoare de cerc cu raze mai mari sau mai mici, proporionale, reprezentm
mortalitatea infantil a fiecrei luni. Media anual va fi reprezentat de circumferina cercului
iar sectoarele de cerc vor reprezenta printr-o raz mai mic sau mai mare valori mai mari sau
mai mici ale evoluiei lunare ale fenomenului.
n cazul folosirii sistemului cartezian pentru reprezentarea aceluiai fenomen, mprim
abscisa n 12 pri egale, corespunztoare celor 12 luni ale anului iar pe ordonat notm valorile
mortalitii infantile (.). La nlimea corespunztoare a valorii medii anuale a mortalitii
infantile se trage o linie paralel cu abscisa iar valorile lunare se reprezint prin puncte ce se
nscriu la mijlocul fiecrui interval de pe abscis i la nlimea valorii corespunztoare de pe
ordonat.
39
n sistem cartezian reprezentarea grafic privind fenomenul de mai sus va fi urmtoarea:
Grafic nr. 9 Evoluia lunar comparativ cu media anual a mortalitii infantile n
colectivitatea X n anul Y.
Grafic nr. 10 Variaia lunar i tendina ozonului total, Bucureti (Ianuarie 1980
Ianuarie 2005) Sursa Agenia Naional pentru Protecia Mediului.
C.3.2.5. Graficele pentru distribuia n spaiu sunt: cartograma i cartodiagrama.
Cartograma utilizeaz, pentru reprezentarea grafic a aspectelor cantitative ale unui
fenomen, hrile teritoriului n care are loc fenomenul. Variaiile cantitative ale fenomenului se
haureaz mai intens atunci cnd fenomenul prezint aspecte negative i mai puin intens cnd
aspectele fenomenului sunt pozitive, respectnd mprirea administrativ. Semnele
convenionale sau haurrile diferite ca intensitate, folosite pentru redarea fenomenului n
teritoriile respective, se explic n legend.
Cartodiagrama folosete pentru reprezentarea grafic a diferitelor aspecte ale unui
fenomen n teritoriu, tot hrile geografice.
Cartodiagrama reprezint intensitatea fenomenului cercetat prin coloane care, fie c
sunt egale ca nlime dar haurate diferit ca intensitate, fie sunt diferite ca nlime,
0,00%
5,00%
10,00%
15,00%
20,00%
25,00%
30,00%
35,00%
40,00%

L
u
n
a

I
L
u
n
a

I
I
L
u
n
a

I
I
I
L
u
n
a

I
V
L
u
n
a

V
L
u
n
a

V
I
L
u
n
a

V
I
I
L
u
n
a

V
I
I
I
L
u
n
a

I
X
L
u
n
a

X
L
u
n
a

X
I
L
u
n
a

X
I
I
media anual variaia lunar
40
corespunznd valorilor fenomenului cercetat.
CARTOGRAMA
CARTODIAGRAMA
C.3.2.6. Graficele prin simboluri se utilizeaz numai atunci cnd ne adresm unui
public larg care nu are o pregtire de specialitate. n acest caz pentru a atrage atenia asupra
fenomenului pe care vrem s-l prezentm, folosim diferite simboluri (cldiri, paturi etc.)
proporionale cu intensitatea fenomenului respectiv. Astfel pentru a reprezenta grafic evoluia
41
numrului de paturi de asisten medical din ar ntr-o anumit perioad de timp folosim
simbolul unui pat multiplicat la diferite scri n raport cu creterea numrului de paturi.
C.3.2.7. Graficele speciale sunt: graficul cumulativ, nomograma, stereograma i
graficele cu scri neuniforme (semilogaritmice i logaritmice).
Graficul cumulativ l folosim atunci cnd vrem s reprezentm i s citim pe grafic
att totalul frecvenelor unui fenomen ct i efectivul unei sau mai multor pri ce compun
fenomenul studiat. Acest tip de grafic are 3 trsturi distincte: - frecvenele fiecrei clase de pe
abscis, nsumeaz sau cumuleaz frecvenele claselor anterioare iar notarea acestora pe
ordonat se face la nivelul valorilor nsumate; - notarea valorilor frecvenelor se face la
extremitatea dreapt a fiecrui interval de clas de pe abscis; trasarea dreptei ce unete valorile
frecvenelor ncepe de la zero.
Spre exemplu dac dorim s reprezentm volumul anual de activitatea unui cabinet
medical i avem posibilitatea s urmrim volumul trimestrial al acestei activiti folosim
graficul cumulativ. n acest caz pe abscis notm lunile anului iar pe ordonat valorile cumulate
corespunztoare fiecrei luni.
Grafic nr. 11 Volumul cumulativ de activitate la nivelul unui dispensar medical n anul X.
Nomograma difer de tipurile de grafice descrise anterior prin faptul c are dou sau
mai multe scri cunoscute cu ajutorul crora putem determina o a treia sau a patra scar
necunoscut. Nomogramele nu sunt altceva dect desene tehnice fcute de specialiti care, pe
baza unui numr mare de determinri sau msurtori au stabilit c ntre diferite fenomene exist
corelaii funcionale, matematice. Odat ntocmite ele uureaz determinarea unor fenomene
sau constante necunoscute, scutind pe cercettor de un volum mare de munc. Nomogramele se
folosesc mai frecvent n tiinele tehnice. Spre exemplu pentru a stabili suprafaa corporal
necesar determinrii metabolismului bazal ne folosim de o nomogram care pe baza
cunoaterii nlimii i greutii corporale, ne ofer posibilitatea cunoaterii suprafeei
tegumentelor. Sau cunoscnd numrul de eritrocite i valoarea hemoglobinei (g%) putem
determina pe o a treia scar valorile volumului eritrocitar mediu (VEN) necesar stabilirii tipului
de anemie.
42
Grafic nr. 12 NOMOGRAM
Profilurile grafice se utilizeaz n situaia n care dorim s reprezentm grafic
fenomene ce se caracterizeaz prin mai multe caracteristici. n asemenea situaie profilurile
grafice sunt singurele grafice plane care permit interpretarea rapid a mai multor caracteristici.
Exist profiluri grafice liniare i polare.
Profilul grafic liniar se folosete pentru a compara valorile diferitelor caracteristici cu
valorile medii ale acestora, reprezentate prin linia zero. De exemplu dac dorim s comparm
diferitele caracteristici (TA sistolic, TA diastolic, greutatea, frecvena pulsului etc.) cu
valorile medii ale acestor caracteristici reprezentate prin linia notat cu zero efectum
urmtorul grafic: Profil grafic liniar
-3 -2 -1 0 + 1 +2 +3
TA sistolic 110 120 130 140 150 * 160 170
TA diastolic 80 85 90 * 95 100 105 110
Greutate 60 64 68 72 76 80 * 84
Frec. puls 64 68 72 76 * 80 84 88
De o parte i de alta a liniei zero marcm diferenele n plus i n minus de la media
caracteristicii respective. Apoi notm prin puncte valorile concrete ale acestor caracteristici pe
care le gsim la un anumit individ. Unind aceste puncte vom obine un profil grafic liniar care
ne arat variaiile caracteristicii la un individ fat de media colectivitii.
Profilul grafic polar utilizeaz mai multe cercuri concentrice echidistante ntre ele,
mprite n segmente. Fiecare segment reprezint o caracteristic a fenomenului cercetat, iar
43
fiecare cerc nscris reprezint o valoare scalar diferit. Cercul mijlociu este considerat cercul
zero i reprezint media diferitelor caracteristici.
Profilurile grafice se folosesc des n antropometrie, aprecierea unor stri medico-
sociale, controale ale dezvoltrii psihice, studii biometrice etc. Profilurile n zig-zag denot o
situaie aberant, anormal, nearmonic, spre deosebire de profilurile drepte care arat o
situaie uniform, armonic dar cu ct valorile sunt mai apropiate de linia zero sau de cercul
zero cu att individul va prezenta valori normale.
EXEMPLU S presupunem c ne intereseaz proporia brbailor maturi care au nlimea
cuprins ntre 176 i 180 cm, ntr-o anumit populaie uman. n acest scop mprim populaia,
s zicem, n 10 pri aproximativ egale i extragem din fiecare parte un eantion de (s zicem)
10 indivizi. Fcnd msurtorile necesare constatm c 20 dintre cei 100 de brbai extrai au
nlimea cuprins n intervalul considerat. Numrul de elemente la care se ntlnete caracterul
sau proprietatea cercetat() reprezint frecvena absolut (f
abs
) a acelui caracter sau a unei
anumite clase n care este inclus acel caracter, aa cum este cazul luat n considerare mai sus. n
acest caz, f
abs
= 20. Mai important i mai relevant este ns frecvena relativ a unui caracter
(sau a unei clase), care se exprim de obicei procentual. n cazul de fa f
rel
= 20/100 = 20%.
Dac efectivul total cercetat este exprimat ca o unitate (adic egal cu 1), atunci frecvena
relativ se exprim ca o probabilitate. n cazul de mai sus, aceast probabilitate este p = 0,2.
Dac dorim s extindem studiul, urmrind distribuia tuturor nlimilor n populaie,
atunci vom mri numrul de straturi i/sau de eantioane astfel nct s extragem un numr mai
mare de elemente, de exemplu 1000. Msurm nlimea celor 1000 de indivizi i le aranjm n
ordine cresctoare. Obinem astfel un ir de variaie. mprim acum irul n mai multe grupe
sau clase de nlime, alegnd un interval convenabil de clas. S presupunem c nlimile
msurate au variat de la 150 pn la 200 cm iar intervalul de clas ales este 5 cm. Se obin
astfel 10 clase, a cror efective i frecvene relative sunt prezentate n urmtorul tabel (Tabel
VI.l).
Tabel. VI. 1
Interval de clas 150-
154
155-
159
160-
164
165-
169
170-
174
175-
179
180-
184
185-
189
190-
194
195-
200
Efectiv
2 25 76 173 300 220 124 57 20 3
Frecven (%) 0,2 2,5 7,6 17,3 30,0 22,0 12,4 5,7 2,0 0,3
Intervalele de clas se aleg astfel nct s nu apar ambiguiti. Din acest motiv sfritul
unei clase i nceputul celei urmtoare nu va fi marcat prin valori identice. De exemplu, prima
clas nu este 150-155 cm pentru c a doua ncepe chiar cu 155 cm. Totodat, prin convenie,
valorile ce nu apar explicit (aparent cuprinse ntre dou clase) fac parte din clasa ce le precede.
n acest sens, de exemplu, limita de clas 154 nseamn de fapt 154,99... etc. n continuare,
44
fiecare clas este tratat ca fiind reprezentat de media clasei. n cazul unei distribuii continui
media clasei este reprezentat ntotdeauna printr-un membru al clasei, n timp ce ntr-o
distribuie discret este posibil ca media clasei s nu reprezinte o valoare real a irului. Cu
toate acestea, n ambele cazuri, valorile din interiorul unei clase se trateaz ca i cum ar fi egale
ntre ele i (evident) egale cu media clasei. n felul acesta munca de analiz i interpretare se
simplific mult, iar dac intervalul de clas a fost potrivit ales reprezentarea nu este deformat.
Se observ din tabel c frecvenele variaz de la o clas la alta, cele mai mari valori
prezentndu-le clasele din mijloc, eventual o anumit clas central. Punnd intervalele de
clas (sau mediile claselor) pe abscisa unui grafic, iar efectivul sau frecvena claselor pe
ordonat, putem construi o serie de dreptunghiuri care au ca baz tocmai intervalul de clas,
nlimea lor fiind egal cu efectivul sau frecvena clasei. Figura rezultat este histograma de
frecvene. Dac se unesc mijloacele bazelor superioare ale dreptunghiuri lor prin segmente de
dreapt, obinem poligonul de frecvene. n mod similar se pot construi histograma i
poligonul de efective (dac pe ordonat am prezentat efectivul).
Dac studiul se extinde la un numr extrem de mare de elemente, putem micora din ce
n ce mai mult intervalele de clas, astfel nct la limit (cnd numrul claselor tinde la infinit)
poligonul de frecvene devine o curb (de frecvene). n felul acesta se poate obine o distribuie
(cvasi)continu a caracterului studiat (nlimea, n cazul de fa). Este evident c atunci cnd
micorm intervalul de clas i cretem numrul claselor este nevoie s cretem i numrul
elementelor luate n studiu, altfel riscm ca unele clase s nu conin suficiente elemente (sau,
chiar de loc).
Nu toate distribuiile arat ca cea din figura de mai sus. Pentru caracterizarea i
compararea diferitelor distribuii se definesc i utilizeaz o serie de mrimi numite parametri
sau indici statistici.
45
2.2. INDICI STATISTICI
Exist dou categorii de indici care caracterizeaz o distribuie: valorile tipice i indicii
de dispersie.
Valorile tipice sunt n general valori medii care descriu (dau) punctele n jurul crora se
ngrmdesc (concentreaz) cele mai multe elemente din ir.
Cea mai important valoare tipic este media aritmetic ( x ). Ea se definete n felul
urmtor:
n
x
x
n
1 i
i
=
=
Se observ c ea reprezint raportul dintre suma valorilor elementelor din ir i numrul total
de elemente (observaii = n).
Proprieti ale mediei aritmetice:
- Orice valoare a seriei este luat n considerare n calculul mediei.
- Valorile extreme pot influena media aritmetic distrugndu-i
reprezentativitatea.
- Media aritmetic se situiaz printre valorile seriei de date.
- Suma diferenelor dintre valorile individuale din serie i medie este zero.
Media aritmetic ponderat este dat de suma produselor dintre valorile variantelor i
frecvenele corespunztoare fiecrei variante, raportat la numrul total al frecvenelor.

