Documente Academic
Documente Profesional
Documente Cultură
Suport de Curs-nvamntul la
distan
Cuprins
Unitatea de nvare 1 INTRODUCERE N ECONOMETRIE .................................................... 6
Obiectivele Unitii de nvare 1 ......................................................................................................... 6
1.1. Econometria definiii i obiective ................................................................................................ 6
1.2. Modele econometrice..................................................................................................................... 8
Lucrare de verificare 1A .................................................................................................................... 14
Test de autoevaluare 1B ..................................................................................................................... 14
Rezumat ............................................................................................................................................ 16
Bibliografie ....................................................................................................................................... 17
............................................................................................................................. 53
10.2
11.2
Unitatea de nvare 1
INTRODUCERE N ECONOMETRIE
Cuprins
Obiectivele Unitii de nvare 1 ................................................................................................... 6
1.1. Econometria definiii i obiective ................................................................................................ 6
1.2. Modele econometrice..................................................................................................................... 8
Ce este econometria.
(1.1)
unde:
f este funcia de transfer a sistemului reprezentnd legea de manifestare a procesului
economic studiat;
x = ( xi )i =1, n este vectorul variabilelor independente;
variabilei dependente (Y ) .
Cum f nu este apriori cunoscut, ceea ce se urmrete este tocmai identificarea
efectelor variabilelor independente asupra unei variabile dependente i estimarea efectelor
cauzale pe baza datelor de selecie n raport cu variabilele observabile.
innd seama de aceste obsevaii dm n continuare cteva definiii ale econometriei
ca tiin.
Termenul econometrie a fost introdus de economistul i statisticianul norvegian Ragnar Frisch i provine
etimologic de la grecescul eikonomia economie i respectiv metren msur.
2
Definiia a fost formulat de R. Frisch n primul numr al revistei Econometrica.
Econometria
presupune
investigarea
fenomenelor
PROCES
ECONOMIC
xn
3
4
y1
y2
ym
(1.2)
( )
Y = yj
j =1.m
x1
x2
PROCES
ECONOMIC
xn
y1
y2
ym
(1.3)
introduc n model una sau mai multe variabile stochastice i se obine modelul econometric al
fenomenului studiat.
Pe baza datelor de selecie reprezentnd valorile variabilelor observabile din model se
estimeaz valorile parametrilor modelului obinndu-se o funcie de date de observaie (un
estimator).
Se valideaz modelul econometric obinut n raport cu anumite condiii (convergen,
verosimilitate etc.). Dac modelul nu este valid se ncearc gsirea altui model care, n raport
cu condiiile impuse sa fie valid (corect).
Dac modelul este corect atunci acesta poate fi utilizat la testarea ipotezelor privind
valorile numerice ale parametrilor necunoscui ai populaiei din care a fost selectat
eantionul. De asemenea, validitatea modelului ofer posibilitatea efecturii unor predicii ale
comportamentului populaiei respective.
Teorie economic
Populaie studiat
Selecie
Model economic
Model econometric
Date de selecie
Estimare
Validare
NU
Model valid?
DA
Testare ipoteze
Politici economice:predicii/prognoz
Figura 1.3. Etape n practica econometric
10
( )
Y = yj
j =1.m
) Y = f (X ) +
modele unifactoriale
y = f (x) +
modele multifactoriale
y = f (x1 , x 2 , K , x n ) +
modele autoregresive
y = f (x t , y t k ) +
modele cu decalaj
y = f ( x t , x t 1 , K , x t k ) +
11
0 Nu (nepromovat), 1- Da (promovat).
o Variabile ordinale. Sunt variabile ale cror nivele sunt codificate astfel nct
s poat fi comparate ntre ele. De exemplu, variabila calitativ satisfacie a
crei valoare este dat de rspunsul la ntrebarea:
12
de
tip
transversal
sau
profil
(cross-sectional).
Msurtorile
asupra
caracteristicilor unui numr mare de elemente ale unei populaii efectuate la acelai
moment de tip. Datele de tip transversal sunt obnuite prin msurtori de natur
static i se caracterizeaz prin observaii independente.
date de tip serii de timp. (serii cronologice). Msurtori asupra caracteristicilor unei
uniti individuale pe o perioad lung de timp. Datorit modului de constituire,
obervaii indexate n timp, datele de tip serie de timp sunt caracterizate prin
dependen serial. Acest tip de date se obine prin msurtori de natur dinamic
asupra caracteristicilor unui element din populaie la momente sau intervale succesive
de timp
date de tip panel. Sunt obinute prin msurtori att de natur static ct i dinamic
asupra acelorai elemente ale populaiei.
13
Lucrare de verificare 1A
Rspundei pe scurt la urmtoarele ntrebri:
1. Ce este econometria?
2. Care sunt principalele obiective ale econometriei?
3. Ce este modelul econometric?
4. Care este diferena dintre modelele economice i modelele econometrice?
5. Care este tipologia modelelelor econometrice?
6. Ce tipuri de date sunt utilizate n econometrie.
7. Care este schema care prezint etapele crerii i utilizrii unui model econometric?
Test de autoevaluare 1B
1. Econometria implic utilizarea:
a. metodelor matematice la formularea, estimarea i testarea modelelor
economice;
b. metodelor matematice i statistice la formularea, estimarea i testarea
modelelor economice;
c. metodelor matematice i statistice la formularea modelelor economice;
d. metodelor matematice i statistice la estimarea modelelor economice.
2. Principalele obiective ale econometriei sunt:
14
15
8. Ce date sunt obinute prin msurtori att de natur static ct i dinamic asupra
acelorai elemente ale populaiei:
a. date de tip serii de timp;
b. date de tip panel;
c. date de tip transversal;
d. date de tip profil.
9. Variabile categoriale provin din caracteristici care exprim atribute:
a. calitative;
b. normale;
c. cantitative;
d. primare.
10. Variabile ale cror nivele sunt codificate astfel nct s poat fi comparate ntre ele
sunt;
a. variabile ordinale;
b. variabile cantitative;
c. variabile binare;
d. variabile primare.
Rezumat
Econometria este o tiin care urmrete investigarea fenomenelor economice numai
cu ajutorul modelelor aleatoare
sau mai multe variabile Pe baza datelor de selecie reprezentnd valorile variabilelor
observabile din model se estimeaz valorile parametrilor modelului. Dup validarea
modelului pe baza acestuia se pot efectua predicii ale comportamentului populaiei
respective.
Modelele econometrice, pot fi categorisite dup diferite criterii printre care dup
numrul ecuaiilor (cu o singur ecuaie, cu mai multe ecuaii), numrul factorilor
(unifactoriale), multifactoriale), forma dependenei dintre variabile (liniare, neliniare),modul
n care este considerat factorul timp (madele statice, modele dinamice) etc.
Bibliografie
Gogonea R.M., Zaharia
M.
Isaic-Maniu A., Mitru
C.,
Voineagu V.
Jaba E.
Jaba E.
17
Unitatea de nvare 2
NOIUNI PRIVIND VARIABILELE ALEATOARE
Cuprins
Obiectivele Unitii de nvare 2 ................................................................................................. 18
2.1. Eveniment. Cmp de Evenimente ................................................................................................ 19
2.2. Variabile aleatoare ...................................................................................................................... 22
Ce este evenimentul.
Tipuri de evenimente
18
Definia 2.1. Evenimentul exprim producerea sau neproducerea unui fenomen n cadrul unui
experiene.
Evenimentul este rezultatul unui experiment (prob). Dac n exemplul considerat mai
sus selectm la ntmplare un element (student) din populaia studeni i dac acesta este
integralist, n raport cu criteriul ales, evenimentul evideniaz producera fenomenului de
promovare a tuturor examenelor. Dac studentul selectat nu este integralist, atunci evenimentul
evideniaz neproducerea fenomenului de promovare a tuturor exemenelor.
Exemplul 2.1.
S considerm c dorim s vedem care sunt rezultatele posibile obinute prin nsumarea
feelor a dou zaruri care au fost aruncate.
Considernd c zarurile nu sunt msluite, innd seama de faptul c feele acestora pot lua
valori de la 1 la 6, atunci rezult c suma feelor la o aruncare poate avea valori n intervalul de
la 2 la 12 (2,3,4,5,6,7,8,9,10,11,12). Sumele feelor, obinute n toate cele 36 de combinaii
posibele, sunt prezentate n tabelul 2.1.
6
Mihil N.,Popescu O., Matematici speciale aplicate n economie, Editura didactic i pedagogic, Bucureti,
1978.
19
1
2
3
4
5
6
Fa
zarul
II
1
2
3
4
5
6
7
Fa zarul I
3
4
5
6
7
8
9
2
3
4
5
6
7
8
4
5
6
7
8
9
10
5
6
7
8
9
10
11
6
7
8
9
10
11
12
Dup cum se poate observa i din tabelul 2.1 sunt numai n = 11 evenimente elementare
posibile (2,3,4,5,6,7,8,9,10,11,12).
