D2109 Statistica Judiciara

UNIVERSITATEA BOGDAN VOD DIN CLUJ-NAPOCA
FACULTATEA DE DREPT

Mihaela JARADAT
Florin URS

STATISTIC
JUDICIAR

2012

2

3

CUPRINS

Introducere .................................................................................................. 7

Capitolul I. Noiuni elementare de statistic ............................................ 9

1. Concepte de baz .......................................................................... 9
1.1.A. Populaie statistic, eantion, unitate statistic,
volum .......................................................................... 9
1.1.B. Exemple ....................................................................... 9
1.2.A. Variabila statistic, variabila aleatoare .................... .10
1.2.B. Exemple .................................................................... .11
1.3.A. Observarea statistic ................................................ .12
1.3.B. Exemple .................................................................... .13
1.4. Indicatorul statistic ....................................................... .14
1.5.A. Seria statistic........................................................... .16
1.5.B. Exemple .................................................................... .19
2. Organizarea statisticii ................................................................ .22
2.1. Obiectul statisticii ....................................................... .22
2.2. Istoricul statisticii ........................................................ .23
2.3. Organizarea statisticii .................................................. .25
2.4. Publicaii statistice ...................................................... .25
3. Test de autoevaluare I ................................................................ .26
3.1. Enun ........................................................................... .26
3.2. Rezolvare .................................................................... .27

Capitolul II. Observarea, sistematizarea i prezentarea datelor
statistice ............................................................................... .35

1. Observarea statistic .................................................................. .35
1.1.A. Demersul observrii statistice .................................. .35
1.1.B. Exemple .................................................................... .37
1.2. Erorile de observare ..................................................... .38
2. Sistematizarea rezultatelor observrii ........................................ .39
2.1.A. Elaborarea seriilor primare ...................................... .39
2.1.B. Exemple ................................................................... .41
2.2.A. Elaborarea seriilor derivate i a
seriilor cronologice ................................................. .43
4
2.2.B. Exemple ................................................................... .47
3. Prezentarea seriilor statistice ...................................................... .53
3.1.A. Tabelul statistic i reprezentare grafic ................... .53
3.1.B. Exemple ................................................................... .62
4. Test de autoevaluare II ............................................................... .68
4.1. Enun ........................................................................... .68
4.2. Rezolvare .................................................................... .70

Capitolul III. Parametrii repartiiilor empirice unidimensionale ....... .79

1. Parametrii tendinei centrale ...................................................... .79
1.1.A. Valoarea medie ........................................................ .80
1.1.B. Exemple ................................................................... .90
1.2.A. Valoarea median .................................................... .91
1.2.B. Exemple ................................................................... .94
1.3.A. Valoarea modal ...................................................... .96
1.3.B. Exemple ................................................................... .97
2.A. Parametrii de structur ........................................................... .98
2.B. Exemple .............................................................................. ..101
3.A. Parametrii variaiei .............................................................. ..103
3.B. Exemple ............................................................................... ..109
4.A. Parametrii concentrrii ........................................................ ..110
4.B. Exemple ............................................................................... ..112
5. Parametrii formei .................................................................... ..113
6. Aplicaii ................................................................................... ..116
7. Test de autoevaluare III ........................................................... ..129
7.1. Enun ........................................................................ ..129
7.2. Rezolvare .................................................................. ..130

Capitolul IV. Analiza legturii dintre variabilele unei repartiii
multidimensionale ......................................................... ..141

1. Consideraii generale ............................................................... ..141
2. Analiza statistic a existenei legturii .................................... ..145
3. Analiza statistic a intensitii i gradului de asociere dintre
variabile ................................................................................... ..147
4. Formularea unei ipoteze cu privire la forma legturii ............. ..149
5. Determinarea parametrilor funciei de regresie ...................... ..150
6. Analiza reprezentativitii modelului statistic ......................... ..156
7. Aplicaie .................................................................................. ..157

5
8. Test de autoevaluare IV .......................................................... ..161
8.1. Enun ........................................................................ ..161
8.2. Rezolvare ................................................................. ..162

Bibliografie ............................................................................................ ..169

6

7

INTRODUCERE

Disciplina statisticii s-a nscut din studiul i descrierea statului sub
aspect economic i demografic. Astzi noiunea de statistic reprezint un
sistem de tehnici i metode fundamentale teoretice utilizate n obinerea i
tratarea statisticilor (date primare) rezultate prin observare, n scopul
evidenierii unor proprieti ale populaiei.
Dac ne raportm la diversitatea populaiilor statistice care merit a
fi studiate i implicit la domeniul n care aparatul statisticii este utilizat,
putem vorbi de statistic economic, statistic social, statistic medical
etc.
De asemenea, n funcie de tipul de observare (parial sau total) i
tehnicile utilizate, se disting dou culoare ale statisticii i anume statistica
descriptiv i statistica inferenial. Tehnicile care in de statistica
descriptiv permit obinerea de informaii referitoare la o populaie respectiv
la un eantion al acesteia atunci cnd statisticile sunt culese din ntreaga
populaie respectiv din eantion. n schimb aparatul statisticii infereniale
ofer posibilitatea ca pornind de la date culese pe eantion s obinem
informaii referitoare la ntreaga populaie.
Cursul de fa, Statistic descriptiv conine noiuni i tehnici care
in de maniera descriptivist a abordrii populaiilor statistice. El se
adreseaz studenilor de la specializrile cu caracter economic, populaiile
studiate fiind astfel cu caracter preponderent economic.
Prezentarea informaiei de baz n statistica descriptiv se face prin
intermediul acestui curs prin intermediul a ase capitole, cel de-al aptelea
capitol avnd doar caracter aplicativ, de sintez. Fiecare capitol tematic
conine dup necesiti exemple sau aplicaii adiacente aspectului teoretic.
De asemenea, fiecare din cele ase capitole se ncheie cu un test de
autoevaluare.
Primul capitol urmrete familiarizarea studentului cu noiuni
elementare ale statisticii cum ar fi populaia statistic, eantion, variabila
statistic, indicatori statistici. Tot aici sunt prezentate obiectul i istoricul
statisticii.
Al doilea capitol coincide ca i coninut cu primele trei etape din
demersul studierii unei populaii statistice i anume observarea statistic,
sistematizarea i prezentarea datelor statistice.
8
Cel de-al treilea capitol ine deja de sfera prelucrrii matematice a
datelor culese, prezentnd principalii parametrii ai unei repartiii statistice
precum i proprietile lor.
n capitolul patru se desfoar demersul aferent studierii existenei
i formei unor legturi prezente ntre diverse variabile. Metodele expuse aici
stau la baza modelrii unor fenomene economice prin nelegerea factorilor
care intervin i a legturii acestora cu variabila efect.
Capitolul cinci este un rezumat al ctorva metode de calcul al
indicilor factoriali.
Capitolul ase are ca i finalitate previzionarea unor mrimi
economice care evolueaz n timp.
Capitolul de sintez, apte, cuprinde probleme de sintez rezolvate,
probleme de sintez propuse precum i teste de autoevaluare de sintez i
doua teste de evaluare.
nsuirea eficient a noiunilor de statistic prezentate n acest curs
contribuie la formarea unui economist complet care este n stare nu doar s
opereze cu indicatorii n care se traduce un fenomen economic ci i s
neleag i s controleze prin corelri, modelri i previziuni, acel fenomen.

9
CAPITOLUL I

NOIUNI ELEMENTARE DE STATISTIC

1. Concepte de baz

1.1.A. Populaia statistic, eantion, unitate statistic, volum

Populaia statistic reprezint ansamblul de elemente de aceeai
natur avnd nsuiri eseniale comune.
Un element component al unei populaii statistice se numete unitate
statistic. Unitile statistice pot fi simple sau complexe. Unitile
statistice simple sunt componente elementare ale unei populaii statistice iar
unitile statistice complexe rezult prin agregarea mai multor uniti
simple ale populaiei.
Numrul de uniti ce compun o populaie statistic (fie ele simple
sau complexe) constituie volumul populaiei i se noteaz cu N.
O submulime a mulimii elementelor unei populaii statistice se
numete eantion. Numrul elementelor din eantion reprezint volumul
acestuia, se noteaz cu n i avem evident N n < . Populaia din care se
formeaz un eantion este considerat ca populaie univers sau populaie
mam. n raport cu procedeul de formare a eantionului avem eantioane
aleatoare i eantioane dirijate. Eantionul aleator este format din unitile
statistice care rezult printr-un procedeu aleator cum ar fi: tabelul cu numere
ntmpltoare, tragerea la sori, etc.. Eantionul dirijat este format cu acele
uniti statistice ale populaiei, care satisfac un criteriu stabilit n prealabil.

1.1.B. Exemple

Populaii statistice: mulimea studenilor unei faculti, mulimea
gospodriilor dintr-o localitate, mulimea societilor comerciale dintr-un
jude, mulimea produselor de acelai tip dintr-o fabric, etc..
Referitor la aceste populaii statistice avem ca uniti simple:
studentul, produsul, iar ca uniti complexe: societatea comercial,
gospodria.
Un exemplu de eantion dirijat format din populaia studenilor unei
faculti este eantionul studenilor bursieri, iar criteriul dup care se
formeaz eantionul este ca media notelor obinute semestrial de student s
10
fie mai mare sau egal cu o anumit limit, stabilit anterior. Pentru
formarea unui eantion aleator din aceeai populaie i se atribuie fiecrui
student un numr (de exemplu, numrul matricol), din aceste numere
extrgndu-se la ntmplare n = volumul eantionului.

1.2.A. Variabila statistic, variabila aleatoare

Variabila statistic reprezint o trstur comun tuturor unitilor
unei populaii.
Modul de manifestare concret a unei variabile la o unitate oarecare
a populaiei se traduce fie printr-un numr fie printr-un cuvnt i se numete
stare sau realizare a variabilei. Se vor nota cu
N
x x x ,..., ,
2 1
strile unei
variabile notate cu X.
Variabilele statistice se clasific n raport cu modul de exprimare,
natura i modul de variaie a acestora.
n raport cu modul de exprimare, variabilele statistice la care strile
se concretizeaz prin numere se numesc variabile cantitative sau numerice
iar cele la care strile se exprim prin cuvinte se numesc variabile calitative
sau nenumerice.
Dup natura lor, variabilele statistice pot fi: atributive, de timp sau
de spaiu. Variabila atributiv reprezint un atribut, o nsuire esenial
comun unitilor populaiei, alta dect timpul sau spaiul. Variabila de
timp este variabila care evideniaz timpul n care au luat fiin sau perioada
de timp n care au existat unitile populaiei. Variabila de spaiu ne arat
spaiul n care au luat fiin sau n care au existat unitile populaiei.
Referitor la modul de variaie, variabilele statistice cantitative pot fi
discrete sau continue. Dac variabila discret este acea variabil care n
intervalul su de definiie, nregistreaz cel mult valori raionale, adic
variaz n salturi, variabila continu poate lua orice valoare real din
intervalul su de variaie.
Clasa de uniti n raport cu o anume variabil, reunete acele uniti
din cadrul populaiei care nregistreaz aceeai stare a variabilei (dac
variabila este cantitativ discret sau calitativ) sau strile variabilei aparin
unui anumit interval de variaie [ )
i i
x x ,
1
(dac aceasta este continu).
Variabila aleatoare este variabila care poate lua una oarecare din
valorile unei mulimi finite sau infinite, fiecare cu o anumit probabilitate,
rezultat dintr-o funcie asociat unei variabile, numit lege de probabilitate.
Ca i variabila statistic, variabila aleatoare, n raport cu valorile
sale, poate fi discret sau continu.
11
n timp ce o variabil aleatoare nregistreaz valori la ntmplare,
variabila statistic este o nsuire cert a unitilor statistice din populaie.
Valorile unei variabile aleatoare sunt probabile i n strns legtur cu un
anumit experiment n timp ce strile unei variabile statistice nu sunt
probabile, ele cuantificnd o trstur proprie fiecrei uniti din populaie.

1.2.B. Exemple

Studentului, privit ca unitate statistic a populaiei amintite n 1.1.B.,
i putem ataa spre exemplu, urmtoarele variabile statistice: anul de studiu,
vrsta, naionalitatea, sexul, etc..
Societatea comercial, considerat de asemenea ca unitate statistic,
poate fi studiat n raport cu diferite variabile statistice cum ar fi: profitul,
rentabilitatea, cifra de afaceri, numrul de angajai, etc.
Dac se studiaz 100 de societi comerciale n raport cu numrul de
angajai, o stare a acestei variabile poate fi de exemplu 53
98
= x ; strile
variabilei sex cercetate pe un eantion de 30 de studeni pot fi:
F x =
1
(feminin), F x =
2
, M x =
3
(masculin), ..., M x =
29
, F x =
30
.
Referitor la clasificarea variabilelor din 1.2.A., dm urmtoarele
exemple: variabila cantitativ: vrsta; variabila calitativ: naionalitatea,
sexul; variabila cantitativ discret: numrul de copii dintr-o familie (dac
unitatea statistic este familia), nota obinut la examen (referitor la student
ca unitate statistic); variabila cantitativ continu: vrsta unei persoane;
variabila atributiv: sexul, naionalitatea, culoarea politic, forma de
proprietate a unei firme; variabila de timp: anul nfiinrii unei societi,
perioada de concediu a unui angajat; variabila de spaiu: judeul din care
face parte societatea comercial, domiciliul unei persoane, etc..
Pentru a nelege noiunea de variabil aleatoare, s considerm
relativ la populaia A de volum N format cu firmele dintr-un jude, variabila
statistic X, cifra de afaceri. Unui eantion aleator de volum n, , A i
vom asocia vectorul ( )
n
X X X ,..., ,
2 1
unde
n
X X X ,..., ,
2 1
sunt variabile
aleatoare de aceeai natur cu variabila X i cu aceleai stri posibile
N
x x x ,..., ,
2 1
.
Referitor la noiunea de clas, n raport cu variabila numr de copii,
cercetat relativ la populaia, format cu familiile din Romnia, se poate
forma de exemplu clasa familiilor cu doi copii, sau, dac variabila cercetat
referitor la aceeai populaie este salariul lunar pe familie, o clas ar putea fi
[ ) u.m. 6 u.m 3 .

12
1.3.A. Observarea statistic

Observarea statistic presupune identificarea unitilor componente
ale populaiei i apoi nregistrarea strilor variabilelor cercetate pentru
fiecare unitate component a populaiei.
Rezultatele efective obinute pentru strile variabilelor cercetate
poart numele de statistici, ele constituind materia prim a statisticii.
Dup gradul de cuprindere a populaiei statistice, observarea
statistic este de dou feluri: total sau parial. Observarea total este
observarea care presupune nregistrarea tuturor unitilor populaiei
statistice studiate n timp ce observarea parial se refer la observarea i
nregistrarea unui anumit numr de uniti din populaie, alese dup criterii
bine definite.
n cercetarea statistic a unei populaii punctul de pornire l pot
constitui fie statisticile exhaustive rezultate prin observarea populaiei
univers A fie statisticile pariale rezultate din observarea parial, adic
prin intermediul unui eantion A, n ambele cazuri scopul final fiind
acelai: obinerea de informaii la nivelul populaiei univers A.
Vom avea de-a face atunci cu o ramificare a statisticii ca obiect de
studiu n funcie de punctul de pornire n cercetarea unei populaii statistice.
Deosebim statistica descriptiv i statistica inferenial.
n cercetarea unei populaii statistice ntr-o manier descriptiv se
vor utiliza ca materie prim, statisticile rezultate din observarea total a
populaiei deci statisticile exhaustive. Obiectul statisticii descriptive poate
fi schematizat astfel:

Statistici Informaii
relativ la sau A relativ la sau A

Pentru cazul cercetrii n manier inferenial, materia prim
folosit este alctuit din statisticile rezultate prin observarea unui eantion
astfel nct se pune problema extinderii informaiei de la nivelul
eantionului la nivelul populaiei univers, demers realizabil prin intermediul
induciei statistice sau inferenei statistice. Tehnicile de inferen statistic
au la baz noiuni de teoria probabilitilor i statistic matematic i se
concretizeaz n principal prin interval de ncredere i testri de ipoteze
Tehnici de prelucrare a
statisticilor
13
statistice. Aspecte particulare ale demersului statisticii infereniale sunt i
dimensionarea eantionului i eantionarea propriu zis.

Obiectul statisticii infereniale poate fi schematizat astfel:

Statistici Informaii Informaii
relativ la relativ la relativ la A

1.3.B. Exemple

S presupunem c ne intereseaz nivelul de trai al familiilor din
judeul Alba. Populaia studiat va fi deci format cu familiile respective,
unitatea statistic fiind n acest caz familia, unitate de msur complex.
Pentru a restrnge costul i timpul cercetrii se poate extrage un eantion din
populaia univers, spre exemplu de volum 100 = n . n vederea atingerii
scopului fixat este necesar s studiem acest eantion, n raport cu anumite
variabile, cum ar fi: venitul familiei/lun, numr de persoane/familie,
cheltuielile etc.. Datele obinute din observarea statistic vor fi trecute (ca
valori ale variabilelor studiate) ntr-un tabel de tipul urmtor.

Cu alte cuvinte, prima familie din eantion are un venit de 2,5 u.m. i
3 membrii, a doua familie, 4,7 u.m. i 4 membrii, etc.
Un exemplu de observare total este recensmntul populaiei
Romniei.
Nr.
crt. X Y Z ....
1
2
.
.
.
100
2,5
4,7
.
.
.
5
3
4
.
.
.
3
X=venit
(u.m.)
Y=numr
persoane
Statistici
relativ la
Tehnici de
prelucrare
Informaii
relativ la
Informaii
relativ la A
Tehnici de inducie
statistic
Tehnici de inducie
statistic
Tehnici de
prelucrare a
statisticilor
14
Controlul de calitate a diverselor tipuri constituie un exemplu de
observare parial, o observare total nefiind ntotdeauna eficient din cauza
costurilor ridicate.

1.4. Indicatorul statistic

Indicatorul statistic este o variabil atributiv cantitativ, ale crei
valori numerice rezult dintr-un algoritm pentru fiecare unitate sau clas de
uniti a populaiei statistice.
Mulimea indicatorilor statistici admite urmtoarele clasificri:
a) dup natura populaiei statistice:
-indicatori social-economici;
-indicatori tehnici;
-indicatori tehnico-economici;
-indicatori fizici;
-indicatori biologici.
b) n raport cu coninutul variabilei, indicatorii economici pot fi:
-indicatori ai potenialului economic (uman i material);
-indicatori ai rezultatelor activitii;
-indicatori ai eficienei utilizrii potenialului economic.
c) n raport cu numrul unitilor populaiei la care se refer
algoritmul:
-indicatori individuali, care fac referin la o singur unitate
statistic a populaiei;
-indicatori de grup sau sintetici care fac referin la dou sau mai
multe uniti ale populaiei.
d) n raport cu coninutul algoritmului de calcul:
-indicatori absolui
-indicatori relativi.
n categoria indicatorilor absolui intr urmtorii indicatori:
-frecvena absolut;
-frecvena absolut cumulat;
-indicatorul de nivel;
-diferena absolut a unui indicator.
Frecvena absolut
i
N a clasei i ( ,R i 1 = ,R numrul de clase)
reprezint numrul de uniti ale populaiei din clasa respectiv.
15
Frecvena absolut cumulat ( )
i
x N corespunztoare strii
i
x sau
intervalului [ )
i i
x x ,
1
, reprezint numrul unitilor populaiei pentru care
i
x X < .
Indicatorul de nivel exprim volumul, nivelul nregistrat de o
variabil numeric pentru una sau mai multe uniti ale unei populaii.
Diferena absolut a unui indicator exprim diferena dintre
nivelul cercetat al indicatorului considerat i cel luat ca baz de comparaie.
Grupa indicatorilor relativi cuprinde:
-frecvena relativ;
-frecvena relativ cumulat;
-greutatea specific;
-indicatorul relativ de intensitate;
-indicele unui indicator;
-diferena relativ a unui indicator.
Frecvena relativ corespunztoare strii
i
sau intervalului
[ )
i i
,
1
este raportul dintre frecvena absolut
i
N i volumul populaiei N.
Frecvena relativ cumulat ( )
i N
x F se definete ca suma
frecvenelor relative pn la
i
x X = .
Greutatea specific a clasei i, notat
i
g , reprezint raportul dintre
nivelul nregistrat de X n clasa respectiv i suma nivelelor nregistrate de X
pentru fiecare clas.
Indicatorul relativ de intensitate se definete ca raport ntre doi
indicatori de nivel i arat gradul de rspndire a fenomenului cuantificat de
indicatorul de la numrtor n raport cu fenomenul cuantificat de indicatorul
de la numitor.
Indicele unui indicator reprezint raportul dintre nivelul cercetat al
indicatorului respectiv i cel luat ca baz de comparaie.
Diferena relativ a unui indicator reprezint raportul dintre
diferena absolut a indicatorului respectiv i nivelul acestuia considerat ca
baz de comparaie.
La baza algoritmului de calcul al unui indicator oarecare considerat,
poate sta un model matematic determinist sau un model statistic.
Modelul determinist este un model care nu conine elemente
aleatoare i care surprinde n mod cert starea sau evoluia fenomenului
studiat n funcie de variabilele luate n considerare. Mrimile ntr-un model
determinist se leag printr-o relaie funcional de forma
( )
n
X X X H Z ,..., ,
2 1
= n care variabila dependent sau funcia Z se va numi
16
variabil exogen sau explicat iar variabilele independente
n
X X X ,..., ,
2 1
,
variabile endogene sau explicative.
Modelul statistic este modelul n care intervin pe lng variabilele
msurabile sau observabile una sau mai multe variabile aleatoare. n cazul
modelului statistic, la o valoare a sistemului de variabile explicative, pot
corespunde mai multe valori ale variabilei explicate. Se poate scrie deci:
( ) e X X X H Z
n
+ = ,..., ,
2 1
, unde e este un factor aleator.
Formulele matematice de calcul precum i exemple de calcul al
indicilor mai sus menionai se regsesc n paragrafele 2.2.A i 2.2.B.
(Capitolul II).

1.5.A. Seria statistic

Seria statistic este o construcie statistic realizat pe baza
rezultatelor observrii statistice, reflectnd fie structura unei populaii n
raport cu una sau mai multe variabile fie variaia unui indicator statistic n
raport cu acele variabile.
Se deosebesc urmtoarele clasificri ale seriilor statistice:
a) n raport cu numrul variabilelor:
-serii statistice unidimensionale , care au la baz o singur
variabil;
-serii statistice multidimensionale, care au la baz dou sau
mai multe variabile.
b) dup natura variabilei:
-serii atributive, care au la baz variabile atributive;
-serii cronologice (de timp) care au la baz variabile de timp;
-serii de spaiu, care au la baz variabile de spaiu.
c) dup modul de exprimare a realizrilor variabilei:
-serii calitative, care au la baz variabile nenumerice;
-serii cantitative care au la baz variabile numerice i care dup
modul de variaie a variabilei pot fi: discrete (cnd variabila este
discret) i continu (cnd variabila este continu).
d) n raport cu natura indicatorului de la baza seriei:
-serii de frecven (serii de distribuie, de repartiie,
repartiie statistic sau distribuie statistic), sunt formate n
exclusivitate din frecvene (absolute cumulate sau necumulate,
relative cumulate sau necumulate) i redau structura populaiei
n raport cu una sau mai multe variabile.
-serii de variaie care redau variaia unui indicator n raport cu
una sau mai multe variabile i sunt formate din celelalte tipuri de
17
indicatori altele dect frecvenele; din aceste tipuri de serii un rol
important n practic l au seriile care redau variaia n timp a
indicatorului, adic seriile cronologice.
Aadar prin intermediul seriilor se poate reda repartiia elementelor
populaiei de cercetat n grupe sau variaia unui indicator n raport cu dou
sau mai multe variabile.

Seria care red repartiia populaiei n R clase n raport cu o variabil
X se poate scrie astfel:

[ ) [ ) [ )

R
R R
N N N
x x x x x x
X
...
, ... , ,
:
2 1
1 2 1 1 0

unde [ ) [ )
R R
x x x x , ,..., ,
1 1 0
reprezint intervalele de variaie pentru X iar
R
N N N ,..., ,
2 1
, cele R frecvene absolute corespunztoare claselor. Dac X
este o variabil discret, atunci seria va fi de tipul:

R
R
N N N
x x x
X
...
...
:
1 0
1 0

unde
R
x x ,...,
0
sunt valorile variabilei X.
Seria de variaie unidimensional se reprezint astfel:

l
l
y y y
i i i
...
...
2 1
2 1

unde
l
i i i ,..., ,
2 1
, sunt fie uniti de timp, fie uniti de spaiu sau alte
categorii socio-economici, iar
l
y y ,...,
1
,

sunt nivelele nregistrate de ctre
indicatorul n raport cu care este studiat populaia.
Modul de simbolizare a seriilor bidimensionale de repartiie este
urmtorul:

18
y x
[ )
1 0
, x x [ )
2 1
, x x [ )
j j
x x ,
1
[ )
R R
x x ,
1

TOTAL
[ )
P P
y y ,
1

.
.
.
[ )
i i
y y ,
1

.
.
.
[ )
2 1
, y y
[ )
1 0
, y y
1 P
N
.
.
.
1 i
N
.
.
.
21
N
11
N
2 P
N . . .
.
.
.
2 i
N . . .
.
.
.
22
N . . .
12
N . . .
Pj
N . . .
.
.
ij
N . . .
.
.
.
j
N
2
. . .
j
N
1
. . .
PR
N
.
.
.
iR
N
.
.
.
R
N
2

R
N
1

P
N
.
.
.
i
N
.
.
.
2
N
1
N
TOTAL

1
N
2
N
j
N
. . .
. . .
R
N

N

unde
ij
N reprezint clasa unitilor pentru care variabila X ia valori n
intervalul [ )
j j
x x ,
1
iar variabila Y ia valori n intervalul [ )
i i
y y ,
1
.
Pe baza acestui tabel numit i repartiie bidimensional se pot
extrage seriile marginale i seriile condiionate.

Seria marginal n raport cu X:

[ ) [ ) [ ) [ )

R j
R R j j
N N N N
x x x x x x x x
X
... ...
, ... , ... , ,
:
2 1
1 1 2 1 1 0

Seria marginal n raport cu Y:

[ ) [ ) [ ) [ )

P i
P P i i
N N N N
y y y y y y y y
Y
... ...
, ... , ... , ,
:
2 1
1 1 2 1 1 0

Avem relaiile N N N
P
i
i
R
j
j
= =

=

=

1 1
.

Exist de asemenea R serii n raport cu Y condiionate de X i P serii
n raport cu X condiionate de Y.
19
Spre exemplu seria n raport cu X condiionat de clasa [ )
i i
y y ,
1
a
lui Y , se poate scrie astfel:

[ )
[ ) [ ) [ ) [ )

iR ij i i
R R j j
y y Y
N N N N
x x x x x x x x
X
i i
... ...
, ... , ... , ,
: /
2 1
1 1 2 1 1 0
,
1

Analog, seria n raport cu Y condiionat de clasa [ )
j j
x x ,
1

[ )
[ ) [ ) [ ) [ )

Pj ij j j
P P j j
x x X
N N N N
y y y y y y y y
Y
j j
... ...
, ... , ... , ,
: /
2 1
1 1 2 1 1 0
,
1

n tabel mai au loc relaiile:

=

=
P
i
j ij
N N
1
,
=

=
R
j
i ij
N N
1
,
= =
=
R
j
P
i
ij
N N
1 1
.

1.5.B. Exemple

Serii statistice unidimensionale:
-serie atributiv (red repartiia populaiei formate cu 100 de firme n raport
cu variabila X = cifr de afaceri exprimat n u.m.)

[ ) [ ) [ ) [ )

15 50 10 25
200 150 150 100 100 50 50 0
: X

-serie de spaiu (red repartiia pe judeul de domiciliu a 50 de studeni)

10 2 3 35
:
Hunedoara Brasov Arad Alba
X

-seriile de timp pot fi i ele mprite n serii de momente de timp i serii
de intervale de timp
-serie de momente de timp (red numrul de cinematografe timp de trei
ani) n Romnia

20
3350 1299 338

1960 1950 1938
: X

-serie de intervale de timp (red producia de autoturisme din Romnia)

bucati mii
X

84 100 144 141 129
1991 1990 1989 1988 1987
:

-serie calitativ (red repartiia pe sexe a angajailor unei firme n numr de
80)
55 25
:
F M
X

-serie cantitativ (red repartiia angajailor unei firme n funcie de salariu /
lun)

[ ) [ ) [ ) [ ) [ )
. .
6 20 12 23 12
6 5 5 4 4 3 3 2 2 1
:
m u
X

-seria cantitativ discret (red repartiia familiilor dintr-o localitate n
funcie de numrul de copii)

>
21 20 40 80 200 100 40 20
6 6 5 4 3 2 1 0
: X

-serie cantitativ continu (red repartiia studenilor unui an universitar n
raport cu media pe an)

[ ] [ ] [ ] [ ] [ ]

18 60 60 50 12
10 9 99 , 8 8 99 , 7 7 99 , 6 6 99 , 5 5
: X

-serie de frecvene (red repartiia produselor unei fabrici n funcie de
calitate, pentru un lot de 1000 de produse)

21
50 50 200 700
:
IV III II I
X

-serie de variaie (red variaia profitului unei firme pe parcursul unui an)

... 120 115 102 113 100 120 100

...
:
Iul Iun Mai Apr mar Feb Ian
X

-o serie poate s treac n acelai timp prin mai multe clasificri; de exemplu
seria care red repartiia familiilor dintr-un ora n funcie de numrul de
camere pe care-l ocup este o serie de frecvene, atributiv, cantitativ,
discret

>
10 15 25 50 100 75 50 20
6 6 5 4 3 2 1 0
: X

Serie de frecvene, bidimensional, avnd la baz o variabil
calitativ, atributiv i una cantitativ, discret, atributiv:

x
y Mate-Fizic Filologie Chimie-Biologie Industrial Alte Profile Total
0 80 2 25 2 7 116
1 18 2 15 5 6 46
2 2 7 7 3 19
3 1 4 5 10
>3 2 7 9
Total 100 12 40 20 28 200

Seria de mai sus red repartiia a 200 de studeni dintr-un an
universitar, de la un profil economic, cercetai n raport cu X - profilul
liceului absolvit i cu Y - numrul de examene restan la sfritul anului I.
Seria marginal n raport cu X red repartiia studenilor n funcie de
profilul liceului absolvit:
22
200
28 20 40 12 100
:
=
ALTE IND CB FILO MF

X

Seria marginal n raport cu Y red repartiia studenilor n funcie de
numrul de restane:

200
9 10 19 46 116
3 3 2 1 0
:
=
>
Y

Pe baza tabelului bidimensional se pot extrage, de asemenea, cinci
serii condiionate de clasele lui X i tot cinci serii condiionate de clasele lui
Y.

De exemplu seria studenilor care au terminat un liceu industrial, n funcie
de numrul de restane, va fi:

20
2 4 7 5 2
3 3 2 1 0
:
=
>
= INDUSTRIAL X
Y

iar seria studenilor cu dou examene restan n funcie de profilul liceului
absolvit, va fi:
19
3 7 0 7 2
:
2
=
=
ALTE IND CB FILO MF
Y
X

2. Organizarea statisticii

2.1. Obiectul statisticii

Obiectul de studiu al statisticii l constituie populaiile statistice de
orice natur. n studiul acestora, statistica realizeaz n prima faz
observarea populaiei, observare ce poate fi exhaustiv (total) sau parial,
adic pe baz de eantioane.
n faza urmtoare, rezultatele observrii, denumite i statistici
relative la variabilele cercetate, sunt supuse unui ansamblu de tehnici de
prelucrare din care rezult produsul final al statisticii, materializat sub form
de informaie relativ la populaia studiat.
23
n cazul n care statisticile rezultate n faza observrii se refer la
ntreaga populaie, tehnicile de prelucrare ale acestora sunt tehnici ale
matematicii deterministe i avem de-a face cu statistica descriptiv.
Statistica inferenial se bazeaz n schimb pe statisticile rezultate
prin observarea unor eantioane aleatoare deci rezult n prima faz
informaii la nivelul eantionului care se extind apoi prin inferen statistic
la nivelul populaiei univers din care s-a format eantionul.