=
=
=
n
1 i
i
n
1 i
i i
w
x w
x
Pentru un ir exponenial se recomand calcularea mediei geometrice:
n 2 1 g
....x x x x = . ntruct efectuarea unei nmuliri repetate duce la numere greu
manevrabile, iar extragerea radicalului de ordinul n (unde n > 2) nu este de loc simpl, se
prefer calculul mediei prin logaritmarea lui
g
x i apoi exponenierea rezultatului. Scriind
log
g
x = (l/n)logx
i
obinem prin calcule relativ simple un numr. Dac-1 notm cu X,
presupunnd c lucrm cu logaritmi zecimali, rezult c
g
x = 10
X
.
Mediana este o medie de poziie. Ea reprezint acea valoare din irul ordonat dup
mrime ce se situeaz la egal distan de capetele irului (valorile extreme). Pentru iruri pare,
ea se calculeaz dup formula M = n/2, iar pentru iruri impare M = (n+1)/2.
O alt valoare tipic important este modul sau valoarea dominant. Ea reprezint
valoarea care se ntlnete cel mai frecvent n ir. n cazul n care gruparea se face pe clase, se
poate vorbi despre clasa dominant. Exist distribuii care au mai mult dect un singur mod
(valoare sau clas dominant). O distribuie bimodal sau plurimodal sugereaz o anumit
46
neomogenitate a populaiei studiate (originea acestei neomogeniti poate fi foarte divers).
Indicii de dispersie. Distribuia nu poate fi caracterizat numai prin valorile sale tipice.
Pentru a cunoate mai bine distribuia avem nevoie de unele indicaii asupra variabilitii
irului, respectiv trebuie luat n considerare gradul de mprtiere (dispersie) a valorilor irului
fa de punctele de concentrare. Aceasta se face prin intermediul aa-numiilor indici de
dispersie ce vor fi prezentai n continuare.
Amplitudinea (irului) este definit ca intervalul de variaie sau ntindere a unui ir i
se calculeaz ca diferena dintre cea mai mare i cea mai mic valoare a irului.
A = X
max
- X
min
.
X
max
=max{X
1
,,X
n
}
X
min
= min {X
1
,,X
n
}
Abaterea central (A
c
) sau deviaia (d
i
) reprezint diferena dintre fiecare valoare a
irului i media sa aritmetic:
A
c
= d
i
= x
i
- x
Media deviaiei (de la medie) :
n
x x
AD
n
i
X

=

=
1
Ca o msur a mprtierii globale se definete fluctuaia sau varianta, notat o
2
:
, ,
n
x x
n
d

2
i
2
i 2


= = , pentru seriile simple i
, ,
n
x x

2
i 2


=
i
w
, pentru seriile statistice grupate, unde w
i
reprezint frecvenele.
Rdcina ptrat a variantei se numete abatere medie ptratic sau deviaie
standard i este un parametru de dispersie la fel de important ca varianta (conine aceeai
informaie ca varianta), ns este mai frecvent utilizat:
n
d

2
i
=
Deoarece valoarea absolut a lui o depinde nu numai de gradul de mprtiere a
valorilor irului (adic de abaterile centrale), ci i de mrimea valorilor din ir, pentru a putea
compara dou iruri din punct de vedere a variabilitii se procedeaz la normalizarea lui
prin mprirea cu media aritmetic (care la irurile formate din valori mai mari este i ea
corespunztor mai mare). Prin nmulirea acestui raport cu 100% se obine aa-numitul
coeficient de variabilitate
47
C
v
= (o/ x )100% (VI.6)
Observaii:
1. dac CV este sub 10% atunci populaia poate fi considerat omogen;
2. dac CV este ntre 10%-20% atunci populaia poate fi considerat relativ
omogen;
3. dac CV este ntre 20%-30% atunci populaia poate fi considerat relativ
eterogen;
4. dac CV este peste 30% atunci populaia poate fi considerat eterogen.
Deviaia standard (o) poate fi interpretat ca o abatere absolut de la medie sau ca o
eroare absolut a mediei, n timp ce coeficientul de variabilitate ar reprezenta un fel de eroare
relativ. O s vedem n continuare c deviaia standard are mare importan n stabilirea
apartenenei unui element la un ir (sau a unui eantion la o populaie) precum i n compararea
diferitelor eantioane sau populaii. La fel de importante vor fi i alte mrimi derivate de la o.
2.3. DISTRIBUII STATISTICE IDEALE (TEORETICE)
Distribuiile empirice obinute la prelucrarea datelor experimentale pot fi comparate cu
anumite distribuii teoretice (ideale sau perfecte), iar asemnarea cu una dintre ele ne poate
uura munca de cercetare i sugera o serie de explicaii. S vedem cteva astfel de distribuii.
a) Distribuia binomial (Bernoulli) are loc n condiiile existenei unei alternative,
dac probabilitatea de apariie a unei eventualiti este constant de la o prob la alta (de la o
extragere la alta). S considerm n acest sens cazul a dou gene alele, A i a, care determin
apariia de flori albe i respectiv roii ntr-o populaie de mazre (Pisum). Fiecare gamet
conine una din cele dou alele. Fie p probabilitatea ca o celul reproductiv s conin alela A
i q = 1 - p probabilitatea de a conine alela a. Vom scrie, n acest sens:
P(A) = p i P(a) = q = 1 - p
Cnd gametul mascul ntlnete gametul femei (ovulul) poate rezulta urmtorul cmp
de evenimente compuse (produs cartezian de perechi)
{AA, Aa, aA, aa}
Din punct de vedere fenotipic nu exist nici o diferen ntre heterozigoii Aa i aA (nu
are importan dac gametul A sau a provine de la tat sau de la mam). Conform regulii de
calcul a probabilitii acestui tip de evenimente rezult: P(AA) = P(A) P(A) = p
2
; P(Aa) = pq;
P(aA) = qp = pq; P(aa) = q
2
. Suma probabilitilor acestor evenimente va fi
p
2
+ 2pq + q
2
(VI.7)
Coeficienii de distribuie a probabilitilor pentru cele 3 clase de distribuie vor fi deci 1:2:1,
corespunztor fenotipurilor AA (homozigot alb), Aa (heterozigot) i aa (homozigot rou). Se
48
constat c aceti coeficieni sunt tocmai termenii distribuiei coeficienilor binomului (p+q)
n
,
unde n se numete numr de repetiie sau de extracie (n cazul de mai sus n = 2). Coeficienii
acestui tip de distribuie pot fi calculai cel mai simplu prin aa-numitul triunghi al lui Pascal.
Acesta este format din iruri de numere aezate unul sub cellalt, pe primul rnd gsindu-se
cifra 1, ce constituie vrful triunghiului. Celelalte rnduri vor avea fiecare un numr de cifre cu
unu mai mare dect precedentul, extremitile fiind constituite din cifra 1, iar cifrele din mijloc
reprezentnd ntotdeauna suma cifrelor din rndul superior aflate la dreapta i la stnga unei
cifre din rndul inferior, aa cum se poate observa i mai jos
1 n = 0
1 1 n = l
1 2 1 n = 2
1 3 3 1 n = 3
1 4 6 4 1 n = 4
1 5 10 10 5 1 n = 5
1 6 15 20 15 6 1 n = 6
1 7 21 35 35 21 7 1 etc.
etc.
Pentru completitudine, coeficientul 1 din primul rnd poate fi considerat ca rezultatul
dezvoltrii binomului (p+q)
0
, celelalte rnduri corespunznd dezvoltrilor binomului p+q la
puteri succesiv cresctoare (1, 2, 3 etc.). Se poate observa c distribuia binomiala este discret.
Dac p = q, atunci este i simetric. n acest caz, pentru n = 10, histograma distribuiei arat
asemntor cu ceea ce am vzut n Fig.VI.l, cu deosebirea c aceast histogram este simetric.
Media unei astfel de distribuii se calculeaz dup formula x = m = np, iar deviaia
standard va fi npq = . Aplicnd aceste formule distribuiei sexelor ntr-o familie cu 4 copii
(innd seama c p = q = 1/2) rezult m = 4(1/2) = 2, iar ) 4(1/2)(1/2 = = 1.
b) Distribuia Poisson este numit i legea evenimentelor rare. Pentru descrierea
matematic a acestui model de dispersie s considerm o figur geometric regulat, s zicem
un dreptunghi (de exemplu, o tabl pus pe un perete), pe care l (o) divizm ntr-un anumit
numr de ptrate (s zicem 10). Dac cineva ne introduce n camer cu o legtur pe ochi i ne
cere s aruncm cu mingea n peretele din fa, atunci putem presupune ca aruncrile noastre
vor fi la ntmplare, fiecare ptrat avnd aceeai probabilitate de a fi lovit, p
i
=1/10. Repetm
aruncarea de un numr mare de ori (n) i considerm c fiecare ncercare este independent una
de cealalt. Fie x =k numrul de lovituri care ating un anumit ptrat. n statistica acest numr
se numete valoare ateptat sau mai simplu ateptare sau speran. Dac ne intereseaz
lovirea repetat a unui anumit ptrat, aceasta reprezint ceea ce noi am numit eveniment
compus de tip intersecie. Probabilitatea acestui eveniment va fi de forma unui produs de n
termeni, ceea ce d p = p
i
n
= (l/10)
n
= 1/10
n
. Se observ c atunci cnd n probabilitatea p
0. Totui, probabilitatea de reuit ntr-un numr finit n de aruncri este diferit de zero i
depinde esenial de numrul mediu de succese sau de aa numita valoare medie a ateptrii,
49
notat de obicei cu m. Aceasta se calculeaz dup formula m= n p (p fiind probabilitatea unei
reuite), de unde p = m/n. Matematicienii au stabilit c, innd seama de valoarea medie a
ateptrii, probabilitatea a k ncercri reuite (k succese) ntr-o serie de n aruncri este dat de
urmtoarea ecuaie:
m k
(k)
e
k!
m
P

= (VI.8)
Dac n formula deviaiei standard pentru distribuia binomial, npq = , nlocuim p = m/n i
q = 1 p = l - m/n, rezult
|

\
|
=
|

\
|
=
n
m
1 m
n
m
1
n
m
n
Cnd n este un numr mare, raportul m/n tinde la zero, iar deviaia standard devine =
m.
n general, dac p < 0,03 iar n are valori mari putem presupune existena unei distribuii
de tip Poisson. O astfel de distribuie o reprezint de exemplu numrul dezintegrrilor
radioactive n timp. n acest caz, asimilnd pe o cu eroarea absolut, media observaiilor (m) va
fi afectat de eroarea o = m. Dac am nregistrat (de exemplu) 225 de dezintegrri pe minut
atunci eroarea absolut a observaiei este 225 = 15, iar media m = 225 15. Distribuia
moleculelor unui gaz dup viteza pe care o posed este tot o distribuie de tip Poisson. n
biologie se poate cuta o distribuie Poisson ori de cte ori e vorba de evenimente cu
probabilitate mic de apariie, dar constant. Astfel este repartiia celulelor sanguine n ptratele
reelei de numrat, dezvoltarea coloniilor de bacterii antibiotic-rezistente n medii de cultur
tratate, distribuia unor specii vegetale ntr-un anumit areal etc. Trebuie precizat ns c, cel
puin n ultimul caz menionat, este posibil s apar i alte tipuri de distribuii. Grafic, o
distribuie Poisson se prezint printr-o curb asimetric cu o coad din ce n ce mai subire
ctre valori mari ale lui k.
c) Distribuia normal (Gauss-Laplace) este o distribuie continu i simetric, cu rol
fundamental n statistic. Grafic, ea se reprezint printr-o curb n form de clopot, cu ramuri
ce se ntind pn la , numit i curb normal sau curba lui Gauss (Fig.VI.2).
Att distribuia normal ct i cea Poisson sunt legi de repartiie a unor variabile
discrete. Dac presupunem c ntr-o distribuie binomial numrul de extracie n crete foarte
mult atunci numrul dreptunghiurilor din histogram crete i el, baza fiecrui dreptunghi
reducndu-se tot mai mult, astfel c pentru n vom obine n locul poligonului de frecvene
o curb. Cu alte cuvinte curba normal ar putea fi generat pornind de la o distribuie simetric
discret dac facem ca numrul de clase n s tind la infinit. n acelai timp, pentru generarea
curbei normale, originea acestei distribuii trebuie mutat n punctul de coordonate ( x , 0),
adic n media distribuiei.
50
Prin mutarea originii n x fiecare valoare de pe abscis (x) devine x = x - x . n plus,
dac noua abscis este gradat n uniti o (o = deviaia standard a distribuiei), se obine o
nou variabil numit abatere redus u = x/o = (x - x )/o. Funcia de distribuie
corespunztoare va fi:
f(u) =
2
u
2
e
2
1