Notm: - cu mulimea tuturor evenimentelor
- cu i evenimentul elementar i ,
Atunci,
{i }i =1,n
{i }i=1,n = {2,3,4,5,6,7,8,9,10,11,12}
(2.1)
{ei }i =1, N
Fiecrui eveniment ei i se poate asocia un eveniment contrar Cei (complementar) care
se realizeaz atunci i numai atunci cnd nu se realizeaz ei . De exemplu, evenimentului 1
(suma feelor egal cu 2) i corespunde evenimentul complementar C1 = (suma feelor s
fie cuprins ntre 3 i 12).
Definiia 2.2.
Se numete eveniment sigur acel eveniment care se poate realiza n oricare din probe.
20
n cazul prezentat, evenimentul sigur reprezint apariia unei valori cuprinse n intervalul
nchis de la 2 la 12. n consecin, evenimentul sigur n cazul dat este chiar mulimea .
Evenimentului sigur i se asociaz evenimentul imposibil notat cu .
Oricare din evenimentele ei care pot s se produc sau nu la efectuarea unei probe
reprezint un eveniment aleator.
ntre dou evenimente pot exista sau nu pot aprea relaii de implicare. Dac realizarea
evenimentului ei atrage dup sine realizarea evenimentului e j (i j ) , atunci ei e j adic
evenimentul ei implic evenimentul e j .
Dac ei e j (evenimentul ei implic evenimentul e j ) i ei e j (evenimentul ei este
implicat n realizarea evenimentului e j ) atunci evenimentele ei i e j sunt echivalente.
Anterior au fost evideniate, printre altele, noiunile de eveniment sigur, eveniment
aleator, mulime de evenimente.
Am notat cu evenimentul sigur i cu {ei }i =1,n mulimea tuturor evenimentelor aleatoare
care formeaz mulimea , iar n continuare vom considera un ca fiind mulimea nevid a
prilor lui care conine toate evenimentele aleatoare {ei }i =1, N cu N finit.
Definiia 2.3.
Perechea [, ] reprezint un cmp finit de evenimente dac:
ei Cei ;
ei e j ei U e j .
Elementele {ei }i =1, N formeaz un sistem complet de evenimente dac:
N
Ue
i =1
ei I e j = i j.
Fie acum, {i }i =1,n o submulime a mulimii evenimentelor elementare ale cmpului de
evenimente [, ] . Mulimea {i }i =1,n are urmtoarele proprieti:
i i = 1, n
i I j = i j
21
U =
i
i =1
a [, ], a i , i = 1, n, a.i. a = i1 U ... U i p ,1 p n.
Este uor de observat c mulimea evenimentelor elementare din relaia 2.1 satisface
proprietile de mai sus.
Trebuie remarcat aici faptul c, n relaia 2.1 sunt puse n eviden numai evenimentele,
nu i frecvenele lor de apariie. Fiecrui eveniment i corespunde o anumit frecven de
apariie. Acestea pot fi egale sau nu.
Exemplul 2.2.
Frecvena de apariie a evenimentelor elementare obinute prin aruncarea a dou zaruri este
calculate n tabelul 2.2.
Tabelul 2.2. Frecvena de apariie a evenimentelor elementare obinute prin aruncarea a dou zaruri
Valoare
Frecven
2
1
3
2
4
3
5
4
6
5
7
6
8
5
9
4
10
3
11
2
12
1
Dup cum se poate observa i din tabelul 2.1 n cazul considerat frecvenele de apariie a
evenimentelor elementare difer. Dac le centralizm obinem situaia din tabelul 1.2.
Frecvenele de apariie ale evenimentelor iau valori ntre 1 i 6.
22
Definiia 2.4.
Se numete variabil aleatoare (stohastic) acea variabil a crei realizare constituie
evenimente ntmpltoare dintr-o mulime care are un sistem determinat de evenimente.
Dup caracteristicile mulimii pe care sunt definite, variabilele aleatoare se clasific n:
corespunztoare acestora. De regul, sunt utilizate literele de la sfritul alfabetului (de exemplu,
variabila aleatoare X are la un moment dat valoarea x ).
Funcia de repartiie
Pentru a defini o variabil aleatoare discret este necesar enumerarea tuturor valorilor
posibile precum i a probabilitilor lor de producere.
Exemplul 2.3.
Aa cum se poate observa din tabelul 2.2 la aruncarea a dou zaruri este posibil
obinerea a 11 valori. Variabila aleatoare care modeleaz acest proces va fi:
2
Z : 1
36
3
2
36
4
3
36
5
4
36
6
5
36
7
6
36
8
5
36
9
4
36
10
3
36
11
2
36
12
1
36
Definiia 2.5.
Fie X o variabil aleatoare discret cu xi , i = 1, n , valoarea acesteia la un moment dat i
evenimentul ( X = xi ) cu probabilitatea P( X = xi ) = f ( xi ) = pi . Mulimea perechilor ordonate
x
X i , i = 1, n
pi
(2.2)
f(xi ) 0
20
f(x ) = 1
i =1
evenimente.
Exemplul 2.4.
Pentru variabila aleatoare care modeleaz procesul de aruncare a dou zaruri histograma
este este ilustrat n figura 2.1.
Dac notm cu M i ( xi , p i ) mijloacele segmentelor din partea de sus a dreptunghiurilor i
le unim prin segmente de drepte, se obine poligonul distribuiei.
La constituirea histogramei trebuie s se in seama de tipul intervalelor de grupare. Dac intervalele sunt egale
(ca in exemplul nostru) fiecare interval este luat egal cu unitatea de lungime. Dac intervalele nu sunt
egale atunci acestea se dimensioneaz n aa fel nct suprafaa unei coloane s fie proporional cu
produsul dintre mrimea intervalului i frecvena sa.
24
Frequency
Histogram
7
6
5
4
3
2
1
0
2
10
11
12
More
U (X = x )
i
xi x
P( X < x ) =
P( X = x ) = f ( x ) , deci
i
xi x
F ( x) = P ( X < x ) =
xi x
f ( x ),
i
xi x
Exemplul 2.5.
n cazul aruncrii a dou zaruri determinm probabilitatea de a obine o sum a feelor
mai mic dect 6 .
Pornim de la variabila aleatoare:
25
2
Z : 1
36
3
2
36
4
3
36
5
4
36
6
5
36
7
6
36
8
5
36
9
4
36
10
3
36
11
2
36
12
1
36
1
2
3
4 10
+
+
+
=
0,277778
36 36 36 36 36
F ( x 2 ) F ( x1 ) = P( x1 X < x 2 ) 0
rezult:
F ( x 2 ) F ( x1 ) 0, deci F ( x 2 ) F ( x1 ) .
3 0 . F(a)=0, F(b)=1 , unde a i b sunt cea mai mic, respectiv cea mai mare valoare pe care o
poate lua argumentul variabilei X .
26
(2.3)
Definiia 2.7.
x
2 0 . ( x)dx = 1 .
X :
x ,
( x) = e
( x) = e 1
S=1
0
x
Figura 2.2. Graficul funciei densitate de probabilitate ( x) = e 1
27
Definiia 2.8.
x
(x) .
Funcia
F ( x ) = P( X < x) = (t )dt
x
(2.4)
(2.5)
(x)
P( X < x) = F ( x) = (t )dt
0
( x) = e x
P ( X < 2)
x =1
x=2
X :
x ,
( x) = e
x 0 avem F (2 ) = P ( X < 2) =
( x)dx
0
Lucrare deverificare 2A
Rspundei pe scurt la urmtoarele ntrebri:
1. Ce reprezint un eveniment?
2. Cum de definete cmpul de evenimente.
3. Ce este variabila aleatoare?
4. Ce tipuri de variabile aleatoare cunoatei?
5. Ce este variabila aleatore discret?
6. Care sunt caracteristicile variabilei aleatoare?
7. Ce este variabila aleatoare continu?
8. Ce nelegei prin distribuia variabilei aleatoare?
9. Care este funcia de repartiie a variabilei aleatoare continue?
10. Cum se reprezint grafic variabila aleatoare continu?
Test de autoevaluare 2B
1. Frecvena de apariie a evenimentelor elementare obinute prin aruncarea a dou zaruri
este:
a. 6;
b. cuprins ntre 1 i 6;
c. cuprins ntre 3 i 6;
d. 3.
2. Variabil aleatoare este acea variabil
a. care i poate schimba coninutul o dat sau de mai multe ori pe parcursul
prelucrrii;
b. a crei realizare constituie evenimente ntmpltoare dintr-o mulime care are un
sistem determinat de evenimente;
c. care poate fi clasificat n mai mult de dou subcategorii;
d. care poate fi cuantificat sau msurat;
3. Dup caracteristicile mulimii pe care sunt definite, variabilele aleatoare se clasific n:
29
Rezumat
n analiza fenomenelor economice cu ajutorul modelelor econometrice se opereaz cu
noiuni precum: populaie (mulime de elemente care printr-o proprietate comun pot fi
considerate mpreun), criteriu de cercetare, experien (relizarea complexului de condiii
corespunztoare criteriului de cercetate), eveniment (exprim producerea sau neproducerea unui
fenomen n cadrul unui experiene).