2.2. Istoricul statisticii

Statistica s-a conturat ca disciplin de sine stttoare nc din
antichitate, realiznd un compromis ntre practic i teorie. Att n Grecia
antic, ct i n imperiul roman, se culegeau o serie de date care priveau
inventarierea bunurilor, a resurselor umane, descrierea geografic i politic
a diverselor state.
Toate aceste preocupri au constituit o consecin a necesitii
practice, executndu-se n mod empiric i fr respectarea unor criterii
riguroase.
Interesele de ordin tiinific nu au ntrziat s apar, fcnd ca
statistica sa evolueze de la stadiul de statistic practic. ncepea s se
impun cunoaterea unor fenomene, referitor la care se cunoteau o
multitudine de date. n faza incipient de conturare a statisticii, disciplina se
rezuma la descrierea statului, exprimarea situaiei geografice, economice i
politice. Acest mod de abordare a statisticii, cunoscut sub numele de
descrierea statului, a predominat pn n secolul al XVII-lea i al XVIII-
lea cnd a atins punctul culminant, prin construirea n Germania a unei coli,
cunoscut ca coala descriptiv german. Ulterior aceast disciplin
nscut din practic a devenit un obiect de studiu favorit n Germania,
cunoscut sub numele de statistic
n aceast perioad au fost elaborate lucrri cu privire la descrierea
statelor n diferite ri europene. n Moldova, o astfel de lucrare este
Descrierea Moldovei a lui Dimitrie Cantemir.
Dup perioada de glorie a statisticii descriptive a statului, n Anglia
apare un curent statistic nou, cunoscut sub numele de aritmetica politic.
Acesta presupunea urmtoarele noi aspecte: analiza datelor de observaie
prin procedee matematice; relevarea regularitilor n fenomene social-
economice; formulri i ncercri de previzionare a unor fenomene..
Reprezentanii noului curent au fost: John Graunt, William Petty i Edmund
Malley. Influena aritmeticii politice engleze s-a fcut simit i n alte ri,
nregistrndu-se astfel o aritmetic politic european.
24
n consecin, la sfritul secolului al XVIII-lea, n statistic existau
dou curente: dup primul curent, statistica era neleas ca o descriere
empiric a caracteristicilor statului (statistica descriptiv), n timp ce
conform celui de-al doilea curent statistica realiza analiza fenomenelor
sociale, n cutarea de reguli i modelri motivate pe observaii i calcule
numerice (aritmetica politic).
Aritmetica politic cunoate o puternic nflorire odat cu inventarea
calculului probabilitilor. Aceast nou ramur a matematicii a realizat
fundamentarea tiinific a preocuprilor statistice de pn atunci. Printre
primii care au utilizat modelele teoriei probabilitilor n studiul statistic al
fenomenelor economice i sociale au fost Bernoulli, Laplace, Gauss, Fourier
i Poisson. Calculul probabilistic s-a manifestat pregnant n statistic n
secolul al XIX-lea. Reprezentani de seam ai acestei perioade au fost:
Quetelet, Cebev, Markov.
n secolul trecut apare o nou etap n evoluia statisticii cunoscut
ca etapa constituirii statisticii moderne. n aceast etap statistica evolueaz
de la stadiul descriptiv, de prezentare simplist a fenomenelor la
interpretarea analitic a fenomenelor i deducerea de concluzii inductive
avnd la baz datele culese. n acest punct de cotitur apare o
ntreptrundere a statisticii cu matematica n vederea obinerii celor mai
corespunztoare metode n atingerea obiectivelor. Printre cei care au adus
un aport considerabil n statistica modern, amintim aici pe Galton, Pearson,
Fischer.
Vom concluziona prin a spune c statistica modern prezint dou
aspecte diferite dar complementare: aspectul descriptiv din aa numita
statistic descriptiv, care permite expunerea informaiilor aa cum au
rezultat din prelucrarea datelor din observare i aspectul inductiv, din
statistica inferenial, care ne permite o tratare analitic a datelor n vederea
deducerii de concluzii logice, asociate observaiilor efectuate. n cadrul unui
demers statistic ambele aspecte trebuie luate n considerare.
Statistica, prin metodele i procedeele pe care le pune la dispoziia
cercettorului, permite o abordare tiinific a diferitelor probleme care apar
n studiul cunoaterii fenomenelor social-economice, generate de cauze
multiple i complexe. Incursiunile n viitor, prin elaborarea de prognoze i
strategii de dezvoltare sunt astzi permise datorit contribuiei aduse de
metodele statistice. Aceste considerente ne ndreptesc s acordm
statisticii atenia cuvenit i n studiul economiei.

25
2.3. Organizarea statisticii

Institutul Naional de Statistic reprezint forul suprem din ara
noastr care coordoneaz i ndrum activitatea de cercetare a fenomenelor
social-economice, necesare fundamentrii tiinifice a deciziilor luate la
nivel guvernamental. El este subordonat direct guvernului Romniei.
Institutul Naional de Statistic acioneaz n teritoriu prin intermediul
Direciilor Regionale de Statistic.
Institutul Naional de Statistic are urmtoarele atribuii: organizeaz
sistemul informaional statistic de stat i departamental, asigur metodologia
necesar observrii i nregistrrii datelor din teritoriu, prelucreaz datele
din diverse observri statistice, efectueaz recensmintele i alte lucrri
statistice importante, asigur i pstreaz fondul naional de date statistice
etc..
Institutul Naional de Statistic particip la desfurarea activitii
internaionale de statistic prin intermediul Comisiei de Statistic O.N.U.,
Conferinei Statisticienilor Europeni, F.A.O., U.N.E.S.C.O., O.M.S..
Culegerea, transmiterea i prelucrarea datelor rezultate din observri
statistice, la nivel de stat, a dat natere, n decursul timpului, sistemului
informaional statistic. Asigurarea de date pentru sistemul informaional
statistic, se realizeaz prin operaia de observare statistic i nregistrarea
datelor rezultate n vederea prelucrrii. n sistemul informaional statistic se
desfoar simultan operaii de observare, de stocare, de nregistrare i de
prelucrare de date referitoare la diverse fenomene. Datele prelucrate aduc o
serie de informaii noi referitoare la fenomenul studiat. Informaiile aduse de
ctre sistemul informaional statistic constituie elemente de baz n
elaborarea strategiilor de dezvoltare elaborate la nivel micro i
macroeconomic.

2.4. Publicaii statistice

Principalele publicaii cu coninut statistic din ar sunt editate de
Academia Romn, Instituiile de nvmnt superior i Institutul Naional
de Statistic. Amintim urmtoarele publicaii: Revista Romn de
Statistic editat de Institutul Naional de Statistic, Revue Roumain de
Mathematiques Pures et Appliques i Studii i Cercetri Matematice
editate de Academia Romn, Studii i Cercetri de Calcul Economic i
Cibernetic Economic editat de Academia de Studii Economice.Aceste
publicaii contribuie la dezvoltarea statisticii att sub aspect teoretic ct i
aplicativ.
26
Institutul Naional de Statistic emite periodic i alte publicaii care
reflect stadiul economiei romneti sub diverse aspecte. Anuarul Statistic
al Romniei este una dintre cele mai complexe publicaii care sintetizeaz
anual date ce reflect stadiul de dezvoltare a diverselor ramuri ale economiei
naionale, aspecte sociale i demografice ale populaiei Romniei etc..
Alte publicaii ce stocheaz de asemenea diverse date sunt: Mediul
nconjurtor n Romnia, Economia mondial n cifre, Conturile naionale,
Starea social i economia Romniei, Breviarul de comer exterior, Buxiarul
de turism etc.. n buletinele periodice, Institutul Naional de Statistic
public date pe termen scurt, n special evoluia lunar a principalilor
indicatori economico-sociali i studii de conjunctur economic. Amintim
aici: Buletin statistic lunar, Studii de conjunctur economic: industria
prelucrtoare, construcii, comer, Buletin statistic de preuri, Buletin
statistic - industrie, Buletin statistic de comer exterior, Buletin statistic
trimestrial.
Publicaiile editate de Institutul Naional de Statistic au menirea de
a asigura cititorului o informaie sistematic relativ la dinamica economiei
precum i la alte aspecte din sistemul de stat.

3. Test de autoevaluare I

3.1.Enun

1.Dai cinci exemple de populaii statistice i pentru fiecare n parte precizai
scopul n raport cu care se studiaz fiecare populaie precum i variabilele
subordonate scopului respectiv.
2.Se consider populaia format cu cele 100 de gospodrii ale unei
localiti. n vederea stabilirii unei posibile legturi ntre recolta de gru la
ha, venitul pe gospodrie, ajutorul obinut de la stat i cantitatea de teren
administrat, se chestioneaz un eantion din 50 de gospodrii. Precizai n
cadrul acestui exemplu noiunile: populaie statistic, unitate statistic,
variabilele statistice n raport cu care se face cercetarea , volumul populaiei,
volumul eantionului. Elaborai tabelul n care se vor trece datele culese n
urma aplicrii chestionarului, completnd primele dou linii ale acestuia cu
date eventual fictive.
3.Caracterizai urmtoarele variabile:
- vrsta, sexul, venitul, ocupaia, locul naterii, anul naterii (relativ la o
persoan)
- numrul de angajai, profilul firmei, profitul obinut n ultimul an,
domiciliul n care i are sediul, anul nfiinrii (relativ la o firm).
27
4.Se consider seria statistic :

95 , 1 6 , 1 8 , 1
:
Martie Februarie Ianuarie
X

rednd salariul unui muncitor pe primele trei luni ale anului, exprimat n
u.m.. Elaborai seriile cu toi indicatorii derivai posibili.
Aceeai problem pentru seria:

12 43 45
:
M P S
X

unde X red forma de proprietate pentru cele 100 de societi comerciale
dintr-o localitate (S =cu capital integral de stat, P =cu capital privat, M =
cu capital mixt).

3.2.Rezolvare

Problema 1

a)Populaia statistic: mulimea locuinelor familiilor de 7 persoane, n anul
2000
Scopul: studierea condiiilor de trai pentru familiile respective.
Variabile statistice subordonate scopului:
-numrul camerelor locuinelor
-suprafaa (
2
m ) locuinelor
-tipul de nclzire utilizat, etc.
b)Populaia statistic: mulimea caselor de copii din Romnia n anul 1998
Scopul: Stabilirea calitii vieii n astfel de instituii.
Variabile statistice:
-numrul de copii
-numrul personalului
-numrul de paturi ntr-o camer
-cheltuielile cu ntreinerea (hran, mbrcminte, etc.)/copil
c)Populaia statistic: mulimea societilor comerciale din Alba-Iulia la
sfritul anului 1999
Scopul-Studierea pieei produselor pe care acestea le promoveaz.
28
-volumul vnzrilor pe 1999
-profitul pe 1999
-cheltuielile cu publicitatea pe 1999
d)Populaia statistic : mulimea angajailor unei firme din localitatea X n
anul 2001
Scopul stabilirea unei relaii de comunicare real a angajailor cu
conducerea firmei
-opinia angajailor cu privire la modul de salarizare
-opinia acestora privind politica firmei vizavi de promovarea produselor
-salariul pe ultima lun, etc.
e)Populaia statistic: mulimea localitilor din Romnia n anul 1996
Scopul: cercetarea gradului de privatizare n anul 1996 n Romnia
- numrul societilor private din fiecare localitate
- numrul celor care doresc s-i nfiineze n decursul anului o societate
privat

Problema 2

Populaia statistic studiat: mulimea celor 100 de gospodrii ale unei
localiti
Unitate statistic: gospodria (unitate de natur complex)
Variabile statistice :
X
1
- producia de gru/ha a unei gospodrii(n mii kg.)
X
2
- suprafaa de teren administrat de o gospodrie (n ha.)
X
3
-venitul/gospodrie (n u.m.)
X
4
-ajutorul obinut de la stat (n u.m.)
Volumul populaiei: 100 = N
Volumul eantionului: 50 = n
Dup realizarea observrii statistice se ntocmete un tabel de tipul
urmtor:
Nr.Crt
1
X
2
X
3
X
4
X
1 5 3 6,3 3
2 12,5 5,4 4,7 6
. . . . .
. . . . .
50 . . . .
29
Citirea tabelului se face astfel : de exemplu a doua gospodrie din eantion
a recoltat 12,5 kg. gru,de pe un teren de 5,4 ha.
Gospodria are un venit de 4,7 u.m. i a primit un ajutor de la stat n valoare
de 6 u.m. .

Problema 3

Vrsta variabil statistic numeric (cantitativ)atributiv, continu
Sexul variabil calitativ, atributiv i alternativ
Venitul variabil cantitativ, atributiv,continu
Ocupaia variabil calitativ, atributiv
Locul naterii variabil calitativ, de spaiu
Anul naterii variabil cantitativ, de timp, discret,de momente
Numrul de angajai variabil cantitativ, discret, atributiv
Profilul firmei variabil calitativ, atributiv
Profitul obinut n ultimul an variabil cantitativ, continu, atributiv
Domiciliul sediului variabil calitativ, de spaiu
Anul nfiinrii variabil cantitativ, de timp, discret i de momente
Observaie: Vrsta, venitul, profitul sunt de fapt variabile discrete dar se
consider ca fiind variabile continue pentru simplificarea prelucrrii datelor

Vom calcula mai nti indicatorii derivai din seria

95 , 1 6 , 1 8 , 1
:
X

care are la baz un indicator de nivel i anume salariul. Se pot calcula
urmtorii indicatori: indicele statistic, diferena absolut, diferena relativ.

Indicele statistic cu baz fix:

I
0 / t
x
:

0 / 2 0 / 1 0 / 0
2 1 0
x x x
I I I
tie r Ma arie u Febr arie u Ian

) 0 (
) (
0 /
x
t x
I
t
x
=
30
1
8 , 1
8 , 1
) 0 (
) 0 (
0 / 0
= = =
x
x
I
x

88 , 0
8 , 1
6 , 1
) 0 (
) 1 (
0 / 1
= = =
x
x
I
x

083 , 1
8 , 1
95 , 1
) 0 (
) 2 (
0 / 2
= = =
x
x
I
x

I
0 / t
x
:

083 , 1 88 , 0 1

Interpretare: Salariul muncitorului a sczut n luna Februarie fa de luna
Ianuarie de 0,88 ori i a crescut n luna Martie fa de luna Ianuarie de 1,083
ori.

Indicele cu baz n lan:

I
1 / t t
x
:

1 / 2 0 / 1
2 1 0
x x
I I

) 1 (
) (
1 /
t x
t x
I
t t
x

88 , 0
) 0 (
) 1 (
0 / 1
= =
x
x
I
x

21 , 1
6 , 1
95 , 1
) 1 (
) 2 (
1 / 2
= = =
x
x
I
x

I
1 / t t
x
:

21 , 1 88 , 0

Se observ c salariul a crescut n luna Martie fa de luna Februarie de 1,21
ori
Diferena absolut cu baz fix:

0 / 2 0 / 1 0 / 0
0 /
2 1 0
:
x x x
t
x

31
( ) ( ) 0
0 /
x t x
t
x
=

( ) ( ) 2 , 0 8 , 1 6 , 1 0 1 , 0
0 / 1 0 / 0
= = = = x x
x x

( ) ( ) 15 , 0 80 , 1 95 , 1 0 2
0 / 2
= = = x x
x

15 , 0 2 , 0 0
:
0 /
t
x

Interpretarea duce firesc la aceleai rezultate obinute folosind
indicele statistic, dar exprimate n ali termeni. Salariul a sczut cu 0,2 n
Februarie fa de Ianuarie i a crescut cu 0,15 n Martie fa de Ianuarie.
Diferena absolut cu baz n lan:

1 / 2 0 / 1
1 /
2 1 0
:
x x
t t
x

( ) ( ) 1
1 /
=

t x t x
t t
x

2 , 0
0 / 1
=
x

35 , 0 6 , 1 95 , 1
1 / 2
= =
x

35 , 0 2 , 0
:
1 /
t t
x

Se observ c n luna Martie, salariul a crescut fa de luna Februarie cu
0,35.
Diferena relativ cu baz fix:

R
0 / t
x
:

0 / 2 0 / 1 0 / 0
2 1 0
x x x
R R R

R
0 / t
x
=(I
0 / t
x
- 1) 100 = 100
) 0 (
0 /
x
t
x

32
R
0 / 0
x
=I
0 / 0
x
- 1 =0 sau 0%

R
0 / 1
x
=I
0 / 1
x
- 1 =0,88 - 1 =- 0,12 sau -12%

R
0 / 2
x
=I
0 / 2
x
- 1 =1,083 1 =0,083 sau 8,3%

R
0 / t
x
:

% 3 , 8 % 12 % 0

n luna Februarie fa de luna Ianuarie, salariul a sczut cu 12% iar n luna
Martie fa de luna Ianuarie a crescut cu 8,3%.
Diferena relativ cu baz n lan:

R
1 / t t
x
:

1 / 2 0 / 1
2 1 0
x x
R R

R
1 / t t
x
=(I
1 / t t
x
- 1) 100 = 100
) 1 (
1 /

t x
t t
x

R
0 / 1
x
=-12%

R
1 / 2
x
=(I
1 / 2
x
- 1) 100 =(1,21 - 1) 100 =21%

R
1 / t t
x
:

% 21 % 12

n luna Martie salariul a crescut cu 21% fa de luna Februarie
Observaie: La indicatorii cu baz fix s-a considerat ca i baz fix de
comparaie notat cu 0, luna Ianuarie, dar la fel de bine se putea nota cu 0
oricare din celelalte luni.

Greutatea specific:
g :
3 2 1
2 1 0
g g g

33
g
i
=
=
3
1 i
i
i
y
y
,
=
3
1 i
i
y =1,8 +1,6 +1,95=5,35
g
1
=
35 , 5
8 , 1
=0,34 sau 34%
g
2
=
35 , 5
6 , 1
0,3 sau 30%
g
3
=
35 , 5
95 , 1
0,36 sau 36%
g :
% 36 % 30 % 34

Din salariul obinut pe cele trei luni cumulat ,34% l reprezint salariul pe
luna Ianuarie, 30% pe Februarie iar 36% pe Martie.

Problema 5
Seria X:

12 43 45
M P S
are la baz indicatorul numit frecven absolut i
anume din cele 100 de SC studiate, 45 sunt cu capital de stat, 43 cu capital
privat i 12 cu capital mixt. Se pot calcula urmtorii indicatori derivai :
frecvena absolut cumulat, frecvena relativ, frecvena relativ cumulat.
Frecvena absolut cumulat:
Notm N
1
=45 N
2
=43 N
3
=12 , N
1
+N
2
+N
3
=N =100

X:

+ + +
) ( ) ( ) (
3 2 1
X N X N X N
M P S P S S

N(X
i
) = N
1
+ N
2
+...+N
i

N(X
1
) = N
1
= 45
N(X
2
) = N
1
+ N
2
= 45 + 43 = 88
N(X
3
) = N
1
+ N
2
+ N
3
= 100

X:

+ + +
100 88 45
M P S P S S

De exemplu ,exist 88 de societi cu capital privat sau de stat.
34
Frecvena relativ:
X:

3 2 1
f f f
M P S

f
i
= 100
N
N
i

f
1
= 100
100
45
=45%
f
2
= 100
100
43
=43%
f
3
= 100
100
12
=12%
X:

% 12 % 43 % 45
M P S

Din totalul societilor comerciale sunt 45% cu capital de stat, 43%,cu
capital privat i 12% cu capital mixt.
Frecvena relativ cumulat:
X:

+ + +
) ( ) ( ) (
3 2 1
X F X F X F
M P S P S S
N N N

F
N
(X
i
)=f
1
+...+f
i

F
N
(X
1
)= 45%
F
N
(X
2
)= 45% +43% =88%
F
N
(X
3
)= 45% +43% +12% =100%
Din totalul societilor comerciale studiate, 88% sunt cu capital de
stat sau privat.
35
CAPITOLUL II

OBSERVAREA, SISTEMATIZAREA I PRELUCRAREA
DATELOR STATISTICE

1. Observarea statistic

1.1.A. Demersul observrii statistice

Observarea statistic reprezint prima etap n cadrul studierii
fenomenelor sociale, economice sau de alt natur, etap n care se culeg
datele statistice despre fenomenul supus observrii. Ca prim etap ntr-un
studiu de cercetare, observarea statistic presupune: specificarea unitilor
statistice care trebuie s fie urmrite i nregistrate; alegerea variabilelor
statistice care caracterizeaz cel mai bine populaia i care rspund
obiectivului urmrit; nregistrarea strilor variabilelor statistice considerate.
Atingerea scopului cercetrii statistice presupune rezolvarea
urmtoarelor probleme care s asigure o pregtire tiinific a observrii
statistice:
-delimitarea populaiei supuse observrii;
-definirea unitilor statistice de observat;
-timpul i locul unde va avea loc observarea;
-programul observrii;
-alegerea purttorilor de informaie;
pregtirea persoanelor ce urmeaz s fac observarea.
Delimitarea populaiei supuse observrii precum i definirea
unitilor statistice de observat se face n funcie de scopul observrii. n
condiiile n care se impune cercetarea doar a unei pri din populaie, adic
a unui eantion (observare parial) atunci trebuie precizat care anume vor fi
unitile supuse observrii, dup ce criterii se selecteaz acestea din
populaia iniial astfel nct rezultatele cercetrii s poat fi extinse la
nivelul ntregii populaiei.
Noiunea de timp al observrii are n statistic dou sensuri:
-momentul sau perioada la care se refer datele nregistrate
(timpul de referin)
-durata observrii.
n cadrul programului observrii statistice trebuie stabilite variabilele
statistice care urmeaz s fie studiate n populaia cercetat. Alegerea i
definirea variabilelor statistice trebuie s corespund naturii populaiei i s
36
serveasc obiectivul cercetrii statistice. Programul de observare trebuie s
cuprind un numr optim de variabile.
Purttorii de informaie sunt suporii materiali pe care se
nregistreaz datele din observarea unitilor statistice. Acetia se clasific n
supori de informaie clasici (listele i fiierele) i supori magnetici de
informaie (discurile, dischetele, etc.).Alegerea purttorilor de informaie se
face n funcie de volumul datelor.
Selectarea i pregtirea persoanelor care urmeaz s fie implicate n
etapa de observare se face mai ales cnd fenomenul studiat este de
amploare. Un asemenea fenomen l constituie recensmntul, care reprezint
o observare la scar naional cu un mare consum de mijloace materiale.
n raport cu gradul de cuprindere a populaiei considerate avem
observarea total i observarea parial.
Observarea total reprezint nregistrarea, n raport cu variabilele
statistice studiate a tuturor unitilor statistice din populaie. Acest gen de
observare implic un volum mare de munc, antreneaz un numr mare de
persoane i dureaz mult timp favoriznd apariia erorilor de observare, ceea
ce va duce la micorarea eficienei observrii. Printre observrile totale se
regsesc i recensmintele populaiei precum i controlul de calitate n cazul
produselor de nalt tehnicitate.
n cazul altor produse, este suficient realizarea unor observri
pariale prin care s se asigure c rebuturile nu depesc un anumit procent
admis.
Eantionul, ca i component a observrii pariale, presupune
respectarea principiului reprezentativitii, n conformitate cu care fiecare
unitate statistic din populaia general trebuie s aib aceeai ans de a
face parte din eantion. Asigurarea respectrii principiului reprezentativitii
n formarea eantioanelor de observat presupune o structur a eantionului
foarte apropiat cu cea a populaiilor din care este format. Aceasta ne
asigur, cu o anumit probabilitate dinainte fixat, c rezultatele obinute la
nivelul eantionului pot fi extinse la nivelul ntregii populaii. Exist dou
tipuri de eantioane: de volum mare (peste 30 uniti), de volum redus (cel
mult 30 uniti).
O alt form de observare parial este observarea prin anchet n
care unitile supuse observrii se aleg n funcie de scopul cercetrii, iar
nregistrarea lor se face sub form de rspunsuri scrise pe care persoanele
desemnate n acest sens le dau ntrebrilor dintr-un chestionar. Persoanele ce
urmeaz a fi chestionate primesc chestionarul respectiv i rspund benevol
la ntrebri. n acest caz, populaia care urmeaz s fie anchetat nu
formeaz un eantion reprezentativ deci rezultatele obinute sunt doar
orientative pentru toat populaia.
37
1.1.B. Exemple

Se supune observrii statistice populaia format cu societile
comerciale ce se privatizeaz conform Legii 55/1995, scopul cercetrii fiind
stabilirea gradului de privatizare pe baza legii respective [6]. Se determin
un eantion aleator de 30 societi care vor fi observate n raport cu
variabilele:

1
X

- judeul unde are sediul principal
2
X - ramura (subramura) n care i desfoar activitatea

3
X - capital social

4
X - cifra de afaceri

5
X - profitul

6
X - procentul din capitalul social care se vinde cu titlu gratuit
Rezultatele observrii statistice sunt trecute n urmtorul tabel:

Tabelul 1

Nr.crt. Marc
J ud.(localitatea) unde
i are sediul
principal
Ramura de
activitate
Capital
social
Cifra de
afaceri Profitul
Procent
supus
vnzrii
1. 994 Cluj industrie 8.083.365 2.309.871 0 49 %
2. 1006 Cluj industrie 9.611.744 10.761.787 419.175 49 %
3. 3588 Bucureti industrie 10.116.125 7.694.483 467.496 49 %
4. 3685 Bucureti industrie 8.053.025 11.561.823 969 49 %
5. 2994 Timi industrie 2.121.925 2.317.951 80.880 60 %
6. 928 Cluj agricultur 4.678.625 271.610 0 60 %
7. 929 Cluj agricultur 888.490 159.351 0 60 %
8. 932 Cluj agricultur 1.566.623 5.747.524 1.097 60 %
9. 3382 Bucureti servicii 1.076.050 5.377.189 17.363 60 %
10. 12 Alba transporturi 2.152.325 4.400.044 8.681 60 %
11. 25 Alba transporturi 2.990.126 871.025 0 60 %
12. 53 Alba servicii 510.285 773.886 38.935 60 %
13. 991 Cluj transporturi 507.277 330.839 0 60 %
14. 1004 Cluj transporturi 4.845.214 5.359.855 12.436 60 %
15. 3096 Timi transporturi 5.963.750 9.931.327 90.223 60 %
16. 3043 Timi transporturi 3.410.000 5.387.876 13.238 0 %
17. 47 Alba construcii 6.270.418 541.334 0 49 %
38
18. 32 Alba construcii 2.007.911 91.896 976 60 %
19. 3322 Vlcea construcii 3.354.625 6.855.127 145.649 60 %
20. 966 Cluj construcii 7.546.425 9.345.803 225.865 60 %
21. 972 Cluj construcii 4.116.425 3.720.863 375.052 60 %
22. 1005 Cluj construcii 4.629.025 8.000.906 400.575 60 %
23. 9 Alba agricultur 6.848.825 176.728 1.960 60 %
24. 26 Alba agricultur 9.709.000 3.864.087 1.087 49 %
25. 2956 Timi agricultur 520.686 542.748 0 60 %
26. 2959 Timi agricultur 2.086.534 37.793 0 60 %
27. 3264 Vlcea agricultur 1.891.958 988.769 62.668 60 %
28. 3290 Vlcea agricultur 3.114.550 2.812.349 78.300 60 %
29. 3296 Vlcea servicii 5.389.225 12.456.122 390.659 49 %
30. 964 Cluj servicii 5.874.950 6.240.445 23.583 60 %

1.2. Erorile de observare

Erorile de observare se manifest ca diferen ntre starea real a
unei variabile la o unitate oarecare i starea nregistrat. Erorile de observare
se clasific n erori de nregistrare i erori de reprezentativitate.

Erorile de nregistrare sunt strns legate de procesul de realizare a
observrii statistice, de nregistrarea strilor variabilelor i pot fi cauzate de
cel ce execut observarea dar i de unitatea statistic observat. Erorile de
nregistrare pot fi la rndul lor: erori sistematice sau erori ntmpltoare.

Erorile sistematice pot fi cauzate de anchetator din diverse motive:
grad de oboseal ridicat, nelegere greit a unor instruciuni de completare
a chestionarelor precum i de persoanele ce constituie obiectul observrii
(de exemplu, n cazul declarrii venitului).

Erorile ntmpltoare pot fi cauzate de ambii parteneri, erori ce pot
fi fcute att de cel ce efectueaz observarea ct i cel de observat, dar
acestea pot fi neglijate ca urmare a legii numerelor mari.

Erorile de reprezentativitate pot fi la rndul lor cu caracter
sistematic sau ntmpltor i sunt n strns legtur cu observarea parial a
unei populaii pe baz de eantion. Acestea se pot evita dac se respect
toate regulile de formare i dimensionare a eantionului.
39
2. Sistematizarea rezultatelor observrii

2.1.A. Elaborarea seriilor primare

Pentru realizarea scopului cercetrii (evidenierea unor trsturi ale
populaiei cercetate) se impune prezentarea statisticilor rezultate prin
observare i materializate n chestionare, sub o form organizat, respectiv,
o serie statistic.
n general, rezultatele observrii pot fi prezentate sub form de serii
de frecvene care redau structura populaiei cercetate n raport cu una sau
mai multe variabile sau sub form de serii de variaie, n special cronologice
care redau evoluia, n special n timp, a unor elemente, n cazul n care
populaia a fost observat sistematic, de mai multe ori.
Prelucrarea primar constituie acea etap din sistematizarea
rezultatelor observrii n urma creia rezult seriile mai sus amintite. Este
necesar n acest sens, parcurgerea urmtoarelor etape:
-alegerea variabilelor;
-stabilirea claselor;
-algoritmul de calcul prin care rezult indicatorii din care sunt
formate seriile primare.
n cazul elaborrii unor serii unidimensionale este necesar s se
completeze cele dou linii ale seriei. n primul rnd se vor trece (referitor la
seriile de frecvene) valorile posibile ale variabilei studiate iar n al doilea
rnd frecvenele cu care diferite valori ale variabile apar nregistrate la
unitile populaiei.
Completarea primului rnd se face n funcie de tipul seriei.
Dac avem de-a face cu o serie calitativ sau numeric discret cu
valori n numr redus (<15) atunci clasele se definesc prin valorile variabilei
adic prin strile ei.
n cazul unei serii cantitative continue sau cantitative discret cu
multe stri, se recurge la mprirea domeniului de valori ale variabilei n
mai multe intervale de variaie, care vor reprezenta clasele. Aceste clase pot
sau nu s fie de lungime egal. Lungimea unei clase este sugerat de
formula lui Sturges:
N
x x
l
x
lg 322 , 3 1
min max
+

= (1)

- unde la numrtor apar valoarea maxim respectiv valoarea minim
nregistrat de variabila X cercetat iar N este volumul populaiei sau
40
eantionului studiat; numitorul fraciei semnific de fapt numrul de clase
care rezult n urma mpririi domeniului de variaie.
Odat stabilit lungimea claselor, intervalele de variaie, deci clasele
vor fi urmtoarele:

[ ) [ ) ( ) [ ) Rl x l R x l x l x l x x + + + + +
min min min min min min
, 1 ,..., 2 , , ,

unde R va fi numrul de clase rezultate.
Formula de calcul (1) este doar orientativ, cel care face studiul
putnd s-i fixeze prin convenie clasele innd totui cont de urmtoarele
reguli: nu trebuie s existe clase de frecven nul; nu trebuie s se piard
uniti n sensul c fiecare unitate trebuie s se gseasc n una i numai una
din clasele rezultate. Ca modalitate de scriere, intervalul [ ) b a, , arat c
unitile care vor nregistra valoarea a X = aparin acestei clase, n schimb
cele care au b X = nu aparin clasei [ ) b a, .
S atragem atenia asupra faptului c dei n cazul unei serii
calitative, clasele vor fi exprimate prin cuvinte sau simboluri, deci ordinea
lor nu intereseaz, pentru o serie cantitativ discret strile variabilei vor fi
ordonate cresctor.
A doua problem care apare n elaborarea unei serii este completarea
rndului de frecvene.
n cazul seriilor calitative i a celor cantitative discrete cu puine
stri, dedesubtul fiecrei clase se va trece numrul unitilor din populaie
care nregistreaz pentru variabila X, valoarea coninut n acea clas. Va
rezulta o construcie de genul:

R
R
N N N
x x x
X
...
...
:
2 1
2 1
.

n cazul seriilor cantitative discrete cu multe stri i a seriilor
cantitative continue, dedesubtul unei clase de tipul [ ) b a, se va trece
numrul unitilor care nregistreaz pentru variabila X, valoarea x ce
satisface relaia b x a < . Seria rezultat va arta astfel:

[ ) [ ) [ ) [ )

R i
R R i i
N N N N
x x x x x x x x
X
... ...
, ... , ... , ,
:
2 1
1 1 2 1 1 0
.

sum from
{i=1} to R N
sub i =~N
41
n ambele cazuri, fiind vorba de frecvene vom avea: N N
R
i
i
=
=1
.

n cazul unei serii bidimensionale bazat pe variabilele X i Y, odat
formate clasele n raport cu fiecare variabil, prin intersectarea a cte unei
clase i n raport cu X cu cte o clas j n raport cu Y se obin clase a cror
frecven este numrul de uniti din populaie care se situeaz att n clasa i
a lui X ct i n clasa j a lui Y. Vom obine urmtoarea construcie:

x
y
1
x
2
x

j
x

R
x
TOTAL
p
y

i
y

2
y
1
y
1 p
N

1 i
N

21
N
11
N
2 p
N

2 i
N

22
N
12
N

pj
N

ij
N

j
N
2

j
N
1

pR
N

iR
N

R
N
2

R
N
1

P
N

i
N

2
N
1
N
TOTAL
1
N
2
N

j
N

R
N

N

-unde
ij
N reprezint numrul unitilor pentru care variabila X a nregistrat
valoarea
j
x iar variabila Y a nregistrat valoarea
i
y , explicaia fiind
asemntoare, i n cazul n care clasele sunt intervale.