(VI.9)
n aceast expresie 2 reprezint un factor de normare astfel nct integrala de la - la +
din f(u) s fie egal cu 1, adic s corespund probabilitii unui cmp complet de evenimente.
Aceast integral poate fi interpretat ca reprezentnd aria de sub curb sau efectivul total al
distribuiei. Dei, teoretic, clasele de frecven ale distribuiei se ntind de la - la + ,
majoritatea populaiei (circa 68%) se distribuie n intervalul de la - o la + o, adic
0,68 f(u)du

=
}
+

Dup acelai criteriu, ntre x 2o se afl circa 95% din efectiv, iar ntre x 3o peste
99% (aproximativ 99,7%) din efectiv.
Dup o astfel de lege normal se distribuie i variaiile ntmpltoare ale indivizilor ntr-
o populaie/specie. Dac studiem un anumit caracter i considerm ca normal ceea ce se
ntlnete la 95% dintre indivizi, atunci am stabilit implicit c intervalul de normalitate este x
2o. Dac vrem s fim mai precaui, stabilim intervalul de normalitate ca fiind x 3o. n mod
obinuit, ns, intervalul de normalitate este considerat a fi x 2o.
Pe aceast baz putem stabili apartenena unei valori observate la un ir de variaie,
presupunnd c distribuia este normal.
Exemplu: Dac media nlimii brbailor maturi ntr-o populaie izolat este x = 170
cm, iar deviaia standard este o = 5 cm, se pune ntrebarea dac un individ cu nlimea x = 186
cm face sau nu parte din populaie. Considernd intervalul de normalitate x 2o rezult
51
x 2o = 170 25 = 170 10 = 160 180 cm
Concluzie: Individul cu nlimea de 186 cm nu face parte din populaie, sau, mai exact,
el nu se gsete printre cei 95% considerai normali pentru populaia studiat. A se observa c
fcnd aceast afirmaie ne asumm riscul de a grei n 5% din cazuri. De fapt, riscul de eroare
este mai mic (mai exact < 1%) pentru c individul considerat se afl chiar n afara intervalului
x 3o (155 185 cm).
Mai general, apartenena unui element la un ir de observaii, care nu este neaprat un
ir normal, respectiv eliminarea unei observaii dintr-un ir ca fiind aberant (eronat) se face
pe baza unui criteriu de eliminare propus de Chauvenet. Acest criteriu afirm c o observaie
poate fi eliminat ca aberant dac se afl n afara intervalului x oo, unde o este o constant
numeric ce variaz uor n raport de numrul de observaii din ir, aa cum este prezentat n
tabelul de mai jos (Tabel VI.2).
Tabel VI.2
n 5 6 7 8 9 10 12 14 16 18 20
o 1,68 1,74 1,80 1,86 1,91 1,96 2,03 2,10 2,15 2,18 2,20
Exemplu: Fie irul 1, 5, 5, 6, 6, 6, 6, 7, 7, 7, 10. Prin calcul se afl x = 6,6 i o ~ 2,145.
Aplicnd criteriul pentru n = 11 (cnd o = 2) rezult
x oo = 6,6 2(2,145) = 6,6 4,29 = 2,31 10,89
Se observ c valoarea 1 este n afara acestui interval. Dup eliminarea acestei valori ca
fiind o observaie eronat (aberant) se calculeaz media aritmetic i deviaia standard pentru
noul ir i se reaplic criteriul lui Chauvenet (pentru n = 10, o = 1,96). De aceast dat se va
observa c i valoarea 10 este aberant. Dup eliminarea acesteia, irul rmas este omogen i
aplicarea criteriului Chauvenet nu mai duce la eliminarea altor elemente din ir.
52
2.4. PROBLEME DE ESTIMAIE I COMPARAIE
STATISTIC
Principiul estimaiei statistice const n aceea c pornind de la unul sau mai multe
eantioane vom putea accepta ca satisfctoare o anumit valoare medie a populaiei. Dac am
gsit pentru eantion (eantioane) valoarea medie x , atunci vom admite c populaia are o
medie apropiat, s zicem X , astfel nct cea mai probabil extragere s fie cea a unui eantion
cu media x . Mai mult, putem spune c media populaiei, X , va fi cuprins ntre o limit
inferioar X
i
i una superioar X
s
cu o probabilitate de (s zicem) 95%. Stabilind astfel
intervalul de siguran, admitem c putem grei n 5% din cazuri. Aceast probabilitate de
eroare se numete prag de semnificaie sau probabilitate de asigurare statistic. n biologie se
recomand s se lucreze la praguri de semnificaie mai mici dect 5% (p < 0,05).
Probleme de comparaie statistic se ntlnesc cnd comparm dou distribuii de
frecvene, cnd comparm un parametru cu valoarea sa admis teoretic, cnd stabilim diferena
ntre un lot martor i unul tratat (prin compararea unui parametru/unor parametri) sau, mai
general, cnd stabilim apartenena unui eantion la o anumit populaie. n esen, aceast
problem se rezolv prin aplicarea principiului ipotezei nule. Conform acestei ipoteze se
presupune c cele dou loturi (eantioane) ar proveni din aceeai populaie (adic ntre ele n-ar
exista o diferen real) i c diferenele observate s-ar datora ntmplrii (fluctuaiilor de
eantionaj). Se calculeaz apoi probabilitatea teoretic de a extrage din acea populaie dou
eantioane ntre mediile crora s existe o diferen mai mare sau cel puin egal cu cea gsit
de noi, dup care se procedeaz n felul urmtor:
- Dac probabilitatea teoretic de extracie este mai mare dect 5% (p > 0,05), ipoteza
nul este acceptat, diferena fiind socotit nesemnificativ din punct de vedere statistic;
- Dac probabilitatea este mai mic dect 5% (p < 0,05), ipoteza nul se respinge,
diferena fiind considerat semnificativ;
- Pentru p ~ 0,05 se recomand extinderea studiului n vederea tranrii problemei. n
general, prin creterea numrului de observaii valoarea lui p tinde s scad. Merit a fi
menionat i faptul c unii cercettori recomand ca respingerea ipotezei nule s fie fcut
numai pentru valori p s 0,01.
a. Compararea eantioanelor. Rezolvarea concret a problemei apartenenei unui
eantion la o populaie se face pe baza unor teste de comparaie care permit estimarea pragului
de semnificaie. Pentru a nelege modul de concepere a acestor teste trebuie introdus nc o
mrime statistic care caracterizeaz dispersia mediilor de eantion x
1
, x
2
etc. n jurul mediei
populaiei, X .
n statistic se demonstreaz c mediile de eantion se distribuie n jurul mediei
populaiei cu o dispersie de \n ori mai mic dect dispersia valorilor individuale n jurul mediei
de eantion. Aceast mrime se numete eroare standard a mediei i se noteaz o
m
sau ES
(ES
M
)
53
ES = /n =
, , 1 n n
d
2
i

(VI. 10)
Pentru a rspunde la ntrebarea dac dou eantioane caracterizate prin x
1
i ES
1
,
respectiv x
2
i ES
2
, fac parte sau nu din aceeai populaie putem n prim aproximaie s
aplicm un principiu similar cu cel pe care l-am aplicat n cazul rezolvrii apartenenei unui
individ la un ir, numai c n locul deviaiei standard vom folosi eroarea standard a mediei. n
mod concret, se calculeaz intervalul x
1
2ES
1
, iar dac x
2
cade n afara acestui interval,
atunci am putea afirma la un prag de semnificaie p < 0,05 c eantionul numrul 2 nu face
parte din aceeai populaie cu eantionul numrul 1, sau vice-versa.
n mod obinuit, ns, problema apartenenei se rezolv n general prin utilizarea unor
teste speciale de comparaie care verific o ipotez de tip nul sau o alt ipotez adecvat.
Acelai procedeu se utilizeaz i pentru compararea a dou loturi, dintre care unul tratat i altul
martor. n acest caz, conform ipotezei nule, vom considera c nu exist diferene semnificative
ntre parametrii nregistrai la cele dou loturi (echivalent cu a spune c cele dou loturi fac
parte din aceeai populaie), iar pentru a hotra acceptarea sau respingerea ipotezei aplicm un
test de semnificaie a diferenelor. Pentru a nelege mai bine principiile care stau la baza
construirii i utilizrii testelor de comparaie, s ne imaginm dou distribuii caracterizate prin
mediile aritmetice i dispersiile lor. Distribuiile pot fi reprezentate prin dou curbe normale
care se suprapun ntr-o anumit msur. Este evident c cu ct diferena dintre medii
( = || x
2
- x
1
|) este mai mare cu att aceast diferen este mai semnificativ i gradul de
suprapunere a celor dou distribuii este mai mic. Pe de alt parte, la aceleai valori medii,
gradul de suprapunere depinde i de mprtierea (dispersia) irurilor, el crescnd odat cu
creterea dispersiei. De aceea, semnificaia diferenelor scade pe msur ce gradul de
mprtiere crete. Tocmai de aceea, testele obinuite de comparaie sunt nite rapoarte care au
la numrtor diferena dintre medii (considerat n valoare absolut), iar la numitor un
parametru proporional cu dispersiile celor dou iruri (sumele ptratelor acestor dispersii,
sumele erorilor standard ale mediilor etc.). n cazul testelor mai riguroase mai apare un factor
de ponderare care depinde de numrul de observaii n cele dou loturi. n general, cu ct
numrul observaiilor este mai mare, cu att crete gradul de semnificaie a diferenelor.
Prezentm n continuare dou asemenea teste utilizate mai frecvent pentru compararea loturilor
sau eantioanelor.
Testul u. Este numit astfel pentru c are la baz noiunea de abatere redus ntlnit la
curba normal i se utilizeaz n idea c distribuia este normal. Acest test se definete n felul
urmtor:
2
2
2
1
1 2
ES ES
x x
ES

u
+

= = (VI.11)
n aceast relaie, |x
2
- x
1
| reprezint diferena n valoare absolut dintre mediile celor 2
loturi (eantioane) comparate, iar ES
1
i ES
2
sunt erorile standard ale mediilor respective. n
54
cadrul acestui test, condiia ca cele 2 loturi s difere statistic semnificativ este u = /ES

> 2.
De fapt, fiecrei valori u i se poate asocia un prag de semnificaie (p), aa cum se poate
observa (parial) din tabelul de mai jos (Tabel VI.3). Acest test, extrem de simplu, se folosete
cu succes cnd numrul total de observaii este mare (mai mare dect 30).
Tabel VI.3
u 1,0 1,5 2,0 2,5 3,0 3,5
p 0,32 0,13 0,05 0,01 0,003 0,001
n conformitate cu ceea ce am discutat mai sus, trebuie remarcat c nu e nevoie neaprat
ca diferenele dintre medii () s fie mari, cu condiia ca mprtierile (ES