Un eveniment care la efectuarea unei probe poate s se produc sau nu reprezint un
eveniment aleator. Fie evenimentul sigur i cu {ei }i =1,n mulimea tuturor evenimentelor
aleatoare care formeaz mulimea , Elementele {ei }i =1, N formeaz un sistem complet de
N
evenimente dac:
Ue
= i ei I e j = i j.
i =1
30
Bibliografie
Andrei T.
Chow G.
Clocotici V.
31
Unitatea de nvare 3
CARACTERISTICILE DISTRIBUIEI VARIABILEI ALEATOARE
Cuprins
Unitatea de nvare 3 CARACTERISTICILE DISTRIBUIEI VARIABILEI ALEATOARE 32
Obiectivele Unitii de nvare 3 ............................................................................................. 32
3.1 Indicatorii caracteristici variabilei aleatoare privind tendina central de grupare ............. 33
3.2 Indicatorii caracteristici variabilei aleatoare privind mprtierea distribuiei variabilei
aleatoare .................................................................................................................................... 36
3.3 Particulariti ale formei de distribuie ................................................................................ 41
Lucrare de verificare 3A ........................................................................................................... 42
Test de autoevaluare 3B ............................................................................................................ 43
Rezumat ..................................................................................................................................... 46
Bibliografie................................................................................................................................ 47
32
valoarea medie,
median,
modul.
Valoarea medie
Definiia 3.1.
Se numete valoare medie a unei variabile aleatoare X , discrete sau continue,
expresia:
n
i =1
i =1
X :
0,2 0,1 0,4 0,3
X :
x ,
( x) = e
x0
33
(3.2)
k
K :
1 atunci M ( K ) = k 1 = k
Fie constanta
media sumei a dou variabile aleatoare este egal cu suma mediilor acestora
M ( X + Y ) = M ( X ) + M (Y )
Valoarea median
Definiia 3.2.
Se numete mediana variabilei aleatoare X , acea valoare M e pentru care, variabila
aleatoare are aceeai probabilitate de a fi mai mic sau mai mare ca ea, adic:
P( X < M e ) = P( X > M e )
(3.3)
1
2
X :
0,2 0,1 0,4 0,3
Definiia 3.3.
34
Me
( x)dx =
1
.
2
Se numete modul (valoarea cea mai probabil) variabilei aleatoare X , acea valoare
pentru care funcia de pobabilitate f ( xi ) n cazul variabilelor aleatoare discrete, respectiv
densitatea de probabilitate (x ) n cazul variabilelor aleatoare continue este maxim.
Poziionrile celor trei indicatori ai tendinei centrale de grupare prezentai mai sus
(valoarea medie, mediana i modulul) sunt ilustrate n figura 3.1.
modulul
modulul
mediana
mediana
media
media
a. Repartiie asimetric
(left skewed)
b. Repartiie asimetric
(rhight skewed)
Modulul=median=medie
c. Repartiie simetric
Figura 3.1. Poziionarea valorii medii, medianei i modulului pentru repartiia simetric i
repartiii asimetrice8
Dup cum se poate observa din figura 3.1.c., n cazul repartiiei simetrice poziiile celor
trei indicatori coincid. n cazul repartiiilor asimetrice poziiile medianei i mediei (n aceast
ordine) se afl n stnga modulului n cazul repartiiei left skewed (figura 3.1.a.) respectiv n
dreapta modulului n cazul repartiiei right skewed (figura 3.1.b.).
Spircu L., Analiza datelor. Aplicaii economice, Editura ASE, Bucureti 2005, pag. 19
35
dispersia,
covariana
coeficientul de mprtiere
Caracteristica cea mai simpl a mprtierii unei variabile se obine calculnd extinderea
(amplitudinea, intervalul de variaie) dat de diferena valorilor extreme ale argumentelor
variabilei, aceste argumente fiind considerate ordonate n ordinea mrimii lor naturale.
Definiia 3.4.
Dac a i b sunt cea mai mic, respectiv cea mai mare valoare a argumentului xi al
variabilei aleatoare X , atunci extinderea este prin definiie valoarea numeric
(3.4)
Definiia 3.5.
36
xi
,
f ( xi )
(3.5)
x
,
(x)
(3.6)
Teorema 3.1.
Media abaterii unei variabile X calculat fa de valoarea medie, = M ( X ) ,
este nul.
xi
, avem
Demonstraie: Fie variabila abatere
f ( xi )
n
i =1
i =1
i =1
M ( ) = ( xi ) f ( xi ) = xi f ( xi ) f ( xi ) = = 0
Dac n locul abaterii variabilei definit mai sus utilizm abaterea absolut
xi
vom avea
f
x
(
)
i
i =1
care nu mai este nul i care, poate caracteriza mprtierea variabilei aleatoare X n jurul valorii
ei medii m.
Dispersia
37
Pe lng abaterea medie absolut definit anterior, o msur larg utilizat a mprtierilor
valorilor variabilei aleatoare fa de media sa este dispersia.
Definiia 3.6.
Se numete dispersie a variabilei aleatoare X , media M ( 2 ) a ptratului variabilei
aleatoare de abatere :
(x )2
(
)
f
x
(3.7)
D ( X ) = ( xi ) 2 f ( xi ) ,
(3.8)
i =1
D( X ) = ( x ) 2 ( x)dx.
(3.9)
2
2
2
D( X Y ) = D( X ) + D(Y ) sau x y = x + y .
ntr-adevr avem:
D( X Y ) = D( X + ( 1)Y ) = D( X ) + ( 1) 2 D(Y ) = D( X ) + D(Y )
n
n
D (a k X k + bk ) = a k2 D( X k ).
k =1
k =1
Teorema 3.2.
Dispersia mediei aritmetice a n variabile independente X j , j = 1, n care
urmeaz aceeai lege de distribuie, este egal cu dispersia uneia din variabilele mparit la
numrul variabilelor.
Demonstraie:
n
Xk
D k =1
n
= 1
n2
D( X
k =1
)=
n D( X ) D( X )
=
.
n
n2
39
x = M ( 2 ) = D ( X )
(3.10)
X = D( X ) =
D( X )
=
n
D( X )
n
x
n
(3.11)
Covarian
Definiia 2.16.
xy = M [( X x ) (Y y )] , unde x = M ( X ), y = M (Y )
(3.12)
xy = M ( X Y ) M ( X ) M (Y )
(3.13)
Coeficientul de mprtiere
Coeficientul de mprtiere al unei variabile aleatoare X se exprim ca raport dintre o
valoare a mprtierii i o mrime de aceeai natur i are rolul de a nltura influena naturii
variabilei aleatoare X asupra msurii mprtierii respective.
n practic, o expresie a coeficientului de mprtiere frecvent utilizat este:
V=
x
100 .
x
(3.14)
Z=
X x
(3.15)
(3.16)
- dispersia i abaterea medie ptratic ale variabilei normate sunt egale cu unitatea.
2
X D( X )
= 2 = 1.
D( Z ) = D
=
2
3.3
(3.17)
simetria i asimetria
boltirea
Simetria i asimetria
= x.
Grafic aceasta nseamn c, dac dou puncte M 1 si M 2 simetrice fa de dreapta x = ,
de ordonate egale, se situeaz pe curba distribuiei aceasta este simetric, iar n caz contrar
distribuia este asimetric .
Pentru o distribuie simetric, media, mediana i modul (pentru distribuia unimodal) au
aceeai valoare.
Se dovedete c momentele centrate de ordin impar ale oricrei distribuii simetrice sunt
nule.
41
Coeficientul care msoar asimetria este notat cu , i este definit astfel ca pentru = 0,
distribuia s fie simetric, iar pentru 0, distribuia este asimetric.
Sunt folosii cu deosebire urmtorii coeficieni de asimetrie:
1 =
2 =
M (X ) M0 (X )
( Pearson) ,
3
( Fisher)
3
(3.18)
(3.19)
Boltirea (Turtirea)
Curbele de distribuie pot avea boltiri sau turtiri diferite. Coeficientul de boltire folosit
este
4
(Fisher).
4
(3.20)
Lucrare de verificare 3A
Rspundei pe scurt la urmtoarele ntrebri:
1. Care sunt indicatorii caracteristici variabilei aleatoare privind tendina central de
grupare?
2. Care sunt indicatorii caracteristici variabilei aleatoare privind mprtierea dsitribuiei
variabilei aleatoare?