2.1.B. Exemple

Pe baza datelor tabelului 1 din 1.1.B. se vor elabora seriile
unidimensionale n raport cu fiecare variabil n parte precum i cteva serii
bidimensionale.

4 7 5 3 11
:
1
Valcea Alba Timis Bucuresti Cluj
X ,

42
6 6 4 9 5
:
2
i constructi ri transportu servicii a agricultur industrie
X .

Calculm lungimea unui interval de variaie, pentru variabila: capital
social (n u.m.):
6 , 1
9 , 5
6 , 9
47 , 1 322 , 3 1
5 , 0 1 , 10
lg 332 , 3 1
min max
= =
+

=
+

=
n
x x
I
x

[ ) [ ) [ ) [ ) [ ) [ ]

3 3 5 4 6 9
1 , 10 5 , 8 5 , 8 9 , 6 9 , 6 3 , 5 3 , 5 7 , 3 7 , 3 1 , 2 1 , 2 5 , 0
:
3
X
.
Calculm lungimea unui interval de variaie pentru variabila: cifra de
afaceri (n u.m.):

1 , 2
9 , 5
03 , 0 45 , 12
lg 332 , 3 1
min max
=
+

=
n
x x
I
x

[ ) [ ) [ ) [ ) [ ) [ ]

3 2 3 6 5 11
45 , 12 53 , 10 53 , 10 43 , 8 43 , 8 33 , 6 33 , 6 23 , 4 23 , 4 13 , 2 13 , 2 03 , 0
:
4
X
.

Calculm lungimea unui interval de variaie pentru variabila: profit
(n u.m.):
07 , 0
9 , 5
0 46 , 0
lg 332 , 3 1
min max
=
+

=
n
x x
I
x

[ ) [ ) [ ) [ ) [ ) [ ]

4 0 1 2 3 20
46 , 0 35 , 0 35 , 0 28 , 0 28 , 0 21 , 0 21 , 0 14 , 0 14 , 0 07 , 0 07 , 0 0
:
5
X

23 7
% 60 % 49
:
6
X .

Urmtoarele dou serii sunt serii bidimensionale n care dup
stabilirea claselor se obin prin numrare frecvenele.

43
Seria ( )
3 2
, X X :

X
X
2
industrie
3
agricultur servicii transporturi construcii TOTAL
[0,5-2,1)
[2,1-3,7)
[3,7-5,3)
[5,3-6,9)
[6,9-8,5)
[8,5-10,1)
0
1
0
0
2
2
5
1
1
1
0
1
2
0
0
2
0
0
1
3
1
1
0
0
1
1
2
1
1
0
9
6
4
5
3
3
TOTAL 5 9 4 6 6 30

Seria ( )
4 3
, X X :

C.S.
X
C.A.
3

X
1,3
4
[0,5-2,1)
2,9
[2,1-3,7)
4,5
[3,7-5,3)
6,1
[5,3-6,9)
7,7
[6,9-8,5)
9,3
[8,5-10,1) TOTAL
[0,03-2,13)
[2,13-4,23)
[4,23-6,33)
[6,33-8,43)
[8,43-10,53)
[10,53-12,45)
7
0
2
0
0
0
1
2
2
1
0
0
1
1
1
1
0
0
2
0
1
0
1
1
0
1
0
0
1
1
0
1
0
1
0
1
11
5
6
3
2
3
TOTAL 9 6 4 5 3 3 30

2.2.A. Elaborarea seriilor derivate i a seriilor cronologice

Prelucrarea secundar const n elaborarea seriilor statistice
derivate care se obin dintr-o serie primar, calculnd diferii indicatori.
Pe baza unor serii primare de frecvene se pot construi urmtoarele
serii derivate:
-seria cu frecvene relative;
-seria cu frecvene relative cumulate;
-seria cu frecvene absolute cumulate.
Seriile derivate, care se pot obine dintr-o serie primar construit
cu un indicator de nivel, sunt:
-seria cu diferene absolute a unui indicator;
-seria cu indicii unui indicator;
44
-seria cu diferenele relative ale unui indicator;
-seria cu indicatori relativi de intensitate;
-seria cu greuti specifice.
Vom prezenta mai jos modul de obinere a acestor indicatori ct i
simbolizarea seriilor obinute cu interpretrile corespunztoare semnificaiei
fiecruia. Pentru simplitate vom considera doar exemplul cnd strile sunt
numere sau caliti, cele sub form de intervale tratndu-se analog.
Fie o serie de repartiie (de frecven) construit n raport cu
variabila X:
R
R
N N N
x x x
X
...
...
:
2 1
2 1
.

Indicatorul de la baza seriei este frecvena absolut i de exemplu
i
N este numrul de uniti pentru care
i
x X = . Avem relaia:
N N
R
i
i
=
=1
unde N este volumul populaiei.
Frecvena relativ
N
N
f
i
i
= sau 100 =
N
N
f
i
i
ne arat ct la sut din
populaie se ncadreaz n ramura
i
x . Seria cu frecvene relative se scrie
astfel:
R
R
f f f
x x x
X
...
...
:
2 1
2 1
.
Frecvena absolut cumulat ( )

=
=
i
k
k i
N x N
1
ne arat numrul de
uniti pentru care
1
x X = sau
2
x X = . . . sau
i
x X = .
Se obine seria:
( ) ( ) ( )
R
R
x N x N x N
x x x
X
...
...
:
2 1
2 1

i avem ( )
1 1
N x N = , ( )
2 1 2
N N x N + = ,,
( ) N N N N x N
R R
= + + + = ...
2 1
.
45
Frecvena relativ cumulat ( ) 100
1
=

=
N
N
X F
i
k
k
i N
arat ct la sut
din populaie are
1
x X = sau
2
x X = . . . sau
i
x X = . Avem seria:
( ) ( ) ( )
R N N N
R
x F x F x F
x x x
X
...
...
:
2 1
2 1

cu ( )
1
1
1
f
N
N
x F
N
= = ,
( )
2 1
2 1
2
f f
N
N N
x F
N
+ =
+
= ,, ( ) 1
...
2 1
= =
+ + +
=
N
N
N
N N N
x F
R
R N
.
Fie acum o serie de variaie care are la baz indicatorul de nivel y:

R i
R i
y y y y
x x x x
X
... ...
... ...
:
2 1
2 1
.

Diferena absolut a indicatorului
j k
j k
y
y y =
/
ne arat cu ct s-a
modificat nivelul indicatorului y n clasa k fa de clasa j. Poate fi diferen
absolut cu baz fix i diferena absolut cu baz n lan.
Seria diferenelor absolute cu baz fix (de exemplu, baza fix este 1):

1 / 1 / 1 / 2 1 / 1
2 1
... ...
... ...
:
R
y
i
y y y
R i
x x x x
X

cu 0
1 1
1 / 1
= = y y
y
,
1 2
1 / 2
y y
y
= ,,
1
1 /
y y
R
R
y
= .
Seria diferenelor absolute cu baz n lan:

1 / 1 / 1 / 2
2 1
... ...
... ...
:
R R
y
i i
y y
R i
x x x x
X

cu
1
1 /
=
i i
i i
y
y y .
46
Indicele unui indicator
j
k j k
y
y
y
I =
/
ne arat de cte ori s-a modificat
nivelul indicatorului y n clasa k fa de j. Se obin deci cele dou serii cu
baz fix respectiv n lan:

1 / 1 / 1 / 2 1 / 1
2 1
... ...
... ...
:
R
y
i
y y y
R i
I I I I
x x x x
X

cu 1
1 / 1
=
y
I ,
1
2 1 / 2
y
y
I
y
= , etc., i
1 / 1 / 1 / 2
2 1
... ...
... ...
:
R R
y
i i
y y
R i
I I I
x x x x
X

cu
1
1 /
=
i
i i i
y
y
y
I .
Diferena relativ a indicatorului ( ) 100 100 1
= =
j
k
y k
y
k
y
y
I R
ij
ij ij
ne
arat cu ct la sut din
j
y se modific nivelul k a lui y fa de nivelul j a lui
y. Avem:
1 / 1 / 2
2 1
... 0
...
:
R
y y
R
R R
x x x
X
cu ( ) 100 1
1 / 2 1 / 2
=
y y
I R i
1 / 1 / 2
2 1
...
...
:
R R
y y
R
R R
x x x
X .

Se consider o populaie studiat n raport cu o variabil x i doi
indicatori de nivel y i z de natur diferit. Avem seriile primare:

R i
R i
y y y y
x x x x
X
... ...
... ...
:
2 1
2 1

47
R i
R i
z z z z
x x x x
X
... ...
... ...
:
2 1
2 1
.

Indicatorul relativ de intensitate
i
i
i
x
y
d = msoar gradul de
rspndire a fenomenului cuantificat de indicatorul de la numrtor n raport
cu cel de la numitor pentru fiecare clas n parte. Obinem:

R i
R i
d d d d
x x x x
X
... ...
... ...
:
2 1
2 1
.

Greutatea specific 100
1
=
=
R
i
i
i
i
y
y
g arat ct la sut din ntreg
( )
i
y este repartizat n clasa
i
x .
Seriile cronologice au la baz o variabil de timp i reflect evoluia
n timp a unei populaii statistice studiate n raport cu o variabil. ntr-o
prim faz se elaboreaz serii cronologice primare n care se utilizeaz
indicatori de nivel, deci vom avea serii de tipul:

T t
y y y y
T t
... ...
... ... 1 0
1 0

unde t este moment sau perioad de timp.
Elaborarea seriilor cronologice cu indicatori derivai este de fapt un
caz particular al elaborrii seriilor derivate tratat mai sus i anume cazul
cnd variabila X este timp.

2.2.B. Exemple

Fie seria de repartiie ce red structura rilor participante la Cupa
lumii n 1982 n funcie de numrul juctorilor din fiecare ar[6]:

6 0 4 6 8
:
5 4 3 2 1
x x x x x
X .
000 . 100 sub
1
= x
48
000 . 300 01 . 100
2
= x
000 . 500 001 . 300
3
= x
000 . 700 001 . 500
4
= x
000 . 700 peste
5
= x .
Construim o serie cu indicatorul:

-frecven relativ:

% 02 , 25 % 0 % 66 , 16 % 99 , 24 % 33 , 33
:
5 4 3 2 1
x x x x x
X

25,02% din rile participante la Cupa lumii n anul 1982 au peste
700.000 de juctori legitimai;
-frecvena absolut cumulat:

24 18 18 14 8
:
5 4 3 2 1
x x x x x
X

18 ri au avut pn la 500.000 juctori legitimai;
-frecvena relativ cumulat:

% 100 % 98 , 74 % 98 , 74 % 32 , 58 % 33 , 33
:
5 4 3 2 1
x x x x x
X

74,98% din rile participante la Cupa lumii n anul 1982 au avut un
numr mai mic sau egal cu 500.000 de juctori legitimai.

Fie seria de variaie ce red producia marf industrial n anul
1989 n u.m. n judeele: Alba, Arad, Arge i Bacu ([6]).

4 , 50910 8 , 58398 1 , 23327 3 , 21414

:
BC AG AR AB
X

4 3 2 1
Y Y Y Y Y + + + =
6 , 154050 4 , 50910 8 , 58398 1 , 23327 3 , 21414 = + + + = Y u.m. (totalul
produciei marf industrial din anul 1989, n cele patru judee).

49
Serii statistice derivate:

-indicatorul statistic: greutate specific

% 9 , 13 100
6 , 154050
3 , 21414
; 100
1
1
1
= = = g
Y
Y
g

% 14 , 15 100
6 , 154050
1 , 23327
; 100
2
2
2
= = = g
Y
Y
g

% 91 , 37 100
6 , 154050
8 , 58398
; 100
3
3
3
= = = g
Y
Y
g

% 05 , 33 100
6 , 154050
4 , 50910
; 100
4
4
4
= = = g
Y
Y
g
Seria va fi:

% 05 , 33 % 91 , 37 % 14 , 15 % 9 , 13
:
BC AG AR AB
Y ,

adic 15,14% din totalul produciei marf industriale din cele 4 judee,
reprezint producia marf industrial din judeul Arad (n 1989).

-indicatorul statistic: diferena absolut cu baz fix
0 = jud. Alba (baz de comparaie)
8 , 1912 3 , 21414 1 , 23327
1 2
/
= = = y y
Alba Arad
Y

5 , 36984 3 , 21414 8 , 58398
1 3
/
= = = y y
Alba Arges
Y

1 , 29496 3 , 21414 4 , 50910
1 4
/
= = = y y
Alba Bacau
Y

Seria va fi:

1 , 29496 5 , 36984 8 , 1912

:
0 /
Bacau Arges Arad Alba
K
Y
.

Cu 1912,8 u.m. lei a fost mai mare producia marf industrial n
judeul Arad fa de judeul Alba, n 1989.

50
- indicatorul statistic: indice cu baz fix
0 = jud. Arge
37 , 0
8 , 58398
3 , 21414
3
1 /
= = =
y
y
I
Arges Alba
Y

4 , 0
8 , 58398
1 , 23327
3
2 /
= = =
y
y
I
Arges Arad
Y

87 , 0
8 , 58398
4 , 50910
3
4 /
= = =
y
y
I
Arges Bacau
Y

Seria va fi:
87 , 0 4 , 0 37 , 0
:
0 /
I
K
Y
.

Producia marf industrial din judeul Bacu est mai mic dect
producia marf industrial din judeul Arge de 0,87 ori (1989).

-indicatorul statistic: diferena relativ
0=jud. Arge
63 , 0 1 37 , 0 1
/ /
= = =
Arges Alba
Y
Arges Alba
Y
I R
6 , 0 1 4 , 0 1
/ /
= = =
Arges Arad
Y
Arges Arad
Y
I R
13 , 0 1 87 , 0 1
/ /
= = =
Arges Bacau
Y
Arges Bacau
Y
I R
Seria va fi:

% 13 % 60 % 63
:
0 /
R
K
Y
.

n judeul Arad, nivelul produciei marf industrial este mai mic
dect nivelul produciei marf industrial din judeul Arge cu 60% (n
1989).

Fie seria cronologic de intervale care red producia de
autoturisme din Romnia (n mii buci) ([6]).

84 100 144 141 129

1991 1990 1989 1988 1987
: X

51
129
1
y = , 141
2
= y , 144
3
= y , 100
4
= y , 84
5
= y
598
5 4 3 2 1
= + + + + = y y y y y y .

Serii cu indicatori derivai:

-indicatorul statistic: greutate specific

% 57 , 21 100
598
129
100
1
1
= = =
y
y
g

% 58 , 23 100
598
141
100
2
2
= = =
y
y
g

% 08 , 24 100
598
144
100
3
3
= = =
y
y
g

% 72 , 16 100
598
100
100
4
4
= = =
y
y
g

% 05 , 14 100
598
84
100
5
5
= = =
y
y
g .

Seria va fi:

% 05 , 14 % 72 , 16 % 08 , 24 % 58 , 23 % 57 , 21
1991 1990 1989 1988 1987
: G ,

adic 23,58% reprezint ponderea produciei de autoturisme din totalul
produciei din cei 5 ani, n 1988.

-indicatorul statistic: diferena absolut cu baz fix
0 =anul 1987

12 129 141
1 2
1987 / 1988
= = = y y
y

15 129 144
1 3
1987 / 1989
= = = y y
y

29 129 100
1 4
1987 / 1990
= = = y y
y

52
45 129 84
1 5
1987 / 1991
= = = y y
y
.

Seria va fi:

45 29 15 12
1991 1990 1989 1988 1987
:
0 / K
y
.

n 1990, producia de autoturisme a sczut fa de cea din 1987 cu 29
mii buci.

-indicatorul statistic: indice cu baz fix
0 =anul 1987
% 3 , 109 100
129
141
100
1
2 1987 / 1988
= = =
y
y
I
y

% 63 , 111 100
129
144
100
1
3 1987 / 1989
= = =
y
y
I
y

% 52 , 77 100
129
100
100
1
4 1987 / 1990
= = =
y
y
I
y

% 12 , 65 100
129
84
100
1
5 1987 / 1991
= = =
y
y
I
y
.
Seria va fi:

% 12 , 65 % 52 , 77 % 63 , 111 % 3 , 109
1991 1990 1989 1988 1987
:
0 / K
Y
I .

Nivelul produciei de autoturisme din anul 1988 fa de cel din anul 1987 a
crescut de 1,093 ori sau n proporie de 109,3%.

-indicatorul statistic: diferena relativ
0 =anul 1987
% 3 , 9 100 3 , 109 100
1987 / 1988 1987 / 1988
= = =
Y Y
I R
% 63 , 11 100 63 , 111 100
1987 / 1989 1987 / 1989
= = =
Y Y
I R
% 48 , 22 100 52 , 77 100
1987 / 1990 1987 / 1990
= = =
Y Y
I R
% 88 , 34 100 12 , 65 100
1987 / 1991 1987 / 1991
= = =
Y Y
I R .

53
Seria va fi:

% 88 , 34 % 48 , 22 % 63 , 11 % 3 , 9
1991 1990 1989 1988 1987
:
0 / K
Y
R .

Nivelul produciei de autoturisme din anul 1989, fa de cel din 1987
a sczut cu 22,48%.

Serii cu baz n lan:

16 44 3 12
1991 1990 1989 1988 1987
:
1 / K K
y
.

Nivelul produciei din anul 1989 fa de cel din 1988 a crescut cu 3 mii
buci.

% 84 % 44 , 69 % 13 , 102 % 3 , 109
1991 1990 1989 1988 1987
:
1 / K K
y
I .

Nivelul produciei din anul 1991 a sczut fa de cel din 1990 de 0,84 ori
sau de 84%.

% 16 % 56 , 30 % 13 , 2 % 3 , 9
1991 1990 1989 1988 1987
:
1 / K K
y
R .

Nivelul produciei din anul 1990 fa de cel din 1989 a sczut cu 30,56%.

3. Prezentarea seriilor statistice

3.1.A. Tabel statistic i reprezentare grafic

Seriile statistice rezultate n urma sistematizrii rezultatelor
observrii statistice a unor populaii pot fi prezentate i sub form de tabele
respectiv de grafice nsoite de comentarii.
Prezentarea grafic a unei serii ofer o imagine geometric (n plan
sau n spaiu) cu privire la forma static sau evoluia dinamic a
54
fenomenului cuantificat de variabila sau variabilele de la baza seriei
respective.
n continuare se vor prezenta tehnicile de construire a principalele
grafice utilizate n reprezentarea seriilor statistice ce descriu fenomenele
social-economice.

Histograma

Graficul numit histogram se utilizeaz n reprezentarea seriilor ce
au la baz o variabil continu (de intervale). Aceasta se construiete ntr-un
sistem de axe ortogonale astfel: pe abscis se trec intervalele de variaie, iar
pe ordonat se traseaz scara frecvenelor. Scara frecvenelor se construiete
respectnd principiul proporionalitii ntre frecvene i segmentele
delimitate pe scara ordonatelor. Pentru fiecare interval de variaie a seriei
( )
i i
x x
1
se construiete un dreptunghi a crui baz este chiar lungimea
intervalului, iar cealalt latur se determin din condiia proporionalitii
ariei dreptunghiului cu mrimea frecvenei n clasa respectiv.
Latura dreptunghiului, notat cu
i
L , se determin din urmtoarea
relaie:
R i
l
N
g L
i
i
i
, 1 , = =
unde
1
=
i i i
x x l , adic diferena dintre marginea superioar i cea
inferioar a intervalului de variaie,
i
N este frecvena absolut a clasei i iar g
este un coeficient de proporionalitate care se alege n raport cu scara de
reprezentare.
Mulimea tuturor dreptunghiurilor formeaz histograma ataat
seriei.
Un alt grafic care se preteaz la reprezentarea unei serii de intervale
l constituie linia poligonal. Trasarea acesteia presupune realizat
histograma. Linia poligonal se obine unind prin segmente de dreapt
mijloacele bazelor superioare ale dreptunghiurilor, din care este alctuit
histograma.

Grafice de structur

Reprezentarea grafic a structurii unei populaii statistice este
posibil cu ajutorul diagramelor de structur. Acestea se pot realiza prin
ptrat, cerc sau dreptunghi. Aceste tipuri de grafice permit reprezentarea
grafic a seriilor unidimensionale, de repartiie.
55
Dreptunghiul de structur

Realizarea unei astfel de diagrame const n construirea unui
dreptunghi a crui suprafa s fie direct proporional cu volumul
populaiei cercetate, dreptunghi care se va mprii n attea dreptunghiuri
mai mici n cte pri a fost mprit populaia de studiat. Suprafaa unui
dreptunghi (ca parte component din dreptunghiul iniial) trebuie s fie
direct proporional cu partea din populaie pe care o reprezint.
Dup calcularea frecvenelor relative, nlimile celor R
dreptunghiuri (R clase) se pot calcula conform urmtoarelor egaliti:

100
... ...
1
1
H
f
H
f
H
f
H
R
R
i
i
= = = = = ,

unde H reprezint nlimea dreptunghiului construit iniial.

Ptratul de structur

Realizarea acestei diagrame presupune, n primul rnd, construirea
unui ptrat, care reprezint populaia n cauz. Ptratul se mparte n 100 de
ptrele (prin mprirea fiecrei laturi n 10 pri egale) corespunztoare
celor 100 de procente.
Pentru a reprezenta o serie de date se calculeaz frecvenele relative
i pentru fiecare clas se aloc attea ptrele cte procente cuprinde
frecvena relativ a clasei respective.

Cercul de structur

Respectnd acelai principiu se construiete un cerc de raz oarecare
a crei suprafa se consider c reprezint volumul ntregii populaii n
cauz (exprimat n frecvene absolute sau relative).
Fiecare clas n care este divizat populaia va fi reprezentat printr-
un sector de cerc de arie direct proporional cu volumul clasei.
Reprezentarea sectorului de cerc se va face determinnd msura n grade a
unghiurilor la centru a fiecrui sector. Cele 360 ale cercului corespund
volumului ntregii populaii. Unghiurile sectoarelor de cerc care reprezint
clase din populaie trebuie s fie proporionale cu volumul acestora
(exprimat n frecvene absolute sau relative). Unui procent i corespunde
3,6, deci unghiul la centru pentru un sector va fi produsul dintre 3,6 i
procentul corespunztor clasei respective.
56
Diagrama prin benzi

Se utilizeaz, n special, n cazul reprezentrii seriilor atributive care
au la baz o variabil calitativ i un indicator de nivel.
Benzile sunt nite dreptunghiuri a cror lime este foarte mic n
raport cu lungimea. Limea benzilor nu difer de la o clas la alta dar
lungimile trebuie determinate astfel nct sa fie proporionale cu indicatorii
ce se reprezint.
Diagrama se construiete ntr-un sistem de axe rectangulare. Pe
ordonat se construiete cte o band pentru fiecare variant a seriei, scara
de reprezentare care d lungimea benzilor fiind pe abscis. O diagram prin
benzi ataat unei serii care mparte populaia de studiat n R clase se
reprezint astfel:

Diagrama prin coloane
Diagrama prin coloane se utilizeaz pentru aceleai scopuri ca i
diagrama prin benzi. n special sunt utile la reprezentarea grafic a seriilor
cronologice ct i a seriilor de spaiu.
Coloanele sunt nite dreptunghiuri care au bazele de aceiai
dimensiune, iar nlimea lor este direct proporional cu mrimea
indicatorului pe care-l reprezint.
Se construiesc coloanele aezate cu latura mic pe axa absciselor, iar
pe ordonat se consider scara de reprezentare pentru indicatorii de
reprezentat corespunztor claselor din seria considerat. Distana dintre
coloane trebuie s fie jumtate din limea coloanelor.
Marimea indicatorului in clasa 1
Marimea indicatorului in clasa 2

Marimea indicatorului in clasa R

Cl.1
Cl.2
Cl.R

57
Forma unei diagrame prin coloane ataate unei serii care mparte
populaia n R clase arat astfel:

Diagrame de suprafee (prin areale)

Diagramele prin suprafee sunt construite cu ptrate sau cercuri.
Suprafaa acestor figuri geometrice se calculeaz astfel nct mrimea
acestora trebuie s fie proporional cu indicatorul ce se reprezint.
Aceste diagrame sunt utilizate n special pentru reprezentarea grafic
a seriilor de timp ct i a celor de spaiu.

Diagrama areal prin ptrate, aa cum arat i titulatura, folosete
n reprezentarea grafic a unei serii, ptratele.

Pentru o serie de forma:

R i
i
i
N
x
X
, 1
:
=

M
a
r
i
m
e
a

i
n
d
i
c
a
t
o
r
u
l
u
i

i
n

c
l
.

1

M
a
r
i
m
e
a

i
n
d
i
c
a
t
o
r
u
l
u
i

i
n

c
l
.

2

M
a
r
i
m
e
a

i
n
d
i
c
a
t
o
r
u
l
u
i

i
n

c
l
.

R

Cl.1 Cl.2 Cl. R
......

58
reprezentarea grafic prin diagrama de ptrate presupune construirea a R
ptrate bazndu-se pe principiul proporionalitii ntre aria ptratului i i
nivelul indicatorului corespunztor clasei respective.

Principiul proporionalitii este dat de urmtoarea relaie:

K
l
N
l
N
l
N
l
N
R
R
i
i
= = = = = =
2 2 2
2
2
2
1
1
... ...

unde
i
l , R i , 1 = , reprezint latura ptratului prin care se va reprezenta
indicatorul corespunztor clasei i, iar K este un coeficient de
proporionalitate care se ia n funcie de scara de reprezentare. Atunci, latura
fiecrui ptrat este dat de:
R i
K
N
l
i
i
, 1 , = =

n cazul unei serii de variaie, n relaia (1)
i
N se nlocuiete cu
i
Y
(nivelul indicatorului n clasa i), R i , 1 = , iar dimensiunea laturilor va fi n
funcie de nivelul
i
Y .
Un grafic asociat unei serii, folosind diagrama areal prin ptrate
arat astfel:

Marimea
indicatorului in
clasa R
Cl.R
Marimea
indicatorului
in clasa 2
Cl.2
Marime
indicator in
cl. 1
Cl.1
i =
overline

59
Fiecrei clase (sau stri) i se construiete un ptrat a crei arie este
direct proporional cu nivelul indicatorului din clasa (sau starea) respectiv.
Diagrama areal prin cercuri este utilizat pentru aceleai tipuri de
serii ca i diagrama areal prin ptrate.
Pentru a reprezenta grafic o serie de forma:

R i
i
i
N
x
X
, 1
:
=

folosind o diagram areal prin cercuri, se vor construi R cercuri cu aria
proporional cu volumul claselor respective (sau a nivelului indicatorului n
fiecare clas).
n cazul reprezentrii unei serii de repartiie, proporionalitatea
presupune urmtoarele egaliti:
K
R
N
R
N
R
N
R
N
R
R
i
i
=
= =
= =
2 2 2
2
2
2
1
1
... ...

unde R i , 1 = reprezint raza cercului corespunztor clasei i, iar K are
aceeai semnificaie ca i la diagrama prin ptrate.
Din relaia de mai sus rezult raza cercului: R i
K
N
R
i
i
, 1 , =
. Dac
seria este de variaie, indicatorul de frecven
i
N se nlocuiete cu
indicatorul de nivel Y.
O diagram areal prin cercuri arat astfel:

MARIME INDICATOR IN CL.R

MARIME INDICATOR IN CL. .2
MARIME
INDICATOR
N CL. 1

60
Diagramele areale se folosesc n special pentru reprezentarea grafic
a seriilor care au la baz o variabil calitativ.
Cronograma (historiograma)

O categorie de serii des utilizat n economie o constituie seriile
cronologice, a cror reprezentare grafic se realizeaz prin cronograme.
Seria cronologic de forma:

R k
k
k
Y
t
, 1 =

unde R k t
k
, 1 , = , reprezint momentele (sau perioadele) de timp iar
R k Y
k
, 1 , = , valorile indicatorului. Timpul se reprezint pe axa absciselor,
iar valorile indicatorului se reprezint pe axa ordonatelor. Fiecrei perechi
de valori ( ) R k Y t
k k
, 1 , , = i corespunde un punct n planul axelor
rectangulare. Unind prin segmente de dreapt punctele consecutive, astfel
determinate, se obine cronograma.
Cnd se reprezint o serie cronologic de momente, indicatorii seriei
nu se pot nsuma i momentul
k
t se trece n dreptul gradaiei respective. n
cazul reprezentrii unei serii cronologice de intervale, unde indicatorii se pot
nsuma, perioadele se trec n dreptul segmentelor ce reprezint perioada
respectiv.
n acelai sistem de axe pot fi reprezentate una sau mai multe serii
cronologice folosind aceeai unitate de msur sau uniti de msur
diferite. n cazul n care indicatorii cu care sunt construite seriile sunt
exprimai n aceeai unitate de msur, atunci pe axa ordonatelor se
construiete o singur scar. Dac indicatorii seriilor sunt exprimai n
uniti de msur diferite, atunci se construiesc scri de reprezentare
corespunztoare pe axa ordonatelor.
Cronogramele asociate unor serii cronologice ne permit analiza
fenomenelor cuantificate de asemenea serii i observarea perioadelor critice
n evoluia acestora.
Cronograma seriei cronologice de forma
R k
k
k
Y
t
, 1 =
arat astfel:

61

Norul statistic

Se utilizeaz n reprezentarea grafic a seriilor atributive de
repartiie bidimensionale.
Se consider o serie bidimensional de repartiie n raport cu
variabilele discrete X i Y. n sistemul de axe rectangulare xOy se reprezint
toate punctele de coordonate ( )
2 1
, 1 ; , 1 ; , R j R i y x
i j
= = pentru care
frecvenele 0
ij
N . Aceste frecvene se pot reprezenta pe grafic n dou
moduri:
-dac frecvenele sunt mici, atunci pentru fiecare punct de pe grafic
( )
2 1
, 1 ; , 1 ; , R j R i y x
i j
= = pentru care 0
ij
N , se reprezint attea puncte
cte uniti sunt n frecvena corespunztoare.
-dac ns frecvenele sunt mari, pentru reprezentarea lor se pot utiliza
diagrame areale prin cercuri ale cror arii trebuie s fie proporionale cu
rdcina ptrat a frecvenelor pe care le reprezint.
n cazul n care cele dou variabile X i Y sunt continue, ntruct la
intersecia a dou intervale se formeaz o csu, frecvenele diferite de zero
se reprezint n interiorul acestei csuei, fie prin puncte, fie prin diagrame
areale .
Y
R
Y
2
Y
1
t
1
t
2 t
k-1
t
k
t
k+1
t
R-1
t
R
. . .
.
.
.