) s fie mici.
Exemplu: fie dou loturi avnd mediile x
1
= 3,15 i x
2
= 3,37, iar erorile standard
corespunztoare ES
1
= 0,07 i respectiv ES
2
= 0,05. Valoarea lui u va fi atunci:
, , , ,
58 , 2
0074 , 0
22 , 0
05 , 0 07 , 0
15 , 3 37 , 3
ES ES
x x
ES

u
2 2 2
2
2
1
1 2

= =
+

=
+

= =
n conformitate cu Tabelul VI.3, se poate observa c pentru aceast valoare u rezult p
< 0,01. Concluzia este, deci, c ipoteza nul trebuie respins, respectiv c diferenele dintre cele
dou loturi sunt statistic semnificative.
Testul t sau testul Student. Este mai riguros dect testul u i poate fi folosit i pentru
un numr mai mic de observaii (n < 30). De fapt, acest test presupune o distribuie uor diferit
de distribuia normal, aa numita distribuie t a lui Student, care arat ca o distribuie normal
uor aplatizat, ce tinde ctre distribuia normal pe msur ce n crete. Acest test se definete:
2 1
2 1
2
2
2
1
1 2
2 1
2 1
n n
n n
n
di di
x x
n n
n n
S

t
+

=
+

=

(VI. 12)
n aceast formul Edi
1
2
i Edi
2
2
reprezint suma ptratelor abaterilor pentru irul 1 i
respectiv 2, iar n = n
1
+ n
2
- 2 reprezint numrul gradelor de libertate (numrul parametrilor
care pot fi alei arbitrar, ceilali fiind fixai prin condiiile impuse distribuiei). Pentru valori n
< 30 se recomand utilizarea obligatorie a testului t n locul testului u. Valorile lui p
(probabilitile de asigurare statistic a diferenei) se afl tabelate n funcie de t i n. Un
asemenea tabel, poate fi consultat la sfritul cursului (TABEL 1), alturi de alte tabele
statistice. Mai recent, exist programe (soft-uri) de calculator care dau orice valoare p n funcie
de t i n, aa cum exist i alte programe pentru statistic. n plus, atunci cnd avem de
comparat mai mult dect dou loturi odat, se poate folosi aa-numita metod a analizei de
55
variant (analysis of variance, ANOVA), pe care nu o prezentm aici.
Pentru cazurile experimentale, cnd pot s apar variaii interindividuale (inter-probe)
sau variaii dependente de timp, foarte mari, ce pot ascunde diferenele reale dintre loturi, se
poate folosi un aa-numit test t de perechi. n acest caz, fiecare observaie (prob) dintr-un lot
se compar numai cu o anumit pereche a sa din cellalt lot i se lucreaz n continuare cu
media diferenelor ntre perechi i cu suma ptratelor diferenelor fa de medie. n felul acesta,
testul de perechi se definete
t
z
= N
S
z
Z
(VI.13)
unde z este media diferenelor ntre perechi, adic z = Ez
i
/N, iar S
z
este analog unei erori
standard a diferenei din cazul testului t obinuit, respectiv
, ,
1 N
z z
2
i

=

Z
S (VI.14)
unde N reprezint numrul de perechi luate n studiu iar z
i
reprezint diferena ntre valorile
individuale ale unei perechi. Pentru acest test se poate utiliza tabelul obinuit, n care se citete
p pentru N - 1 grade de libertate. Testul t de perechi se poate aplica cu succes mai ales unor
rezultate experimentale obinute in vitro, pe culturi de celule/esuturi sau pe suspensii celulare,
cnd realizarea perechilor nu este o problem deosebit. Cu anumite precauii acest lucru este
posibil de realizat i n cazul unor experimente in situ, pe organe, n special acolo unde exist
organe simetrice, unul dintre organe (sau o jumtate de organ) servind pentru tratament iar
cellalt ca martor.
b. Compararea procentelor (frecvenelor). Dei problema comparrii procentelor
(frecvenelor relative) poate fi rezolvat i prin aplicarea testelor clasice (u sau t) asupra
mediilor de procente, n anumite condiii se poate folosi un test mai simplu de comparare a
acestora, care are avantajul c reduce volumul de munc.
Dac efectivul eantionului (n) este mare, frecvenele se distribuie n jurul valorii medii cu
abaterea standard
n
q p
p
e e
e
= (VI. 15)
unde p
e
i q
e
sunt probabilitile de producere a dou evenimente contrare n cadrul eantionului
(indicele e se refer la eantion). Se calculeaz apoi ca interval de normalitate pentru valoarea
lui p (n cadrul eantionului) urmtoarea expresie:
p = p
e
2p
e
= p
e
2
n
q p
e e
(VI. 16)
56
Dac pentru cel de al doilea lot (eantion) valoarea lui p cade n afara intervalului
calculat mai sus, atunci se poate spune c cele dou frecvene difer statistic semnificativ la un
prag p < 0,05. Pentru o astfel de comparaie este nevoie ca numrul de observaii (n) s fie egal
n cele 2 loturi i s depeasc valoarea 30.
Mrimea lui op
e
depinde ns nu numai de n ci i de produsul p
e
q
e
. Acest produs este
maxim cnd p
e
= q
e
= 0,5, fapt uor de demonstrat prin utilizarea derivatelor. Dac notm acest
produs cu y i inem seama c q
e
= 1 - p
e
atunci putem scrie
y = p
e
q
e
= p
e
(1 - p
e
) = p
e
- p
e
2
i y = 1 - 2 p
e
Din condiia y = 0 rezult 2 p
e
= 1 sau p
e
= 1/2 = 0,5. Se observ c aceasta este o valoare de
maxim deoarece derivata a doua n acest punct este negativ (y" = - 2). Concluzia este c op
e
este cu att mai mic cu ct p
e
i q
e
sunt mai diferite una de alta. Trebuie precizat ns c pentru
p
e
i q
e
tinznd la 1 sau 0 nu se recomand calcularea dup aceast formul. n asemenea
situaii se folosesc tabele speciale de distribuii.
Vom ilustra printr-un exemplu concret modul de lucru cu formula de mai sus. S
considerm c testm o substan cu un presupus potenial antiponderal (antilipidemic). n acest
scop alegem 2 loturi de obolani albi de sex identic, ct mai apropiai din punct de vedere
genetic, al vrstei i greutii. Primul lot, cel care va fi tratat, conine un numr n
1
= 36 de
obolani n greutate total (iniial) de 4160 g. Lotul martor va avea n
2
= 36 obolani n greutate
total de 4200 g. S presupunem c dup o sptmn de tratament lotul nr. 1 a sczut n
greutate, ajungnd la 3328 g, n timp ce lotul martor a crescut uor, atingnd 4250 g.
Atunci
p
1
= (3328 - 4160)/4160 = - 832/4160 = - 0,2
Probabilitatea evenimentului contrar q
1
se calculeaz a fi - 0,8 (deoarece suma celor
dou, n valoare absolut, trebuie s fie 1). n acest caz abaterea standard pentru p, rezult a fi
op
1
=
, , , ,
36
8 , 0 2 , 0
= 0,4/6 ~ 0.067
Atunci p = p
1
2op
1
= - 0,2 2 0,067 = -0,2 0,134 = - 0,334 - 0,066. Cum pentru cel de
al doilea lot (lotul martor) se observ c p
2
> 0 [p
2
= (4250 - 4200)/4200], rezult c p
2
este n
afara intervalului de normalitate pentru p
1
i deci rezultatele celor 2 loturi difer statistic la un
prag de semnificaie p < 0,05 (cu alte cuvinte, substana testat acioneaz n sensul presupus de
noi).
Problema este ceva mai complicat atunci cnd numrul de observaii n cele dou iruri
nu este identic. n aceast situaie se calculeaz un parametru u definit n felul urmtor
, ,
2 1
p p
2 1

p p
u

= (VI. 17)
57
n care o
(p1 + p2)
este analog cu ES

din cazul testului u obinuit, adic

, ,
2 1
2 1
2
2 2
1
1 1 2
p
2
p p p
n n
n n
pq
n
q p
n
q p

2 1 2 1

+
~ + = + =

n care am aproximat pe p
1
i p
2
prin p, iar pe q
1
i q
2
prin q, reprezentnd nite frecvene mixte,
calculate pentru populaia amestecat.
c. Teste neparametrice (non-parametrice). n toate cazurile de mai sus am presupus
c tim suficiente date despre populaia sau populaiile luate n studiu, astfel nct cunoatem i
valoarea adevrat a mediei i a abaterii medii ptratice (deviaiei standard). Statistica
aplicabil n acest caz se numete statistic parametric. Cnd nu putem face presupuneri
sigure despre forma distribuiei/distribuiilor sau cnd exist dubii serioase privind mrimea i
forma acestor distribuii (datorit n primul rnd deficienelor de eantionare) se poate utiliza o
statistic neparametric, care nu implic cunoaterea valorilor reale ale mediei i deviaiei
standard. Pentru cele mai importante teste parametrice (testul t simplu i de perechi etc.) exist
i analogi non-parametrici. Amnunte despre aceste teste i chiar exemple de utilizare pot fi
gsite n diverse surse bibliografice (vezi, de exemplu, Michelson & Schofield, 1996).
2.5. RELAII STATISTICE NTRE FENOMENE
a. Noiunea de legtur statistic
ntr-o relaie de dependen funcional strict, fiecrei valori x
i
i corespunde numai o
anumit valoare y
i
. Prin unirea punctelor determinate de perechile (x
i
, y
i
) obinem o curb.
n realitate, cu excepia matematicii, chiar i n celelalte tiine exacte (fizic i chimie)
punctele experimentale nu se aeaz pe o curb perfect. Abaterile sunt ns neglijabile
(Fig.VI.3a). n schimb, fenomenele biologice sunt caracterizate printr-o mare variabilitate.
Pentru o valoare x a unui anumit factor biologic (stimul de orice natur) exist o mare
variabilitate a rspunsului, y. Grafic, aceasta se reprezint printr-un nor de puncte ce acoper o
anumit fie din plan (Fig.VI.3b). Pentru a determina poziia curbei se calculeaz pentru
fiecare valoare x media y a valorilor lui y, care vor varia ntre o valoare inferioar (y
i
) i o
valoare superioar (y
s
), precum i eroarea standard corespunztoare. Dac se lucreaz cu o
asigurare statistic la p s 0,05, atunci intervalul normal de distribuie va fi y = y 2ES. ntr-o
astfel de situaie spunem c ntre x i v exist o legtur statistic sau stochastic.
58
O legtur statistic ntre A i B nseamn c A nu este legat ntotdeauna de B sau, cel
puin, nu ntotdeauna la fel de strns. Este posibil ca A s fie cauza lui B, dar nu neaprat
singura, sau nici mcar cea mai important. De aceea, cnd ntre dou fenomene, A i B, exist
o legtur statistic ea poate fi exprimat n termeni probabilistici, A nefiind strict asociat cu B.
Astfel, ntre nlimea unui individ i vrsta sa (n perioada de cretere) exist o relaie
statistic, la o anumit vrst corespunznd o distribuie mai larg sau mai ngust de nlimi,
ntre care va exista una (sau mai exact o clas de nlimi) cu frecvena (adic cu probabilitatea)
cea mai mare.
b. Stabilirea legturii ntre caractere calitative. Testul _
2
.
n cazul n care fenomenele (caracterele) luate n studiu sunt de tip calitativ, gradul lor
de legtur se apreciaz prin intermediul frecvenei asocierilor n raport cu numrul total de
cazuri cercetate. Trebuie precizat c n acest caz nu se compar frecvene relative ci serii (clase)
de frecvene absolute. Testul de comparaie se numete _
2
(hi ptrat) i se definete n felul
urmtor:
, ,

=
n
1 i teor
2
i teor obs 2
f
f f
(VI. 18)
n aceast relaie, f
obs
reprezint o frecven observat (considerat a avea valoare de
eantion), iar f
teor
este frecvena teoretic, calculat admind c distribuia real nu este altceva
dect imaginea deformat (datorit erorilor de eantionaj) a unei anumite distribuii ideale.
Cnd _
2
= 0 nseamn c exist o concordan perfect ntre cele 2 distribuii i, deci, legtura
ntre caractere este practic nul. Pentru _
2
> 0 probabilitatea ca discordana dintre cele 2
distribuii s fie ntmpltoare (adic nul) se calculeaz n ipoteza c distribuia este continu
i normal, iar rezultatul depinde de mrimea lui _
2
i de numrul de cazuri (grupe) cercetate.
Ca i n cazul celorlalte teste de comparaie, exist tabele speciale n scopul stabilirii gradului
de semnificaie a rezultatului (vezi TABEL 2).
59
Exemplu. Constatnd c n urma aruncrii n aer a unei monede de un numr de 50 de
ori (n = 50), moneda arat una dintre fee de 15 ori iar cealalt de 35 de ori, se pune problema
dac rezultatul este ntmpltor sau el se datorete fie unui defect al monedei fie modului
necinstit de manipulare a acesteia. Cele 2 frecvene observate sunt f
obs1
= 15 i f
obs2
= 35, iar
frecvena teoretic (ateptat) este f
teor
= 25. Pentru acest caz formula dezvoltat a lui _
2
este
, , , ,
teor
2
teor obs2
teor
2
teor obs1 2
f
f f
f
f f

=
Introducnd valorile numerice ale frecvenelor, rezult
, , , ,
8
25
100
25
100
25
5 2 5 3
25
5 2 5 1