3. Care sunt indicatorii caracteristici variabilei aleatoare forma distribuiei?
4. Cum se definete mediana?
5. Cum se definete modulul?
9
Vezi n Capitolul III, Distribuiile clasice baza verificrii ipotezelor statistice n comer- turism-sevicii,
subcaputolul 3.2.1., Repartiia normal normat ( Z ).
42
Test de autoevaluare 3B
1. Modulul reprezint:
a. Valoarea cea mai des ntnit ntr-o serie statistic;
b. Valoarea din mijlocul unei serii statistice, n care observaiile au fost ordonate
cresctor;
c. Valoarea cea mai puin ntnit ntr-o serie statistic;
d. Valoarea care imparte distribuia seriei statistice n dou pri de volum egal;
2. Modulul reprezint:
a. Valoarea cea mai des ntnit ntr-o serie statistic;
b. Valoarea din mijlocul unei serii statistice, n care observaiile au fost ordonate
cresctor;
c. Valoarea cea mai puin ntnit ntr-o serie statistic;
d. Valoarea care imparte distribuia seriei statistice n dou pri de volum egal;
3. Repartiia pe gupe de vrst a personalului dintr-o unitate colar se prezint n
tabelul de mai jos:
Vrsta (ani)
15-25
25-35
35-45
45-55
55-65
Nr. Pers.
12
20
Vrsta (ani)
15-25
25-35
35-45
45-55
55-65
Nr. Pers.
12
20
6-10
10-14
14-18
18-22
10
7. Distribuia elevilor unei clase de liceu n funcie de numrul de absene dintr-o lun se
prezint astfel:
Nr. de absene cumulate
14
15
16
17
18
19
20
Nr. elevi
10
15
85-95
95-105
105-115
115-125
10
15
14
valoarea vnzrilor
Nr. firme
85-95
95-105
105-115
115-125
10
15
14
valoarea vnzrilor
Nr. firme
45
Rezumat
O variabil aleatoare discret se caracterizeaz prin funcie sa de repartiie i o anumit
distribuie. Fie X o variabil aleatoare discret cu xi , i = 1, n , valoarea acesteia la un moment dat
i evenimentul ( X = xi ) cu probabilitatea P( X = xi ) = f ( xi ) = pi . Mulimea perechilor ordonate
X x
numit normata variabilei X . Variabila aleatoare normat (Z) are media zero i abaterea medie
ptratic egal cu 1.
46
Bibliografie
Gogonea R.M., Zaharia
M.
Pecican t. E.
Stewart J.
erban R.
47
Unitatea de nvare 4
DISTRIBUIILE CLASICE N VERIFICAREA IPOTEZELOR
STATISTICE
Cuprins
Unitatea de nvare 4 DISTRIBUIILE CLASICE N VERIFICAREA IPOTEZELOR
STATISTICE ................................................................................................................................ 48
Obiectivele Unitii de nvare 4 ............................................................................................. 48
4.1 Repartiia normal normat (Z ) .......................................................................................... 53
4.2 Repartiia
...................................................................................................................... 53
Repartiia
Repartiia Student t
Repartiia Fisher-Snedecor F
4.1
48
Aplicarea unui model teoretic conduce la obinerea unor rezultate care, dei sunt
orientative, totui au un grad ridicat de utilitate.
n acest context, n multe situaii, sunt utilizate repartiiile teoretice pentru conturarea ct
mai exact a rezultatelor necesare pentru definitivarea deciziilor manageriale.
Repartiia normal normat este ntlnit i sub numele de repartiia normal standard sau
repartiia normal redus, tocmai pentru c red un caz particular al repartiiei normale.
Denumit i repartiia Gauss-Laplace, repartiia normal este exprimat printr-o variabil
aleatoare X cu media m i dispersia 2 , normat X~N ( , 2 ), a crei funcia de repartiie este:
x
F (x) = P (X<x) =
(t m)2
2 2
dt,
(4.1)
x R, > 0
cu
2
2
, parametrii fun ct iei de repartitie [ M ( X ) = i D ( X ) = ]
Conturarea mai clare a repartiiei normale are n vedere urmtoarele proprieti:
PN1. Variabilei aleatoare X cu repartiia N( , 2 ) i corespunde:
momente centrale
de ordin impar egale cu zero : 2 K +1 = 0
(2 K )!
2K
de ordin par : 2 K = 2 K K !
repartizat normal
X = X 1 + X 2 + ... + X K
, unde:
X ~ N (, )
X 1 , X 2 , ..., X K sunt variabile independente cu repartiii normale avnd media i i
dispersia i2
K
i =1
i =1
= i i 2 = i2
PN3. Pentru o combinaie liniar finit de variabile aleatoare independente, proprietatea
anterioar poate fii transpus astfel: dac X 1 , X 2 , ..., X K sunt variabile aleatoare
49
i dispersia
i2 , atunci suma
i =1
i =1
unde = i i i 2 = i2 i2
Repartiia normal normat se prezint grafic printr-o curb normal care se numete i
clopotul lui Gauss, datorit urmtoarelor caracteristici:
- reprezentarea este simetric fa de dreapta x = , iar cele dou prii ale curbei tind
a) deplasare spre
a curbei prin Ox spre dreapta (figura 4.1.a) sau spre stnga (figura 4.1.b) fr s-i
schimbe forma.
- dac media ( ) este constant, atunci modificarea abaterii standard ( ) determin o
50
0,4
0,2
-0,5
0,5
1,5
2,5
3,5
(4.2)
Variabila aleatoare Z are o repartiia normal normat cu media zero i dispersia egal
cu 1 avnd funcia de repartiie N (z;0,1) .
Graficul repartiiei normale (figura 2.8) este simetric fa de axa ordonatelor yy, iar
valoarea maxim este atins n punctul f(0)=0,3989 0,4. Punctele de inflexiune sunt z = -1 i z
= +1.
10
Dup Clocotici V., Stan A., Statistic aplicat n psihologie, pag. 132.
51
0,4
0,2
-2
-1
( z )
(+ z )
1
2
e
z
u2
2
du
(4.3)
Deoarece curba este simetric, deci F (0) = 0,5, din definiia funciei repartiiei avem:
F ( z ) = P (Z < z ) =
Important din punct de vedere aplicativ este i funcia (z) ce prezint aria de sub
ramura pozitiv a densitii i probabilitii (figura 4.5) care se stabilete n raport cu funcia de
repartiie normal redus astfel:
1
2
( z) = F ( z) , z 0
f (z )
(z )
-2
52
(4.4)
n aceast carte, este prezentat o Anex 1 cu un tabel n care sunt incluse valorile
funciei (z ) .
4.2
2
Repartiia
2 = Z12 + Z 22 + ... + Z r2 ,
unde Z1 , Z 2 ,..., Z r sunt variabile aleatoare independente cu repartiia N(0,1).
n raport cu densitatea de probabilitate, respectiv funcia de repartiie se poate construi
graficul repartiiei 2 .
Definiia 2.19.
( x) =
1
g
2
g
2 a
2
x2 e
x
2a2
, x 0
(4.5)
( x, g ) =
1
g
2
g
2
2
g
1
2
x
2
(4.6)
F ( x) = (t , g )dt
1 , n 1
2
2
2
, n 1
f (x : g ,1)
g =2
0,2
g =4
g =6
g = 15
0,1
10
20
Valorile teoretice sau tabelare ale lui 2 se preiau din Tabela 2 , prezentat n Anexa 2
n care funcia de probabilitate este P ( 2 > 02 ) =
Repartiia 2 este ntotdeauna pozitiv, neexistnd ramura ei negativ, ceea ce determin
o notare inversat a valorilor critice din stnga graficului. n locul lui 2 ,n 1 exist 12 ,n 1 i
nu se folsete 2
2
, n 1
1 ,n 1
2
54
4.3
Repartiia Student ( t )
1
1
2
,
(4.7)
(t , g ) =
g +1
g
g
2
t 2
2 1 +
g
F ( x) = (t , g )dt
(4.8)
55
0,4
distribuia
distribuia N (x;0,1)
0,2
x
-2
-1
, n 1
distribuiei Student, t (Anexa 3), cu meniunea c, acele valori i g care nu exist n tabel se
utilizeaz aproximarea normal standard.
4.4
Repartiia Fisher-Snedecor ( F )
56
g + g2
g1
1
1
g1
g2
2
F
2
2
2
(F ) =
g1 g 2
, F 0
g1 + g 2
g1 g 2
F
( g1 + g 2 ) 2
2 2
unde:
(4.9)
( p ) - funcia Gamma
P( F > F0 ) = ( F )dF =
0
2 g 22 ( g1 + g 2 2)
, pentru g 2 > 2
g 1 ( g 2 4)( g 2 2) 2
(4.11)
(1.12)
Lucrare de verificare 4A
Rspundei pe scurt la urmtoarele ntrebri:
1. Cum definii repartiia normal normat Z ?
2
2. Cum definii repartiia ?
Test de autoevaluare 4B
1. Repartiia normal normat este ntlnit i sub numele de:
a.
b. distribuie normal;
c. repartiia Gauss-Laplace;
d. repartiia student.
b. 2 ,n 1 , 2
, n 1
, 2
2
c. 12 ,n 1 , 2
1 , n 1
2
,n
, n 1
, 2
2
, 2 , n1 ;
,n 1
, 2 , n1 ;
d. 12 , 2 , 2 , 2 ;
1
59
Rezumat
Principalele repartiii de probabilitate utilizate n testarea i studiul ipotezelor i
modelelor econometrice sunt distribuia normal normat (Z), distribuia Student (t), distribuia
1
2
e
z
u2
2
du .