62
Poriunea n care sunt cuprinse punctele norului statistic se numete
corelogram i se utilizeaz n stabilirea legturii dintre variabile.

3.1.B. Exemple

([6]) Tabelul simplu cu o singur intrare, este folosit pentru
prezentarea unei serii unidimensionale. n acest sens, tabelul urmtor red
evoluia vnzrilor pentru primul trimestru al anului 1995 pentru societatea
X.
Evoluia vnzrilor n 1995 / trim. I la societatea X

Luna Valoarea vnzrilor
ianuarie
februarie
martie
15
14
16

([6]) Tabelul cu dou intrri este folosit pentru a reda situaia unui
fenomen sau proces economico-social n raport cu dou variabile. Acest tip
de tabel servete prezentrii seriilor bidimensionale. Tabelul urmtor red
distribuia agenilor economici dintr-o localitate dat, n raport cu volumul
desfacerilor i cheltuielile cu reclama nregistrate pentru trimestrul I al
anului 1995.
Repartizarea agenilor economici din localitatea X dup volumul
desfacerilor ( u.m.) i cheltuielile cu reclama (u.m.):

Cheltuieli cu
reclama

Volumul
desfacerilor 0-200 200-400 400-600 600-800 TOTAL
45-60 2 10 50 62
30-45 8 40 5 53
15-30 5 60 4 69
0-15 70 5 75
TOTAL 75 75 54 55 259

([6]) S presupunem c societile comerciale de desfacere cu
amnuntul dintr-o localitate dat, dup adaosul comercial practicat n ultima
lun, se distribuie conform urmtoarei serii:
63

20 50 80 45 15
% 150 120 % 120 90 % 90 60 % 60 30 % 30 0
: X .

Pentru construirea histogramei, latura dreptunghiurilor care vine n
contact cu axa absciselor este egal cu lungimea intervalului, iar n cazul
nostru este 30%. Coeficientul de proporionalitate se alege 30 = g . Avem:

15 30
30
15
0 1
1
1
= =
= g
x x
N
L ,

45 30
30
45
1 2
2
2
= =
= g
x x
N
L ,

80 30
30
80
2 3
3
3
= =
= g
x x
N
L ,

50 30
30
50
3 4
4
4
= =
= g
x x
N
L ,

20 30
30
20
4 5
5
5
= =
= g
x x
N
L .

Repartizarea societilor comerciale de desfacere cu amnuntul, din
localitatea A dup adaosul comercial practicat:
64
Conform graficului, rezult c n ultima lun luat n considerare,
cele mai multe societi comerciale de desfacere cu amnuntul din
localitatea dat, au practicat un adaos comercial cuprins n intervalul
[ ) % 90 % 60 .

Reconsiderm exemplul anterior, construind seria cu frecvene
relative:

% 10 % 24 % 38 % 21 % 7
% 150 120 % 120 90 % 90 60 % 60 30 % 30 0
: X

Se construiete un dreptunghi cu cm 5 = H H = 5 cm. nlimile
dreptunghiurilor componente se calculeaz conform relaiilor:

35 , 0 7
100
5
100
1 1
= = = f
H
H ,

05 , 1 21
100
5
100
2 2
= = = f
H
H ,
65

9 , 1 38
100
5
100
3 3
= = = f
H
H ,

35 , 0 24
100
5
100
4 4
= = = f
H
H ,

5 , 0 10
100
5
100
5 5
= = = f
H
H .

Structura societilor comerciale dup adaosul comercial practicat
Legenda
S.C. careaupracticat un adaos cuprinsn intervalul 0-30%
10%
24%
38%
21%
7%
([6]) Se va reprezenta printr-un ptrat de structur repartizarea a 210 de
societi comerciale dintr-o localitate n raport cu forma de proprietate,
21 84 105
:
M P S
Y

66
Seria construit cu frecvenele relative este:
% 10 % 40 % 50
:
M P S
Y .
Structura societilor comerciale din localitatea dat n raport cu
forma de proprietate:
50%
40%
10%
S.C. cu capital integral destat
S.C. cu capital privat
S.C. cu capital mixt
Legenda

Se va reprezenta cercul de structur cu privire la distribuia
societilor comerciale dup forma de proprietate. Unghiurile la centru
corespunztoare celor trei sectoare se calculeaz astfel:
-pentru S.C. cu capital de stat,
o
180 50 6 , 3 =
-pentru S.C. cu capital privat,
o
144 40 6 , 3 =
-pentru S.C. cu capital mixt,
o
36 10 6 , 3 = .
Structura societilor comerciale din localitatea dat, n raport cu forma de
proprietate:

S.C. cu capital integral de stat
S.C. cu capital privat
S.C. cu capital mixt
50%
40%
10%
67
([6]) Se reconsider exemplul seriei bidimensionale care reflect
repartiia agenilor economici dintr-o zon dat, dup volumul desfacerilor
Y (n u.m.) i cheltuielile cu reclama X (n u.m.).

X
Y 0-200 200-400 400-600 600-800 Total
45-60 2 10 50 62
30-45 8 40 5 53
15-30 5 60 4 69
0-15 70 5 75
Total 75 75 54 55 259

Norul statistic se construiete conform celor afirmate n 3.1.A i arat astfel:

Poriunea cuprins ntre cele dou curbe, n interiorul creia se afl
punctele norului statistic, formeaz corelograma asociat seriei.

68
4. Test de autoevaluare II

4.1.Enun

1.Dai cte un exemplu de serie: cronologic, de spaiu, atributiv, de
momente, de intervale, calitativ, cantitativ, discret, continu.
2.Rezultatele observrii statistice a 15 angajai ai unei societi comerciale
n raport cu vrsta angajatului, numrul de copii, salariul mediu pe ultimul
an, numrul primelor obinute pe ultimul an, sexul, tipul de studii, au fost
urmtoarele:

Nr.crt X
1
Varsta
= X
2
Nr.copii
= X
3
mediu lunar/an
=salariul X
4
nr.prime/an
= X
=sex
5
X
=studii
6
1 48 2 4,5(u.m.) 4 M Superioare
2 45 3 2,7 4 M Postliceal
3 30 2 3 3 F Superioare
4 25 0 1,8 0 M Superioare
5 33 1 3,7 5 M Postuniversitare
6 50 4 3,5 2 F Liceu
7 38 2 2,3 1 F Superioare
8 44 2 5,2 6 F Postuniversitare
9 34 1 1,5 2 M Liceu
10 27 1 1,5 0 F Postliceal
11 41 3 4 3 M Superioare
12 28 0 1,6 2 F Liceu
13 37 1 2,7 3 F Superioare
14 29 0 2,5 1 M Superioare
15 48 2 3,3 0 M Liceu

- Redai seriile statistice rezultate n urma sistematizrii datelor n raport
cu fiecare variabil in parte. Elaborai tabelul de corelaie (seria statistic
bidimensional) pentru cuplul de variabile (X
1
,X
2
) i (X
3
,X
6
3.Reprezentai grafic urmtoarele serii statistice folosind adecvat unul
din urmtoarele grafice: histograma, diagrame de structur, diagrame
areale, cronograma, diagrame prin benzi sau coloane, norul statistic:
).

350 300 370 320 300 250 194 210 245 230 200
2000 1999 1998 1997 1996 1995 1994 1993 1992 1991 1990
:
1
X

69
X
1

profitul unei firme(u.m. lei)
3 2 6 4 28 5 16 10 40

:
2
Zlatna Mure Ocna Cmpeni Abrud Sebe Teiu Aiud Blaj Iulia Alba
X

X
2

domiciliul sediului societilor comerciale cu capital privat din
judeul Alba , nfiinate n anul 2000.
[ ] [ ] [ ]

2 20 8
10 8 8 5 5 1
:
3
X

X
3

nota obinut la un examen de ctre studenii unei grupe
10 15 38 20
:
4
slab or satisfacat bine foartebine
X

X
4

calificativul obinut la un concurs de ctre 83 de concureni
( ] ( ] ( ]

21 25 13
90 60 60 30 30 0
:
5
X

X
5

volumul vnzrilor cu un anumit produs de confecie ntr-o lun, la
cteva puncte de desfacere.
X
X
6

7
[0-20)

[20-40)

[40-60)

[60-80)

[80-100]

Total
[400-600] 10 38 20 27 95
[200-400) 5 100 30 15 2 152
[0-200) 40 10 2 1 53
Total 45 120 70 35 30 300

X
7
X
profitul unei firme pe 1998( u.m.)
6

cheltuielile cu publicitatea n 1998( u.m.)
4.Extragei din tabelul bidimensional anterior (X
6
,X
7

), seriile derivate
marginale i condiionate. Precizai care este seria care red repartizarea
firmelor care cheltuiesc cu reclama ntre [40-60) n funcie de profit.
70
4.2.Rezolvare

Problema 1

Exemple:
Serie cronologic(de timp)de momente:

X:

7 6 6 5
1973 1972 1971 1970

-red numrul liceelor dintr-o localitate, existente la nceputul anului colar
Serie cronologic(de timp)de intervale:

X:

ani ani ani 5 , 62 69 8 , 67
) 2000 1990 [ ) 1990 1980 [ ) 1980 1970 [

-red durata medie de via dintr-o anumit ar
Serie de spaiu:

X:

7 2 3 3 15
Aiud Teius Zlatna Cugir Iulia Alba

-red domiciliul studenilor dintr-o grupa cu un efectiv de 30 studeni, de la
Universitatea 1Decembrie 1918,Alba-Iulia
Serie atributiv:

X:

60 28 10
] 6 4 ( ] 4 2 ( ] 2 0 (

-red venitul n u.m. lei lunar, pentru un eantion de persoane care vor s
fac un mprumut la banc
Serie calitativ:

X:

2 5 8
FR IDD ZI

-red repartiia n funcie de forma de nvmnt preferat a unui grup de
15 candidai nscrii ntr-o zi la o anumit specializare
71
Serie cantitativ discret:

X:

5 20 30 35 10
4 3 2 1 0

-red repartiia angajailor unei firme n raport cu numrul proiectelor n
care au fost implicai n decursul ultimei luni
Serie cantitativ continu:

X:

20 50 30 35 15
) 50 40 [ ) 40 30 [ ) 30 20 [ ) 20 10 [ ) 10 0 [

-red repartiia celor 150 de firme dintr-un jude n funcie de profit

Problema2
Pentru seriile calitative sau cele cantitative discrete se va proceda astfel :pe
prima linie a seriei se scriu toate valorile existente n tabel pe coloana
variabilei corespunztoare iar pe a doua linie vom trece frecvenele cu care
apar aceste valori obinute prin numrare
X
2
:

1 2 5 4 3
4 3 2 1 0
X
4
:

1 1 2 3 3 2 3
6 5 4 3 2 1 0
X
5
:

8 7
M F

X
6
:

2 7 2 4
sup sitare postuniver erioare e postliceal liceale
.

Pentru seriile cantitative continue sau cele considerate ca atare (cantitative
discrete cu multe valori ) n prealabil trebuie s mprim valorile n
intervale de valori calculnd eventual lungimea unui astfel de interval cu
formula:
N
x X
l
x
lg 322 , 3 1
min max
+

= , 1+3,322lg155

5
5
25 50
=
x
l

72

[ ) [ ) [ ) [ ) [ )

4 2 2 3 4
//// // // /// ////
50 45 45 40 40 35 35 30 30 25
:
1
X

74 , 0
5
5 , 1 2 , 5
3
=
=
x
l

[ ) [ ) [ ) [ ) [ )

2 1 4 4 4
// / //// //// ////
2 , 5 46 , 4 46 , 4 72 , 3 72 , 3 98 , 2 98 , 2 24 , 2 24 , 2 5 , 1
:
3
X .

Pentru numrarea frecvenelor cu care apar valorile variabilelor se
parcurge spre exemplu coloana cu valorile variabilei X
1
n ordine marcnd
prin cte un beior faptul c o anumit valoare aparine unui anumit
interval. La sfrit numrnd beioarele se precizeaz frecvena fiecrei
clase. Un astfel de sistem de numrare este foarte simplu dar i foarte
eficient atunci cnd volumul eantionului este foarte mare.
Tabel bidimensional (X
1
,X
2

):
X
X
1

[25-30)
2

[30-35) [35-40) [40-45) [45-50) Total
0 3 3
1 1 2 1 4
2 1 1 1 2 5
3 1 1 2
4 1 1
Total 4 3 2 2 4 15

Cum s-a completat tabelul? De exemplu prima persoan din eantion
nregistreaz valorile X
1
=48, X
2
=2 ceea ce nseamn c va fi reprezentat
printr-un beior aezat n csua care se obine ca intersecie a liniei lui X
2
=
2 cu coloana lui X
1
[45,50] pentru c X
1
=48 aparine lui [45-50].
73
Tabel bidimensional (X
3
,X
6

):

X
3

X
6
liceale

postliceale superioare postuniversitare Total
[4,46-5,2) 1 1 2
[3,72-4,46) 1 1
[2,98-3,72) 2 1 1 4
[2,24-2,98) 1 3 4
[1,5-2,24) 2 1 1 4
Total 4 2 7 2 15

Problema 3

Profitul unei firme (n u.m.lei) pe perioada 1990-2000
(diagrama prin coloane)

0
10
20
30
40
19901991 19921993 1994 19951996 1997 19981999 2000
Profit

-lungimea coloanelor l
i
=N
i
k , (se alege de exemplu k=(10)
-1
Observaie : Aceeai serie se putea reprezenta i folosind cronograma
)
0
10
20
30
40
1988 1990 1992 1994 1996 1998 2000 2002
Profit

74
Societile comerciale cu capital privat din judeul Alba nfiinate n anul
2000, repartizate dup domiciliul sediului (diagrama areal cu ptrate)

-latura ptratului: l

i

l
i
2
k
1
=
.
N
i
l
i
i
N
k

1
= , de exemplu k=1

l
1
40 = 6,32, l
2
10 = 3,16 ,

l
3
16 = 4, l
4
5 = 2,23 ,

l
5
28 = 5,29, l
6
4 = 2

l
7
6 = 2,44, l
8
2 = 1,41 ,

l
9
3 = 1,73.

Seria se mai putea reprezenta i prin diagrame, prin coloane sau benzi

75
Repartiia studenilor unei grupe n funcie de nota obinut la un examen
(histograma i poligonul frecvenelor)

-nlimea dreptunghiurilor h
i
k
l
N
i
i
= unde l
i
este lungimea intervalului
corespunztor; vom alege spre exemplu k =12 deci h
1
4
8
=
.
h
12 =24 ,
2
3
20
=
.
12 =80, h
3
2
2
=
.
Aceeai serie se putea reprezenta i prin diagrame de structur.
12=12

Structura celor 83 de concureni implicai ntr-un concurs n raport cu
calificativul obinut (diagrama de structur prin ptrat)

24 %

46 %

18 %

12 %

76

Legend:

Candidaii care au obinut calificativul foarte bine

Candidaii care au obinut calificativul bine

Candidaii care au obinut calificativul satisfctor

Candidaii care au obinut calificativul slab

f
i
100
N
N
i
= , f
1
100
83
20
= 24% , f
2
100
83
38
= 46% ,

f
3
100
83
15
= 18% , f
4
100
83
10
= 12%

Repartiia a 59 de puncte de desfacere n raport cu volumul vnzrilor unui
anumit produs (histograma)

h
i
k
l
N
i
i
= =
30
i
N
, alegem k=30 h
i
i
=N

77
Repartiia a 300 de firme n raport cu profitul i respectiv cu cheltuielile de
publicitate, pe anul 1998 (norul statistic)

Razele cercurilor sunt proporionale cu frecvenele, fiecare cerc
corespunznd unei csue. Centrul unui cerc s-a obinut ca intersecie a
dreptelor paralele duse la axe prin punctele de pe axe care semnific
mijloacele intervalelor la a cror intersecie n tabel se afl csua
corespunztoare cercului respectiv.

Problema 4

Serii marginale:

[ ) [ ) [ ) [ ) [ ]

30 35 70 120 45
100 80 80 60 60 40 40 20 20 0
:
6
X

[ ) [ ) [ ]

95 152 53
600 400 400 200 200 0
:
7
X .

78
Serii condiionate:

[ )
[ ) [ ) [ ) [ ) [ ]

1 0 2 10 40
100 80 80 60 60 40 40 20 20 0
/
200 0 6
7
X
X

[ )
[ ) [ ) [ ) [ ) [ ]
2 15 30 100 5
100 80 80 60 60 40 40 20 20 0
: /
400 , 200 6
7
X
X

[ ]
[ ) [ ) [ ) [ ) [ ]

27 20 38 10 0
100 80 80 60 60 40 40 20 20 0
: /
600 400 6
7
X
X

[ )
[ ) [ ) [ ]

0 5 40
600 400 400 200 200 0
: /
20 0 7
6
X
X

[ )
[ ) [ ) [ ]

10 100 10
600 400 400 200 200 0
: /
40 20 7
6
X
X

[ )
[ ) [ ) [ ]

38 30 2
600 400 400 200 200 0
: /
60 40 7
6
X
X

[ )
[ ) [ ) [ ]

20 15 0
600 400 400 200 200 0
: /
80 60
6
7 X
X

[ ]
[ ) [ ) [ ]

27 2 1
600 400 400 200 200 0
: /
100 80
6
7 X
X .

Seria care red repartizarea firmelor care cheltuiesc cu reclama
ntre [ 40-60 ) n funcie de profit este seria prezentat mai sus i
anume seria
[ ) 60 40 7
6
X
X .

79

CAPITOLUL III

PARAMETRII REPARTIIILOR
EMPIRICE UNIDIMENSIONALE

Seria de frecven sau repartiia empiric unidimensional rezultat
n urma prelucrrii statisticilor obinute prin observarea statistic reprezint
o form organizat de prezentare a acestor statistici, form ce permite
desprinderea unor caracteristici ale populaiei.
Repartiia statistic constituie deci sub o form sintetic, o prim
imagine asupra populaiei de studiat n raport cu variabila de la baza seriei.
Pentru a obine, pornind de la repartiia statistic i alte informaii,
aceasta este supus n continuare unei prelucrri n cadrul creia se
urmrete:

- desprinderea tendinei centrale n cadrul populaiei, n raport cu
variabila X (nivelul mediu al variabilei);
- aprofundarea studierii structurii populaiei n raport cu X;
- aspecte legate de mrimea variaiei variabilei n raport cu nivelul
mediu;
- forma dup care se dispun unitile populaiei n jurul valorii
medii.
Caracterizarea numeric a acestor aspecte este dat de urmtorii
parametri:
-parametrii tendinei centrale;
-parametrii de structur;
-parametrii variaiei;
-parametrii concentrrii;
-parametrii formei.

1. Parametrii tendinei centrale

Parametrii tendinei centrale evideniaz poziia n jurul creia se
grupeaz ansamblul valorilor unei variabile de la baza unei serii. Poziia
respectiv se numete poziie central i este reprezentat de un numr care
este de fapt valoarea numeric a unuia din urmtorii parametri:
-valoarea medie ( ) ( ) X M X,
-valoarea median ( ) ( ) X M
e

-valoarea modal ( ) ( ) X M
0

80

1.1.A. Valoarea medie

Pentru definirea acestui parametru al tendinei centrale, vom
considera o populaie statistic studiat n raport cu o variabil cantitativ X
i o funcie ( )
R
x x x G ,..., ,
2 1
unde R i x
i
, 1 , = , reprezint diversele stri ale
variabilei X. Funcia G exprim o anumit nsuire esenial, un atribut al
populaiei n raport cu variabila X i se numete funcie determinant,
adic:
( ) ( ) X X X G x x x G
R
,..., , ,..., ,
2 1
= . (1)

Aceast egalitate se numete relaia lui Boiarski-Kisini. n funcie
de forma analitic a funciei G se deduce expresia de calcul a valorii medii.
Pentru a nelege semnificaia valorii medii X , trebuie subliniat
faptul c variaia unui fenomen, deci n particular variaia unei variabile X n
raport cu care este cercetat o populaie, este determinat de aciunea
simultan a dou categorii de factori: factori eseniali i factori neeseniali.
Factorii eseniali sunt cei care acioneaz asupra tuturor unitilor
populaiei n mod continuu i n acelai sens, determinnd n principal,
nivelul de dezvoltare a variabilei pentru fiecare unitate component din
populaie.
Factorii neeseniali au n general un caracter aleator, sunt numeroi i
neuniform rspndii printre unitile populaiei, n sensul c acioneaz
numai asupra unui anumit numr de persoane, contribuind ca atare, fie la
scderea nivelului variabilei fie la creterea lui.
La rndul lor, factorii eseniali nu acioneaz cu aceeai intensitate
asupra tuturor unitilor, determinnd astfel variaia neuniform a variabilei
respective n cadrul populaiei.
Se poate atunci afirma c parametrul valoarea medie a unei serii
statistice care are la baz variabila X, constituie acel nivel pe care l-ar putea
nregistra variabila n cadrul populaiei cercetate, n condiiile n care
factorii neeseniali nu s-ar fi manifestat, iar factorii eseniali ar fi acionat
asupra unitilor din populaie cu aceeai intensitate.
n raport cu natura variabilei ce st la baza seriei, ct i a
indicatorilor cu care aceasta este construit exist mai multe posibiliti de
calcul a valorii medii.
Funcia determinant G sub forma sa cea mai general, are
urmtoarea expresie analitic:
( )

=
=
R
i
i
k
i R
f x x x x G
1
2 1
,..., , . (2)

81

Pornind de la respectarea condiiei date de relaia lui Boiarski -
Kisini se determin expresia de calcul a valorii medii. Pentru diverse valori
ale lui k, n strict concordan cu coninutul i semnificaia funciei G, se
regsesc mai multe tipuri de medii:
-media armonic ( ) 1 = k ;
-media geometric ( ) 0 = k ;
-media aritmetic ( ) 1 = k ;
-media ptratic ( ) 2 = k ;
-media cubic ( ) 3 = k ;
-media de ordinul k n general.
Dintre toi aceti indicatori cel mai utilizat pentru calculul valorii
medii este media aritmetic.
Media aritmetic
Vom considera n cele ce urmeaz dou serii statistice de repartiie,
cantitative, discrete, una format din frecvene absolute, cealalt din
frecvene relative:
|
|
.
|
\
|
R
R
N N N
x x x
X
...
...
:
2 1
2 1

|
|
.
|
\
|
R
R
f f f
x x x
X
...
...
:
2 1
2 1
.

Avnd n vedere, respectarea relaiei (1), se gsesc urmtoarele
expresii de calcul pentru indicatorul medie aritmetic:
-n cazul seriilor cu frecvene absolute, se obine:

= =
=
R
i
i
R
i
i i
N X N x
1 1

de unde rezult:
=
=
= = =
R
i
i
R
i
i i
a
N
N x
X X X
1
1
1
(3)

82

-n cazul seriilor cu frecvene relative, avem:

= =
=
R
i
i
R
i
i i
f X f x
1 1

deci:
=
=
=
= =
R
i
i i
R
i
i
R
i
i i
f x
f
f x
X
1
1
1
. (4)

Expresia (3) reprezint prin definiie, formula de calcul a mediei
aritmetice ponderate pentru o serie discret, unde ponderile sunt chiar
frecvenele absolute
R
N N N ,..., ,
2 1
.
n cazul particular, cnd frecvenele absolute sunt egale ntre ele
c N N N
R
= = = = ...
2 1
, relaia de calcul (3) devine:

R
x
cR
x c
c
c x
X
R
i
i
R
i
i
R
i
R
i
i
= =
=
=
= = =
1 1
1
1
, (5)

reprezentnd media aritmetic simpl a unei repartiii discrete.
n continuare vom considera cazul unei serii de repartiie care are la
baz o variabil continu X, respectiv:

| ) | ) | ) | )
|
|
.
|
\
|

R i
R R i i
f f f f
x x x x x x x x
X
... ...
, ... , ... , ,
:
2 1
1 1 2 1 1 0
.

Dac se cunoate densitatea ( ) X f a variabilei X, atunci prin
definiie, media teoretic a acestei variabile, ( ) X E ,va fi:

( ) ( )dX X Xf X E
+

= . (6)

83

Densitatea sa de probabilitate ( ) x f nu se cunoate ns, deci o vom
aproxima n fiecare interval de variaie a variabilei prin raportul dintre
frecvena intervalului i lungimea acestuia, deci prin:
1 1 2
2
0 1
1
,..., ,

R R
R
x x
f
x x
f
x x
f
.

nlocuind aceste aproximri n (6), obinem:

( ) ( )
( )
( ),
2 2 2
1 1
1
2
1
2
1
1
2
1
1
1
1
1
1
1
1 1 1

= =

=

=

=

+ =
=
=
=
= = = =

R
i
R
i
i i
i i i
i i
i
R
i
x
x
i i
i
R
i
x
x i i
i
x
x
R
i
x
x i i
i
x x
f x x
x x
f X
x x
f
XdX
x x
f
dX
x x
f
X dX X Xf
X X X M X E
i
i
i
i
R i
i

de unde, folosind notaia
2
1
+
=
i i
i
x x
x pentru mijlocul intervalului
| )
i i
x x ,
1
, rezult expresia de calcul a mediei aritmetice:
=
R
i
i i
f x X
1
. (7)

Se observ c media aritmetic a unei serii de intervale, se reduce la
media aritmetic a unei serii discrete n care clasele sunt reprezentate prin
mijloacele intervalelor de variaie.
Pentru cazul particular cnd seria are la baz o variabil alternativ,
adic este de forma:
|
|
.
|
\
|
2 1
1 0
:
N N
X ,

calculnd media aritmetic se obine:

2
2
2 1
2 1
1
1
1 0
f
N
N
N N
N N
N
N x
X
R
i
i
R
i
i i
= =
+
+
=
=
=

84

deci
2
f X = , (8)

adic media aritmetic a unei serii care are la baz o variabil alternativ (cu
doar dou stri) coincide cu frecvena relativ a strii notate cu 1 (starea
care ne intereseaz mai mult n studiul statistic).

Proprieti ale mediei aritmetice

1. Media aritmetic a unei constante este egal cu constanta
respectiv, adic dac variabila de la baza seriei nregistreaz o singur
stare, c X = , atunci avem:

( ) ( ) c c c M X M X = = = = . (9)

2. Media produsului dintre o variabil X i o constant k este egal
cu produsul dintre media variabilei X i constanta respectiv:

( ) ( ) X M k X k M = . (10)

3. Media aritmetic a sumei a dou sau mai multe variabile este
egal cu suma mediilor acestora:

( ) ( ) ( ) ( )
R R
X M X M X M X X X M + + + = + + + ... ...
2 1 2 1
. (11)

Observaie:

De exemplu, pentru a verifica proprietatea de mai sus pentru dou
variabile:

( ) ( ) ( ) Y M X M Y X M + = + , (11)

folosim tabelul bidimensional:

85

x
y
1
x
2
x

i
x

n
x
TOTAL
m
y

j
y

2
y
1
y
m
N
1

j
N
1

12
N
11
N
m
N
2

j
N
2

22
N
21
N

im
N

ij
N

2 i
N
1 i
N

nm
N

nj
N

2 n
N
1 n
N
m
N

j
N

2
N
1
N
TOTAL
1
N
2
N

i
N

n
N
N

Relaia de mai sus se verific pe baza acestor date calculnd cele trei
medii:
( )
N
N x
N
N x
X M
n
i
i i
n
i
i
n
i
i i
=

=

=

= =
1
1
1

( )
N
N x
N
N y
Y M
m
j
j j
m
j
j
m
j
j j
=

=

=

= =
1
1
1

( )
( )
= =
= =
+
= +
n
i
m
j
ij
n
i
ij
m
j
j i
N
N y x
Y X M
1 1
1 1
.

4. Media produsului a r variabile, dou cte dou independente este
egal cu produsul mediilor acestora.
( ) ( ) ( ) ( )
r r
X M X M X M X X X M = ... ...
2 1 2 1
. (12)

86

Observaie:

Cazul

( ) ( ) ( ) Y M X M Y X M = (12)

se verific n cazul cnd X i Y sunt independente, pe baza tabelului,
calculnd:

( )
N
N y x N y x N y x
XY M
nm m n
+ + +
=
...
21 1 2 11 1 1
.

5. (Consecin a lui 3) Media sumei dintre o variabil X i o
constant c este suma dintre media variabilei X i constanta c:

( ) ( ) c X M c X M + = + (13)

sau
( ) ( ) c X M c X M = (13)

i mai mult:
( ) ( ) c c X M X M + = (13)

adic, dac strile unei variabile cantitative cresc sau descresc cu o
constant c, atunci i media noi variabile obinute crete sau descrete cu
acea constant.
6. (Consecin a lui 2) Dac valorile unei variabile X sunt
simplificate cu o constant, atunci media variabilei X descrete de acel
numr de ori:
( )
|
.
|
\
|
=
k
X
M k X M . (14)

7. (Relaie de calcul simplificat al mediei)

( ) c k
k
c X
M X M +
|
.
|
\
|

= . (15)

87

8. (Proprietatea de adiiune a mediei aritmetice)
Dac o populaie este structurat n raport cu un criteriu X (variabil)
cantitativ sau calitativ, n n clase
n
x x x ,..., ,
2 1
, atunci media aritmetic a
variabilei Y, n raport cu care este studiat populaia, se poate obine ca o
medie a mediilor variabilei din cele n clase.

( ) ( ) X Y M Y M = (16)
Observaie:
Tot pe baza tabelului bidimensional se poate verifica aceast relaie
calculnd ( ) Y M ,
n
x Y x Y x Y ,..., ,
2 1
, mediile condiionate i n sfrit
( ) X Y M , astfel obinndu-se,
=
=
=
m
j
ij
m
j
ij j
i
N
N y
x Y
1
1

( )
N
N x Y
N
N x Y
X Y M
n
i
i i
n
i
i
n
i
i i
=

=

=

= =
1
1
1
.

9. Dac frecvenele absolute cu care s-a construit o serie, se
simplific printr-o constant, atunci media aritmetic a seriei respective nu
se modific. Astfel, pentru
R i
i
i
N
x
X
, 1
:
=
|
|
.
|
\
|
,
=
=
=
R
i
i
R
i
i i
N
N x
X
1
1
,
notm cu
d
N
N
i
i
=
unde d reprezint o valoare cu care se divid toate

frecvenele.
R i
i
i
N
x
X
, 1
:
=
|
|
.
|
\
|
=
=
=
R
i
i
R
i
i i
N
N x
X
1
1

88

Proprietatea spune c X X = .
10. Media aritmetic a unei serii este cuprins ntre valoarea minim
i valoarea maxim pe care o nregistreaz variabila X, care st la baza seriei

max min
X X X . (17)

11. Suma abaterilor liniare ale valorilor unei variabile continue, de la
media aritmetic este nul, sau:

( ) 0 = X X M . (18)

12. Proprietatea de minim a mediei aritmetice.

( ) ( )
2
0
2
x X M X X M

unde
0
x este un numr real oarecare.

Media armonic
n cazul unei serii discrete
R i
i
i
N
x
X
, 1
:
=
|
|
.
|
\
|
, avem formula mediei
armonice ponderate

=
=
= =
R
i
i
i
R
i
i
h
N
x
N
X X
1
1
1
1
(19)

formul care pentru frecvene egale devine formula mediei armonice simple:
=
R
i
i
x
R
X
1
1
1

iar pentru cazul unei serii continue
| )
R i
N
x x
X
i
i i
, 1 ,
,
:
1
=
|
|
.
|
\
|

devine:

89

=
=
=
R
i
i
i
R
i
i
N
x
N
X
1
1
1
1

unde
i
x este mijlocul intervalului | )
i i
x x ,
1
.