2 2
2
= + =

=
Pentru aceast valoare a lui _
2
i pentru 2 grupe (clase) de frecvene, cum este cazul de fa, din
tabelul lui _
2
rezult c probabilitatea ca acest rezultat s fie ntmpltor este mai mic dect
1% (p < 0,01). Se poate concluziona c dintr-un motiv sau altul experimentul nu a fost corect
executat.
c. Corelaii statistice ntre parametri cuantificabili.
Curba prezentat n Fig.VI.3b ar putea fi numit, conform unor uzane statistice, curba
de regresie a lui y n x, deoarece ea corespunde unei variaii a lui y n jurul valorii medii ( y )
pentru o anumit valoare a lui x. Dac fixm pe y, putem obine o distribuie de valori a lui x n
jurul mediei sale i, respectiv, o curb de regresie a lui x n y. Cnd cele 2 curbe de regresie
coincid, legtura este strict funcional (n sens matematic). Dac nu, legtura este de tip
statistic.
c
1
) Corelaia liniar. Cnd curba de regresie este o dreapt, atunci vorbim despre o
corelaie sau regresie liniar. n acest caz gradul de legtur se apreciaz prin intermediul unui
coeficient de corelaie liniar, notat r, ce se calculeaz dup formula
, ,, ,
y x
n
1 i
i i
N
y y x x
r

=

= (VI. 19)
unde factorul de la numrtor se numete covariana lui x i y, o
x
i o
y
reprezint deviaiile
standard ale distribuiei n x i respectiv n y, iar N este numrul de perechi (x,y) observate.
Corelaia este perfect pentru r = |1|: cnd r = +1 corelaia este pozitiv, iar cnd r = -1 corelaia
este negativ (cnd x crete y scade).
Stabilirea poziiei sau ecuaiei concrete a dreptei de regresie se face de obicei prin aa-
numita metod a celor mai mici ptrate. n acest scop se calculeaz din ecuaia dreptei (y =
60
ax + b) valorile prevzute/teoretice (y
p
) ale lui y pentru diferite valori x i se pune condiia ca
suma ptratelor abaterilor fa de valorile y observate/reale (y
0
) s fie minim, adic d
i
2
=
(y
p
- y
0
)
i
2
= minim. Din aceast condiie, pe baza aplicrii derivatelor pariale, dup a i b, se
obin dou ecuaii liniare n a i b, din care se pot calcula cele dou necunoscute (constantele a,
b) i stabili ecuaia dreptei reale (vezi, de exemplu, problema VI.9).
Alternativ, pornind de la consideraii similare cu cele discutate mai sus, cercettorii n
domeniu au stabilit formule statistice pentru calculul lui a i b. Astfel,
, ,, ,
, ,
, ,, , , ,, ,
, , , ,

=
2
2
2
2
2
x N x
x y xy x
b si
N
x
x
N
y x
xy
a (VI.20-21)
ceea ce implic uneori calcule aproape la fel de laborioase ca i metoda celor mai mici ptrate.
Cnd utilizm aceste formule este mai simplu ca dup ce l-am calculat pe a s-1 calculm pe b
din relaia y = a x + b, de unde
b = y a x (VI.22)
Gradul de semnificaie a coeficientului de corelaie liniar sau de ncredere (confiden)
statistic n valoarea aflat se poate calcula dup metoda testului t, care, n acest caz, se scrie
2 N
r 1
r
t
2

= (VI.23)
n care N reprezint numrul perechilor de observaii, iar N - 2 = n este numrul gradelor de
libertate.
Dm mai jos valoarea lui r n cteva corelaii de tip anatomic i fiziologic, la biei:
r = 0,836, ntre nlime i perimetru toracic;
r = 0,960, ntre nlimea femurului drept i stng;
r = 0,788, ntre perimetru toracic i vrst;
r = 0,060, ntre frecvena pulsului i a respiraiei.
c
2
) Corelaia curbiliniar. Dac regresia nu se supune unei drepte, atunci se poate testa
o corelaie curbiliniar. n acest scop se mparte domeniul de distribuie n fii paralele cu axa
Oy i se construiete o curb de regresie a mediilor lui y din aceste fii. Dac exist legtur
ntre variabile, atunci suma mprtierii valorilor y
fi
din fiecare fie n jurul mediei fiei ( y
f
)
va fi mai mic dect suma mprtierii valorilor individuale (y
i
) fa de media general ( y ).
Gradul de legtur statistic se apreciaz acum prin aa-numitul raport de corelaie
curbiliniar (), definit
61
, ,
, ,

=
2
i
2
f i f
y y
y y
1 (VI.24)
Acest coeficient este astfel conceput nct valoarea sa variaz de la 0 la 1, unde 0 nseamn
lips total de corelaie, iar 1 nseamn o corelaie perfect. Prezentm n continuare valorile
acestui coeficient n cteva corelaii curbiliniare de tip anatomic la om:
q = 0,994, ntre greutatea creierului i a organismului;
q = 0,848, ntre greutatea bicepsului i a organismului;
q = 0,663, ntre greutatea splinei i a organismului.
Exist i posibilitatea de a aplica metoda celor mai mici ptrate unor modele neliniare,
dar lucrurile nu mai sunt att de simple i clare. De aceea, de multe ori este preferabil (acolo
unde se poate) s se aplice transformri liniare, de genul celor prezentate n cazul funciilor
putere, exponeniale i logaritmice, urmnd s se lucreze apoi dup principiul corelaiei
(regresiei) liniare (vezi, de exemplu, problema de sintez nr.10 de la sfritul manualului)
62
2.6. EXERCIII I PROBLEME
1. Care este probabilitatea ca aruncnd un zar acesta s arate: a) fie faa 1, fie faa 6; b) de
dou ori la rnd faa 6?
2. Care este probabilitatea ca aruncnd dou zaruri acestea s arate: a) dubla de 6; b) fie dubla
de 1, fie cea de 6; c) una din fee s arate 1 i cealalt 6?
3. Dac se constat c n urma unei epidemii mor 5% dintre indivizii unei populaii, iar
procentul de infectare a fost de 40%, s se calculeze care a fost probabilitatea morii n
rndul celor infectai.
4. n urma cntririi a 200 de boabe de gru, provenite prin extragerea a 20 de eantioane
egale, dintr-un depozit de cereale, se alctuiete urmtorul tabel de efective:
Clasa (mg) 25-29 30-34 35-39 40-44 45-49 50-54 55-59
Efectiv 3 16 56 43 56 20 6
S se alctuiasc histograma i poligonul de frecvene i s se discute posibilele implicaii ale
distribuiei bimodale rezultate.
5. S se calculeze probabilitatea distribuiei termenilor binomului (p + q)
n
pentru n = 8 i s se
reprezinte histograma acestei distribuii.
6. Fiind dat irul de observaii 7, 7, 8, 8, 8, 9, 9, 9, 9, 9, 10, 10, 10, 11, 11 se cere
s se stabileasc valorile tipice i principalii indici de dispersie ai irului.
7. Un anatomist dorete s estimeze lungimea medie a craniilor unei populaii de carnivore n
limita erorii absolute de 1 mm cu o probabilitate de cel puin 95%. Dac el execut 36 de
msurtori i calculeaz deviaia standard a eantionului msurat ca fiind o = 5 mm, s se
afle cte alte msurtori mai trebuie s fac cercettorul pentru ca eroarea s se ncadreze n
limitele impuse mai sus.
8. S se stabileasc dac ntre urmtoarele iruri exist o diferena statistic semnificativ: 1) 3,
3, 3, 4, 4, 4, 5, 5, 5, 5, 6, 6, 6, 7, 7, 7; 2) 1, 4, 4, 5, 5, 5, 6, 6, 6, 6, 6, 7, 7, 7, 8, 8.
9. n urma chestionrii a 4871 de brbai cu privire la existena unor probleme de ulcer
stomacal au fost obinute urmtoarele rezultatele, grupate n tabelul de mai jos pe clase de
vrst
Clas de vrst 15- 20- 25- 35- 45- 55- 65- Total
Numr chestionat 199 300 1128 1375 1089 625 155 4871
Cazuri de ulcer 1 8 38 96 105 56 12 316
Se cere s se stabileasc dac aceste rezultate ar putea fi observate din ntmplare, respectiv
dac diferena observat pe clase privind asocierea bolii ulceroase cu vrsta este real sau ea ar
putea fi ntmpltoare.
10. ntr-un studiu al dependenei taliei unor conifere (I) de nlimea la care cresc (h) se obin
urmtoarele valori medii:
h
1
= 0,5 km, I
1
= 25 m;
h
2
= 1 km, I
2
= 18 m;
h
3
= 1,5 km, I
3
= 10 m;
63
h
4
= 2 km, I
4
= 1,5 m;
Se cere s se stabileasc dac ntre cele 2 variabile exist o corelaie liniar i ct de strns este
i s se discute semnificaia biologic a acestor rezultate.
Rezolvri i sugestii
1. a) Conform celor discutate n cap.VI.A, probabilitatea de apariie a oricrei fee este p =
1/6. Atunci probabilitatea apariiei feei 1 sau 6 (eveniment compus ce rezult ca reuniune a
celor dou evenimente simple) va fi de dou ori mai mare, adic p = p
1
+ p
6
= 1/6 + 1/6 =
2/6 = 1/3;
b) A da de dou ori la rnd faa 6 presupune o intersecie a celor dou evenimente
simple, iar probabilitatea sa va fi evident mai mic dect n cazul evenimentului simplu, mai
exact p = p
1
p
6
= (l/6)(l/6) = 1/36.
2. a) n acest tip de experiment timpul nu este esenial n calculul probabilitii. De aceea,
rezultatul va fi identic cu cel de la punctul 1b, discutat mai sus (a da o dubl de 6 este
identic cu a obine de dou ori la rnd faa 6);
b) Problema este analog cu cea de la punctul 1a, numai c n sum vor intra
probabilitile de obinere a celor dou duble [care este n fiecare caz (l/6)(l/6)]. Aa dar, p =
p
1
p
1
+ p
6
p
6
= 1/36 + 1/36 = 1/18;
c) Rspunsul e acelai ca la punctul 2a, deoarece oricare fa are aceeai probabilitate de
cdere.
3. Am vzut la ultimul exemplu tratat n cap.VI.A c probabilitatea morii la nivelul unei
populaii (fie aceast probabilitate P
M
) se calculeaz ca produsul dintre probabilitatea de
mbolnvire n ntreaga populaie (fie aceasta P
B
) i probabilitatea morii ntre cei bolnavi
(fie aceasta P
M/B
), adic P
M
= P
B
P
M/B
. Atunci, probabilitatea morii ntre cei bolnavi
(infectai) poate fi calculat ca P
M/B
= P
M
/P
B
. n cazul de fat P
M
= 5% = 0,05 i P
B
= 40% =
0,4. De aici rezult P
M/B
= 0,05/0,4 = 0,125 = 12,5%. Aceasta este ceea ce s-ar putea numi
probabilitate condiionat (probabilitatea morii este condiionat de mbolnvire). Evident,
se face presupunerea c n tot acest timp indivizii sntoi nu mor din alte cauze i nici nu
sunt nlturai din populaie ntr-un alt fel.
4. Mai nti se completeaz tabelul din problem cu o nou linie ce conine frecvenele
(relative ale) celor 7 clase de distribuie. Aceste frecvene se calculeaz foarte simplu prin
raportarea efectivului fiecrei clase la numrul total de observaii ale irului (200). n felul
acesta rezult frecvenele care apar n tabelul urmtor:
Clasa (nr.) 1 2 3 4 5 6 7
Clasa (mg) 25-29 30-34 35-39 40-44 45-49 50-54 55-59
Efectiv 3 16 56 43 56 20 6
Frecven 1,5% 8% 28% 21,5% 28% 10% 3%
Acum se procedeaz la realizarea histogramei de frecvene dup modelul exemplului
64
din cap.VI.B.2 . Pentru simplitatea realizrii grafice, am introdus n tabel i o linie cu numrul
claselor, care sunt apoi figurate sub aceast form pe abscis.
Poligonul de frecvene este reprezentat prin linia ngroat. Att din histogram ct i din
poligonul de frecvene se poate remarca aspectul bimodal al distribuiei. Cititorul este ncurajat
s comenteze asupra acestui fapt, ncercnd diverse explicaii privind posibilele cauze ale
distribuiei bimodale din acest caz.
5. Prin extensia binomului lui Newton ce apare n cap.VI.B.4 rezult o sum de 9 termeni
(clase)
(p + q)
8
= p
8
+ 8p
7
q + 28p
6
q
2
+ 56p
5
q
3
+ 70p
4
q
4
+ 56p
3
q
5
+ 28p
2
q
6
+ 8pq
7
+ q
8
Probabilitatea distribuiei termenilor scrii mai sus este identic cu fracia coeficienilor acestor
termeni. Pentru a calcula fracia acestor coeficieni facem suma lor i apoi mprim pe rnd
fiecare coeficient la aceast sum (exact cum n problema precedent am calculat frecvena
unei clase prin mprirea efectivului clasei la efectivul total). Aceast sum este
1 + 8 + 28 + 56 + 70 + 56 + 28 + 8 + 1 = 256
Dup efectuarea mpririlor i rotunjirea la 3 zecimale rezult urmtoarele fracii sau
probabiliti de distribuie: 0,004; 0,031; 0,109; 0,219; 0,274; 0,219; 0,109; 0,031; 0,004.
Punnd aceste valori pe ordonat iar cele 9 clase pe abscis i trasnd dreptunghiuri care au
latura mic egal cu clasa iar latura mare egal cu frecvena clasei va rezulta histograma dorit.
6. Vom calcula: a) media aritmetic; b) mediana; c) modul (valoarea dominant); d) abaterea
central (deviaia); e) fluctuaia (varianta); f) abaterea medie ptratic (deviaia standard).
a) 9
15
11 11 10 10 10 9 9 9 9 9 8 8 8 7 7
n
x
x
n
1 i
i
=
+ + + + + + + + + + + + + +
= =