Important din punct de vedere aplicativ este i funcia (z) (funcia integral a lui Laplace)
astfel nct F ( z) =
1
+ ( z ), z 0 . Valorile Fonciilor (z) i F(z) sunt tabelate (Anexa 1).
2
y1 g 2
, unde: y1 , y 2 sunt
y 2 g1
Bibliografie
Clocotici V.
Dougherty Ch.
Gogonea R.M.
STATISTICA. Baza teoretico-aplicativ pentru comerservicii- turism, Editura Universitar, Bucureti, 2009
HsiaoJohnston J.,
Dinardo J.,
Isaic-Maniu A., Mitru
C.,
Voineagu V.
Jaba E.
Jaba E.
61
Unitatea de nvare 5
IPOTEZE STATISTICE-ASPECTE TEORETICE
Cuprins
5.1
Inferena statistic;
Ipoteza statistic;
statistica testului;
verificarea ipotezei.
Inferena statistic
62
statistice, iar inferena este reprezentat de procesul de extindere la nivelul colectivitii generale
a unor rezultate obinute dintr-o subcolectivitate reprezentaiv (figura 5.1).
desfurate n cadrul unui fenomen sau proces, care ulterior este supus unui proces de verificare
statistic.
63
Extragere subpopulaie
Subcolecti
Extindere
vitate
Rezultate
Estimare
Colectivitate
statistic
(eantion
INFEREN
Particular
Inducie
General
64
Verificare
IPOTEZE
Colectivitate
general
METODOLOGIA
Eantion cu date
experimentale
TESTRII
Stabilire
IPOTEZE
statistica testului;
verificarea ipotezei.
Ipoteza nul i ipoteza alternativ
11
65
exist o diferen semnificativ (cazuri speciale: mai mare sau mai mic) ntre parametri
comparai.
Ambele ipoteze trebuiesc stabilite iniial, ca prime etape n cadrul metodologiei testrii
fiind considerate mutual exhaustive ca urmare a imposibilitii mplinirii simultane a acestora,
dar cu realizarea obligatorie a uneia din ele (respingerea ipotezei nule H 0 conduce la stabilirea
ipotezei alternative H 1 ca fiind adevrate sau dac ipoteza nul H 0 este adevrat, atunci ipoteza
alternativ H 1 se respinge).
66
(5.1)
probabiliatea evenimentului realizat ( E R ) sub H1 este mai mare dect sub H0, dar nu se
poate determina dect funcia de celealt.
Probabilitatea critic este interpretat a fi mic sau nu prea mic n raport cu un anumit
67
eroare de tip I. (de spea nti): se respinge ipoteza nul H 0 , dei ea este adevrat.
Riscul producerii unei erori de tip I este .
eroare de tip II (de apea a doua): nu se respinge ipoteza nul H 0 , dei ea este fals.
Riscul producerii unui tip de eroare este .
Tabelul 5.1. Erori n procesul decizional statistic
Ipoteza
Decizia n test
H 0 adevrat
H 0 fals
Respingere H 0
Eroare de tip I
Acceptare H 0
testului stabilit n raport cu cel al distribuiilor statistice descrise de fenomenul sau procesul
analizat.
Rezultatul obinut ca urmare a aplicrii statisticii testului se numete valoarea calculat a
testului (notat: Z c , sau t c , sau c2 , sau Fc etc).
()
f x
H0
H1
68
12
Statistica testului
Testarea ipotezei
plasndu-se pe grafic;
regiunea de respingere ( Rr ).
12
Voineagu V., ian E., erban R., Chi S., Todose D., Boboc C., Pele D., Teorie i practic econometric,
Editura Meteor Press, Bucureti, 2006, pag.89.
69
Stabilirea ipotezelor
-
Ipoteza H 0
Ipoteza H1
Alegerea
TIPULUI TESTULUI
Alegerea
Valoarea critic
Regiunea
LIMITEI DE
SEMNIFICAIE
vC . R
de respingere
STATISTICA TESTULUI
NU
PER R R
Se accept H 0
DA
Se respinge H 0
5.3
Test bilateral
70
H 0 : x1 = x 2
H 1 : x1 < x 2
n alt exemplu, dac se compar dou dispersii ( 12 i 22 ), vom avea:
H 0 : 12 = 22 sau H 0 :
12
=1
22
H 1 : 12 < 22 sau H 1 :
12
<1
22
figura 5.1
- Limita de semnificaie este
RR
vC . R
Figura 5.1 Baza teoretic grafic a testului unilateral stnga
Testul bilateral
ipotezele testului :
de exemplu, dac se compar mediile a dou eantioane ( x1 i x 2 ), avem:
71
H 0 : x1 = x 2
H 1 : x1 x2
n alt exemplu, dac se compar dou dispersii ( 12 i 22 ), vom avea:
H 0 : 12 = 22 sau H 0 :
12
=1
22
12
H 1 : sau H 1 : 2 1
2
2
1
2
2
figura 4.6
- Limita de semnificaie este
RR
RR
vC . R
vC .R
negativ
pozitiv
Testul unilateral dreapta, se mai numete i testul direcional dreapta. El se poate descrie
prin urmtoarele caracteristici:
-
H 0 : x1 = x 2
H 1 : x1 > x 2
72
12
=1
22
12
H 1 : > sau H 1 : 2 > 1
2
2
1
2
2
n figura 5.3
-
RR
vC . R
pozitiv
Procedeul testrii ipotezelor statistice are n vedere nu numai tipul ipotezei alternative,
dar i urmtoarele dou elemente:
Lucrare de verificare 5A
Rspundei pe scurt la urmtoarele ntrebri:
1. Ce reprezint inferena statistica?
2. Cum se definete ipoteza statistic?
73
Test de autoevaluare 5B
1. Ipoteza statistica este:
a. presupunerea care se face cu privire la parametrii unei repartiii;
b. presupunerea la legea de repartiie pe care o urmeaz anumite variabile aleatoare;
c. procedeul de constituire a eantionului;
d. orice presupunere privind o variabil.
74
c.
d.
;
.
RR
vC . R
10. Potrivit figurii urmtoare, la testarea ipotezelor statistice, se aplic:
a. testul unilateral dreapta;
b. testul bilateral;
c. testul unilateral dreapta;
d. nici un test.
RR
RR
vC . R
vC .R
negativ
pozitiv
76
Rezumat
Ipoteza statistic este o presupunere cu caracter provizoriu, formulat pe baza unor date
exterimentale existente la un moment dat. Testarea ipotezelor statistice presupune parcurgerea
urmtoarelor etape: formularea ipotezelor : H 0 (nul) i H 1 (alternativ), stabilirea pragului de
semnificaie , determinarea valorile critice corespunztoare pragului de semnificaie i tipului
de test aplicat, determinarea regiunii (regiunilor) de respingere sau critic determinarea statisticii
testului i luarea deciziei n funcie de modul cum se ncadreaz statistica testului, n interiorul
sau exteriorul regiunii de respingere.
Principalele noiuni utilizate n procesul de testare a ipotezelor statistice sunt:
Elementele teoretice care intervin n testarea ipotezelor statistice sunt: ipotezele testului ( H 0 i
Bibliografie
Andrei T.
77
Unitatea de nvare 6
TESTAREA IPOTEZELOR PRIVIND MEDIILE POPULAIILOR CU
EANTIOANE DE VOLUM MARE
Cuprins
6.1
78
2 cunoscut :
Zc =
x ip
x ip
(6.1)
2 necunoscut:
Zc =
x ip
s2
n
x ip
s
(6.2)
unde:
n - volumul eantionului
ip - media ipotetic
x - media eantionului
a. unilateral stnga
fi: b. bilateral
c. unilateral dreapta
79
RR
H 0 se respinge
H 0 : = ip
2.
H 1 : < ip
3.
4.
adevrat ipoteza H 1 .
80
5.
- se calculeaz valoarea statistic a testului cu una din relaiile 4.2 sau 4.3, iar valoarea
obinut se plaseaz pe grafic.
6.
Testul Z bilateral
Aplicarea testului are n vedere ipoteza alternativ prin care se specific faptul c media
eantionului difer semnificativ de media colectivitii generale.