Media geometric

Acest indicator este dat de formula:

N
N
R
N N
g
R
x x x X X = = ...
2 1
2 1 0
(20)

valabil n cazul unei serii discrete, formul care se poate aplica i n cazul
unei serii continue nlocuind pe
i
x cu
2
1 i i
i
x x
x
+
=

.
Media geometric simpl va fi:

N
R
i
i g
x X

=
=
1
.

iar media geometric ponderat cu frecvene relative va fi:

=
=
R
i
f
i g
i
x X
1

Media de ordin superior ( ) 1 > k :

-pentru serii formate cu frecvene absolute

K
R
i
i
R
i
i
k
i
k
N
N x
X
=
=
=
1
1
(21)

90

-pentru serii cu frecvene relative

K
R
i
i
k
i k
f x X

=
=
1

-n cazul 2 = k obinem media ptratic, n cazul 3 = k , media cubic iar
pentru 0 , 1 = = k k i respectiv 1 = k se obine media armonic, media
geometric i respectiv media aritmetic.
Observaie
Media unei variabile X calculat cu diferii indicatori, satisface
relaia:
...
2 1 0 1

X X X X

n care se obine egalitate numai n cazul cnd variabila X este o constant
sau ntre ponderi exist anumite relaii.

1.1.B. Exemple

Calculul valorii medii a unei variabile, folosind media aritmetic.
-cazul seriei discrete
Fie seria de repartiie discret care red repartiia angajailor unei
firme n funcie de numrul de copii:
|
|
.
|
\
|
1 0 2 4 25 50 8 10
7 6 5 4 3 2 1 0
: X

Numrul mediu de copii pe angajat este dat de relaia:

( )
2 16 , 2
100
216
1 0 2 4 25 50 8 10
1 7 0 6 2 5 4 4 25 3 50 2 8 1 10 0
= =
=
+ + + + + + +
+ + + + + + +
= = X M X

deci n medie un angajat din acea firm are 2 copii.
-cazul seriei alternative
Presupunem c este necesar determinarea ponderii agenilor
economici cu capital de stat, dintr-un anumit jude, care au nregistrat
pierderi n anul 1995 i c n urma observrii statistice se construiete
seria[6]:

91

|
|
.
|
\
|
850 150
:
FARA PIERDERI CU
X

Vom nota starea care ne intereseaz, adic aceea a agenilor cu
pierderi, prin simbolul 1, cealalt stare fiind notat cu 0:

|
|
.
|
\
|
850 150
0 1
: X

de unde % 15 150 , 0
1000
150
= = = X , deci n medie, 15% din agenii
economici cu capital de stat au nregistrat pierderi n 1995.
-cazul seriei continue
Angajaii unei societi comerciale se distribuie dup salariul lunar
cuvenit, conform urmtoarei serii de repartiie continu ([6]):

| ) | ) | ) | ) | ) | )
|
|
.
|
\
|
2 4 6 18 13 7
400 360 360 320 320 280 280 240 240 200 200 160
: X

unde variabila X este exprimat n u.m. lei.
n vederea determinrii salariului mediu pe angajat, se recurge la
transformarea seriei de intervale ntr-o serie discret, astfel:

|
|
.
|
\
|
2 4 6 18 13 7
380 340 300 260 220 180
: X

unde
2
200 160
180
+
= (mijlocul intervalului | ) 200 160 ).
Salariul mediu se determin astfel:

. . 400 . 254
50
2 380 4 340 6 300 18 260 13 220 7 180
m u X =
+ + + + +
=

1.2.A. Valoarea median

Valoarea median notat cu
e
M este acea valoare a variabilei
cantitative X, care mparte repartiia n dou pri egale, adic:

92

( )
2
1
=
e N
M F sau ( )
2
N
M N
e
= . (22)

S considerm pentru nceput o serie discret de frecvene absolute:

|
|
.
|
\
|
R i
R i
N N N N
x x x x
X
... ...
... ...
:
2 1
2 1
.

n calculul valorii mediane a unei serii discrete pot aprea
urmtoarele situaii:
a) volumul N al populaiei este un numr impar.
b) volumul N al populaiei este un numr par.
n ambele situaii calculul medianei presupune, ntr-o prim etap,
determinarea rangului medianei, notat cu
e
M
r , conform relaiei:
( )
e
R
i
i M
M N N r
e
= =

=1
2
1
. (23)

a) Dac volumul populaiei, N, este un numr impar, rangul medianei
este un numr zecimal a crui parte ntreag
(
2
N
indic numrul de uniti
din populaie pentru care variabila x a nregistrat valori mai mici ca
mediana. Aadar valoarea median
e
M este valoarea imediat urmtoare
celei de rang
(
2
N
adic:

| | ( ) 1 2 +
=
N e
x M . (24)

b) Dac volumul populaiei este un numr par, rangul medianei este
un numr ntreg aadar, la mijlocul seriei nu se mai afl o valoare a
variabilei X cu care s coincid mediana ci se gsesc dou valori, mediana
calculndu-se ca medie aritmetic a acestora:
2
1
2 2
+
(
+
=
N N
e
x x
M . (25)

93

n cazul unei repartiii continue verificarea relaiei (22) presupune
cunoscut densitatea de repartiie ( ) X f , ceea ce implic un volum mare de
calcule, motiv pentru care, n calculul valorii mediane se va folosi o formul
aproximativ.
S considerm o repartiie continu n raport cu variabila X i anume:

| ) | ) | ) | )
|
|
.
|
\
|

R i
R R i i
N N N N
x x x x x x x x
X
... ...
, ... , ... , ,
:
2 1
1 1 2 1 1 0

unde intervalele | )
R i
i i
x x
, 1
1
, ,
=
pot fi de lungime egal sau neegal.

Prima etap n determinarea valorii mediane este stabilirea
intervalului n care se afl aceast valoare, numit interval median.
Dup ce s-a determinat rangul
(
=
2
N
r
e
M
, se cumuleaz frecvenele
absolute, din aproape n aproape, pn cnd avem:

N N N N
i
2
1
...
2 1
+ + + ,

aceast condiie realizndu-se o dat cu
i
N de unde rezult c
| )
i i e
x x M ,
1
.
Formula de calcul a valorii mediane este atunci urmtoarea:

( ) ( )
e
e
e
e
M
M
M e
M e
l
N
X N M N
x M
+ = , (26)
unde:

1
=
i M
x x
e
- limita inferioar a intervalului median
e
M i
N N = - frecvena absolut a intervalului median

e
M i i
l x x =
1
- lungimea intervalului median
( )
e
M e
r M N = - frecvena absolut cumulat pn la intervalul
| )
i i
x x ,
1
, inclusiv
( )
e
M
x N - frecvena absolut cumulat pn la intervalul median.

94

Proprieti ale valorii mediane

1. Valoarea median a unei serii este cuprins ntre cea mai mic i
cea mai mare valoare a variabilei care st la baza ei:
max min
X M X
e
. (27)

2. Valoarea median a unei serii nu se modific dac frecvenele
absolute se simplific cu aceeai valoare (de obicei cel mai mare divizor
comun).
3. Proprietatea de minim (reprezentativitatea medianei)
Dintre toi parametrii care intervin n caracterizarea unei serii,
mediana este aceea fa de care valorile individuale ale variabilei X de la
baza seriei, se abat cel mai puin , dac aceste abateri se iau n valoare
absolut. Cu alte cuvinte, valoarea minim a funciei ( ) ( )
0 0
x X M x =
este atins pentru
e
M x =
0
.

1.2.B. Exemple

Calculul valorii mediane
-cazul unei serii discrete i volum impar
Se consider seria care red repartiia gospodriilor dintr-o localitate
n raport cu numrul de bovine.

|
|
.
|
\
|
2 0 2 1 2 15 53 10
7 6 5 4 3 2 1 0
: X

85 = N
42
2
85
2
=
(
=
(
=
N
r
e
M

2 1 42 53 10
1
2 2
= = = > +
+
(
N e N
x M x

deci jumtate din gospodrii au cel mult 2 bovine, cealalt jumtate, mai
mult de 2.
-cazul unei serii discrete i volum par

95

Se consider seria care red repartiia unui lot de 100 de piese
produse cu o main n funcie de numrul de defeciuni majore depistate n
urma unui control de calitate.

|
|
.
|
\
|
1 44 7 3 45
4 3 2 1 0
: X

50
2
100
, 100 =
(
= =
e
M
r N

5 , 2
2
3 2
2
2 50 7 3 45
1
2 2
2
=
+
=
+
= = > + +
+
(
N N
e N
x x
M x

ceea ce nseamn c jumtate din piesele lotului au pn n 2,5 defecte.

-cazul unei serii continue.
Vom considera repartiia angajailor dintr-o firm n raport cu
salariul lunar, caracterizat de seria:

| ) | ) | ) | ) | ) | )
|
|
.
|
\
|
2 4 6 18 13 7
400 360 360 320 320 280 280 240 240 200 200 160
: X

unde X e exprimat n u.m.

-determinarea rangului medianei.

25
2
50
2
=
(
=
(
=
N
r
e
M

-determinarea intervalului median.

| ) 280 240 25 18 13 7 > + +
e
M

-determinarea valorii mediane.

96

( )
( ) ( )
. . 111 . 251 40
18
20 25
240 m u l
N
x N M N
x x M
e
e
e
e
M
M
M e
M e
=
+ =
+ =

Aadar, jumtate din angajaii societii respective ctig cel mult
251,111 u.m., iar cealalt jumtate ctig cel puin 251.111 u.m..
Se poate construi urmtoarea serie.

| ) | )
|
|
.
|
\
|

% 50 % 50
000 . 400 111 . 251 111 . 251 000 . 160
: X

1.3.A. Valoarea modal

Acest parametru se noteaz cu ( ) X M
O
i reprezint acea valoare a
variabilei X creia i corespunde frecvena cea mai mare. Se mai numete i
modul, valoare dominant sau mod.
n cazul unei serii discrete, valoare modal se citete direct din serie,
nefiind necesar o tehnic special.
n cazul unei serii continue, de forma:

| ) | ) | ) | ) | ) | )
|
|
.
|
\
|
+
+
R i i i
R R i i i i i i
f f f f f f
x x x x x x x x x x x x
X
... ...
, ... , , , ... , ,
:
1 1 2 1
1 1 1 1 2 2 1 1 0

se aplic urmtorul algoritm de calcul:
-determinarea intervalului modal, adic determinarea intervalului cu
cea mai mare frecven, fie aceasta | )
i i
x x ,
1

-determinarea valorii modale din condiia ca ( ) X M
O
s realizeze
maximul densitii de probabilitate ( ) X f :

( )
O O
M M O
l x X M
+

+ =
1 1
1
(28)

unde
1
=
i M
x x
O
limita inferioar a intervalului modal.
1 1
=
i i
N N -diferena ntre frecvena intervalului modal i frecvena
intervalului precedent.

97

1 1 +
=
i i
N N -diferena dintre frecvena intervalului modal i frecvena
intervalului urmtor.
O
M
l - lungimea intervalului modal.
Se observ faptul c o serie poate avea o singur valoare modal, caz
n care seria se numete unimodal. Dac o serie are mai multe valori
modale atunci se numete plurimodal i evideniaz faptul c populaia n
cauz este neomogen.
n cazul unei serii simetrice, valoarea modal coincide cu valoarea
medie i cu mediana n timp ce pentru serii uor asimetrice, K. Pearson a
stabilit urmtoarea relaie ntre cei trei parametri:

( )
e O
M X X M = 3 (29)

Dac valoarea modal este identic cu valoarea medie, atunci se
poate afirma c valoarea medie se bucur de o mai mare reprezentativitate.
Dac, n plus, avem X M M
O e
= = , valoarea median nefiind
influenat de valorile extreme ale variabilei, se poate afirma c mediana
prezint un grad de reprezentativitate mai mare dect valoarea medie.

1.3.B. Exemple

Calculul valorii modale: - cazul continuu
Vom considera acelai exemplu de serie continu ca i n III.1.1.B. i
III.1.2.B.

| ) | ) | ) | ) | ) | )
|
|
.
|
\
|
2 4 6 18 13 7
400 360 360 320 320 280 280 240 240 200 200 160
: X

{ } | ) 280 , 240 18 2 , 4 , 6 , 18 , 13 , 7 max =
O
M

( )
( ) ( )
u.m. 764 . 251 40
6 18 13 18
13 18
240
1 1
1
=
+

+ =
+

+ =
O O
M M O
l x X M

Se poate deci concluziona c cei mai muli angajai ai societii
comerciale respective au un salar lunar n jur de 251.764 lei.

-cazul discret.

98

S considerm repartiia studenilor unei faculti de la o anumit
specializare, din anul I n raport cu nota obinut la un anumit examen:

|
|
.
|
\
|
7 12 13 28 13 11 26 10 3 2
10 9 8 7 6 5 4 3 2 1
: X

{ } 28 7 , 12 , 13 , 28 , 13 , 11 , 26 , 10 , 3 , 2 max = , ( ) 7 = X M
O

aadar cei mai muli studeni au obinut apte la acel examen.
-n cazul cnd situaia era urmtoarea:

|
|
.
|
\
|
5 12 13 28 13 11 28 10 3 2
10 9 8 7 6 5 4 3 2 1
: X

atunci avem de-a face cu o serie bimodal cu valorile modale ( ) 4
1
= X M
O

i ( ) 7
2
= X M
O
.

2.A. Parametrii de structur

Parametrii de structur denumii i valori quantile caracterizeaz
structura unei populaii. Valorile quantile ale unei serii de repartiie
unidimensionale sunt de fapt acele mrimi nregistrate de variabila X, care
mpart seria valorilor ordonate cresctor (respectiv populaia) n n pri
egale. Vor exista deci 1 = n p quantile.
Amintim urmtoarele cazuri particulare:
- 2 = n - valoarea median (este i un parametru al structurii, ea diviznd
populaia n dou pri egale)
- 4 = n - valorile quartile sunt n numr de trei i mpart populaia n patru
pri egale.
- 10 = n - valorile decile care mpart seria n zece pri egale fiind n numr
de nou.
- 100 = n - procentilele, care mpart seria n o sut pri egale fiind n
numr de 99.

n funcie de valoarea median, structura populaiei poate fi redat
aa cum de altfel s-a vzut deja n III.1.2.B:, astfel:
|
|
.
|
\
|

% 50 % 50
:
max min
x M M x
X
e e
,

99

semnificnd faptul c jumtate din populaia supus studiului a nregistrat
pentru variabila X valori cuprinse ntre valoarea minim a lui X i median,
iar cealalt jumtate din populaie a nregistrat pentru X valori cuprinse ntre
median i valoarea maxim a lui X.
Vom da n continuare, algoritmul de calcul al valorilor quartile
( )
3 2 1
, , , 4 Q Q Q n = .
-cazul seriei discrete:
|
|
.
|
\
|
R
R
N N N
x x x
X
...
...
:
2 1
2 1

Odat determinate, aceste valori, structura seriei poate fi redat
astfel:

|
|
.
|
\
|

% 25 % 25 % 25 % 25
:
max 3 3 2 2 1 1 min
x Q Q Q Q Q Q x
X

ceea ce semnific o structur a populaiei supus studiului n patru pri
egale.
Aadar quartilele se determin pe baza relaiilor:

( ) ( ) . 3 , 2 , 1 ,
4
sau
4
1
= = = p
N
p Q N p Q F
p p N
(1)

deci rangul fiecrei quartile este dat de:

( )
(
=
(
=
(
= =
4
3
4
2
4
3
2
1
1
N
r
N
r
N
Q N r
Q
Q
Q
. (2)

100

Se disting dou subcazuri:
-dac ( ) 3 , 1 = p pN se divide cu 4, atunci relaiile de calcul pentru quartile
sunt:

( ) ( ) ( )
2
,
2
,
2
1
3
1
2
1
1
3 3 2 2 1 1
+ + +
+
=
+
=
+
=
Q Q Q Q Q Q
r r r r r r
x x
Q
x x
Q
x x
Q (3)

-dac ( ) 3 , 1 = p pN nu se divide cu 4 atunci utilizm relaiile:

( ) ( ) ( ) 1 3 1 2 1 1
3 3 2 2 1 1
, ,
+ + +
+ = + = + =
Q Q Q Q Q Q
r r r r r r
x x Q x x Q x x Q (4)

unde p i x
i
Q
r
, 1 , = este acea valoare
i
x a variabilei pentru care
i
Q i
r N N N > + + + ...
2 1

-cazul seriei continue:

| ) | ) | ) | )
|
|
.
|
\
|

R i
R R i i
N N N N
x x x x x x x x
X
... ...
, ... , ... , ,
:
2 1
1 1 2 1 1 0
.

Rangul primei quartile fiind
(
=
4
1
N
r
Q
,

intervalul quartilic al lui
1
Q va fi primul interval pentru care se obine

i
Q i
r
N
N N N =
(
> + + +
4
...
2 1
.

Vom calcula astfel quartila
1
Q , denumit i quartila mic, astfel:

( ) ( )
1
1
1
1
1
1 Q
Q
Q
Q
l
N
x N Q N
x Q

+ = (5)

101

Quartila mijlocie
2
Q este de fapt mediana, calculul ei fiind deci cel de la
valoarea median, iar pentru quartila mare avem rangul:

(
=
4
3
3
N
r
Q

i
3
...
2 1 Q i
r N N N > + + + .
de unde rezult intervalul quartilic i apoi quartila
3
Q .

( ) ( )
3
3
3
3
3
3 Q
Q
Q
Q
l
N
x N Q N
x Q

+ = (6)
Semnificaia simbolurilor folosite n (5), (6) este de aceeai manier
cu cea a simbolurilor din formula medianei.

Proprieti ale quantilelor.

1. Valorile quantile pentru o serie dat sunt valori ale variabilei X,
cuprinse ntre cea mai mic i cea mai mare dintre valorile acesteia.

2. Dac frecvenele absolute ale unei serii se simplific (sau
amplific) cu un anumit numr, valorile quantile nu se modific.

3. ntre valorile quantile exist urmtoarea ordine:

1 3 2 1
...

n
Q Q Q Q .

2.B. Exemple

-vom reconsidera exemplul din III.1.3.B. (Repartiia angajailor
unei societi
comerciale n raport cu salariul lunar)

| ) | ) | ) | ) | ) | )
|
|
.
|
\
|
2 4 6 18 13 7
400 360 360 320 320 280 280 240 240 200 200 160
: X

i vom calcula valorile quartile:

102

37
4
3
25
4
2
12
4
3
2
1
=
(
=
=
(
=
=
(
=
N
r
N
r
N
r
Q
Q
Q

| )
| )
| ) 280 240 37 18 13 7
280 240 25 18 13 7
240 200 12 13 7
3
2
1
> + +
> + +
> +
Q
Q
Q

u.m. 777 , 277 40 9444 , 0 240 40
18
20 37
240
u.m. 111 , 251 40 2777 , 0 240 40
18
20 25
240
u.m. 384 , 215 384 , 215 40 3846 , 0 200 40
13
7 12
200
3
2
1
= + =
+ =
= = + =
+ =
= = + =
+ =
Q
M Q
Q
e

Vom avea urmtoarea caracterizare de structur:

.
% 25 % 25 % 25 % 25
000 . 400 777 . 277 777 . 277 111 . 2511 111 . 251 384 . 215 384 . 215 000 . 160
:
|
|
.
|
\
|
X
.
Deci 25% din angajai au un salariu ntre 160,000 u.m. i 215,384
u.m. alii 25% au salariul cuprins ntre 215,384 u.m. i 251,111 u.m. etc.
S considerm i cazul unei serii discrete de exemplu cea din
III. 1.3.B:
|
|
.
|
\
|
7 12 13 28 13 11 26 10 3 2
10 9 8 7 6 5 4 3 2 1
: X

r
Q1
1
Q
X =[N/4] =[125/4] =31 de unde 2+3+10+26 >31 => =4 deci Q
1
r
=5
Q2
2
Q
X =[2N/4] =[125/2]=62 de unde 2+3+10+26+11+13>62 => =6 deci
Q
2
r
=7
Q3
3
Q
X =[3N/4] =93 iar 2+3+10+26+11+13+28=93 => =7 Q
3

=8
|
|
.
|
\
|

% 25 % 25 % 25 % 25
10 8 8 7 7 5 5 1
: X .

103

3.A Parametrii variaiei

Valorile nregistrate de o variabil cantitativ n raport cu care se
studiaz o populaie se datoreaz aciunii diferiilor factori eseniali sau
neeseniali. Intensitatea diferit cu care se pot manifesta factorii eseniali ct
i sensul contrar n care pot aciona factorii neeseniali n raport cu fiecare
unitate, duc la diverse valori nregistrate de variabilele n raport cu care este
studiat populaia.
Msurarea variaiei unei variabile cantitative este important pentru
a vedea n ce msur valoarea medie a acesteia poate reprezenta ntreaga
populaie.
Cnd abaterile de la valoarea medie sunt neeseniale atunci se poate
afirma c populaia este omogen i c acest parametru poate reprezenta
tendina central, iar daca aceste abateri sunt mari atunci populaia este
eterogena i prin urmare valoarea medie nu are capacitatea de a reprezenta
populaia.
Parametrii variaiei msoar aadar mprtierea valorilor unei
variabile cantitative fa de valoarea medie i se pot calcula att sub form
absolut ct i relativ.
Un alt parametru al tendinei centrale fa de care se pot stabili
parametri ai variaiei este valoarea median, msurndu-se astfel
mprtierea fa de aceasta.
n cele ce urmeaz ne vom referi doar la parametrii variaiei n raport
cu valoarea medie, acetia fiind: amplitudinea sau variaia maxim, variaia
maxim i variaia minim fa de valoarea medie, abaterea medie liniar,
abaterea medie ptratic.
Amplitudinea este diferena ntre valoarea maxim i valoarea
minim nregistrate de variabil. Acest parametru msoar mprtierea
maxim a variabilei i se poate calcula cu una din formulele sub forma
absolut respectiv relativ:
W
x
=X
max
X
min
100 100
min max
=
X
X X
X
W
x
sau (1)
Variaia maxim (minim) de la valoarea medie arat care este cea
mai mare (mic) abatere n plus (n minus) fa de valoarea medie i este
dat sub form absolut sau relativ respectiv de formulele:
X
max
X - =X
R
X - sau 100
max
X
X X
(2)
X
min
X =X
1
X - sau 100
min
X
X X
(3)

104

Abaterea medie liniar reprezint media aritmetic a abaterilor
variabilei X de la valoarea medie a acesteia luate n valoare absoluta:

x d =M(|X - X |) (4)

Relaia (4) se scrie pentru diferite cazuri astfel:
- n cazul unei serii discrete cu frecvene absolute:
x d =
=
=

R
i
i
R
i
i i
N
N X x
1
1
) (
(4')
- n cazul unei serii discrete cu frecvene relative:

x d =
i
R
i
i
f X x
=

1
(4
''
- n cazul unei serii alternative, de tipul
)

|
|
.
|
\
|
p q
X
1 0
: cu + q=1

x d =|0- p | q +|1- p | q = p q + q =2 p q (4''')

- n cazul unei serii continue

x d =
=
=
=
=

R
x
x
R
i
i i
R
i
i
R
i
i i
f X x
N
N X x
dX X f X X
1
1
'
1
1
'
) ( (4
''''
unde
)
,
2
1 ' i i
i
x x
x
+
=

i= R i, este mijlocul intervalului [
i i
x x ,
1
).
Sub form relativ primete denumirea de coeficient simplu de
variaie i este dat de formula:

100 =
X
d
V
X
X
(5)

105

Coeficientul simplu de variaie (V
x
Abaterea medie liniar nu este totui cel mai indicat n calcul din
cauza faptului c nu este suficient de sensibil la abaterile mici.
) arat cu ct se abate n medie
orice valoare a variabilei X de la valoarea medie echivalent cu 1 sau 100%.
Calculat pentru dou serii diferite el apreciaz gradul de reprezentativitate a
celor dou medii. Se apreciaz mai reprezentativ valoarea medie al crui
coeficient simplu de variaie este mai mic.
Abaterea medie ptratic. Acest parametru este utilizat n aceleai
scopuri ca i abaterea medie liniar prin definiie i formul de calcul.
Abaterea medie ptratic, notat cu
x
X
se definete ca media
ptratic a abaterilor valorilor variabilei X, de la valoarea medie , adic:

( ) | |
2
X X M
X
= (6)
n practic se calculeaz ptratul abaterii medii ptratice, care se mai
numete i dispersie sau variaie:

V(X)= ( ) | |
2
2 2
) ( X X M X D
X
= = (7)

Relaia de calcul a dispersiei la fel ca i cea a abaterii medii liniare se
transcrie n funcie de tipul seriei astfel:
- pentru serii discrete cu frecvene absolute:

( )
=
=

=
R
i
i
i
R
i
i
X
N
N X x
1
2
1 2
(7')

- pentru serii discrete cu frecvene relative:

( )
i
R
i
i X
f X x
=
=
1
2
2
(7'')

- pentru serii alternative:

( ) ( ) ( ) ( ) p p pq q p pq q p p p
X
= = + = + = 1 0 1
2 2
2
(7''')

- pentru serii continue:

106

( ) ( )
( )
( )
=
=
=
=
=
R
i
i i
R
i
i
R
i
i i
x
x
X
f X x
N
N X x
dX X f X X
R
1
'
1
1
2
'
2
2
1
(7'''')
unde
2
1 ' i i
i
x x
x
+
=

, i= R , 1 este mijlocul intervalului [x
i-1
, x
i
Sub form relativ, parametrul se mai numete i coeficient de
variaie a lui Pearson i este dat de relaia:
).

100 =
x
V
x
X
. (8)

Dac sub form absolut, abaterea medie patratic ne arat cu ct se
abate n medie, n plus sau n minus orice valoare x
i
X
a variabilei X de la
valoarea medie sub form relativ reprezint abaterea medie a oricrei
valori a variabilei X de la valoarea medie considerat egal cu 1 sau cu 100.
Coeficientul de variaie a lui Pearson calculat pentru dou serii poate
fi folosit pentru a compara gradul de reprezentativitate a valorii medii
calculate .
Vom spune c valoarea medie al crui coeficient de variaie este mai
mic, e mai reprezentativ. De asemeni, vom spune c valoarea medie este
absolut reprezentativ dac % 30 <
x
V relativ reprezentativ dac
% 60 % 30 < <
x
V i nereprezentativ dac % 60 >
x
V .

Proprieti ale dispersiei

1 Dispersia unei constante este egal cu zero.

( ) 0
2
= c D . (9)

2 Dispersia unei variabile X este independent de schimbarea
originii, adic:

( ) ( ) X x X D
2
0
2
= , x
0

valoare oarecare. (10)
3 Dac ntre dou variabile X i Y exista relaia Y=aX+b atunci
avem:

107

( ) ( ) X D a Y D
2 2 2
= . (11)

4 Are loc relaia: ( ) ( ) ( ) ( )
2
2 2
X M X M X D = . (12)
5 Dispersia sumei a dou variabile X i Y este egal cu suma
dispersiilor acestor variabile dac X i Y sunt independente, adic:

( ) ( ) ( ) Y D X D Y X D
2 2 2
+ = + . (13)

6 Dispersia produsului dintre o constant i o variabil este egal
cu produsul dintre constant la ptrat i dispersia variabilei:

( ) ( ) X D a aX D
2 2 2
= . (14)

7 Dispersia diferenei dintre dou variabile independente este egal
cu suma dispersiilor acelor variabile

( ) ( ) ( ) Y D X D Y X D
2 2 2
+ = . (15)

8 Dispersia sumei a dou variabile este egal cu suma dispersiilor
celor dou variabile plus dubla covarian dintre cele dou variabile

( ) ( ) ( ) ( )( ) ( ) Y Y X X M Y D X D Y X D + + = + 2
2 2 2
(16)
( ) ( )( ) | | Y Y X X M Y X = , cov .

9 Formula de calcul simplificat al dispersiei:

( ) ( )
2
0
2
2
0 2
x X k
k
x X
M X D
(
(
|
.
|
\
|

= . (17)

10 Regula de adunare a dispersiilor
Se consider o serie de repartiie care are la baz variabila Y iar
populaia respectiv de volum N este mprit n n clase n raport cu o alt
variabil (criteriu) X.
Regula de adunare a dispersiilor const n faptul c dispersia n
ntreaga populaie care msoar variaia total n raport cu X este egal cu
suma a dou dispersii din care una msoar variaia n cadrul grupelor iar
cealalt, variaia dintre grupe.

108

Variaia lui Y n cadrul populaiei cercetate numit i variaie
total, se compune din variaia n cadrul celor n grupe, datorat aciunii
factorilor neeseniali (variaie rezidual) i variaia de la o grup la alta
datorat aciunii factorilor eseniali (variaie explicat).

V
total
=V
explicat
+V
rezidual.

(18).
Notnd cu:

2
i
x
Y
- dispersia variabilei Y n grupa i care msoar mprtierea
n aceast grup provocat de factorii neeseniali.
2
X
Y
- dispersia dintre grupe care msoar mprtierea de la o
grup la alta.
2
X
Y
- media dispersiilor grupelor care msoar variaia medie n
cadrul celor n grupe
i
x
Y
- media din grupa i

formula (18) se mai poate scrie:
2
2 2
X
Y
X
Y
Y
+ = . (18')
Relaia (18') poate fi verificat folosind datele unei tabel
bidimensional analog celui dat n III.1.1.A pe baza cruia se pot
calcula urmtorii parametrii:

=
=

=
m
j
j
m
j
j j
N
N y
Y
1
.
1
.

( )
=
=

=
m
j
j
m
j
j j
Y
N
N Y y
1
.
1
.
2
2

=
=

|
.
|
\
|

=
n
i
i
n
i
i
i
X
Y
N
N Y
x
Y
1
1
.
2
2
.

=
=

=
m
j
ij
m
j
ij j
i
N
N y
X
Y
1
1

109

=
=

|
.
|
\
|

=
m
j
ij
m
j
ij
i
j
x
Y
N
N
x
Y
y
i
1
1
2
2

=
=

=
n
i
i
n
i
i
x
Y
X
Y
N
N
i
1
1
2
2
.
.
.

Dac relaia (18) se mparte cu
2
X
i se nmulete cu 100% se
obine :
% 100 % 100 % 100
2
2
/
2
2
/
+ =
Y
X Y
Y
X Y
, (18)
relaie care ne arat procentual, cota parte din variaia unei variabile
provocat de aciunea factorilor eseniali i respectiv de aciunea factorilor
neeseniali.

3.B. Exemple

Calculul dispersiei i abaterii medii ptratice sub forma absolut i
relativ.
- cazul discret
S considerm seria care red repartiia punctelor de vnzare a
ziarelor n raport cu numrul de reviste Newsweek vndute pe parcursul
unei zile, ntr-un anumit ora.

X:
0 1 2 3 4 5
12 5 1 2 3 2
|
\
|
.
|

X =
0 12 1 5 2 1 3 2 4 3 5 2
25
+ + + + +
=1,4 reviste se vnd n medie
n acel ora.

41 , 1 0032 , 2
25
92 , 25 28 , 20 12 , 5 36 , 0 8 , 0 52 , 23
25
2 ) 4 , 1 5 ( 3 ) 4 , 1 4 ( 2 ) 4 , 1 3 ( 1 ) 4 , 1 2 ( 5 ) 4 , 1 1 ( 12 ) 4 , 1 0 (
2 2 2 2 2 2
2
=
+ + + + +
=
=
+ + + + +
=
x
X
,

n medie numrul revistelor vndute este cu 1,41 mai mult sau mai puin
fa de numrul mediu
4 , 1 = X
.