=
;
65
b) Fiind un ir impar, M = (n + l)/2 = 16/2 = 8 (aceasta nseamn al optulea element din ir,
adic valoarea 9 din mijlocul irului);
c) Modul sau valoarea dominant a acestui ir este 9 (valoarea ce apare cel mai frecvent);
(Se observ c att media aritmetic ct i mediana i modul distribuiei sunt identice. Aceasta
se ntmpl numai la distribuiile unimodale, simetrice)
d) Fiind 15 valori individuale, vom avea (cel puin teoretic, pentru c unele dintre ele s-ar putea
s fie zero) 15 abateri centrale sau deviaii de forma d
i
= x
i
- x , adic: d
1
= 7 - 9 = -2; d
2
= -2; d
3
= 8 - 9 = -1; d
4
= -1; d
5
= -1; d
6
= d
7
= d
8
= d
9
= d
10
= 9 - 9 = 0; d
11
= 10 9 = 1; d
12
= 1; d
13
= 1;
d
14
= 11 - 9 = 2; d
15
= 2;
e) Pentru calculul urmtorilor doi indici este nevoie de suma ptratelor abaterilor.
Aceasta este Ed
i
2
= 4 + 4 + 1 + 1 + 1 + 0 + 1 + 1 + 1 + 4 + 4 = 22. Aplicnd formula variantei
rezult
1,5714
14
22
1 n
d

2
i 2
= =

=

f) 1,2536 1,5714
1 n
d

2
i
~ =

=

7. Dac sigurana statistic a rezultatului trebuie s fie cel puin egal cu 95%, aceasta
nseamn c probabilitatea de eroare trebuie s fie cel mult 5%, adic p s 0,05. Intervalul de
siguran cutat de cercettor trebuie s se ncadreze deci n limitele X 2ES, unde ES
reprezint eroarea standard a mediei pentru ntreaga populaie luat n studiu (n final).
Aceasta nseamn c eroarea standard absolut (abaterea medie ptratic final, o
F
= 1)
trebuie s nu depeasc 2ES. Punnd condiia 2ES = || o
F
| = 1 rezult ES = 1/2 = 0,5. Pe
de alt parte, ns, noi tim c (vezi ec.VI.10) ES = o/\n, unde o este eroarea standard a
eantionului msurat (5 mm), iar n reprezint numrul de indivizi msurai n total. Putem
deci scrie o/\n = 0,5 sau 5/\n = 05, de unde rezult \n = 5/05 = 10 sau n = 100. ntruct au
fost efectuate deja 36 de msurtori, mai trebuie efectuate 64.
8. Numrul de observaii n cele dou iruri este identic, n
1
= 16 i n
2
= 16. Numrul gradelor
de libertate va fi n = n
1
+ n
2
- 2 = 16 + 16 - 2 = 30. n aceste condiii, dei suntem la limita
de aplicabilitate a testului u, l vom utiliza, fiind mai simplu dect testul t. Reamintim c
testul u se scrie u = /ES
D
. Calculm mediile aritmetice i suma ptratelor abaterilor, dup
modelul din problema precedent, iar apoi rezult:
A = | x
2
- x
1
| = |5,68 - 5| = 0,68;
, , , ,
0,56
240
45,43
240
30
1 n n
d
1 n n
d
ES ES ES
2 2
2
2i
1 1
2
1i 2
2
2
1
= + =

= + =

u = A/ES
A
= 0,68/0,56 1,2143
La aceast valoare, pentru n = 30, rezult p > 0,1 (vezi Tabel VI.3). Concluzia este c cele
dou iruri nu difer statistic semnificativ. Dar, noi nu am verificat dac irurile sunt omogene,
adic dac unele elemente ale irurilor nu sunt cumva aberante. Cel puin n cazul irului nr. 2
66
se observ imediat c acest lucru este foarte probabil (prima valoare din ir fiind mult diferit
de medie i de celelalte valori ale irului). Aplicnd criteriul lui Chauvenet pentru acest ir
rezult
x = 5,68 (2,15)( 1,74) = 5,68 3,74 = 1,94 9,42
ntruct valoarea 1 nu se afl n intervalul calculat, ea poate fi eliminat din ir. n aceste
condiii n
2
= 15, n = 29, media irului devine x
2
= 6, Ed
2i
2
= 22, iar A = |6 - 5| = 1;
ntruct n < 30, de data aceasta trebuie s aplicm noilor iruri testul t. n acest scop calculm
urmtoarele mrimi statistice:
1,339 1,793
29
22 30
n
d d
S
2
2i
2
1i
= =
+
=
+
=

7,742
31
240
15 16
15 16
n n
n n
2 1
2 1
= =
+

=
+
= 2,7824
339 , 1 / 7824 , 2
n n
n n
S

t
2 1
2 1
=
+

= = 2,078.
Consultnd tabelul testului t (Tabel 1) observm c p < 0,05 pentru n = 29. Deci, de aceast
dat, putem trage concluzia c diferena este statistic semnificativ.
9. Pentru a rezolva problema calculm mai nti care ar fi frecvenele absolute teoretice
(ateptate), pe clase de vrst, n idea ipotezei nule (adic: nu exist o asociere preferenial
a ulcerului cu vrsta). Frecvena relativ teoretic ar trebui s fie egal n toate clasele i
egal cu frecvena general a cazurilor de ulcer n ntreaga populaie studiat, adic 316 din
4871, Fcnd raportul celor dou numere rezult 316/4871 = 0,06487 ~ 6,5%. Calculm pe
aceast baz care ar fi frecvenele teoretice absolute n fiecare clas. De exemplu, n clasa
de vrst sub 20 de ani au fost chestionate 199 persoane. 6,5% din 199 nseamn 199
6,5/100 ~ 13. n clasa de la 20 pn la 25 de ani frecvena teoretic ar trebui s fie 300
6,5/100 = 19,5 etc. Facem i restul calculelor i trecem aceste frecvene teoretice (ateptate)
n tabel, alturi de frecvenele observate
Clas de vrst 15- 20- 25- 35- 45- 55- 65- Total
Numr chestionat 199 300 1128 1375 1089 625 155 4871
Cazuri de ulcer
observate
1 8 38 96 105 56 12 316
Cazuri de ulcer
ateptate
13 19,5 73 89 71 40,5 10 316
Se observ diferene apreciabile ntre distribuia real (cazuri observate) i cea teoretic (cazuri
ateptate). ntrebarea este dac aceast diferen este statistic semnificativ, adic dac ansele
ca ipoteza nul s fie adevrat sunt mai mici dect 5% (p < 0,05). Pentru a rspunde folosim
67
testul hi ptrat". n cazul de fa, aplicnd ec. VI. 18, pentru i = 7 (corespunztor celor 7
clase), rezult
, , , , , , , , , , , , , ,
8 , 57
10
10 12
5 , 40
5 , 40 56
71
71 105
89
89 96
73
73 38
5 , 19
5 , 19 8
13
13 1
2 2 2 2 2 2 2
2
=

=
Avnd n = 7 clase, vom urmri n Tabel valoarea lui p pentru N - 1 = 6 grade de
libertate. Constatm c p << 0,001. Putem spune, deci, c distribuia observat nu este de loc
ntmpltoare i c exist o clar asociere a bolii ulceroase cu diferite clase de vrst, asociere
care este extrem de semnificativ din punct de vedere statistic. De altfel, se observ din tabel c
cea mai strns asociere cu ulcerul o are clasa de vrst medie 45-55 ani, iar cea mai slab
clasele de vrst sub 25 de ani.
10. Dac I este o funcie liniar de h atunci putem scrie I = ah + b, urmnd s stabilim
coeficienii dreptei (a i b) i apoi s calculm coeficientul de corelaie liniar (ec.VI.19) i
gradul su de semnificaie prin utilizarea testului t specific (ec.VI.23). Pentru stabilirea
dreptei de regresie prin metoda celor mai mici ptrate vom face mai nti un tabel care va
cuprinde valorile I observate (I
0
), valorile I prevzute (I
p
= ah + b) pentru fiecare valoare h
i abaterile corespunztoare, adic diferena dintre valorile prevzute i cele observate (d =
I
p
I
0
).
i h I
0
I
p
d
i
= I
p
I
0
1 0,5 25 0,5a+ b 0,5a + b-25
2 1,0 18 a + b a + b 1 8
3 1,5 10 1,5a+ b l,5a + b - 10
4 2,0 1,5 2a+ b 2a + b - l,5
n continuare, se ridic la ptrat abaterile (diferenele), se nsumeaz, obinndu-
se o ecuaie ptratic n a i b, iar apoi se pune condiia de minim a acestei sume, minim care se
stabilete cu ajutorul derivatelor. Fcnd derivatele pariale, dup a i respectiv dup b, punnd
condiia ca aceste derivate s fie nule, rezult un sistem de 2 ecuaii liniare din care se
calculeaz a i b, ca mai jos:
d
1
2
= (0,5a + b - 25)
2
= 0,25a
2
+ b
2
+ ab - 25a - 50b + 625
d
2
2
= (a + b - 18)
2
= a
2
+ b
2
+ 2ab - 36a - 36b + 324
d
3
2
= (1,5a + b - 10)
2
= 2,25a
2
+ b
2
+ 3ab - 30a - 20b + 100
d
4
2
= (2a + b - l,5)
2
= 4a
2
+ b
2
+ 4ab - 6a - 3b + 2,25
Ed
i
2
= S = 7,5a
2
+ 4b
2
+ 10ab - 97a - 109b + 1051,25
S/a = 15a + 10b - 97 = 0
S/b = 8b + 10a - 109 = 0
Exprimnd pe b din prima ecuaie rezult b = (97 - 15a)/10 = 9,7 - 1,5a. Substituind n a doua
ecuaie rezult: 10a = 109 - 8b = 109 - 8(9,7 - 1,5a) = 109 - 77,6 + 12a sau a = -15,7 (m/km).
68
De aici rezult b = 9,7 - 1,5(- 15,7) = 9,7 + 23,55 = 33,25 (m).
Alternativ, se poate utiliza ec.VI.20 pentru a calcula pe a i VI.22 pentru a calcula pe b. n
cazul aplicrii acestei metode se recomand mai nti executarea urmtorului tabel i a
calculelor pe care acesta le implic.
h I hI h
2
0,5 25 12,5 0,25
1,0 18 18,0 1,00
1,5 10 15,0 2,25
2,0 1,5 3,0 4,00
Eh = 5 EI =54,5 Ehl = 48,5 Eh
2
= 7,5
Aplicnd ec. VI.20, n care x = h i y = I, rezult a = 7 , 15
25 , 1
625 , 19
4 / 25 5 , 7
4 / 5 , 54 5 5 , 48
=

.
Utiliznd apoi ec.VI.22 rezult b = 13,625 + 15,71,25 = 33,25.
Mai rmne acum s calculm coeficientul de corelaie liniar (r) i gradul su de semnificaie.
n acest scop avem ns nevoie de covariana lui h i I i de deviaiile standard ale celor dou
distribuii (n h i n I). innd seama i de faptul c h = 1,25 i I = 13,625 rezult
, ,, , I I h h
i
4
1 i
i

=
= (-0,75)11,375 + (-0,25)4,375 + 0,25(-3,625) + 0,75(-12,125) = -19,625;
, ,
0,559
4
1,25
N
h h

2
i
h
~ =

=

, ,
8,78475
4
308,6875
N
I I

2
i
I
~ =

=
Avnd aceste rezultate se poate acum calcula coeficientul de corelaie liniar
, ,, ,
0,999
8,78475 0,559 4
19,625
N
I I h h
r
I h
4
1 i
i i
~