Graficul, figura 6.2, indic o limitare a densitii de probabilitate n ambele pri, att la
stnga ct i la dreapta de aria de respingere a ipotezei nule. Cele dou regiuni de respingere sunt
prezentate pe grafic ncepnd cu valorile critice - Z , respectiv Z .
2
RR
RR
H 0 se respinge
H 0 se respinge
H 0 : = ip
2. Ipoteza alternativ:
H 1 : ip
creia se stabilete :
81
adevrat ipoteza H 1 .
5. Se calculeaz valoarea statistic a testului cu una din relaiile 4.2 sau 4.3,
iar valoarea
RR
H 0 se respinge
Etapele care trebuiesc parcurse pentru aplicarea tetsului z unilateral dreapta sunt cele
prezentate anterior n cadrul celorlalte dou tipuri de teste z.
1. Ipoteza nul:
H 0 : = ip
82
2. Ipoteza alternativ:
H 1 : ip
creia se stabilete :
ipoteza H 1 .
5. Se calculeaz valoarea statistic a testului cu una din relaiile 4.2 sau 4.3, iar valoarea
situaiei.
2 cunoscut :
zc =
x1 x 2
12
n1
22
(6.3)
n2
2 necunoscut:
zc =
x1 x 2
2
s1
s
+ 2
n1
n2
83
(6.4)
unde:
Cazuri particulare:
1.
2 cunoscut :
zc =
x1 x 2
1
1
+
n1 n2
(6.5)
2 necunoscut:
zc =
2.
x1 x 2
1
1
+
s
n1 n 2
(6.6)
- dac cele dou eantioane au acelai volum n1 = n2 = n , atunci statistica testului calculat
va fi:
2 cunoscut :
zc =
x1 x 2
12 + 2 2
n
2 necunoscut:
84
(6.7)
zc =
x1 x 2
s1 + s 2
n
2
(6.8)
Direcia abaterii ipotezei alternative implic i n cazul comparrii mediilor celor dou
eantioane apariia celor trei tipuri de teste:
unilateral stnga
bilateral
unilateral dreapta
Etapele ce trebuiesc parcurse, n toate cele trei tipuri de teste, sunt prezentate dup cum
urmeaz:
1. Se prezint ipoteza nul H 0 : 1 = 2
2. Se stabilete ipoteza alternativ ( H 1 ) n funcie de tipul testului, astfel:
2.1. - testul unilateral stnga: H 1 : 1 < 2
2.2. - testul bilateral: H 1 : 1 2
2.3. - test unilateral dreapta: H 1 : 1 > 2
3. Se precizeaz tipul testului statistic utilizat n raport cu datele aplicaiei, volumul eantionului
cruia se stabilete:
4.1. - testul unilateral stnga:
plaseaz pe grafic .
Regiunea de respingere Rr : dac Z c < Z , atunci H o se respinge i este
adevrat ipoteza H 1 .
4.2. - testul bilateral:
pe grafic.
85
adevrat ipoteza H 1 .
4.3. - test unilateral dreapta:
5. Se calculeaz valoarea statistic a testului calculat cu una din relaiile 4.4 4.9, iar valoarea
dac n este suficient de mare (n>30) , n general n practic, relaiile prezentate sunt
ndeplinite, deci apare o distribuie normal a repartiiei binominale, ceea ce implic aplicarea
testului z.
86
dac n este mai mic (n<30), se utilizeaz probabilitatea elementului compus sub H o
PH 0 = C n P0 (1 p 0 ) n i
i
i=r
f p ip
f (1 f )
n
(6.9)
unde:
n = volumul eantionului
p ip = proporia ipotetic
f = proporia eantionului
Ipoteza alternativ, prin direcia abaterii pe care o prezint, implic apariia unuia dintre
cele trei tipuri de teste Z deja prezentate:
unilateral stnga
bilateral
unilateral dreapta.
87
cruia se stabilete:
4.1. - testul unilateral stnga:
pe grafic.
5. Se calculeaz valoarea statistic a testului calculat cu relaia (3.21), iar valoarea obinut se
plaseaz pe grafic.
dac rezultatul statistic al testului calculat, Z c , intr n regiunea de respingere Rr , lunduse decizia adecvat situaiei.
88
Exemplul 6.1.
Managerul unui lan hotelier s-a gndit s analizeze situaia cheltuielilor ultimei luni, cu
scopul de a reduce pe viitor nivelul acestora. n acest context, s-a realizat un studiu privind
cheltuielile cu angajaii trimii la cursurile de training i s-a stabilit c, pe fiecare angajat
cheltuiala este distribuit normal cu o medie de 980 UM i o dispersie de 2500.
Se consider c, aceast cheltuial medie pe angajat este mai mare dect cea stabilit la
980 UM. n vederea verificrii afirmaiei, se selecteaz aleatoriu un eantion de 40 salariai
pentru care se nregistreaz cheltuielile cu training-ul i se stabilete valoarea medie a acestor
cheltuieli la 1110 UM.
Pentru o probabilitate de 99,9%, poate managerul s concluzioneze c aceast cheltuial
medie pe angajat este mai mare de 980 UM?
Rezolvare:
Notaii:
ip = 980 UM
2 = 2500
n = 40 salariai
x = 1110 UM
( 1 ) = 99,9%
1 Ipoteza nul H 0 : = ip
(nu exist diferen semnificativ ntre cheltuiala medie pe angajat i cea stabilit
ipotetic la nivelul lanului hotelier)
2 Ipoteza alternativ H 1 : > ip
( cheltuiala medie pe angajat este mai mare dect cea ipotetic stabilit la nivelul
lanului hotelier)
3 Dac n= 40 angajai >30, atunci se aplic testul Z (testul Z unilateral dreapta)
4 Se determin Z tabelar (teoretic) similar celor prezentate n exemplul 4.1 i pentru = 0.001
89
Zc =
x ip
x ip
1110 980
2500
40
130
= 16,43
7,91
Rr
Z = 3,085 Z c = 16,43
H 0 se respinge
(nu exist diferen semnificativ ntre cheltuiala medie pe angajat i cea stabilit ipotetic la
nivelul lanului hotelier)
6 Deoarece aa cum se prezint i n figura 4.17, Z c (16,43) > Z (3,085) , iar Z c intr n Rr ,
Lucrare de verificare 6A
Rspundei pe scurt la urmtoarele ntrebri:
1. Pentru o valoare de -1,29 a testului critic Z, schiai distribuia lui Z i indicai locul
regiunii critice.
2. Pentru o valoare de 2,33 a testului critic Z, schiai distribuia lui Z i indicai locul
regiunii critice.
3. Pentru = 0,05 i (Z calculat) =0,40 specificai dac ipoteza nul este respins n cazul
testului bilateral.
4. Pentru = 0,025 i (Z calculat) =0,45 specificai dac ipoteza alternativ este acceptat
n cazul testului bilateral.
90
5. ntr-un test n care se testeaz ipoteza nul H0: =100 i ipoteza alternative H1: >100 se
obine valoarea testului z = 2,26, aflai pragul de semnificaie corespunztor valorii
calculate a testului.
Test de autoevaluare 6B
1. Managerul unei structuri de primire turistic dorete s verifice dac durata medie a
sejurului turitilor cazai este mai mic de 6 zile. Acesta presupune c durata medie a
unui sejur este de 6 zile, iar abaterea medie practic este de 2 zile. Testarea ipotezei este
completat prin selectarea aleatoare a unui eantion de 80 turiti pentru care se stabilete
c durata medie a sejurului este de 5 zile; nivelul de ncredere este de 95%. Care sunt cele
dou ipoteze?
a. H0: nu exist diferen semnificativ ntre durata medie a sejurului i cea
presupus de manager
H1: durata medie a sejurului este mai mic dect cea presupus de manager.
b. H0: nu exist diferen semnificativ ntre durata medie a sejurului i cea
presupus de manager
H1: durata medie a sejurului este mai mare dect cea presupus de manager.
c. H0: nu exist diferen semnificativ ntre durata medie a sejurului i cea
presupus de manager.
H1: exist diferen semnificativ ntre durata medie a sejurului i cea presupus
de manager.
d. H0: exist diferen semnificativ ntre durata medie a sejurului i cea presupus
de manager
H1: durata medie a sejurului este mai mic dect cea presupus de manager.
2. Managerul unei structuri de primire turistic dorete s verifice dac durata medie a
sejurului turitilor cazai este mai mic de 6 zile. Acesta presupune c durata medie a
unui sejur este de 6 zile, iar abaterea medie practic este de 2 zile. Testarea ipotezei este
completat prin selectarea aleatoare a unui eantion de 80 turiti pentru care se stabilete
91
c durata medie a sejurului este de 5 zile; nivelul de ncredere este de 95%. Valoarea
statistic a testului (valoarea calculat) este:
a. -4,55;
b. -3,55;
c. 2.35;
d. 7,25.