110

V
X
X
X
= =
100
141
14
100 100%
,
,
deci media nu e reprezentativ
pentru populaia format cu cele 25 de puncte de vnzare.
- cazul continuu
Vom considera seria de repartiie a agenilor economici dintr-o
anumit zon geografic n raport cu profitul realizat:

|
|
.
|
\
|

130 260 350 250 170
] 250 200 )[ 200 150 )[ 150 100 )[ 100 50 )[ 50 0 [
: X

unde X este exprimat n u.m.
Profitul mediu:

55 , 121
1160
130 225 260 175 350 125 250 75 175 25
=
+ + + + +
= X u.m.

63 , 60 428 , 3676 428 , 3676
1160
130 ) 55 , 121 225 ( 260 ) 55 , 121 175 (
1160
350 ) 55 , 121 125 ( 250 ) 55 , 121 75 ( 170 ) 55 , 121 25 (
2 2
2 2 2
2
= = =
+
+
+ + +
=
x
X

60, 63 u.m. lei - cu att se abate n medie profitul fiecrui agent economic
de la profitul mediu considerat de 121,55 u.m..

30 % 86 , 49 % 100
55 , 121
61 , 60
% 100 = =
X
V
X
X
deci profitul mediu este

relativ reprezentativ.

4.A. Parametrii concentrrii

n cazul n care la baza unei serii se afl o variabila numeric,
caracterizarea sintetic a concentrrii valorilor sale n jurul valorii medii X
se realizeaz n principal cu ajutorul parametrilor variaiei.
Dac seria are la baz o variabil calitativ, caracterizarea sintetic a
concentrrii strilor variabilei se poate realiza prin: lungimea vectorului de
structur, energia informaional, entropia informaional.
Vom considera n cele ce urmeaz seria:

111

X
x x x x
N N N N
i R
i R
:
1 2
1 2

|
\
|
.
|

i vom nota cu f=( ) ,..., ,..., ,
2 1 R i
f f f f vectorul de structur.
Lungimea vectorului de structur ofer o prim informaie asupra
concentrrii strilor variabilei i se calculeaz ca fiind ||f|| . n cazul
R=2, avem : ||f||= f
i
i
R
2
1 =
. (1)
Seria prezint o concentrare maxim dac toate unitile populaiei
sunt repartizate ntr-o singur clas a crei frecven relativ va fi 1, iar
pentru celelalte clase frecvenele relative vor fi 0, aadar n cazul unei
concentrri maxime vom avea ||f||=1.
Seria prezint o concentrare minim dac frecvenele sunt egale.
X
x x x x
R R R R
i R
:
1 2
1 1 1 1

|
\
|
.
|
|
caz n care avem ||f||= R
R
R
=
1 1
2
.
Pentru o serie oarecare avem inegalitatea:

1
1
R
f . (2)

Energia informaional - este un parametru al concentrrii introdus
de Octav Onicescu prin formula:

=
=
R
i
i
f E
1
2
. (3)

Cu acelai raionament ca i n cazul lungimii vectorului anterior,
obinem E
max
= 1 i
R
E
1
min
= deci
1
1
R
E . (4)
Forma relativ a acestui parametru se deduce astfel:
E
E
R
R
r
=

1
1
1
(5)
i are loc relaia: 0 1 E
r
.

112

n general se calculeaz E
r
, iar dac obinem o valoare apropiat de
1, populaia este caracterizat de un grad nalt de concentrare, altfel dac se
apropie de 0 avem de-a face cu o concentrare minim.
Entropia informaional este parametrul definit astfel:

H f
f
i
i
R
i
=
=
1
1
ln (6)

i care satisface relaia:

0 H R ln . (7)
Forma relativ a entropiei informaionale este: H
H
R
r
=
ln
iar
extremele: 0 1 H
r

4.B.Exemple

Fie seria

X
industrie agricultura servicii transporturi constructii
:
5 9 4 6 6
|
\
|
.
|

reprezentnd 30 de societi comerciale n raport cu ramura n care i
desfoar activitatea.
Scriem mai nti seria cu frecvenele relative

X
IND AGRIC SERV TRANSP CONSTR
:
, , , , , 016 03 013 02 02
|
\
|
.
|

E
E E
r R
= + + + + = + + + =
=

= =
016 03 013 02 02 0025 009 0016 008 0211
0211
1
5
1
1
5
0011
08
001375 0 1
2 2 2 2 2
, , , , , , , , , ,
,
,
,
, ,

ceea ce implic faptul c populaia este caracterizat printr-o concentrare
slab.

113

5. Parametrii formei

Pe lng aspectele deja caracterizate, ceea ce mai prezint nc
importan este modul de repartizare a valorilor variabilei de o parte i alta a
valorii medii, considerat i centrul de greutate al seriei. Acest lucru
nseamn de fapt evidenierea acelei curbe care aproximeaz cel mai bine
conturul poligonal al seriei respective i n acelai timp obinerea unei
imagini mai clare asupra gradului de reprezentativitate a valorii medii.
n marea majoritate a cazurilor, distribuia unitilor unei populaii se
face dup o curb numit clopotul lui Gauss. Unitile din populaie nu se
distribuie ns uniform n jurul valorii medii, ceea ce duce la cazul cnd
diferite serii s aib aceeai medie X , acelai i totui o curb s fie mai
aplatizat dect cealalt, simetric sau mai puin simetric.
Evidenierea acestor diferene poate fi realizat cu ajutorul
parametrilor formei: parametrii asimetriei i parametrii boltirii.

Parametrii asimetriei

Asimetria unei serii se definete n raport cu dispunerea unitilor
populaiei ntr-o parte sau alta a valorii medii. O serie de repartiie este
simetric n raport cu media sa dac frecvenele valorilor variabilei X egal
deprtate de valoarea medie, sunt egale ntre ele, adic:
) ( ) ( + = X f X f , oricare ar fi astfel ca X i + X sa se
afle printre valorile lui X. Imaginea geometric a unei serii simetrice este
dat de urmtorul grafic, unde ) ( ) ( + = = x f x f A :

x
f(X)
x
X
+ x
A

114

Dac egalitatea (1) nu este verificat pentru cel puin o pereche de
tipul X X + , atunci seria se numete asimetric.
Caracterizarea numeric a gradului de asimetrie se face prin
coeficientul de asimetrie a lui Pearson i coeficientul de asimetrie a lui
Fisher.
Conform coeficientului de asimetrie a lui Pearson o serie are o
asimetrie cu att mai pronunat cu ct diferena ntre valoarea medie i
valoarea modala este mai mare:

X
M X
= (2)

Dac = 0 atunci X M =
0
deci seria e simetric.

Dac 0 atunci X M
0
i avem de-a face cu o asimetrie pozitiv
(sau de dreapta)
Mo
X
f(X)
X

Daca 0 < atunci X M
0
i avem asimetrie negativ (de stnga).

115

Mo
X
f(X)
X

Coeficientul de asimetrie a lui Fisher este dat de :

( ) | | ( ) | |
( ) | |
3
2
3
3
3
3
|
.
|
\
|

=
X X M
X X M X X M
X
(3)

Interpretarea acestui coeficient este identic celei de la coeficientul
lui Pearson.

Parametrii boltirii

Analiza boltirii unei serii este util n caracterizarea gradului de
reprezentativitate a valorii medii ct i pentru compararea reprezentativitii
a dou sau mai multe valori medii ce reprezint serii diferite. Astfel dac
vom considera dou serii statistice care au la baz variabilele X i Y iar
Y X
Y X = = ; i distribuiile sunt simetrice ( )
Y X 3 3
= , reprezentndu-le
grafic vom observa c rezult totui dou curbe diferite din punct de vedere
al boltirii.

116

Nivelul boltirii este dat de parametrul numit coeficient de boltire sau exces
al seriei.

( ) | |
3 3
4
4
4
'
4
=
= B
X X M
B
X
. (4)

Dac ) 3 ( 0
4
'
4
= = B B seria prezint aceeai boltire cu a curbei
normale . Deci excesul e nul.
Dac ) 3 ( 0 '
4 4
B B boltirea curbei corespunztoare este mai nalt i
mai ascuit dect cea normal (serie leptokurtic).Dac ) 3 ( 0 '
4 4
B B
atunci boltirea curbei respective este mai plat dect la curba normal (serie
platikurtic).

5. Aplicaii

Aplicaia 1
Avnd n vedere populaia societilor comerciale supus observrii
n exemplul II.1.1.B., se cere[6]:
1. S caracterizai seria ce red repartiia unitilor din populaie dup
variabilele X
3
sau X
4
2. Determinai i interpretai parametrii tendinei centrale pentru
aceast serie: valoarea medie, valoarea modal i cea median;
;
y x =
y x
=
x
y

117

3. analiza statistic a reprezentativitii valorii medii (sub forma
absolut i relativ );
4. analiza statistic a reprezentativitii valorii mediane (sub forma
absolut i relativ);
5. analiza statistic a structurii populaiei, n raport cu aceast variabil
(utiliznd valoarea median, valorile cuartile i un grafic de
structur);
6. analiza comparativ a gradului de concentrare a unitilor de
populaie, n raport cu cele dou variabile alese de noi;
7. analiza statistic a asimetriei i boltirii repartiiei;
8. calculul valorii medii, respectiv a dispersiei, utiliznd formule de
calcul simplificat.

Rezolvare
1.

| ) | ) | ) | ) | ) | )
|
|
.
|
\
|

3 3 5 4 6 9
1 , 10 5 , 8 5 , 8 9 , 6 9 , 6 3 , 5 3 , 5 7 , 3 7 , 3 1 , 2 1 , 2 5 , 0
:
3
X

Aceast serie unidimensional , ce red repartiia unitilor din
populaie dup variabila
3
X -capital social este o serie atributiv cantitativ
continu i are la baz indicatorul frecven absolut.

2. Parametrii tendinei centrale:
Valoarea medie:

u.m. 286 , 4
30
3 3 , 9 3 7 , 7 5 1 , 6 4 5 , 4 6 9 , 2 9 3 , 1
3
=
=
+ + + + +
=
= =
populatiei volumul
total social capitalul
X

Ca i interpretare, dac toate societile comerciale din eantion ar
avea acest capital social mediu, suma capitalurilor sociale ce aparin celor
30 de societi ar rmne neschimbat.

Valoarea median:
n=30 (numr par)
Calculm rangul medianei:

118

| ) 7 , 3 1 , 2 M 15
2
n
r
e M
e
=
(
=

Me

2,1 3,7

9

15

M
e

=2,1 +
Presupunem c frecvena unitilor care nregistreaz variante ntr-un
interval este proporional cu lungimea intervalului:
1,6 u.m. 6 soc. com. => =1,6 u.m.
Deci, jumtate din societile comerciale au capitalul social mai mic
de 3,7 u.m. i cealalt jumtate din aceste societi l au mai mare de
3,7 u.m. .
| | | )
|
|
.
|
\
|

% 50 % 50
1 , 10 7 , 3 7 , 3 5 , 0
:
3
X

Valoarea modal :

Calculm rapoartele :
1 i i
i
x x
n

6 , 5
5 , 0 1 , 2
9
0 1
1
=
=
x x
n
8 , 3
1 , 2 7 , 3
6
1 2
2
=
=
x x
n

119

5 , 2
7 , 3 3 , 5
4
2 3
3
=
=
x x
n
1 , 3
3 , 5 9 , 6
5
3 4
4
=
=
x x
n

9 , 1
9 , 6 5 , 8
3
4 5
5
=
=
x x
n
9 , 1
5 , 8 1 , 10
3
5 6
6
=
=
x x
n

max { 5,6; 3,8; 2,5; 3,1; 1,9; 1,9 } =5,6

M
0
[ x
0
, x
1
), deci M
0

[ 0,5 2,1) intervalul modal
( ) ( )
u.m. 7 , 1 6 , 1
6 9 0 9
0 9
5 , 0
0
1 / 0 1 / 0
1 / 0
0
0 0
=
+

+ =
+

+ =

M
I x M
M M

Deci, cele mai multe societi comerciale au capitalul social n jur de
1,7 u.m. (dar nu mai mult de 9 societi ).
3. Analiza statistic a reprezentativitii valorii medii:

dispersia :
( )
n
n x x
6
1 i
i
2
3
'
1
2
x
3
=

=
unde
2
x x
x
1 i i '
1
=

mijlocul unui interval

u.m. 293 , 7
30
) 3 , 4 3 , 9 ( 3 ) 3 , 4 7 , 7 ( 3 ) 3 , 4 1 , 6 ( 5
30
) 3 , 4 5 , 4 ( 4 ) 3 , 4 9 , 2 ( 6 ) 3 , 4 3 , 1 ( 9
2 2 2
2 2 2
2
3
=
+ +
+
+
+ +
=
x

120

Deoarece dispersia este destul de mare, nseamn c valoarea medie
nu este prea reprezentativ (adic nu foarte multe variabile sunt apropiate de
ea ).
abaterea medie ptratic :

7 , 2 3 , 7
2
3 3
= = =
X X
u.m.

Capitalul social al fiecrei societi comerciale se abate n medie de
la capitalul social mediu de 4,3 u.m., cu 2,7 u.m. .

coeficientul de variaie al lui Pearson :
% 8 , 62 100
3 , 4
7 , 2
V
100
X
V
3
3
3
X
3
x
X
= =
=

Deoarece
3
X
V = 62,8 % > 30 %, rezult c populaia este destul de
eterogen, iar valoarea medie n aceast situaie nu este prea reprezentativ.

4.Analiza statistic a structurii populaiei:

Cercul de structur: vom construi seria statistic ce are la baz
indicatorul frecven relativ :

| ) | ) | ) | ) | ) | )
|
|
.
|
\
|
% 10
1 , 10 5 , 8
% 10
5 , 8 9 , 6
% 17
9 , 6 3 , 5
% 13
3 , 5 7 , 3
% 20
7 , 3 1 , 2
% 30
1 , 2 5 , 0
: X
3

360 .. 100 %
a
1
.. 30% a
1

108 =

360 ..100%
a
2
20% a
2

72 =

121

360 .. 100%
a
3
.13% a
3

8 , 46 =

360 .. 100%
a
4
.. 17% a
4

2 , 61 =

360 .. 100%
a
5
.. 10% a
5

36 =

360 .. 100%
a
6
.. 10% a
6

36 =

Structura societilor din eantion dup capitalul social

30%
20%
17%
13%
10%
10%
[0,5-2,1)
[2,1-3,7)
[3,7-5,3)
[5,3-6,9)
[6,9-8,5)
[8,5-10,1)

Parametrii de structur :

mediana : Me =3,7 u.m.

| ) | )
|
|
.
|
\
|

% 50 % 50
1 , 10 7 , 3 7 , 3 5 , 0
: X

122

cuartilele: Q
1
Q
=1,83 u.m.
2
Q
=Me =3,7 u.m.
3

=6,42 u.m.
| ) | ) | ) | )
|
|
.
|
\
|

% 25
1 , 10 42 , 6
% 25
42 , 6 7 , 3
% 25
7 , 3 83 , 1
% 25
83 , 1 5 , 0
: X

5. Parametrii concentrrii:

|
|
.
|
\
|
6 6 4 9 5
. constr . transp . serv . agr . ind
: X

Energia informaional:
=
(
=
5
1 i
x
2
i x
1 ;
5
1
E ; f E
2 2

22 , 0
900
36 36 16 31 25
E
2
x

+ + + +
= (concentrare destul de mic)
k
1
1
k
1
E
E
0
=
025 , 0
8 , 0
2 , 0 22 , 0
5
1
1
5
1
E
E
2
2
x
x 0
=
= (concentrare destul de mic )

| ) | ) | ) | ) | ) | )
|
|
.
|
\
|

3 3 5 4 6 9
1 , 10 5 , 8 5 , 8 9 , 6 9 , 6 3 , 5 3 , 5 7 , 3 7 , 3 1 , 2 1 , 2 5 , 0
: X

(
1 ;
6
1
E
2
x

195 , 0
900
9 9 25 16 36 81
E
2
x
=
+ + + + +
= ( concentrare destul de mic )

123

042 , 0
84 , 0
16 , 0 195 , 0
6
1
1
6
1
E
E
3
3
x
x 0
=
= (concentrare destul de mic )

Populaia prezint o concentrare mai mare n raport cu variabilele X
3

(capital social ),fa de variabila X
2

(ramura de activitate ).
6. Asimetria :

( )
3
x
3
3
3
3
3
X X M

= coeficientul de asimetrie a lui Pearson
u.m. 3 , 4 X
u.m. 7 , 2
3
3
=
=
x

( )
( ) ( )
|
|
.
|
\
|

3 3 5 4 6 9
5 4 , 3 8 , 1 2 , 0 4 , 1 3
: X X
3 3 3 3
3 3
3
3
3

( ) 76 , 8
30
3 125 3 3 , 39 5 8 , 5 4 008 , 0 6 7 , 2 9 27
X X M
3
3
+ + + +
=
= = = 45 , 0
683 , 19
76 , 8
7 , 2
76 , 8
3
3
repartiia este asimetric pozitiv fa de
valoarea medie, deoarece
3

>0.
Boltirea :

( )
3
X X M
4
x
4
3
3
3
3

( )
( ) ( )
|
|
.
|
\
|

3 3 5 4 6 9
5 4 , 3 8 , 1 2 , 0 4 , 1 3
: X X
4 4 4 4
4 4
4
3
3

( ) 65 , 102 `
30
3 625 3 62 , 133 5 44 , 10 4 0016 , 0 6 78 , 3 9 81
X X M
4
3
3
=
+ + + + +
=

124

= = = = 07 , 1 3 93 , 1 3
14 , 53
65 , 102
3
7 , 2
65 , 102
4
4
repartiia aceasta este
mai puin boltit dect repartiia de la legea normal, deoarece
4

< 0.
7.Calculul simplificat al valorii medii:

3 X = 4,286 u.m.

Construim seria cu ajutorul mijloacelor intervalelor:

|
|
.
|
\
|
3 3 5 4 6 9
3 , 9 7 , 7 1 , 6 5 , 4 9 , 2 3 , 1
: X
3

Alegem c =6,1 si d =1,61 =>
d
c X
Y
3

=
|
|
.
|
\
|

=
3 3 5 4 6 9
2 1 0 1 2 3
:
6 , 1
1 , 6 X
Y
3

133 , 1
30
9 4 12 27
30
6 3 4 6 2 9 3
Y =
+
=
+ +
=

u.m. 287 , 4 8128 , 1 1 , 6 1 , 6 6 , 1 133 , 1 1 , 6 6 , 1 3 = = + = + = Y X

Calculul simplificat al dispersiei:

u.m. 293 , 7
2
3
=
x

( ) ( )
2
3
2 2 2
x
c X Y M d
3
=

( ) 13 , 4
30
3 4 3 4 6 , 4 9 , 9
Y M
2
=
+ + + +
=

( ) 28 , 7 29 , 3 57 , 10 1 , 6 286 , 4 13 , 4 6 , 1
2
2 2
x
3
= = =

Metoda a treia de calcul a dispersiei:

125

( ) ( ) | |
( ) 668 , 25
30
3 49 , 86 3 29 , 59 5 21 , 37 4 25 , 20 6 41 , 8 9 69 , 1
X M
X M X M
2
3
2
3
2
3
2
x
3
=
+ + + + +
=
=

299 , 7 369 , 18 668 , 25
2
x
3
= =

Aplicaia 2

Alegei o repartiie statistic bidimensional din populaia
considerat n exemplul II, 1.1.B., n care una din variabile s fie cantitativ,
relativ la care se cere ([6]):
1. caracterizarea seriei;
2. verificarea regulii de adunare a dispersiilor,
3. interpretarea componentelor dispersiei (sub form absolut i
relativ);
4. analiza comparativ a reprezentativitii valorii medii n 2
repartiii condiionate (ale aceleiai variabile).

Rezolvare
Repartiia bidimensional este urmtoarea:

X
Y
1,3
[0,5-2,1)
2,9
[2,1-3,7)
4,5
[3,7-5,3)
6,1
[5,3-6,9)
7,7
[6,9-8,5)
9,3
[8,5-10,1) TOTAL
1,08
3,18
5,28
7,38
9,48
11,58
[0,03-2,13)
[2,13-4,23)
[4,23-6,33)
[6,33-8,43)
[8,43-10,53)
[10,53-12,45)
7
0
2
0
0
0
1
2
2
1
0
0
1
1
1
1
0
0
2
0
1
0
1
1
0
1
0
0
1
1
0
1
0
1
0
1
11
5
6
3
2
3
TOTAL 9 6 4 5 3 3 30

2 , 12 u.m.; 5 , 4
2
= =
Y
Y

1. Seria este bidimensional, construit dup variabilele:
X- variabil atributiv, cantitativ, continu (capital social)
Y- variabil atributiv, cantitativ, continu (cifra de afaceri)
i are la baz indicatorul frecven absolut.

2.
2
int /
2
int /
2
/
2
/
2
grupe re Y ergrupe Y X Y
X y
Y
+ = + =

126

2
int /
2
/
ergrupe Y
X Y
=

Calculm mediile condiionate:

| ) 01 , 2
9
2 28 , 5 7 08 , 1
1 , 2 5 , 0 x / Y Y 1 =
+
= =
| ) 23 , 4
6
1 38 , 7 2 28 , 5 2 18 , 3 1 08 , 1
7 , 3 1 , 2 x / Y Y 2 =
+ + +
= =
| ) 23 , 4
4
38 , 7 28 , 5 18 , 3 08 , 1
3 , 5 7 , 3 x / Y Y 3 =
+ + +
= =
| ) 7 , 5
5
58 , 11 48 , 9 1 28 , 5 2 08 , 1
9 , 6 3 , 5 x / Y Y 4 =
+ + +
= =
| ) 08 , 8
3
58 , 11 48 , 9 18 , 3
5 , 8 9 , 6 x / Y Y 5 =
+ +
= =
| ) 38 , 7
3
58 , 11 38 , 7 18 , 3
1 , 10 5 , 8 x / Y Y 6 =
+ +
= =

- 8,08 u.m. lei reprezint cifra medie de afaceri la o societate cu
capital social cuprins ntre 6,9 i 8,5 u.m..
Cifra medie de afaceri se mai poate calcula ca o medie a mediilor
astfel:

u.m. 5 , 4
30
3 38 , 7 3 08 , 8 5 7 , 5 4 23 , 4 6 23 , 4 9 2
30
3 3 5 4 6 9 6 5 4 3 2 1
+ + + + +
=
=
+ + + + +
=
Y Y Y Y Y Y
Y

( ) ( ) ( ) ( )
( ) ( )
5 , 4
30
3 5 , 4 38 , 7 3 5 , 4 08 , 8
30
5 5 , 4 7 , 5 4 5 , 4 23 , 4 6 5 , 4 23 , 4 9 5 , 4 2
2 2
2 2 2 2
2
int /
2
/
+
+
+
+ + +
= =
ergrupe Y
X y

(variaia cifrei de afaceri de la o societate la alta, datorat factorului X -
capital social )
( )
2
X / Y
. not
2
grupe re int / Y
2
X / Y
M = =

Calculm dispersiile corespunztoare fiecrei grupe:

127

| )
( ) ( )
05 , 3
9
2 2 28 , 5 7 2 08 , 1
; 2 Y
2 2
2
1 , 2 5 , 0 X / Y
1
+
= =

; 23 , 4 2 = Y
| )
( ) ( ) ( ) ( )
4
6
23 , 4 38 , 7 2 23 , 4 28 , 5 2 23 , 4 18 , 3 1 23 , 4 08 , 1
2 2 2 2
2
7 , 3 1 , 2 /

+ + +
=
X Y

; 23 , 4 3 = Y
| )
( ) ( ) ( ) ( )
51 , 5
4
23 , 4 38 , 7 23 , 4 28 , 5 23 , 4 18 , 3 23 , 4 08 , 1
2 2 2 2
2
3 , 5 7 , 3 /
=
+ + +
=
X Y

; 7 , 5 4 = Y
| )
( ) ( ) ( ) ( )
35 , 18
5
7 , 5 58 , 11 7 , 5 48 , 9 7 , 5 28 , 5 2 7 , 5 08 , 1

2 2 2 2
2
9 , 6 3 , 5 /
=
+ + +
=
X Y

; 08 , 8 5 = Y
| )
( ) ( ) ( )
74 , 12
3
08 , 8 58 , 11 08 , 8 48 , 9 08 , 8 18 , 3
2 2 2
2
5 , 8 9 , 6 /
=
+ +
=
X Y

; 38 , 7 6 = Y
| )
( ) ( ) ( )
73 , 11
3
38 , 7 58 , 11 38 , 7 38 , 7 38 , 7 18 , 3

2 2 2
2
1 , 10 5 , 8 /
=
+ +
=
X Y

955 , 7
30
3 73 , 11 3 74 , 12 5 35 , 18 4 51 , 5 6 4 9 05 , 3
2
int /
2
/
=
+ + + + +
= =
grupe re Y X Y

(variaia cifrei de afaceri de la o societate la alta, datorat altor factori dect
capitalul social).

Verificarea regulii de adunare a dispersiilor:
+

955 , 7 25 , 4 2 , 12

datorit rotunjirilor

128

3. Interpretarea componentelor dispersiei:

25 , 4
2
X / Y
= - vezi interpretarea de la punctul 2

% 83 , 34 100
2 , 12
25 , 4
2
Y
2
X / Y
= =
- proporia n care variaia cifrei de

afaceri se datoreaz variabilei X (capital social)

955 , 7
2
X / Y
= - vezi interpretarea de la punctul 2
% 2 , 65 100
2 , 12
955 , 7
2
Y
2
X / Y
= =
- proporia n care variaia cifrei de afaceri

se datoreaz altor factori dect capitalul social

4. Analiza comparativ a reprezentativitii valorii medii n 2 repartiii
condiionate

| )
| ) | )
| )
| ) | ) | ) | )
|
|
.
|
\
|

|
|
.
|
\
|

1 2 2 1
43 , 8 33 , 6 33 , 6 23 , 4 23 , 4 13 , 2 13 , 2 03 , 0
: 7 , 3 1 , 2 /
2 7
33 , 6 23 , 4 13 , 2 03 , 0
: 1 , 2 5 , 0 /
x Y
x Y

| ) 2
9
2 28 , 5 7 08 , 1
1 , 2 5 , 0 / =
+
= x Y

| ) 23 , 4
6
1 38 , 7 2 28 , 5 2 18 , 3 1 08 , 1
7 , 3 1 , 2 / =
+ + +
= x Y

| )
( ) ( )
05 , 3
9
2 2 28 , 5 7 2 08 , 1
2 2
2
1 , 2 5 , 0 /
=
+
=
X Y

| )
( ) ( ) ( ) ( )
4
6
1 23 , 4 38 , 7 2 23 , 4 28 , 5 2 23 , 4 18 , 3 1 23 , 4 08 , 1
2 2 2 2
2
1 , 2 5 , 0 /
=
+ + +
=
X Y
| )
75 , 1
1 , 2 5 , 0 /
=
X Y
- cifra de afaceri la o societate cu capital social ntre 0,5
i 2,1 u.m. se abate de la media de 2 u.m. cu 1,75 u.m..

| )
2
7 , 3 1 , 2 /
=
X Y

129

Coeficienii de variaie ai lui Pearson:
| )
| )
% 5 , 87 100
2
75 , 1
100
1 , 2 5 , 0 x / Y
V
1 , 2 5 , 0 X / Y
1
= =

=

| )
| )
% 28 , 47 100
23 , 4
2
100
7 , 3 1 , 2 x / Y
V
7 , 3 1 , 2 X / Y
2
= =

=

1 2
V V < => valoarea medie este mai reprezentativ n a doua din
aceste repartiii condiionate.

7. Test de autoevaluare III

7.1. Enun

1.n urma observrii statistice a 100 de gospodarii n raport cu venitul total
n ultima lun s-a obinut seria statistic :

|
|
.
|
\
|

4 11 20 60 5
] 20 16 ( ] 16 12 ( ] 12 8 ( ] 8 4 ( ] 4 0 (
:
. .
X
m u

Se cere:
a)Determinai i interpretai parametrii tendinei centrale pentru aceast
serie(venitul mediu,modal i median).
b)Calculai abaterea medie ptratic (i implicit dispersia) sub form
absolut . Calculai de asemenea abaterea medie ptratic sub form
relativ(coeficientul de variaie a lui Pearson). Analizai
reprezentativitatea valorii medii.
c)Redai din punct de vedere numeric , structura populaiei n raport cu
variabila X.
d)Calculai energia informaional i interpretai.
e)Analizai forma repartiiei variabilei X (asimetria i boltirea).
2.Aceeai populaie se observa n raport cu numrul de membri , obinndu-
se astfel seria :

|
|
.
|
\
|
8 10 50 20 7 5
6 5 4 3 2 1
: X
Aceleai cerine ca la problema anterioar .

130

3.Se consider populaia format cu 100 de angajai ai unei firme studiat n
raport cu variabila X numrul de proiecte n care s-a implicat angajatul n
ultima luna i Y salariul pe aceeai lun. Rezultatele observrii statistice
au fost urmtoarele:

X
Y

0

1

2

3

Total
[14,5-18,5] 2 4 2 8
[10,5-14,5) 2 30 10 2 44
[6,5-10,5) 3 20 6 1 30
[2,5-6,5) 10 8 18
Total 15 60 20 5 100

Se cere :
a)Verificai proprietile M(X+Y) = M(X)+M(Y) ; M(XY) =
M(X)
.
Comentai rezultatul .
M(Y)
b)Verificai proprietatea de adiiune a mediei .
c)Verificai proprietatea de adunare a variantelor .
d)Precizai procentul n care salariul angajatului este explicat prin
numrul de proiecte n care este implicat .

7.2. Rezolvare

Problema 1

|
|
.
|
\
|

4 11 20 60 5
] 20 16 ( ] 16 12 ( ] 12 8 ( ] 8 4 ( ] 4 0 (
: X
a)Venitul mediu:

( ) u.m. 96 , 7
100
4 18 11 14 20 10 60 6 5 2
1
'
=
+ + + +
=

= =

=
m
i
i i
N
N
M
'
i
-mijlocul intervalului

131

n medie o gospodrie are un venit de 7,96 u.m.. Se observ c
rezultatul verific una din proprietile elementare ale mediei i anume
7,96(0,20]

Venitul modal:

4
60
4
4
,
4
11
,
4
20
,
4
60
,
4
5
max =
)
`
deci valoarea modal aparine intervalului

modal, ( | 8 4
0
M .

Numitorul fraciilor din acolad ,4, reprezint lungimea claselor de
variaie a variabilei X.

( )
0 0
1 1
1
0 M M
l X X M
+

+ =

unde -
0
M
X este limita inferioar a intervalului modal
-
0
M
l este lungimea intervalului modal
-
1
este diferena absolut ntre frecvena intervalului modal i
cea a intervalului imediat anterior
-
1
este diferena absolut ntre frecvena intervalului modal i
cea a intervalului imediat urmtor.

( )
( ) ( )
( | 8 4 u.m. 83 , 5 4
20 60 5 60
5 60
4
0

+

+ = X M .

Cele mai multe gospodrii au un venit cuprins ntre 4 i 8 u.m. , n
jur de 5,83 u.m..

Venitul median:

Se determin mai nti rangul medianei
e
M
50
2
=
(
=
N
r
e
M
.
Deoarece
Me
r = + 50 60 5 ne vom opri la intervalul corespunztor
frecvenei 60, deci ( | 8 4
e
M .

132

( )
( )
e
e
e e
e
M
M
M M
M e
l
N
X N r
X X M
+ =
unde -
e
M
X este limita inferioar a intervalului
-
e
M
r este rangul medianei
-
e
M
N este frecvena absolut a intervalului median
-
e
M
l este lungimea intervalului median
- ( )
e
M
X N este frecvena absolut cumulat pn la intervalul median

( ) ( | 8 4 u.m. 7 4
60
5 50
4 =
+ = X M
e

Jumtate din cele 100 de gospodrii, au un venit de pn la 7 u.m.,
cealalt jumtate avnd peste 7 u.m..
b) Abaterea medie ptratic (dispersie, varian):
( ) | |
( )
N
Ni X X
X X M
m
i
i
=

= =
1
2
'
2
2
(forma absolut).
( ) ( ) ( ) ( ) ( )
u.m. 59 , 3 95 , 12
100
4 96 , 7 18 11 96 , 7 14 20 96 , 7 10 60 96 , 7 6 5 96 , 7 2
2 2 2 2 2
2

+ + + +
=

n medie ptratic veniturile celor 100 de gospodrii difer fa de
media de 7,96 u.m.cu 3,59 u.m.n plus sau n minus.