=

=

=
Conform acestei valori, corelaia liniar este de tip negativ (de altfel, panta negativ ne-a spus
deja acest lucru) i foarte strns. S vedem ns ct de semnificativ este corelaia. Calculm
59 , 31
04472 , 0
4142 , 1 999 , 0
2 N
r 1
r
t
2
=

=
Din tabelul dedicat testului t (TABEL 1) putem citi c pentru N = N - 2 = 2 (grade de libertate)
rezult p ~ 0,001. Deci, corelaia este nu numai foarte strns ci i foarte semnificativ din
punct de vedere statistic. Aceeai valoare p i aceeai concluzie rezult i dac folosim direct
tabelul de semnificaie a coeficientului de corelaie liniar r (TABEL 3), fr a mai fi nevoii s
facem calculul lui t.
69
TABELE STATISTICE
TABEL 1 - Testul t
n P = 0,1 p = 0,05 p = 0,02 p = 0,01 p = 0,002 p = 0,001
1 6,314 12,706 31,821 63,657 318,31 636,62
2 2,920 4,303 6,965 9,925 22,327 31,598
3 2,353 3,182 4,541 5,841 10,214 12,924
4 2,132 2,776 3,747 4,604 7,173 8,610
5 2,015 2,571 3,365 4,032 5,893 6,869
6 1,943 2,447 3,143 3,707 5,208 5,959
7 1,895 2,365 2,998 3,499 4,785 5,408
8 1,860 2,306 2,896 3,355 4,501 5,041
9 1,833 2,262 2,821 3,250 4,297 4,781
10 1,812 2,228 2,764 3,169 4,144 4,587
11 1,796 2,201 2,718 3,106 4,025 4,437
12 1,782 2,179 2,681 3,055 3,930 4,318
13 1,771 2,160 2,650 3,012 3,852 4,221
14 1,761 2,145 2,624 2,977 3,787 4,140
15 1,753 2,131 2,602 2,947 3,733 4,073
16 1,746 2,120 2,583 2,921 3,686 4,015
17 1,740 2,110 2,567 2,898 3,646 3,965
18 1,734 2,101 2,552 2,878 3,610 3,922
19 1,729 2,093 2,539 2,861 3,579 3,883
20 1,725 2,086 2,528 2,845 3,552 3,850
21 1,721 2,080 2,518 2,831 3,527 3,819
22 1,717 2,074 2,508 2,819 3,505 3,792
23 1,714 2,069 2,500 2,807 3,467 3,767
24 1,711 2,064 2,492 2,797 3,467 3,745
25 1,708 2,060 2,485 2,787 3,450 3,725
26 1,706 2,056 2,479 2,779 3,435 3,707
27 1,703 2,052 2,473 2,771 3,421 3,690
28 1,701 2,048 2,467 2,763 3,408 3,674
29 1,699 2,045 2,462 2,756 3,396 3,659
30 1,697 2,042 2,457 2,750 3,385 3,646
40 1,684 2,021 2,423 2,704 3,307 3,551
60 1,671 2,000 2,390 2,660 3,232 3,460
120 1,658 1,980 2,358 2,617 3,160 3,373
1,645 1,960 2,326 2,576 3,096 3,291
n = numrul gradelor de libertate (n
1
+ n
2
- 2). Tabelul este valabil i pentru testul t de perechi,
caz n care n = N - 1 (N = numrul de perechi).
70
TABEL 2 - Testul
2
g.1. p = 0,9 p = 0,5 p = 0,l p = 0,05 p = 0,01 p = 0,001
1 0,02 0,46 2,71 5,84 6,63 10,83
2 0,21 1,39 4,61 5,99 9,21 13,82
3 0,58 2,37 6,25 7,81 11,34 16,27
4 1,06 3,36 7,78 9,49 13,28 18,47
5 1,61 4,35 9,24 11,07 15,09 20,52
6 2,20 5,35 10,64 12,59 16,81 22,46
7 2,83 6,35 12,02 14,07 18,48 24,32
8 3,49 7,34 13,36 15,51 20,09 26,13
9 4,17 8,34 14,68 16,92 21,67 27,88
10 4,87 9,34 15,94 18,31 23,21 29,59
11 5,58 10,34 17,28 19,68 24,73 31,26
12 6,30 11,34 18,55 21,03 26,22 32,91
13 7,04 12,34 19,81 22,36 27,64 34,53
14 7,79 13,34 21,06 23,68 29,14 36,12
15 8,55 14,34 22,31 25,00 30,58 37,70
16 9,31 15,34 23,54 26,30 32,00 39,25
17 10,09 16,34 24,77 27,59 33,41 40,79
18 10,86 17,34 25,94 28,87 34,81 42,31
19 11,65 18,34 27,20 30,14 36,19 43,82
20 12,44 19,34 28,41 31,41 37,57 45,32
21 13,24 20,34 29,62 32,67 38,93 46,80
22 14,04 21,34 30,81 33,92 40,29 48,27
23 14,85 22,34 32,01 35,17 41,64 49,73
24 15,66 23,34 33,20 36,42 42,98 51,12
25 16,47 24,34 34,38 37,65 44,31 52,62
26 17,29 25,34 35,56 38,89 45,64 54,05
27 18,11 26,34 36,74 40,11 46,96 55,48
28 18,94 27,34 37,92 41,34 48,28 56,89
29 19,77 28,34 39,09 42,56 49,59 58,30
30 20,60 29,34 40,26 43,77 50,84 59,70
40 29,05 39,33 51,81 55,76 63,69 73,40
50 37,69 49,33 63,17 67,50 76,15 86,66
60 46,46 59,33 74,40 79,08 88,38 99,61
70 55,33 69,33 85,83 90,53 100,43 112,32
80 64,28 79,33 96,58 101,88 112,32 124,84
90 73,29 89,33 107,57 113,15 124,12 137,21
100 82,36 99,33 118,50 123,34 135,81 149,45
g.I. = grade de libertate (n mod obinuit, g.I. = N - 1; N = numrul claselor)
71
TABEL 3 - Coeficientul de corelaie liniar r
g.l. p = 0,1 p = 0,05 p = 0,02 p = 0,01 p = 0,005 p = 0,001
1 0,9877 0,9969 0,9995 0,99988 0,99997 0,999998
2 0,9000 0,9500 0,9800 0,99000 0,99500 0,999000
3 0,805 0,878 0,9343 0,9587 0,9740 0,99114
4 0,729 0,811 0,882 0,9172 0,9417 0,9741
5 0,669 0,754 0,833 0,878 0,9056 0,9509
6 0,621 0,707 0,789 0,834 0,870 0,925
7 0,582 0,666 0,750 0,798 0,836 0,898
8 0,549 0,632 0,715 0,765 0,805 0,872
9 0,521 0,602 0,685 0,735 0,776 0,847
10 0,497 0,576 0,658 0,708 0,750 0,823
11 0,476 0,553 0,634 0,684 0,726 0,801
12 0,457 0,532 0,612 0,661 0,703 0,780
13 0,441 0,514 0,592 0,641 0,683 0,760
14 0,426 0,497 0,574 0,623 0,664 0,742
15 0,412 0,482 0,558 0,606 0,647 0,725
16 0,400 0,468 0,543 0,590 0,631 0,708
17 0,389 0,456 0,529 0,575 0,616 0,693
18 0,378 0,444 0,516 0,561 0,602 0,679
19 0,369 0,433 0,503 0,549 0,589 0,665
20 0,360 0,423 0,492 0,537 0,576 0,652
25 0,323 0,381 0,445 0,487 0,524 0,597
30 0,296 0,349 0,409 0,449 0,484 0,554
35 0,275 0,325 0,381 0,418 0,452 0,519
40 0,257 0,304 0,358 0,393 0,425 0,490
45 0,243 0,288 0,338 0,372 0,403 0,465
50 0,231 0,273 0,322 0,354 0,384 0,443
60 0,211 0,250 0,295 0,325 0,352 0,408
70 0,195 0,232 0,274 0,302 0,327 0,380
80 0,183 0,217 0,257 0,283 0,307 0,357
90 0,173 0,205 0,242 0,267 0,290 0,338
100 0,164 0,195 0,230 0,254 0,267 0,321
g.l. = grade de libertate (g.l. = N - 2; N = numrul de puncte sau de perechi)
72
BIBLIOGRAFIE
1. Aram, O., Aplicaii ale matematicii n farmacie i medicin, Ed. Dacia, Cluj-Napoca,
1987.
2. Brauer, F., Catillo-Chavez, C, Mathematical Models in Population Biology and
Epidemiology, Springer-Verlag, New York, 2001.
3. Batschelet, E., Introduction to Mathematics for Life Scientists, Springer-Verlag, Berlin,
1979.
4. Dugacicu, N., Moise, Ghe., Doroftei, S., Elemente de Biostatistic, Ed. Vasile Goldi,
Arad, 1997.
5. Edwards, B., The Readable Math and Statistics Book, G. Allen and Unwin, London, 1980.
6. Gabrielsson, J., Wiener, D., Pharmacokinetic/Pharmacodynamic Data Analysis: Concepts
and Applications, Swedish Pharmaceutical Press, Stockholm, 2000.
7. Greenwell, R.N., Ritchey, N.P., Lial, M.L., Calculus with Applications for
the Life Sciences, Addison-Wesley, San Francisco, 2003.
8. Keck, R.W., Patterson, R.R., Biomath - Problem Solving for Biololgy Students, Benjamin
Cummings, New York, 2000.
9. Michelson, S., Schofield, T., The Biostatistics Cookbook, Kluwer Academic Publishers,
Dordrecht, 1996.
10. Micula, M., Matematici aplicate n agronomie, Transilvania Press, Cluj-Napoca, 1997.
11. Moroney, M,J., Comprendre la Statistique, Gerard&C-ie, Verviers, 1970
12. Postelnicu, T., Tutu, P., Metode matematice n medicin i biologie, Editura Tehnic,
Bucureti, 1971.
13. Rus, I.A., Iancu, C, Modelare matematic: elemente introductive, Transilvania Press, Cluj-
Napoca, 2000.
14. Shleanu, V., Elemente de matematici generale pentru medici i biologi, Uniunea
Societilor de tiine Medicale, Bucureti, 1963.
15. Snedecor, G.W., Metode statistice aplicate n cercetrile de agricultur i biologie, Editura
Didactic i Pedagogic, Bucureti, 1968
16. Tarba, C, Elemente de matematici cu aplicaii n biologie, U.B.B., Cluj-Napoca, 1975.
17. Tarba, C., Matematici cu aplicaii n biologie, Ed. Risoprint, Cluj-Napoca, 2003.
18. www.anpm.ro site-ul Ageniei Naionale pentru Protecia Mediului.
19. www.mappm.ro site-ul Ministerului Mediului i Gospodririi Apelor.
73
Subiecte Biostatistic
1. Delimitarea cercetarii statistice se face in functie de :
a) timp
b) spatiu
c) personalul calificat
d) volum
e) resurse financiare
2. Mijloacele de inregistrare ce servesc pentru inscrierea unei singure unitati statistice, o
singura data sunt:
a) fisele
b) buletinele
c) listele
d) registrele
3. Verificarea logica este o verificare:
a) cantitativa
b) calitativa
4. Cartodiagrama este un grafic folosit pentru:
a) distributia in spatiu
b) evolutia in timp
5. Stiind ca s-au efectuat un numar de 64 masuratori iar deviatia standard este 2, atunci
eroarea standard a mediei este:
a) 1/3 b) 1/4 c) 0 d) 1
6. S se stabileasc dac ntre urmtoarele iruri exist o diferena statistic semnificativ:
1) 2, 2, 2, 3, 3, 3, 4, 4, 4, 4, 5, 5, 5, 6, 6, 6;
2) 1, 3, 3, 4, 4, 4, 5, 5, 5, 5, 5, 6, 6, 6, 7, 7.
7. Ancheta este o metoda de inregistrare:
a) partiala
b) totala
8. Mijloacele de inregistrare ce servesc pentru inscrierea unei singure unitati statistice, de
mai multe ori, pe perioade de timp mai indelungate, sunt:
a) fisele
b) buletinele
c) listele
d) registrele
9. Verificarea cifrica este o verificare:
a) Cantitativa
b) Calitativa
10. Istoriograma este un grafic folosit pentru:
a) distributia in spatiu
b) evolutia in timp
11. Abaterea centrala se calculeaza ca
a. diferenta dintre cea mai mare si cea mai mica valoare a sirului
b. diferenta dintre fiecare valoare a sirului si media sa aritmetica
c. diferenta dintre media aritmetica si cea mai mica valoare a sirului
d. diferenta dintre cea mai mare valoare a sirului si media aritmetica
12. Amplitudinea se calculeaza ca
a. diferenta dintre cea mai mare si cea mai mica valoare a sirului
74
b. diferenta dintre fiecare valoare a sirului si media sa aritmetica
c. diferenta dintre media aritmetica si cea mai mica valoare a sirului
d. diferenta dintre cea mai mare valoare a sirului si media aritmetica
13. Valoarea din sirul ordonat dupa marime ce se situeaza la egala distanta de capetele
sirului se numeste
a) mediana b) valoare dominanta c) amplitudine d)modul