3. Un comerciant este de prere c, un romn consum n medie ntr-o lun mai puin de 8
kg de pine i ar vrea s verifice aceast opinie. n acest sens, s-a realizat o anchet pe un
eantion aleatoriu de 49 familii din toate judeele Romniei i a relevat un consum mediu
de 8,2 kg, cu o abatere medie ptratic de 1,7 kg. Dac acceptm un nivel de ncredere de
95%, valoarea statistic a testului (valoarea calculat) este:
a. 0,95
b. 0,83
c. 1
d. 0,24.
4. Salariul mediu pe angajat stabilit pentru 35 agenii de turism dintr-un jude este de 1600
lei. La nivelul regiunii care include judeul respectiv s-a determinat pentru toate ageniile,
un salariu mediu de 1585 lei pe angajat i o abatere de 76,55 lei. Dac cei interesai
doresc s arate, pentru o probabilitate de 99%, dac salariul mediu pe angajat stabilit la
nivelul ageniilor de turism ale judeului difer semnificativ de cel determinat pentru toate
ageniile de turism din regiune, care sunt cele dou ipoteze statistice?
a. H0: nu exist diferen semnificativ salariul mediu pe angajat i cel ipotetic.
H1:salariul mediu pe angajat este mai mic dect cel ipotetic.
b. H0: nu exist diferen semnificativ ntre salariul mediu pe angajat i cel ipotetic.
H1: exist diferen semnificativ ntre salariul mediu pe angajat i cel ipotetic.
c. H0: nu exist diferen semnificativ salariul mediu pe angajat i cel ipotetic.
H1:salariul mediu pe angajat este mai mare dect cel ipotetic.
d. H0: exist diferen semnificativ salariul mediu pe angajat i cel ipotetic.
H1:salariul mediu pe angajat este mai mic dect cel ipotetic.
92
5. Salariul mediu pe angajat stabilit pentru 35 agenii de turism dintr-un jude este de 1600
lei. La nivelul regiunii care include judeul respectiv s-a determinat pentru toate ageniile,
un salariu mediu de 1585 lei pe angajat i o abatere de 76,55 lei. Se dorete testarea
ipotezei conform creia salariul mediu pe angajat stabilit la nivelul ageniilor de turism
ale judeului difer semnificativ de cel determinat pentru toate ageniile de turism din
regiune. n urma testrii acestei ipoteze pentru o probabilitate de 99% , putem afirma c:
a. Zcalculat = -1,16, se admite ipoteza nul i putem trage concluzia c nu exist
diferen semnificativ ntre salariile medii stabilite la nivelul celor 35 agenii de
turism i la nivelul regiunii;
b. Zcalculat = 1,16, se respinge ipoteza nul i putem trage concluzia c exist diferen
semnificativ ntre salariile medii stabilite la nivelul celor 35 agenii de turism i
la nivelul regiunii;
c. Zcalculat = 1,06, se admite ipoteza nul i putem trage concluzia c nu exist
diferen semnificativ ntre salariile medii stabilite la nivelul celor 35 agenii de
turism i la nivelul regiunii;
d. Zcalculat = 1,16, se admite ipoteza nul i putem trage concluzia c nu exist
diferen semnificativ ntre salariile medii stabilite la nivelul celor 35 agenii de
turism i la nivelul regiunii.
6. Managerul unui lan hotelier s-a gndit s analizeze situaia cheltuielilor ultimei luni, cu
scopul de a reduce pe viitor nivelul acestora. n acest context, s-a realizat un studiu
privind cheltuielile cu angajaii trimii la cursurile de training i s-a stabilit c, pe fiecare
angajat
cheltuiala
este
distribuit
normal
cu
medie
de
1090
UM.
Acesta consider c, respectiva cheltuial medie pe angajat este mai mare dect cea
stabilit la 1090 UM. n vederea verificrii afirmaiei, se selecteaz aleatoriu un eantion
de 40 salariai pentru care se nregistreaz cheltuielile cu training-ul i se stabilete
valoarea medie de 1110 UM, iar abaterea standard de 50 UM. Pentru o probabilitate de
99,9%, valoarea statistic a testului (valoarea calculat) este:
a. 2,83
b. 2,53
c. 1,53
93
d. -2,55
7. Managerul unui lan hotelier s-a gndit s analizeze situaia cheltuielilor ultimei luni, cu
scopul de a reduce pe viitor nivelul acestora. n acest context, s-a realizat un studiu
privind cheltuielile cu angajaii trimii la cursurile de training i s-a stabilit c, pe fiecare
angajat
cheltuiala
este
distribuit
normal
cu
medie
de
1090
UM.
Acesta consider c, respectiva cheltuial medie pe angajat este mai mare dect cea
stabilit la 1090 UM. n vederea verificrii afirmaiei, se selecteaz aleatoriu un eantion
de 40 salariai pentru care se nregistreaz cheltuielile cu training-ul i se stabilete
valoarea medie de 1110 UM, iar abaterea standard de 50 UM. Pentru o probabilitate de
99,9%, managerul concluzioneaz c:
a. aceast cheltuial medie pe angajat este mai mare dect cea presupus de manager
de 1090 UM;
b. aceast cheltuiala medie pe angajat nu difer semnificativ de cea presupus de
manager de 1090 UM;
c. aceast cheltuial medie pe angajat este mai mic dect cea presupus de manager
de 1090 UM;
d. aceast cheltuiala medie pe angajat difer semnificativ de cea presupus de
manager de 1090 UM.
8. Un fermier dorete s verifice dac n ceea ce privete producia de lapte, dup
cumprarea i utilizarea unui tonomat (aparat pentru vnzarea laptelui) profitul este mai
ridicat. n acest scop a fost nregistrat profitul ntr-o lun (31 de zile) naintea cumprrii
aparatului i n urmtoarea lun (30 de zile) dup achiziionarea i utilizarea lui. Testarea
ipotezei se realizeaz pe baza celor dou eantioane, datele stabilite permind
nregistrarea urmtoarelor caracteristici:
nainte de cumprarea aparatului:
n 1 =31 de zile
x1 =1200 UM
s1 =231 UM
atunci
se
respinge
H0,
deci
proporia
reprezentanilor din eantion difer semnificativ de cea a tuturor celor din ANAT.
Concluzia este c modificarea statului ANAT poate fi pus n discuia
reprezentanilor n vederea aplicrii ei.
b. Deoarece Z c (0,5) < Z (1,645) , atunci se admite ipoteza H0, deci proporia
reprezentanilor din eantion nu difer semnificativ de cea a tuturor celor din
ANAT. Concluzia este c modificarea statului ANAT poate fi pus n discuia
reprezentanilor n vederea aplicrii ei.
c. Deoarece Z c (0,5) > Z (0,45) , atunci se respinge ipoteza H0, deci proporia
reprezentanilor din eantion difer semnificativ de cea a tuturor celor din ANAT.
Concluzia este c modificarea statului ANAT poate fi pus n discuia
reprezentanilor n vederea aplicrii ei.
95
d. Deoarece Z c (0,5) > Z (0,45) , atunci se admite ipoteza H0, deci proporia
reprezentanilor din eantion difer semnificativ de cea a tuturor celor din ANAT.
Concluzia este c modificarea statului ANAT poate fi pus n discuia
reprezentanilor n vederea aplicrii ei.
10. Un manager al unui magazin afirm c, 16% dintre clienii magazinului sunt brbai.
Unul dintre vnztori nu este de acord cu aceast afirmaie. Pentru studiu se formeaz un
eantion de 100 clieni i se stabilete c 25% dintre acetia sunt brbai. Ne putem baza
pe afirmaia managerului cu un nivel de ncredere de 95%?
a. deoarece Z c (2,25) > Z (1,96) , atunci ipoteza H0 se respinge, deci se accept
2
Rezumat
Pentru testarea indicatorului medie, pentru eantioane mai mari de 30 de elemente se utilizeaz
testul Z. Sunt prezentate modalitile de testare a mediei populaiei generale, a mediilor a dou
populaii i n particular a proporiei existente ntr-o colectivitate.
96
Pentru testarea ipotezei privind media populaiei generale statistica testului pentru 2
x ip
cunoscut este Z c =
x ip
sau Z c =
x ip
s2
n
x ip
n caz contrar. Regiunile critice
s
n
sunt determinate n funcie de pragul de semnificaie ales i de enunurile concrete ale ipotezelor
H 0 (nul) i H 1 (alternativ).
Similar, pentru testarea ipotezei privind mediile a dou populaii, statistica testului este
zc =
x1 x 2
12
n1
22
sau z c =
n2
x1 x 2
2
s1
s
+ 2
n1
n2
f p ip
f (1 f )
n
Bibliografie
Cristache S.E., erban
D.
Hapenciuc C.V.