Coeficientul de variaie a lui Pearson (forma relativ a abaterii ):
% 10 , 45 100
96 , 7
59 , 3
100
= =
=
x
x
x
v
x
v

133

Deoarece
x
v =45,10% ( 30%; 60%) se poate spune c media de
7,96 u.m. este relativ reprezentativ pentru cele 100 de gospodrii.
c) O prim imagine despre structura gospodriilor n raport cu venitul
ne-o d vectorul de structur
( )
5 4 3 2 1
, , , , f f f f f f = .
% 5 100
100
5
1
= = f , % 60
2
= f , % 20
3
= f , % 11
4
= f , % 4
5
= f .
Adic 5% din gospodrii au un venit cuprins ntre 0 si 4 u.m.,
alte 60% ntre 4 si 8 u.m., etc.
De asemenea populaia se poate structura n dou sau mai multe
pri egale cu ajutorul parametrilor de structur.
De exemplu folosind valoarea median ( ) 7 = X M
e
, obinem
structura:

|
|
.
|
\
|
>
% 50 % 50
7 7
:
X X
X

a crei interpretare a fost fcut deja la calculul valorii mediene de
la punctul a).

d)Energia informaional:
- sub form absolut
(
= =
=
1 ,
5
1
, 5 ,
1
2
E R f E
R
i
i

- sub form relativ | | 1 , 0 ,
1
1
1
=
r r
E
R
R
E
E .

) 1 , 0 ( 27 , 0
5
1
1
5
1
) 04 , 0 ( ) 11 , 0 ( ) 2 , 0 ( ) 6 , 0 ( ) 05 , 0 (
2 2 2 2 2

+ + + +
=
r
E

Deoarece energia informaional sub form relativ se apropie mai
mult de 0 vom spune c populaia gospodriilor este puin concentrat
n raport cu venitul.

134

e)Coeficientul de asimetrie a lui Fisher:

0 1 , 1
) 59 , 3 (
1
100
4 ) 96 , 7 18 ( 11 ) 96 , 7 14 ( 20 ) 96 , 7 10 ( 60 ) 96 , 7 6 ( 5 ) 96 , 7 2 (
) (
3
3
3 3 3 3 3
3
3
3
3
>
+ + + +
=
x
X X M

Pe total suma abaterilor cu semnul plus de la valoarea medie este
mai mare dect suma abaterilor cu semnul minus deci seria prezint o
asimetrie pozitiv.
Coeficientul de boltire al lui Fisher:

( )
0 78 , 0
3
59 , 3
1
100
4 ) 96 , 7 18 ( 11 ) 96 , 7 14 ( 20 ) 96 , 7 10 ( 60 ) 96 , 7 6 ( 5 ) 96 , 7 2 (
3
) (
4
4 4 4 4 4
4
4
4
4
>

+ + + +
=
x
X X M

Boltirea corespunztoare seriei este mai mare. Curba obinut este mai
nalt dect clopotul lui Gauss.

Problema 2

|
|
.
|
\
|
8 10 50 20 7 5
6 5 4 3 2 1
: X

a) Numrul mediu de membrii:

4 77 , 3
100
8 6 10 5 50 4 20 3 7 2 5 1
=
+ + + + +
= X
n medie o gospodrie are aproximativ 4 membrii.

Numrul modal de membrii:

( ) 4
0
= X M
Se observ c cele mai multe gospodri au 4 membri deci valoarea
modal este 4.

135

Numrul median de membrii:

5 , 4
2
5 4
2
) ( 4 50 50 20 7 5
50
2
1
=
+
=
+
= = > + + +
=
(
=
+ i i
e i
x x
X M x
N
r

Aadar jumtate din gospodrii au pn la 4,5 membrii, cealalt
jumtate peste 4,5 membrii.

Observaie:
Dac N=51 i seria se prezint astfel

|
|
.
|
\
|
8 4 6 20 7 5
6 5 4 3 2 1
: X

atunci se obine 25
2
51
=
(
= r , ( ) 4 3 25 20 7 5
1
= = = > + +
+ i e i
x X M x
b)Dispersia sub form absolut:
13 , 1 29 , 1
100
1
] 8 ) 77 , 3 6 ( 10 ) 77 , 3 5 (
50 ) 77 , 3 4 ( 20 ) 77 , 3 3 ( 7 ) 77 , 3 2 ( 5 ) 77 , 3 1 [(
2 2
2 2 2 2 2
= = + +
+ + + + =
x
x

n medie ptratic numrul de membrii din gospodrie difer fa
de numrul mediu de membrii 3,77cu 1,13 membrii n plus sau n
minus.

Coeficientul de variaie a lui Pearson:
%) 30 ; 0 ( % 97 , 29 100
77 , 3
13 , 1
100
=
=
x
x
x
v
x
v

Se p o a te trage co nclu zia c med i a d e 3 , 7 7 este d estu l de
reprezentativ pentru ntreaga populaie.

136

c)
|
|
.
|
\
|
>
|
|
.
|
\
|
% 50 % 50
5 , 4 5 , 4
:
% 6 % 10 % 50 % 20 % 7 % 5
6 5 4 3 2 1
:
x x
x
x

Citind de exemplu prima serie se poate observa c 5% dintre
gospodrii au doar un membru, alte 7% doi membri , etc.

d)Energia informaional:

) 1 , 0 ( 17 , 0
6
1
1
6
1
) 08 , 0 ( ) 1 , 0 ( ) 5 , 0 ( ) 2 , 0 ( ) 07 , 0 ( ) 05 , 0 (
2 2 2 2 2 2
=
+ + + + +
=
r
E .

Se observ c populaia este foarte puin concentrat n raport cu numrul de
membrii.

e) Coeficientul de asimetrie:

| +
+ + +
=
100
50 ) 77 , 3 4 ( 20 ) 77 , 3 3 ( 7 ) 77 , 3 2 ( 5 ) 77 , 3 1 (
3 3 3 3
3

| < =
+
+ 0 31 , 0
) 13 , 1 (
1
100
8 ) 77 , 3 6 ( 10 ) 77 , 3 5 (
3
3 3
asimetrie negativ.

f)Coeficientul de boltire:

| +
+ + +
=
100
50 ) 77 , 3 4 ( 20 ) 77 , 3 3 ( 7 ) 77 , 3 2 ( 5 ) 77 , 3 1 (
4 4 4 4
4

| > =
+
+ 0 61 , 0 3
) 13 , 1 (
1
100
8 ) 77 , 3 6 ( 10 ) 77 . 3 5 (
4
4 4
boltire
pozitiv.

137

Problema 3
X

Y
0 1 2 3 Total
[14,5-18,5) 2 4 2 8
[10,5-14,5) 2 30 10 2 44
[6,5-10,5) 3 20 6 1 30
[2,5-6,5) 10 8 18
Total 15 60 20 5 100

a) M(X+Y)=M(X)+M(Y)
Vom calcula mediile M(X), M(Y), M(XY)
15 , 1
100
5 3 20 2 60 1 15 0
) ( =
+ + +
= = X X M (se calculeaz pe baza seriei
marginale a lui X extrase din tabel)

18 , 10
100
8 5 , 16 44 5 , 12 30 5 , 8 18 5 , 4
) ( =
+ + +
= Y M .
|
| 33 , 11 2 ) 5 , 16 3 (
2 ) 5 , 12 3 ( 1 ) 5 , 8 3 ( 4 ) 5 , 16 2 ( 10 ) 5 , 12 2 (
6 ) 5 , 8 2 ( 2 ) 5 , 16 1 ( 30 ) 5 , 12 1 ( 20 ) 5 , 8 1 (
8 ) 5 , 4 1 ( 2 ) 5 , 12 0 ( 3 ) 5 , 8 0 ( 10 ) 5 , 4 0 (
100
1
) (
= + +
+ + + + + + + + +
+ + + + + + + + +
+ + + + + + + + = +Y X M

Verificarea numeric a regulii: 10,18+1,5=11,33.
Pentru calcularea mediei M(X+Y) s-a folosit formula obinuit de
medie aplicat variabilei X+Y, adic:
N
N Y X
Y X M
ij
j
j i
i
+
= +

) (
) ( .

M(XY)=M(X)M(Y).

|
| 975 , 12 2 ) 5 , 16 3 (
2 ) 5 , 12 3 ( 1 ) 5 , 8 3 ( 4 ) 5 , 16 2 ( 10 ) 5 , 12 2 (
6 ) 5 , 8 2 ( 2 ) 5 , 16 1 ( 30 ) 5 , 12 1 ( 20 ) 5 , 8 1 (
8 ) 5 , 4 1 ( 2 ) 5 , 12 0 ( 3 ) 5 , 8 0 ( 10 ) 5 , 4 0 (
100
1
) (
= +
+ + + + +
+ + + + +
+ + + + = XY M

138

Verificarea numeric: 707 , 11 18 , 10 15 , 1 975 , 12 =
Comentariu: Dac prima regul se verific ntodeauna cea de-a doua
se verific numai dac variabilele sunt independente. Deoarece n
cazul acesta cea de-a d o ua regu l n u se verific p u t em trage
concluzia c variabilele nu sunt independente.
b) ( ) ( ) Y M X Y M = /
adic media variabilei Y este egal cu media mediilor condiionate

3 1 0
/ , / , / , /
2
= = =
=
X X X
Y Y Y Y
X
.

3 , 13
5
2 5 , 16 2 5 , 12 1 5 , 8
/
1 , 12
20
4 5 , 16 10 5 , 12 6 5 , 8
/
23 , 10
60
2 5 , 16 30 5 , 12 20 5 , 8 8 5 , 4
/
36 , 6
15
2 5 , 12 3 5 , 8 10 5 , 4
/
3
2
1
0
+ +
=
+ +
=
+ + +
=
+ +
=
=
=
=
=
X
X
Y
Y
Y
Y
X
X

Ca i interpretare, se poate vedea c angajaii care nu s-au
implicat n nici un proiect au un salariu mediu de 6,36 u.m., n timp
ce de exemplu cei care s-au implicat n trei proiecte au un venit
mediu de 13,3 u.m.
Pentru calcularea mediei condiionate
0
/
= X
Y , spre exemplu s-a
folosit coloana de frecvene corespunztoare clasei X=0.
| |
( )
177 , 10 18 , 10
18 , 10
177 , 10 5 3 , 13 20 1 , 12 60 23 , 10 15 36 , 6
100
1
) (
4
1
=
= + + + =
=

=
Y M
N
N Y
Y M
i X
i
X
i
Diferena apare datorit aproximrilor de la
0
/
= X
Y i
1
/
= X
Y .

c) V
total Y
=V
explicat

Y
+V
rezidual

2
/
2
/
2
X
X
Y
Y
y
+ =
Y

139

Variaia total a variabilei Y:

| |
49 , 3 21 , 12
8 ) 18 , 10 5 , 16 ( 44 ) 18 , 10 5 , 12 ( 30 ) 18 , 10 5 , 8 ( 18 ) 18 , 10 5 , 4 (
100
1
2
2 2 2 2 2
=
+ + + = =
y y TOT
y TOT
V
V

Variaia explicat a variabilei Y prin factorul de influen X :

Diferite valori ale variabilei X duc la o variaie a variabilei Y
astfel, pentru fiecare valoare a lui X se poate calcula cte o medie
condiionat a lui Y i apoi se calculeaz V
Exp

, adic dispersia acestor
medii condiionate datorate lui X fa de media total a lui Y.
3 , 13 / 3
1 , 12 / 2
23 , 10 / 1
3 , 6 / 0
3
2
1
0
=
=
=
=
=
=
=
=
X
X
X
X
Y X
Y X
Y X
Y X

41 , 3 ] 5 ) 18 , 10 3 , 13 (
20 ) 18 , 10 1 , 12 ( 60 ) 18 , 10 23 , 10 ( 15 ) 18 , 10 36 , 6 [(
100
1
) / (
2
2 2 2
2
/
+
+ + + =
=

= =

N
N Y Y
V
i
i
X
Y
EXP
i
X

Variaia rezidual a variabilei Y datorat altor factori:

Se observ c spre exemplu n prima clas dei factorul X este
constant, X=0, nu toi angajaii au aceleai salar ca i cel mediu de
6,3666. De exemplu doi angajai au peste 10,5. Apare astfel ca i
evident influena altor factori care nu sunt precizai n problem.
Variaia lui Y datorat acestor factori reziduali se msoar calculnd o
medie a dispersiilor condiionate, adic a variaiilor din clase.

140

+ +
=
=
15
2 ) 36 , 6 5 , 12 ( 3 ) 36 , 6 5 , 8 ( 10 ) 36 , 6 5 , 4 (
2 2 2
2
/
0 X
Y

24 , 8 variaia n clasa X=0.

| |= + + + =
=
2 ) 23 , 10 5 , 16 ( 30 ) 23 , 10 5 , 12 ( 20 ) 23 , 10 5 , 8 ( 8 ) 23 , 10 5 , 4 (
60
1
2 2 2 2 2
/
1 X
Y

= 26 , 9 variaia n clasa X=1.

| |= + + =
=
4 ) 1 , 12 5 , 16 ( 10 ) 1 , 12 5 , 12 ( 6 ) 1 , 12 5 , 8 (
20
1
2 2 2 2
/
2 X
Y

96 , 7 variaia n clasa X=2.
| |= + + =
=
2 ) 3 , 13 5 , 16 ( 2 ) 3 , 13 5 , 12 ( 1 ) 3 , 13 5 , 8 (
5
1
2 2 2 2
/
3 X
Y

= 96 , 8 variaia n clasa X=3.
83 , 8
100
5 96 , 8 20 96 , 7 60 26 , 9 15 24 , 8
2
/
2
/

+ + +
=
= =

N
N
V
i
i Y
Y REZ
i
X
X

Verificarea numeric: 12,213,41+8,83.
Diferena de 0,04 provine din aproximrile de calcul fcute.

d)Deoarece 41 , 3
2
/
= =
EXP
Y
V
X
reprezint variaia salariului Y datorat
influenei numrului de proiecte X, procentul n care salariul angajatului
se explic prin numrul de proiecte X este dat de:

% 92 , 27 100
21 , 12
41 , 3
100 =
TOT
EXP
V
V
.

141

CAPITOLUL IV

ANALIZA LEGTURII DINTRE VARIABILELE UNEI
REPARTIII MULTIDIMENSIONALE

1. Consideraii generale

n studiul repartiiilor statistice multidimensionale se pune problema
existenei sau inexistenei unei legturi ntre variabilele observate i prin ele,
ntre fenomenele pe care le reprezint.
Dou fenomene cuantificate prin dou variabile Y i X, se pot afla
ntr-o legtur funcional, exprimat printr-o relaie de forma ( ) X f Y = ,
dac pentru o valoare determinat x a variabilei independente, variabila
dependent Y ia o valoare determinat, discret. Situaia opus acestui caz
este aceea a independenei totale a celor dou variabile, adic a inexistenei
unei intercondiionri reciproce. ntre cele dou cazuri extreme se afl un
cmp larg de legturi, numite legturi de tip statistic sau stochastic, caz n
care, fiecrei valori x a lui X i corespunde nu o singur valoare y, ci o
repartiie de valori a variabilei Y (legat de valoarea x).
Disciplina care se ocup cu analiza statistic a legturilor dintre
variabilele observate ntr-o populaie, se numete econometrie.
Econometria lucreaz cu conceptele de corelaie i regresie, corelaia fiind
de fapt termenul generic pentru orice legtur statistic. n studiul corelaiei
se urmresc dou probleme: descrierea legii de variaie medie a unei
variabile n funcie de una sau mai multe variabile factoriale, problem
numit regresie i, caracterizarea intensitii legturii printr-un coeficient
numeric, independent de unitile de msur ale variabilelor n cauz.
Atunci cnd ne propunem s determinm anumite relaii cauzale
ntre diverse fenomene, se pot ntlni diverse situaii, cum ar fi: o legtur
nemijlocit ntre fenomene, unilateral sau de interdependen, o covariaie
a fenomenelor datorat unor cauze comune sau un paralelism ntmpltor n
variaia a dou sau mai multe fenomene. Putem aminti ca exemple de
dependene economice relaia ntre productivitatea muncii i calificarea
forei de munc, cererea de mrfuri i veniturile bneti, etc. Un exemplu de
covariaie (de legtur indirect) ar fi ntre cererea de mrfuri i economiile
bneti ale populaiei, ambele fiind de fapt n corelaie cu veniturile bneti.
n analiza dependenei unui fenomen pot interveni unul sau mai
muli factori cu influen esenial, restul factorilor reunindu-se ntr-o
variabil aleatoare. Un model de corelaie va indica aadar o evoluie
142

aproximativ a fenomenului studiat nefiind luai n calcul toi factorii
posibili.
n studiul legturilor statistice este suficient s cunoatem cum se
modific, n medie, variabila dependent numit i explicat sau endogen,
ca urmare a modificrilor variabilelor factoriale numite explicative sau
exogene. Pentru a reine factorii cu influen semnificativ se estimeaz
gradul de influen al fiecrui factor. Alegerea factorilor de influen se
poate face pe dou ci: prin introducerea progresiv a variabilelor n model
sau prin eliminarea succesiv a lor din model.
Dac legtura se realizeaz ntre variabila dependent Y i
n
X X X ,..., ,
2 1
variabile factoriale care influeneaz variabila Y, atunci
ntre variabilele factoriale trebuie s fie independen. n cazul contrar,
apare fenomenul numit multicoliniaritate care conduce la erori de estimare.
De aceea acele variabile factoriale care se pot deduce pe baza altor variabile
factoriale, vor fi eliminate din model.
De asemenea o condiie a reuitei unui studiu statistic al corelaiei
este i omogenitatea datelor precum i numrul mare de observaii.
Pornind de la rezultatele observrii statistice a dou sau mai multe
variabile referitoare la o populaie, un studiu privind analiza legturii i
propune s stabileasc o eventual existen a legturii, s msoare
intensitatea ei i n final s exprime analitic legtura dintre variabilele
studiate.
nainte de parcurgerea demersului de mai sus s vedem cum apare
legtura pe baza datelor statistice.
Vom considera de exemplu o serie bidimensional unde X (variabila
factorial) reprezint cheltuielile cu reclama (n sute u.m.) iar Y reprezint
valoarea vnzrilor (n u.m.), dintr-o lun dat, referitor la un eantion
format din 18 societi[6].

X
Y
1
x
0 -1
2
x
1-2
3
x
2-3
4
x
3-4
Total
4
y 4-5 1 4 5
3
y 3-4
1 3 2 6
2
y 2-3 2 2 1 5
1
y 1-2 1 1 2
Total 1 4 6 7 18

Din tabelul de mai sus numit i tabel de corelaie (care este n fapt o
repartiie bidimensional) se pot trage anumite concluzii. De exemplu, s
143

observm c pentru o stare fixat a lui X, | ) 3 , 2 X vom gsi corespunztor
mai multe valori ale variabilei Y cci exist societi care pentru o cheltuial
ntre dou i trei sute de u.m. lei cu reclama vor obine valoarea vnzrilor
cuprins ntre | ) 3 2 (pentru dou uniti), ntre | ) 4 3 (pentru trei uniti),
ntre | ) 5 4 (pentru o unitate). Aadar nu putem stabili o legtur
funcional ntre X i Y, cci unei valori fixate a variabilei X i corespunde
nu una ci mai multe valori ale variabilei Y.
Legtura dintre cele dou variabile este aadar o legtur statistic
datorit faptului c un nivel al variabilei independente X determin nu un
singur nivel al lui Y ci mai multe, fiecare cu o anumit probabilitate. Putem
deci s-i asociem lui | ) 3 , 2 X o repartiie condiionat:

| ) | )
|
|
.
|
\
|
|
|
.
|
\
|
1 3 2 0
:
3 , 2
sau
1 3 2
:
3 , 2
4 3 2 1 4 3 2
y y y y
X
Y
y y y
X
Y

Aceasta se explic prin faptul c cele 6 societi pentru care
3
x X =
sunt supuse aciunii i altor factori care nu apar n studiu. De exemplu
valoarea desfacerilor depinde i de calitatea produselor, preul acestora,
veniturile populaiei, etc.
Totui vom putea s-i asociem valorii
3
x X = o singur valoare
numeric legat de variabila Y i anume media condiionat a lui Y de
valoarea
3
x X = .

33 , 3
6
1 5 , 4 3 5 , 3 2 5 , 2
3

+ +
=
|
.
|
\
|
= x X
Y
M

Analog vom face corespondena:

( )
( )
( )
4 4
2 2
1 1
x X Y M x X
x X Y M x X
x X Y M x X
= =
= =
= =

realiznd astfel o legtur funcional ntre X i ( ) X Y M . Legtura
statistic dintre Y i X se reflect n legtura funcional care exist ntre X
i ( ) X Y M , ( ) ( ) X f X Y M = . Studiul acestei legturi poate furniza
informaii cu privire la dependena dintre X i Y.
144

Vom folosi termenul de legtur statistic simpl pentru legtura
dintre dou variabile Y, X i legtur statistic multipl pentru dependena
dintre o variabil Y dependent i n variabile factoriale ( ) 2 n
n 2 1
X ,..., X , X .
n funcie de forma pe care o ia funcia de legtur f dintre ( ) X Y M
i X, vom avea diverse tipuri de legturi: liniare ( ) ( ) bX a X f + = ,
parabolice ( ) ( )
2
cX bX a X f + + = etc.
Pentru studiul legturilor statistice se folosesc tabelul de corelaie,
mediile condiionate i reprezentarea grafic sub form de nor statistic.
Pornind de la aceste aspecte se pot emite ipoteze privind existena, direcia
i intensitatea legturii pe care o studiem.
Existena legturii se citete din tabelul de corelaie dup gruparea
frecvenelor absolute n jurul uneia dintre curbe pe care o anticipm.
Intensitatea legturii o apreciem n funcie de gradul de concentrare a
frecvenelor n jurul curbei anticipate, legtura fiind cu att mai intens cu
ct frecvenele sunt mai concentrate ntr-o fie ct mai ngust strbtut
prin mijloc de curba respectiv.
Dac Y i X ar fi variabile independente, atunci frecvenele nenule ar
trebui s fie distribuite n mod uniform n ntregul tabel de corelaie. n cazul
exemplului prezentat anterior se avanseaz ideea unei legturi directe i
liniare datorit faptului c odat cu creterea lui X se obine o cretere a lui
Y, iar frecvenele sunt dispuse n jurul unei drepte.
Procedeele descrise cu privire la avansarea unei ipoteze n posibila
dependena dintre Y i X nu mai corespund n cazul unor legturi multiple.
Pentru a putea studia legile statistice care apar n populaiile
statistice cu coninut economic, e necesar s se cunoasc bine legturile
concrete care se manifest ntre variabilele principale ale acestor populaii.
Cunoaterea acestor legturi presupun construirea unor modele statistice
numite modele regresionale sau econometrice.
Dac n cazul variabilelor cantitative se pune problema gsirii
modelului ce exprim legtura dintre variabilele n cauz, n cazul unor
variabile calitative acest lucru nu are sens fiind suficient studierea
existenei unei legturi i analiza intensitii legturii.
Demersul care trebuie parcurs n cazul unor variabile cantitative este
urmtorul:
Analiza statistic a existenei legturii;
Analiza statistic a intensitii i gradului de asociere dintre
variabile;
Formularea unei ipoteze cu privire la forma legturii;
145

Determinarea parametrilor funciei de regresie;
Analiza reprezentativitii modelului statistic.

2. Analiza statistic a existenei legturii
Vom considera cazul a dou variabile Y i X pe baza crora vom
alctui tabelul de corelaie reprezentnd repartiia statistic a populaiei
supus studiului n raport cu variabilele n cauz.

X
Y
1
x
2
x
i
x

I
x Total
J
y
J 1
N
J 2
N
iJ
N
J I
N
J
. N

j
y
j 1
N
j 2
N

ij
N

j I
N
j
. N

2
y
12
N
22
N
2 i
N

2 I
N
2
. N
1
y
11
N
21
N
1 i
N

1 I
N
1
. N
Total
. N
1
. N
2
. N
i

. N
I
N

Analiza statistic a existenei legturii ntre cele dou variabile se
poate realiza att pe cale descriptiv ct i pe cale cantitativ.
Metodele descriptive constau n analiza tabelului de corelaie i a
norului statistic.
Dac frecvenele absolute
ij
N , I , 1 i = , J , 1 j = din tabel se
repartizeaz dup prima sau a doua diagonal sau orice alt curb ce
reflect, o regul, atunci se spune c ntre cele dou variabile exist o
legtur. Nu va exista legtur dac frecvenele sunt dispersate n tot tabelul
(n practic asta revine la a gsi ct mai multe frecvene
ij
N nenule).
Aceeai concluzie se poate trage i din analiza norului statistic,
acesta fiind de fapt reprezentarea grafic a tabelului de corelaie. Cu ct
norul se dispune dup o fie mai ngust, cu att mai mult anticipm o
legtur ntre variabilele respective.
O metod cantitativ pentru analiza existenei unei legturi ntre Y i
X este procedeul
2
. Spre deosebire de norul statistic, grafic realizabil doar
n cazul a dou variabile cantitative, procedeul
2
este universal valabil,
att pentru variabilele cantitative ct i pentru cele calitative.
146

Vom asocia tabelului o urn cu N bile dintre care
ij
N bile sunt de
tipul ( ) ij , I , 1 i = , J , 1 j = . Se extrage din urn o bil la ntmplare.
Probabilitatea de a extrage o bil de tipul ( ) ij este:

( )
N
N
y Y x X P p
ij
j i ij
= = = = ; (1)

Pe de alt parte, dac variabilele X i Y ar fi independente am avea:

( ) ( ) ( )
'
.
.
;
ij
not
j
i
j i j i ij
p
N
N
N
N
y Y P x X P y Y x X P p = = = = = = = = (2)

Aadar numrul
ij
N n cazul n care avem independen l vom nota
cu ij
'
N i va satisface urmtoarea relaie:

2
j i
'
ij
N
. N . N
N
N
= (3)
de unde
N
. N . N
N
j i
'
ij
= (4)
Pe baza relaiei (4) vom construi acum un tabel imaginar de
frecvene ij
'
N valabil n cazul n care am avea independen total.
Diferena ntre cele dou tipuri de tabele va fi atunci o msur a abaterii de
la independena total, adic o msur a legturii ntre variabile. Se va
calcula parametrul

( )
= =
=
I
1 i
J
1 j
'
ij
2
'
ij ij
2
N
N N
(5)

a crui valoare numeric este pozitiv dac exist legtur i egal cu zero
dac nu exist legtur, cci n acest caz
'
ij ij
N N = , deci tabelele sunt
identice.

147

3. Analiza statistic a intensitii i gradului de asociere dintre variabile
Dup stabilirea existenei legturii se va cerceta intensitatea acesteia.
Pe cale descriptiv se analizeaz tabelul de corelaie i legtura va fi cu att
mai intens cu ct fia n care sunt situate frecvenele este mai ngust.
n analiza statistic a intensitii i gradului de asociere dintre
variabile se folosesc dou grupe de indicatori: indicatori ai corelaiei
parametrice i indicatori ai corelaiei neparametrice.
Cei mai utilizai indicatori ai corelaiei neparametrice sunt:
raportul de corelaie;
coeficientul de contingen (asociere) al lui Pearson;
coeficientul de contingen (asociere) al lui Ciuprov;
coeficientul de corelaie al rangurilor lui Kendall;
coeficientul lui Fechner;
coeficientul de corelaie a rangurilor al lui Spearman;
coeficientul de corelaie informaional al lui Onicescu
Dintre indicatorii corelaiei parametrice amintim:
coeficientul corelaiei liniare simple;
coeficientul corelaiei liniare multiple;
coeficientul corelaiei parabolice.
Deosebirea ntre cele dou grupe de indicatori const n faptul c cei
din prima grup se calculeaz numai pe baza statisticilor rezultate din
observarea statistic, n timp ce indicatorii din a doua grup presupun
cunoaterea prealabil a parametrilor funciei de regresie.
Vom da aici formula de calcul doar pentru doi dintre aceti
coeficieni i anume: raportul de corelaie i coeficientul de contingen a lui
Pearson.
Raportul de corelaie
Calculul acestui indicator se bazeaz pe frecvenele absolute din
tabelul de corelaie i pe valorile variabilei dependente; aadar nu se poate
calcula dect atunci cnd variabila dependent este cantitativ.
Pe baza tabelului de corelaie se pot scrie repartiiile condiionate ale
lui Y n raport cu diferite valori ale lui X.

I i
N N N N
y y y y
x X
Y
iJ ij i i
J j
i
, 1 :
2 1
2 1
=
|
|
.
|
\
|
=

Aceste repartiii descriu dispunerea unitilor statistice din fiecare
clas n raport cu valorile variabilei Y, pentru o valoare fixat a lui X (
i
x ).
148

Fundamentarea teoretic a raportului de corelaie se bazeaz pe
regula de adunare a dispersiei, conform creia variaia unei variabile Y
(msurat de dispersia total) se descompune n dou componente (dispersia
dintre clase i dispersia din interiorul claselor), dac unitile statistice din
populaia de studiat sunt repartizate n clase n raport cu valorile variabilelor
factoriale. Conform regulii mai sus amintite, avem:
2
X Y
2
X Y
2
Y
+ =
sau
REZy EXPy TOTy
V V V + =

unde
TOTy
V este variaia total a variabilei Y cauzat de toi factorii care o
influeneaz,
EXPy
V msoar acea parte din variaia lui Y cauzat doar de
factorul X (n cazul nostru) i
REZy
V reprezint variaia rezidual a lui Y
cauzat de ceilali factori care nu au fost luai n considerare (factori
neeseniali).
Vom nota cu
2
YX
R parametrul numit raport de determinaie definit
ca o mrime direct proporional cu ponderea variaiei explicate(
EXPy
V ) n
variaia total (
TOTy
V ):

TOTy
REZy
TOTy
REZy TOTy
TOTy
EXPy
2
YX
V
V
1
V
V V
V
V
R =
= = (1)

Rdcina ptrat din raportul de determinaie se numete raport de
corelaie i se noteaz cu
YX
R .

TOTy
EXPy
TOTy
REZy
YX
V
V
V
V
1 R = = (2)

Deoarece raportul de determinaie este cuprins ntre 0 i 1, conform
definiiei, raportul de corelaie este cuprins ntre 1 i 1:

1 R 0
YX
.

149

Dac 0 R
YX
= se obine c
TOTy REZy
V V = i ca urmare ntreaga
variaie a lui Y este pe seama celorlali factori n afara lui X. Deci X nu este
un factor de influen a lui Y.
Dac 1 R
YX
= rezult c 0 V
REZy
= , deci o legtur de intensitate
maxim ntre Y i X. n acest caz avem o legtur direct ntre cele dou
variabile.
Dac 1 R
YX
= , suntem n cazul legturii de intensitate maxim dar
invers. Semnul negativ nu rezult din calcul ci din analiza tabelului de
corelaie.
n general cu ct
YX
R este mai aproape de 1 legtura este mai
puternic, iar cu ct
YX
R este mai aproape de 0, legtura este mai slab.
Coeficientul de contingen (asociere) a lui Pearson
Acest indicator se calculeaz pe baza frecvenelor absolute din
tabelul de corelaie i se utilizeaz pentru determinarea gradului de asociere
a dou variabile calitative, dar i a celor cantitative.
Formula de calcul a indicatorului este:

2
2
N
C
+
= (3)

unde
2
este parametrul care analizeaz existena legturii, iar N este
volumul populaiei.
Se observ c deoarece
2
0 , obinem 1 C 0 < .
Dac 0 C = atunci 0
2
= deci ntre Y i X nu exist legtur (cele
dou variabile nu se pot asocia).
Dac 1 C atunci
2
deci ntre Y i X exist o legtur de
intensitate foarte mare (cele dou variabile se caracterizeaz printr-un mare
grad de asociere, de contingen).