14. Valoarea care se intalneste cel mai frecvent intr-un sir de variatie se numeste
a) mediana b) medie aritmetica c) amplitudine d)modul
15. Daca se considera normal ceea ce se intalneste la 95% din efectiv, iar valoarea medie
este m, atunci intervalul de normalitate este:
a) [m-3 , m+3] b) [m-5 , m+5] c) [m-2 , m+2] d) [m- , m+]
16. Ipoteza nula se respinge, diferenta fiind considerata semnificativa daca:
a) p<0.05 b) p>0.05 c) p=0.05 d) p<0,5
17. Fie sirul de observatii: 10,10,20,20,20,30,30,30,30,40,40,40,50,50,60. Valoarea medie a
sirului este:
a) 20 b) 32 c) 34 d) 40
18. Fie sirul de observatii: 10,10,20,20,20,30,30,30,30,40,40,40,50,50,60. Valoarea
medianei este:
a) 30 b) 40 c) 10 d) 60
19. Fie sirul de observatii: 10,10,20,20,20,30,30,30,30,40,40,40,50,50,60. Valoarea
dominanta a sirului este:
a) 30 b) 40 c) 10 d) 60
20. Fie sirul de observatii: 10,10,20,20,20,30,30,30,30,40,40,40,50,50,60. Amplitudinea
sirului este:
a) 30 b) 50 c) 10 d) 60
21. Abaterea centrala a termenului al noualea (d
9
) din sirul
10,10,20,20,20,30,30,30,30,40,40,40,50,50,60 este:
a) 0,125 b) 2 c) - 2 d) - 0,125
22. Variana unui ir de 21 elemente este egal cu 5. Suma ptratelor abaterilor centrale este
egal cu:
a)0 b) 100 c)4 d) 25
23. Dac variana nlimii medii a brbailor maturi dintr-o populaie izolat este 16cm,
atunci abaterea medie ptratic este egal cu:
a) 196 b)4 c)0 d)8
24. Daca media inaltimii copacilor dintr-o padure este 5m, iar deviatia standard 50cm,
atunci coeficientul de variabilitate este:
a) 10% b) 0,1% c)1% d)5%
25. In urma cantaririi a 200 de boabe de grau se ajunge la o valoare medie de 40mg, iar
deviatia standard este egala cu 5mg. Daca se considera ca normala greutatea ce se
intalneste la 95% dintre boabele de grau, intervalul de normalitate este:
a) 35mg 45mg b)30mg 50mg c) 25mg 45mg d)39mg 41mg
26. Daca media inaltimii puietilor de brad dintr-un lot experimental este de 130cm, iar
deviatia standard este de 10 cm, sa se stabileasca care dintre inaltimile de mai jos nu se
gasesc printre cele 95% considerate normale:
a )135cm b)100cm c)175cm d)150
75
27. Fie un sir de observatii al carui valoare medie este 10, iar deviatia standard 3. Stiind ca
sirul are 14 elemente sa se stabileasca intervalul de normalitate folosind criteriul lui
Chauvenet.
a) [5 , 15] b)[6,5 , 12,4] c) [7 , 13] d)[3,7 , 16,3]
28. Fie sirul: 1,4,4,5,5,5,6,6,6,6,7,9. Stiind ca media este 5,333 iar deviatia standard 1,922
atunci se pot elimina ca aberante urmatoarele observatii (pe baza criteriului propus de
Chauvenet)
a) 1 b)1 si 9 c) 9 d) nici una
29. Daca se executa un numar de 20 de masuratori si se calculeaza deviatia standard a
esantionului masurat ca fiind 3, sa se afle cate masuratori mai trebuiesc facute pentru ca
eroarea standard a mediei sa fie egala cu 0,5.
a) nici una b) 16 c) 20 d) 6,66
30. Stiind ca s-au efectuat un numar de 36 masuratori iar deviatia standard este 2, atunci
eroarea standard a mediei este:
a) 1/2 b) 1/3 c) 0 d) 1
31. Fie doua loturi avand mediile 2,15 si respectiv 2,2, iar erorile standard ES
1
=0,05 si
ES
2
=0,03. Folosind Testul u se stabileste ca diferentele dintre cele 2 loturi:
a) sunt statistic semnificative b) nu sunt statistic semnificative
32. Fie sirul de observatii: 1,1,2,2,2,3,3,3,3,4,4,4,5,5,6. Valoarea medie a sirului este:
a) 2 b) 3,2 c) 3,4 d) 4
33. Fie sirul de observatii: 1,1,2,2,2,3,3,3,3,4,4,4,5,5,6. Valoarea medianei este:
a) 3 b) 4 c) 1 d) 6
34. Fie sirul de observatii: 1,1,2,2,2,3,3,3,3,4,4,4,5,5,6. Valoarea dominanta a sirului este:
a) 3 b) 4 c) 1 d) 6
35. Fie sirul de observatii: 1,1,2,2,2,3,3,3,3,4,4,4,5,5,6. Amplitudinea sirului este:
a) 3 b) 5 c) 1 d) 6
36. Abaterea centrala a termenului al noualea (d
9
) din sirul
1,1,2,2,2,3,3,3,3,4,4,4,5,5,6 este:
a) 0,125 b) 0,2 c) -0,2 d) - 0,125
37. Varianta unui sir de 26 elemente este egala cu 4. Suma patratelor abaterilor centrale este
egala cu:
a)6,5 b) 100 c)104 d) 26
38. Daca varianta inaltimii medii a barbatilor maturi dintr-o populatie izolata este 9cm,
atunci abaterea medie patratica este:
a) 81 b) 3 c) 0 d) 4,5
39. Daca media inaltimii copacilor dintr-o padure este 6m, iar deviatia standard 50cm,
atunci coeficientul de variabilitate este:
a) 8,333% b) 0,3% c)3,444% d)7,945%
40. In urma cantaririi a 500 de boabe de grau se ajunge la o valoare medie de 60mg, iar
deviatia standard este egala cu 5mg. Daca se considera ca normala greutatea ce se
intalneste la 95% dintre boabele de grau, intervalul de normalitate este:
a) 55mg 65mg b) 50mg 70mg c) 45mg 75mg d)59mg 61mg
41. Daca media inaltimii puietilor de brad dintr-un lot experimental este de 140cm, iar
deviatia standard este de 10 cm, sa se stabileasca care dintre inaltimile de mai jos nu se
gasesc printre cele 95% considerate normale:
a )135cm b)100cm c)175cm d)150
76
42. Fie un sir de observatii al carui valoare medie este 10, iar deviatia standard 3. Stiind ca
sirul are 14 elemente sa se stabileasca intervalul de normalitate folosind criteriul lui
Chauvenet.
a) [5 , 15] b)[6,5 , 12,4] c) [7 , 13] d)[3,7 , 16,3]
43. Fie sirul: 1,4,4,5,5,5,6,6,6,6,7,9. Stiind ca media este 5,333 iar deviatia standard 1,922
atunci se pot elimina ca aberante urmatoarele observatii (pe baza criteriului propus de
Chauvenet)
a) 1 b)1 si 9 c) 9 d) nici una
44. Daca se executa un numar de 30 de masuratori si se calculeaza deviatia standard a
esantionului masurat ca fiind 4, sa se afle cate masuratori mai trebuiesc facute pentru ca
eroarea standard a mediei sa fie egala cu 0,5.
a) nici una b) 34 c) 8 d) 30
45. Stiind ca s-au efectuat un numar de 25 masuratori iar deviatia standard este 2, atunci
eroarea standard a mediei este:
a) 1/5 b) 2/5 c) 0 d) 1
46. Fie doua loturi avand mediile 2,37 si respectiv 2,12, iar erorile standard ES
1
=0,05 si
ES
2
=0,07. Folosind Testul u se stabileste ca diferentele dintre cele 2 loturi:
a) sunt statistic semnificative b) nu sunt statistic semnificative
47. Fie sirul de observatii: 2,2,3,3,3,4,4,4,4,5,5,5,5,5,6,6. Valoarea medie a sirului este:
a) 4 b) 5 c) 4,125 d) 4,25
48. Fie sirul de observatii: 2,2,3,3,3,4,4,4,4,5,5,5,5,5,6,6. Valoarea medianei este:
a) 4 b) 5 c) 2 d) 6
49. Fie sirul de observatii: 2,2,3,3,3,4,4,4,4,5,5,5,5,5,6,6.Valoarea dominanta a sirului este:
a) 4 b) 5 c) 2 d) 6
50. Fie sirul de observatii: 2,2,3,3,3,4,4,4,4,5,5,5,5,5,6,6.Amplitudinea sirului este:
a) 4 b) 5 c) 2 d) 6
51. Abaterea centrala a termenului al noualea (d
9
) din sirul
2,2,3,3,3,4,4,4,4,5,5,5,5,5,6,6 este:
a) 0,125 b) 2 c) - 2 d) - 0,125
52. Varianta unui sir de 16 elemente este egala cu 4. Suma patratelor abaterilor centrale este
egala cu:
a)0 b) 4,25 c)60 d) 30
53. Daca varianta inaltimii copacilor dintr-o padure este 25cm atunci abaterea medie
patratica este egala cu:
a)0 b) 10 c)5 d)625
54. Daca media inaltimii barbatilor maturi intr-o populatie este 1,75m, iar deviatia standard
6cm, atunci coeficientul de variabilitate este:
a) 3,43% b) 0,3% c)2 % d)2,9%
55. In urma cantaririi a 100 de boabe de grau se ajunge la o valoare medie de 50mg, iar
deviatia standard este egala cu 6mg. Daca se considera ca normala greutatea ce se
intalneste la 95% dintre boabele de grau, intervalul de normalitate este:
a) 44mg 56mg b)38mg 62mg c) 36mg 56mg d)44mg 62mg
56. Daca media inaltimii puietilor de brad dintr-un lot experimental este de 150cm, iar
deviatia standard este de 10 cm, sa se stabileasca care dintre inaltimile de mai jos nu se
gasesc printre cele 95% considerate normale:
a )135cm b)100cm c)175cm d)150
77
57. Fie un sir de observatii al carui valoare medie este 5, iar deviatia standard 1,5. Stiind ca
sirul are 10 elemente sa se stabileasca intervalul de normalitate folosind criteriul lui
Chauvenet.
a) [2 , 8] b)[3 , 6] c) [3,2 , 7,5] d)[2,06 , 7,94]
58. Fie sirul: 2,3,4,4,4,5,5,5,5,5,6,6,6,7,7,10. Stiind ca media este 5,25 iar deviatia standard
1,843 atunci se pot elimina ca aberante urmatoarele observatii (pe baza criteriului
propus de Chauvenet)
a) 2 b)2 si 10 c) 10 d) nici una
59. Titlul unui tabel trebuie s rspund la ntrebrile:
a) ce? b) de ce? c) unde? d) cnd? e) cum?
60. Atunci cnd materialul necesar efecturii lucrrii l obinem ca rezultat nemijlocit al
muncii proprii se folosete termenul de:
a) adunare b) observare
61. n situaia n care cercetm fenomene care se caracterizeaz prin nsuiri sau
caracteristici diametral opuse, excluzndu-se unul pe altul, utilizm:
a) tabele de frecven b) tabele de corelaie c) tabele dichotomice
62. Metoda de nregistrare parial utilizat pentru studiul unei singure colectiviti sau a
unui singur fenomen este:
a) estimaia b) monografia c) ancheta
63. Daca se executa un numar de 30 de masuratori si se calculeaza deviatia standard a
esantionului masurat ca fiind 4, sa se afle cate masuratori mai trebuiesc facute pentru ca
eroarea standard a mediei sa fie egala cu 0,5.
a) nici una b) 34 c) 8 d) 30
64. Stiind ca s-au efectuat un numar de 64 masuratori iar deviatia standard este 2, atunci
eroarea standard a mediei este:
a) 1/3 b) 1/4 c) 0 d) 1
65. Fie doua loturi avand mediile 4,05 si respectiv 4,2, iar erorile standard ES
1
=0,07 si
ES
2
=0,05. Folosind Testul u se stabileste ca diferentele dintre cele 2 loturi:
a) sunt statistic semnificative b) nu sunt statistic semnificative