4. Formularea unei ipoteze cu privire la forma legturii

n cazul n care ntre cele dou variabile, intensitatea legturii este
destul de mare, dac variabilele sunt cantitative, ne va interesa i forma
legturii dintre ele.
O ipotez asupra formei legturii se fundamenteaz pe baza norului
statistic care de fapt este imaginea geometric a tabelului de corelaie. Pe
acelai grafic se reprezint i linia poligonal care trece prin punctele de
150

coordonate ( )
i i i
x Y x M , . n funcie de forma acestei linii poligonale i n
funcie de poziia punctelor norului statistic fa de ea (ct de mult se
apropie) se emite o ipotez cu privire la forma funciei de regresie.
Dac se studiaz dependena lui Y n raport cu variabilele factoriale
n 2 1
X , , X , X atunci se construiete norul statistic pentru fiecare pereche
( )
i
X , Y presupunnd c factorii
n 2 1
X , , X , X sunt independeni.
Legtura ntre variabila Y i variabilele
n 2 1
X , , X , X este dat de
expresia:

( ) + =
n 2 1
X , , X , X f Y
sau
( ) ( )
n 1 n 1
X , , X f X , , X Y = (1)

unde ( )
n 1
X , , X f este funcia de regresie care aproximeaz cel mai bine
forma legturii, iar este o variabil aleatoare care nsumeaz efectul
tuturor factorilor nespecificai.
n cazul unei singure variabile factoriale, cele mai ntlnite funcii de
regresie sunt:
forma liniar ( ) + + = + = bX a X Y Y ;
forma parabolic ( ) + + + = + =
2
cX bX a X Y Y ; (2)
forma hiperbolic ( ) + + = + =
X
1
b a X Y Y ;
forma exponenial ( ) + = + =
X
ab X Y Y .
n cazul unei dependene liniare cu mai muli factori avem:
( ) + + + + = + =
n n 1 1 0 n 2 1
X a X a a X , , X , X Y Y (3)

5. Determinarea parametrilor funciei de regresie

Abaterea punctelor reale, rezultate din observare, de la modelul
( )
n 2 1
X , , X , X Y se datoreaz influenei altor factori dect
n 2 1
X , , X , X
asupra lui Y. Pentru un singur factor X situaia se reproduce grafic astfel:

151

cu ( ) X Y Y = .
Determinarea funciei de regresie se face pe baza condiiei ca media
ptratelor abaterilor valorilor observate i nregistrate pentru Y la fiecare
unitate a populaiei de la nivelul calculat prin modelul ( )
n 2 1
X , , X , X Y s
fie minim, adic:

( ) | | ( )
2
2
n 2 1
M X , , X , X Y Y M = - minim (1)

Metoda folosit se numete metoda celor mai mici ptrate.
Determinarea efectiv a modelului matematic presupune determinarea
parametrilor funciei de regresie ( ) ( )
n 1 n 2 1
X , , X Y X , , X , X f = .
Expresia ( )
2
M msoar mprtierea variabilei Y fa de model, provocat
de factorii nespecificai i numit variaie rezidual.
Vom considera mai nti cazul legturii liniare:

( )
n n 1 1 0 n 2 1
X a X a a X , , X , X Y + + + = (2)

i vom determina parametrii
i
a , n , 0 i = din condiia celor mai mici ptrate:
( )
2
M minim.
Parametrii modelului,
i
a , n , 0 i = vor rezulta aadar din minimizarea
funciei ( ) ( ) | |
2
n n 1 1 0 n 1 0
X a X a a Y M a , , a , a G + + + = , adic din
condiia:

( )
( ) | |
( )
( ) | |
= = + + + =
= + + + =
n , 1 j 0 X X a X a a Y M 2
a
a , , a , a G
0 X a X a a Y M 2
a
a , , a , a G
j n n 1 1 0
j
n 1 0
n n 1 1 0
0
n 1 0
(3)
152

Sistemul de condiii (3) conduce la sistemul de ecuaii liniare:

( ) ( ) ( )
( ) ( ) ( ) ( )
= = + + +
= + + +
n , 1 j X Y M X X M a X X M a X M a
Y M X M a X M a a
j j n n j 1 1 j 0
n n 1 1 0

care duce la determinarea parametrilor necunoscui
i
a , n , 0 i = , n felul
acesta, legtura statistic dintre Y i
n 2 1
X , , X , X fiind modelat prin
aproximare cu legtura funcional
( )
n n 1 1 0 n 2 1
X a X a a X , , X , X Y + + + = .
n cazul a dou variabile factoriale, ecuaia de regresie este:

( )
2 2 1 1 0 2 1
, X a X a a X X Y + + = (4)

iar sistemul de ecuaii liniare devine:

( ) ( ) ( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
= + +
= + +
= + +
2
2
2 2 2 1 1 2 0
1 2 1 2
2
1 1 1 0
2 2 1 1 0
X Y M X M a X X M a X M a
X Y M X X M a X M a X M a
Y M X M a X M a a
(5)

obinndu-se soluiile:

( ) ( ) ( )

=

=

=
2
12 22 11
01 12 02 11
2
2
12 22 11
02 12 22 01
1 0
2
12 22 11
01 12 02 11
2
2
12 22 11
02 12 22 01
1
m m m
m m m m
X M
m m m
m m m m
X M Y M a
m m m
m m m m
a
m m m
m m m m
a
(6)
unde s-a fcut notaia
ij
m pentru covariaia a dou variabile
i
X i
j
X :

( ) | | ( ) | | ( ) ( ) ( ) ( )
j i j i j j i i ij
X M X M X X M X M X X M X M m = = (7)

S observm c dac notez cu:

( )
|
|
|
.
|
\
|
=
22 21 20
12 11 10
02 01 00
3
m m m
m m m
m m m
M
153

matricea de variaie i covariaie i cu
( ) 3
j 0
M , 2 , 1 , 0 j = , complementul
algebric al elementului
j 0
m , ecuaia de regresie se scrie astfel:

( )
( ) ( ) )
( )
( ) ( )
( )
( ) ( ) ( ) 0
2 2
3
02 1 1
3
01 2 1
3
00
= + + X M X M X M X M Y M X X Y M
(8)

S observm c pe diagonala principal a matricei avem varianele
2
Y 00
m = ,
2
11
1
X
m = ,
2
X 22
2
m = , iar n rest covarianele
ij
m .
Pentru cazul general, pornind de la matricea varianelor i
covarianelor:
( )
|
|
|
|
|
.
|
\
|
=
+
nn 2 n 1 n 0 n
n 1 12 11 10
n 0 02 01 00
1 n
m m m m
m m m m
m m m m
M

se poate arta c ecuaia de regresie are forma:

( )
( ) ( ) ( )
( )
( ) ( )
( )
( ) ( ) 0
, , ,
1
0 1 1
1
01
2 1
1
00
= + + +
+
+ +
+
n n
n
n
n
n
n
X M X M X M X M
Y M X X X Y M
(9)

n cazul regresiei liniare simple, matricea de variaie i covariaie
este:
( )
|
|
.
|
\
|
=
11 10
01 00 2
m m
m m
M

iar ecuaia de regresie devine:

( ) ( ) ( ) ( ) ( ) 0
1 1 10 11
= X M X m Y M X Y m (10)

Sistemul (5) se scrie acum:

( ) ( )
( ) ( ) ( )
= +
= +
Y X M X M a X M a
Y M X M a a
1
2
1 1 1 0
1 1 0
(11)

de unde rezult

154

( ) ( )
=
=
11
10
1
1
11
10
0
m
m
a
X M
m
m
Y M a
(12)

cu
( ) ( ) ( ) | | ( ) ( ) ( ) Y M X M Y X M Y Y X X M Y , X cov m m
1 1 1 1 1 01 10
= = = =
( )
2
X 1 1 11
1
X , X cov m = = .
Legturile dintre fenomenele economice nu se traduc ntotdeauna
prin forma liniar. Dac de exemplu Y prezint recolta la hectar, iar X este
cantitatea de ngrminte este verificat n practic faptul c nu orice
cretere a cantitii de ngrminte provoac o cretere a recoltei. O
cantitate prea mare de ngrminte devine nociv i provoac scderea
recoltei. Legtura dintre cele dou variabile se traduce matematic prin
funcia de gradul al doilea al crei grafic este o parabol. Acelai tip de
legtur l regsim i ntre productivitatea n munc i vechimea n munc.
Determinarea parametrilor ecuaiei de regresie poate avea loc n
acest caz, fie direct prin minimizarea variaiei reziduale, fie prin reducere la
cazul liniar, prezentat anterior.
Modelul parabolic se bazeaz pe ecuaia:

( )
2
1 2 1 1 0 1
X a X a a X Y + + = (13)

Pentru reducere la cazul liniar vom face substituia:

2
1 2
X X = (14)

i vom obine:

( )
2 2 1 1 0 2 1
X a X a a X , X Y + + =

legtur liniar multipl.

155

Singurele deosebiri fa de modelul liniar vor fi:
( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) | | ( ) ( ) | |
2
2
1
4
1
2
2
2
2 22
21
2
1 1
3
1 2 1 2 1 12
02
2
1
2
1 2 2 20
X M X M X M X M m
m X M X M X M X M X M X X M m
m X M Y M X Y M X M Y M X Y M m
= =
= = =
= = =

S-a redus astfel problema regresiei parabolice la o problem de
regresie liniar.
n cazul modelului exponenial de regresie:

( )
X
b a X Y = (15)

se aplic logaritmul zecimal
( ) b lg X a lg X Y lg + =

i se fac substituiile

( ) ( )
b lg a a lg a
X Y lg X Z
1 0
= =
=
(16)

rezultnd modelul liniar simplu:

( ) X a a X Z
1 0
+ =

Pentru ecuaia de regresie hiperbolic

( )
X
1
b a X Y + = (17)
vom face substituia

X
1
X
1
=
de unde rezult modelul liniar

( )
1 1
bX a X Y + =

156

6. Analiza reprezentativitii modelului statistic

Pentru a stabili dac modelul ales este reprezentativ, adic dac
reprezint fidel legtura, se calculeaz parametrul numit coeficient de
corelaie. Corespunztor tipului de regresie vom avea coeficient de corelaie
liniar simplu, multiplu, parabolic, exponenial, hiperbolic, etc.
Avnd n vedere relaiile:

( )
( ) | | ( )
2
2
1 0
2
01 REZy
2
2
0
2
Y TOTy
TOTy
REZy
TOTy
EXPy
01
M X a a Y M V
Y Y M V
V
V
1
V
V
r

= + = =
= = =
= =

se obine n cazul dreptei de regresie

2
0
2
01
01
1 r
= (1)
Coeficientul de corelaie liniar simplu se poate exprima numai n
funcie de elementele matricei de variaie i covariaie, cci are loc:

( ) ( )
11
10
1
11
10
0
m
m
a X M
m
m
Y M a = =

Se obine aadar expresia:

( )
( ) 2
00 00
2
01
M m
M
1 r
= (2)

unde
( ) 2
M este determinantul matricei varianelor i covarianelor de
ordinul 2,
( ) 2
10 11 00
2
m m m M = , iar
( ) 2
00
M este complementul algebric al
elementului
00
m n matricea
( ) 2
M ,
( )
( )
11
1 1
2
00
1 m M =
+
.
Aadar
01
r se poate scrie intr-o form n care nu depinde de
parametrii de regresie
0
a i
1
a , ci numai de valorile din tabelul de corelaie
157

11 00
2
10 11 00
01
m m
m m m
1 r

= (3)

Acest fapt permite s analizm reprezentativitatea modelului
(dreapta) nainte de a-i determina parametrii. Abia apoi dac-l vom
considera reprezentativ vom trece la determinarea parametrilor, altfel ne
ntoarcem la etapa de formulare a unei ipoteze cu privire la forma legturii
i propunem un alt model.
Din definiia (1) este evident c pentru 0 r
01
= vom avea
TOTy REZy
V V = , deci punctele norului statistic sunt foarte dispersate fa de
dreapta de regresie, iar pentru 1 r
01
= rezult 0 V
REZy
= , aadar modelul este
foarte reprezentativ. n general avem 1 r 0
01
.
n cazul regresiei liniare multiple, reprezentativitatea modelului este
caracterizat de coeficientul de corelaie multipl:

2
0
2
n 01
n 01
1 r
= (4)

cu ( ) | |
2
n n 1 1 0
2
n 01
X a X a a Y M + + + =

sau dup nlocuirea parametrilor

( )
( ) 1 n
00 00
1 n
n 01
M m
M
1 r
+
+
(5)

n cazul neliniar coeficientul de corelaie este dat de (4) i depinde
de parametrii funciei de regresie.

7. Aplicaie

Pentru un produs alimentar, la nivelul unei populaii date, s-a
efectuat o observare statistic n raport cu cererea, veniturile populaiei i
preurile la care produsul n cauz se cumpr. Rezultatul observrii s-a
concretizat n urmtorul tabel ([6]):

158

Nr. crt. Cerere Venit Pre Nr. crt. Cerere Venit Pre
1. 50 500 2,7 28 100 1000 2,1
2. 70 600 2,5 29 40 350 2,7
3. 80 700 2,4 30 50 650 2,5
4. 100 900 2,2 31. 70 800 2,3
5. 100 1000 2,1 32. 100 900 2,2
6. 120 1200 2,0 33. 40 350 2,6
7. 100 1100 2,1 34. 70 800 2,4
8. 30 300 2,7 35. 100 900 2,3
9. 40 350 2,6 36. 40 700 2,5
10. 50 400 2,5 37. 50 400 2,5
11. 30 450 2,7 38. 70 850 2,4
12. 40 500 2,6 39. 100 900 2,0
13. 70 600 2,4 40. 40 500 2,4
14. 70 700 2,4 41. 50 1000 2,5
15. 100 750 2,2 42. 70 700 2,4
16. 110 1000 2,0 43. 100 600 2,1
17. 80 950 2,3 44. 70 650 2,4
18. 60 800 2,5 45. 50 950 2,6
19. 100 900 2,1 46. 60 1100 2,7
20. 50 750 2,6 47. 105 1000 2,1
21. 60 600 2,5 48. 95 800 2,2
22. 75 700 2,4 49. 85 600 2,2
23. 45 400 2,7 50. 90 700 2,3
24. 60 500 2,6 51. 100 900 2,1
25. 45 600 2,5 52. 115 1000 2,0
26. 50 650 2,6 53. 100 950 2,1
27. 70 700 2,4

Se cere:
1. Precizai variabila dependent i variabilele independente i alctuii
tabelul de corelaie pentru fiecare cuplu (variabil dependent, variabil
independent).
2. Analizai intensitatea legturii pentru fiecare cuplu de variabile gsit la
punctul precedent.
3. S se gseasc parametrii modelului dintre cele trei variabile de natur
economic.
Rezolvare:
1. Variabila Cerere (C) este variabila dependent, iar variabilele
Venit (V) i Pre (P) reprezint variabilele independente.
159

Tabelul de corelaie dintre cerere i venit este:

Venit
Cerere
300-500 500-700 700-900 900-1100 1100-1300 Total
110-130 2 1 3
90-110 1 3 10 1 15
70-90 4 8 1 13
50-70 2 5 2 2 1 12
30-50 6 3 1 10
Total 8 13 14 15 3 53

Tabelul de corelaie dintre cerere i pre este:

Pre
Cerere
2,0 2,1 2,2 2,3 2,4 2,5 2,6 2,7 Total
110-130 3 3
90-110 1 8 4 2 15
70-90 1 2 9 1 13
50-70 6 4 2 12
30-50 1 2 3 4 10
Total 4 8 5 4 10 9 7 6 53

2. Observnd tabelul de corelaie dintre cerere i venit se poate
observa o legtur direct ntre acestea i de intensitate suficient de mare,
avnd n vedere dispunerea frecvenelor dup prima diagonal i ncadrarea
acestora ntr-o band n care frecvenele cele mai mari se dispun aproape n
centrul benzii.
n vederea determinrii intensitii legturii dintre cerere i venit,
plecnd de la tabelul de corelaie corespunztor, se calculeaz raportul de
corelaie. n acest sens aplicm formula de calcul raportului de corelaie:
2
0
2
01
01
1
= R
unde:
( )
=
=
=
=
n
i
i
n
i
i v v C
N
N
i
1
1
2
2
01
1 .
.

160

( )
=
=

=
n
1 i
i
n
1 i
i
2
i
2
0
. N
. N C C

( )
=
=
=
=
m
1 j
ij
2
i j
i
2
V V C
N v v C C
1 . N
1
i

iar C reprezint cererea medie,
i
v v C = reprezint cererea medie atunci
cnd venitul ia valoarea
i
V .
Pornind de la tabelul de corelaie dintre cerere si venit, nlocuind
corespunztor n relaiile de mai sus i fcnd calculele necesare se obine:

; 14 , 338
2
01
= ; 13 , 590
2
0
= 65 , 0
01
= R

ceea ce nseamn o legtur suficient de intens ntre cele dou variabile la
nivelul populaiei n cauz.
n mod analog, plecnd de la tabelul de corelaie dintre cerere i pre,
aplicnd aceleai relaii de mai sus unde venitul (V) se substituie cu preul
(P) se obine:

; 19 , 118
2
02
= 89 , 0
02
= R

ceea ce anticipeaz o legtur invers ntre cerere i pre, dar suficient de
intens, lucru care se poate constata i din modul de dispunere a frecvenelor
n cadrul tabelului de corelaie.
3. Pe baza rezultatelor obinute la cele dou puncte precedente se
poate anticipa o legtur liniar ntre cele trei variabile de forma:

( ) P a V a a P , V C
2 1 0
+ + =

n vederea calculrii celor trei parametrii ai modelului liniar se va
calcula iniial matricea de variaie i covariaie dintre cele trei variabile:

( )
|
|
|
.
|
\
|

=
|
|
|
.
|
\
|
=
048 , 0 3 , 36 05 , 5
3 , 36 73 , 54455 43 , 3949
05 , 5 43 , 3949 13 , 590
22 21 20
12 11 10
2 01 00
3
m m m
m m m
m m m
M
161

unde:
( ) ( ) ( )
j i j i ij
X M X M X X M m =
Coeficienii de regresie se obin pornind de la ecuaia de regresie de
forma:

( )
( ) ( ) ( )
( )
( ) ( )
( )
( ) ( ) 0 ,
3
02
3
01
3
00
= + + P M P M V M V M C M P V C M

Aducnd-o la forma normal, rezult:

; 71 , 313
0
= a ; 005 , 0
1
= a 5 , 101
2
= a .
( ) P V P V C + = 5 , 101 005 , 0 71 , 313 ,

8.Test de autoevaluare IV

8.1.Enun

1.Relativ la datele din problema 3, test III,capitolul III realizai analiza
statistic a intensitii legturii dintre salariul unui angajat i numrul de
proiecte n care acesta este implicat i tragei o concluzie.
2. n scopul stabilirii preului pentru un nou tip de detergent, firma
productoare cere un sondaj de opinie pe un eantion de 200 persoane,
cercetate n raport cu preul pe care ar fi dispuse s-l plteasc pentru noul
produs. Cele 200 de persoane se observ de asemenea i n raport cu salariul
lunar X .Rezultatele observrii au fost urmtoarele :

X
Y
[0-2) [2-4) [4-6) Total
[40-50) 11 4 15
[30-40) 1 158 1 160
[20-30) 14 11 25
Total 15 180 5 200

X n u.m., Y n u.m.

Se cere:
a) Analizai dac ntre cele dou variabile exist o anumit legatur
b) Realizai analiza statistic a intensitii legturii (dac e cazul)
162

c) Formulai o ipotez cu privire la forma matematic a legturii
dintre cele dou variabile , n cazul n care aceast legatur este
semnificativ
d) Determinai parametrii modelului de regresie propus la punctul
anterior
e) Realizai analiza statistic a reprezentativitii modelului
regresional ales
f) Precizai , folosind modelul regresional ales , care este preul
mediu pe care ar fi dispus s-l plateasc un client cu un salar de 8 u.m..
3.Realizai analiza statistic a legturii dintre numrul de staiuni turistice
vizitate de o persoan pe parcursul unui an i mediul din care aceast
persoan provine , folosindu-v de urmtorul tabel de corelaie alctuit pe
baza rspunsului a 50 de persoane (X-mediul , Y-numrul de staiuni
turistice frecventate / an) . Cele 50 de persoane au fost astfel alese nct s
aib aceeai situaie material .

X
Y
Rural Urban Total
3 3 3
2 6 6
1 5 21 26
0 10 5 15
Total 15 35 50

8.2. Rezolvare

Problema 1

X
Y

0

1

2

3

Total
[14,5-18,5) 2 4 2 8
[10,5-14,5) 2 30 10 2 44
[6,5-10,5) 3 20 6 1 30
[2,5-6,5) 10 8 18
Total 15 60 20 5 100

n vederea stabilirii intensitii legturii (i implicit a existenei acesteia ) se
calculeaz raportul de corelaie

163

| | 1 , 0
01
=
TOT
EXP
V
V
r .

Vom spune c legtura este cu att mai intens cu ct r
01
n rezolvarea problemei 3 din testul III pe aceleai date s-au obinut
rezultatele V
se apropie de 1.
EXP
=3,41, V
TOT
Aadar
=12,21.
52 , 0
21 , 12
41 , 3
01
= r .
Putem spune c legtura dintre cele dou variabile este relativ
intens (la jumtatea intervalului (0,1)). Pentru ca legtura s merite a fi
studiat amnunit, trebuie ca intensitatea s fie destul de mare, adic r
01

s
fie aproape de 1.
Problema 2

X
Y

[0-2)

[2-4)

[4-6)

Total
[40-50) 11 4 15
[30-40) 1 158 1 160
[20-30) 14 11 25
Total 15 180 5 200

a) Analiza statistic a existenei legturii:
Se calculeaz parametrul

( )

=
j i
ij
ij ij
N
N N
'
2
'
2
,
unde
N
N N
N
j i
ij

=
'
,
ij
N este frecvena csuei aflate la intersecia liniei i cu
coloana j iar
'
ij
N este frecvena ideal corespunztoare acestei csue n
cazul cnd variabilele ar fi independente.
De exemplu N
11
200
15 15
'
11

= N =0 i , unde 0 este numrul de persoane
cu salariul n [0-2) i care ofer un pre n [40-50), 15 este totalul primei
coloane, adic persoanele cu un salar n [0-2) iar cellalt 15 este totalul
primei linii adic persoanele care ofer un pre de[40-50].
164

Dac 0
2
= , adic
'
ij ij
N N = , atunci variabilele ar fi independente.

21 , 135
200
25 5
200
25 5
0
200
25 180
200
25 180
11
200
25 15
200
25 15
14
200
160 5
200
160 5
1
200
160 180
200
160 180
158
200
160 15
200
160 15
1
200
15 5
200
15 5
4
200
15 180
200
15 180
11
200
15 15
200
15 15
0
2 2 2
2 2 2
2 2 2
2
|
.
|
\
|

|
.
|
\
|

|
.
|
\
|

+
+
|
.
|
\
|

|
.
|
\
|

|
.
|
\
|

+
+
|
.
|
\
|

|
.
|
\
|

|
.
|
\
|

=

Deoarece 0 21 , 135
2
= , variabilele nu sunt independente adic
legtura exist.

b) Analiza intensitii legturii:
Aceast etap se parcurge numai cnd la prima etap am gsit un
rspuns pozitiv. Totui se poate utiliza de la nceput pentru c ofer
informaii asupra existenei legturii.
TOT
EXP
V
V
r =
01

Calculul lui V
TOT

:
5 , 34
200
15 45 160 35 25 25
=
+ +
= Y

( ) ( ) ( )
75 , 19
200
15 5 , 34 45 160 5 , 34 35 25 5 , 34 25
2 2 2
2
=
+ +
= =
Y TOT
V

Calculul lui V
EXP

:
| )
66 , 25
15
1 35 14 25
/
2 , 0
=
+
=
X
Y
165

| )
35
180
11 45 158 35 11 25
/
4 , 2
=
+ +
=
X
Y

| )
43
5
4 45 1 35
/
6 , 4
=
+
=
X
Y

( ) ( ) ( )
89 , 7
200
5 5 , 34 43 180 5 , 34 35 15 5 , 34 66 , 25
2 2 2
2
/

+ +
= =
X Y
EXP
V

63 , 0
75 , 19
89 , 7
01
= r
Deoarece 5 , 0
01
> r , apropiindu-se de 1, putem spune c legtura este de
intensitate relativ mare.
c) Formularea unei ipoteze cu privire la forma legturii:
n acelai sistem de axe se deseneaz norul statistic i curba empiric de
regresie, ambele sugernd forma legturii. Deoarece la modulul de
probleme rezolvate s-a explicat modul de realizare a norului statistic, vom
face aici numai curba empiric de regresie care va trece prin punctele de
coordonate (1;25,66), (3;35) i (5;43) unde 1,3 i 5 sunt mijloacele
intervalelor de valori ale variabilei X iar 25,66; 35 i 43 sunt mediile lui Y
condiionate de clasele lui X.

Curba empiric de regresie
43
35
25.66
0
5
10
15
20
25
30
35
40
45
50
1 2 3
X
m
e
d
i
i
l
e

l
u
i

Y

c
o
n
d
i
i
o
n
a
t
e

d
e

X

166

Avnd n vedere forma curbei empirice de regresie vom presupune c e
vorba de o dreapt, adic ( ) bX a X Y + = sau ( ) + + = bX a X Y cci
( ) ( ) + = X Y X Y .

d) Determinarea parametrilor funciei de regresie:
Vom folosi formulele:

( ) ( )
=
=
11
10
11
10
m
m
b
m
m
X M Y M a

unde ( ) ( ) ( ) ( ) Y M X M XY M Y X m m
X
= = = , cov ,
10
2
11

( ) 9 , 2
200
5 5 180 3 15 1
=
+ +
= = X X M
( ) ( ) ( )
39 , 0
200
5 9 , 2 5 180 9 , 2 3 15 9 , 2 1
2 2 2
2
11
=
+ +
= =
X
m

( ) | | 8 , 101 4 45 5 1 35 5 11 45 3 158 35 3 11 25 3 1 35 1 14 25 1
200
1
= + + + + + + = XY M

75 , 1 5 , 34 9 , 2 8 , 101
10
= = m

48 , 4
39 , 0
75 , 1
= b
5 , 21 48 , 4 9 , 2 5 , 34 = a
Aadar forma matematic a legturii ntre cele dou variabile este dat de
ecuaia
( ) X X Y 48 , 4 5 , 21 + = sau ( ) + + = X X Y 48 , 4 5 , 21 , numit i ecuaie de
regresie.

e) Analiza statistic a reprezentativitii dreptei de regresie:
Se calculeaz coeficientul de corelaie liniar.

11 00
01
det
1
m m
M
R
=
167

unde
|
|
.
|
\
|
=
11 10
01 00
m m
m m
M

este matricea varianelor i covarianelor

( ) Y X m m m m
X Y
, cov , ,
10 01
2
11
2
00
= = = =
10 01 11 00
det m m m m M = .

Cu ct R
01
| | 1 , 0
01
R
se apropie mai mult de 1, cu att modelul ales este mai
reprezentativ. n general
.

63 , 0
39 , 0 75 , 19
75 , 1 39 , 0 75 , 19
1
2
01

= R .

n cazul acesta putem spune c modelul ales este destul de reprezentativ
(0,63>0,5).

f) ( ) 34 , 57 8 48 , 4 5 , 21 8 = + = Y

n medie, un client care are un salariu de 8 u.m. este dispus s ofere un
pre de 57,34 u.m..

Problema 3

X

Y

RURAL

URBAN

TOTAL
3 3 3
2 6 6
1 5 21 26
0 10 5 15
TOTAL 15 35 50

168

Analiza existenei legturii:

88 , 14
50
15 35
50
15 35
5
50
15 15
50
15 15
10
50
26 35
50
26 35
21
50
26 15
50
26 15
5
50
6 35
50
6 35
6
50
6 15
50
6 15
0
50
3 35
50
3 35
3
50
3 15
50
3 15
0
2 2 2 2
2 2 2 2
2
=
|
.
|
\
|

|
.
|
\
|

|
.
|
\
|

|
.
|
\
|

+
+
|
.
|
\
|

|
.
|
\
|

|
.
|
\
|

|
.
|
\
|

=

Deoarece 0
2
rezult c ntre variabile exist legtur.
Analiza intensitii legturii:
Deoarece variabila Y este cantitativ, se poate calcula r
01
. Prezentm
aici ns un alt parametru i anume coeficientul de contingen a lui
Pearson care se poate aplica i atunci cnd de exemplu variabila Y ar fi
calitativ (X nu conteaz) i nu se mai preteaz utilizarea lui r
01

:
| | 1 , 0
2
2
+
=
N
c

47 , 0
50 88 , 14
88 , 14
+
= c .

Interpretarea se face ca i la r
01
Observaie.
deci putem spune c legtura este de
intensitate destul de slab (0,47<0,5).
Analiza statistic a legturii ntre variabile se oprete aici deoarece una
dintre variabile (X) fiind calitativ, nu mai putem vorbi despre o legtur
tradus matematic.

169
BIBLIOGRAFIE

1. Andrei T., Stancu S., Statistic. Teorie i aplicaii, Ed. All,
Bucuresti,1995
2. Anghelache C., Bugudui E., Gresoi S., Niculescu E., Statistic
aplicat, Indicatori, sinteze, studii de caz, Ed. Economica, Bucureti,
2006
3. Antonescu C., Isaic-Maniu A., Statistic economic general,
Ed.XXX, Bucureti 1993
4. Baron T., Biji E., Statistic teoretic i economic, Ed. Didactic i
pedagogic, Bucureti, 1996
5. Breaz N., Statistic descriptiv - Teorie i aplicaii, Seria Didactic
a Univ. 1 Decembrie 1918 Alba Iulia, 2003
6. Florea I., Parpucea I., Buiga A., Statistic descriptiv - teorie i
aplicaii, Ed. Continental - Aisteda, Alba Iulia, 1998
7. Keller G., Warrack B., Bartel H., Statistics for management and
economics, Wadsworth Publishing Company 1988
8. Korka M., Begu L.S., Tua E., Bazele statisticii pentru economiti,
Ed. Tribuna Economic, Bucureti 2002
9. Korka M., Begu L.S., Tua E., Manole C., Bazele statisticii pentru
economiti-Aplicaii, Ed. Tribuna Economic, Bucureti 2002
10. Maurice E., Dictionaire de statistique, Edition Dunod, Paris 1968
11. Petcu N., Statistic n turism-Teorie i aplicaii, Ed. Albastr, Cluj
Napoca, 2000
12. Titan E., Ghia S., Tranda C., Statistic aplicat, Ed. Meteor Press,
Bucureti, 2004
13. Tovissi L., Andrei T., Spircu L., Analiza seriilor de timp i procese
dinamice, Ed. All, Bucureti 1995
14. Trebici V., Mica enciclopedie de statistic, Ed. tiinific i
Enciclopedic, Bucureti, 1985
15. Voineagu V., Lilea E., Goschin Z., Vatui M., Boldeanu D., Statistic
economic, Teorie i aplicaii, Ed. Tribuna Economic, Bucureti,
2002

D2109 Statistica Judiciara

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

D2109 Statistica Judiciara

Încărcat de

Drepturi de autor:

Formate disponibile

UNIVERSITATEA BOGDAN VOD DIN CLUJ-NAPOCA

3350 1299 338

... 120 115 102 113 100 120 100

ALTE IND CB FILO MF

4 , 50910 8 , 58398 1 , 23327 3 , 21414

1 , 29496 5 , 36984 8 , 1912

84 100 144 141 129

unde d reprezint o valoare cu care se divid toate

pot fi de lungime egal sau neegal.

deci profitul mediu este

= (concentrare destul de mic )

= (concentrare destul de mic )

- proporia n care variaia cifrei de

- proporia n care variaia cifrei de afaceri

deci valoarea modal aparine intervalului

S-ar putea să vă placă și