97
Unitatea de nvare 7
TESTAREA IPOTEZELOR PRIVIND MEDIILE POPULAIILOR CU
EANTIOANE DE VOLUM MIC
Bibliografie
7.1
Compararea mediei unui eantion de volum redus cu media
colectivitii generale
Eantioanele de volum redus reprezint acele eantioane care sunt formate din mai puin
de 30 elemente componente ( n < 30 ) extrase dintr-o colectivitate general ce urmeaz a fi
cercetat.
Procesul de testare aplicat unor astfel de eantioane se bazeaz pe aplicarea testului
STUDENT ( t ).
98
s = s2 =
(x
x)2
i =1
n 1
(7.1)
x ip
s2
n
x ip
s
(7.2)
unde:
x media eantionului
99
Observaie
t
2
, n 1
creia se stabilete:
4.1. - testul unilateral stnga (figura 7.1)
valoarea lui
t tabelar
grafic .
Rr
H 0 se respinge
t ;n 1
100
valorile lui
pe grafic.
, n 1
sau t c > t
2
Rr
, n 1
atunci H o se respinge
Rr
H 0 se respinge
H 0 se respinge
t
2
;n 1
; n 1
regiunea
de
respingere
Rr :
dac
t c > t , n 1 ,
atunci
Rr
t ;n 1
Figura 7.3. Aplicarea testului
101
H 0 se respinge
unilateral dreapta
H o se
respinge
5. Se calculeaz valoarea statistic a testului determinat cu relaia (3.28), iar valoarea obinut
se plaseaz pe grafic.
6. Se compar valoarea t c cu una din valorile - t ,n 1 , - t
2
, n 1
, t
2
, n 1
, t , n1 i se stabilete dac
7.2
un eantion de volum n1 < 30 cu media x1 i dispersia s12 este extras dintr-o colectivitate
1 2 = 2 2 = 2 , deci 1 = 2 =
102
tc =
1
1
s e2 +
n1 n 2
x1 x 2
=
se
1
1
+
n1 n 2
(7.3)
se =
(7.4)
, n1 + n2 2
i se construiete graficul.
creia se stabilete:
4.1. - testul unilateral stnga (figura 7.4):
valoarea lui
grafic.
103
Rr
H 0 se respinge
t ;n1 + n2 2
valorile lui
; n1 + n2 2
pe grafic.
regiunea de respingere Rr : dac t c < - t
2
; n1 + n2 2
sau t c > t
2
; n1 + n2 2
atunci H o se
Rc
Rc
H 0 se respinge
H 0 se respinge
t
2
; n1 + n2 2
t
2
; n1 + n2 2
ipoteza H 1 .
104
Rr
t ; n1 +n2 2 H 0 se respinge
; n1 + n2 2
; n1 + n2 2
Particularitatea acestei ipostaze const n faptul c deoarece dispersiile nu sunt egale, deci
nici abaterile standard nu pot avea aceai valoare, se va aplica testul utiliznd estimaia abaterii
standard la nivelul fiecrui eantion:
n1
s1 = s12 =
(x
i =1
i1
x1 ) 2
(7.5)
n1 1
n2
s 2 = s 22 =
(x
i =1
i2
x2 ) 2
n2 1
(7.6)
x1 x 2
2
s1
s
+ 2
n1
n2
105
(7.7)
ipoteza H 1 .
4.2. - testul bilateral (vezi figura 7.5):
t tabelar sau teoretic t
(Anexa 3) i valorile cu semnele + i - se plaseaz pe
2
; n1 + n2 2
grafic.
regiunea
; n1 +n2 2
sau t c > t
2
; n1 +n2 2
atunci H o se respinge
ipoteza H 1 .
Se determin valoarea statistic a testului calculat cu relaia (3.33), iar valoarea obinut se
plaseaz pe grafic.
Se compar valoarea lui t c cu una din valorile - t ; n1 + n2 2 , - t
, t
, t ; n1 + n2 2 i
2
; n1 +n2 2
; n1 +n2 2
106
Exemplul 7.1.
ntr-o zon montan, ntre dou tipuri de pensiuni turistice rurale (1 margaret i 2
margarete), cu acelai numr de camere, se testeaz ipoteza conform creia nu exist diferen
semnificativ privind cheltuielile medii de ntreinere din sezonul turistic de iarn.
tiind c, probabilitatea luat n considerare este de 98%, testarea se realizeaz pentru 6
pensiuni de 1 margaret i 4 uniti de 2 margarete de la care sunt preluate datele privind
cheltuielile de ntreinere din sezonul turistic de iarn i sunt prelucrate. Rezultatele testrii sunt
prezentate n tabelul 4.2:
Tabelul 7.2. - Caracteristicile eantioanelor din cele dou pensiuni
Pensiunea de 1 margaret
Pensiunea de 2 margarete
n1= 6
n2 = 4
x1 = 4,5 mii UM
x 2 = 4,84 mii UM
s1 = 0,15 mii UM
s 2 = 0,44 mii UM
Rezolvare:
1.
Ipoteza nul H 0 : x1 = x 2
(nu exist diferen semnificativ ntre cheltuielile medii de ntreinere ale pensiunilor
turistice rurale de o margaret i ale celor de dou margarete).
2.
Ipoteza alternativ H 1 : x1 x 2
(exist diferen semnificativ ntre cheltuielile medii de ntreinere ale pensiunilor
turistice rurale de o margaret i ale celor de dou margarete).
3.
Dac n1 = 6 i n 2 = 4, ambele mai mici de 30, atunci se aplic testul t (testul t bilateral)
4.
Fiind
test
= 0,02 t
2
; n1 + n2 2
probabilitatea
de
98%
va
fi
evideniat
prin
= t 0,02;8 = 2,896
; n1 + n2 2
sau t c > t
2
; n1 + n2 2
H o se respinge, deci
se =
(6 1) 0,15 2 + (4 1) 0,44 2
= 0,29
6+42
s e = 0,0867 = 0,29
x1 x 2
tc =
1
1
+
n1 n2
se
4,5 4,84
1 1
+
0,29
6 4
= 1,82
Deoarece
t
2
; n1 + n2 2
; n1 + n 2 2
(2,896) ,
Rr
Rr
H 0 se respinge
t
2
; n1 +n2 2
H 0 se respinge
= 2,896
t c = 1,82
;n1 + n2 2
= 2,896
Se accept H 0
o
Figura 7. 7. Testarea ipotezei H 0 :
nu exist diferen semnificativ ntre cheltuielile medii de ntreinere ale celor dou
categorii de pensiuni
6. Concluzia (figura 7.7) este c nu exist diferen semnificativ ntre cheltuielile medii de
ntreinere ale pensiunilor turistice rurale de o margaret i cele ale pensiunilor de dou
margrete.
Lucrare de verificare 7A
Rspundei pe scurt la urmtoarele ntrebri:
1. Cum se testeaz ipoteza privind compararea mediei unui eantion de volum redus cu
media colectivitii generale?
108
2. Cum se testeaz ipoteza privind compararea mediilor a dou eantioane de volum redus?
3. Pentru o valoare de -1,71 a testului student (t) critic, schiai distribuia lui t i indicai
locul regiunii critice.
4. Pentru o valoare de 2,33 a testului (t) critic, schiai distribuia lui t i indicai locul
regiunii critice.
5. Pentru 1 = 95% i t calculat=0,40 specificai dac ipoteza nul este respins n cazul
testului unilateral stnga.
Test de autoevaluare 7B
1. n vederea verificrii greutii produselor dintr-un lot de piese se extrage aleator simplu i
repetat un eantion format din 25 piese. La nivelul eantionului observat se obine o
greutate medie de 340 g i o abatere standard de 10g. Se studiaz ipoteza potrivit creia
greutatea medie a unei piese din ntregul lot concord cu greutatea medie prevzut n
normele STAS, 0 = 330 g . (riscul asumat este = 0,05 ). Valoarea statistic a testului
(valoarea calculat) este:
a. 4
b. 5
c. 4,75
d. 5,25
2. n vederea verificrii greutii produselor dintr-un lot de piese se extrage aleator simplu i
repetat un eantion format din 25 piese. La nivelul eantionului observat se obine o
greutate medie de 340 g i o abatere standard de 10g. Se studiaz ipoteza potrivit creia
greutatea medie a unei piese din ntregul lot concord cu greutatea medie prevzut n
normele STAS, 0 = 330 g . (riscul asumat este = 0,05 ). Care sunt cele dou ipoteze
statistice?
a.
H 1 : > 0 (greutatea medie a unei piese din ntregul lot este mai mare
dect greutatea medie prevzut n normele STAS).
109
b.
H 1 : < 0 (greutatea medie a unei piese din ntregul lot este mai mic
dect greutatea medie prevzut n normele STAS).
c.
H 1 : < 0 (greutatea medie a unei piese din ntregul lot este mai mica
dect greutatea medie prevzut n normele STAS).
3. Patronul unei pensiuni turistice rurale, n vederea ridicri calitii activitilor desfurate,
dorete s-i analizeze mai atent cheltuielile i presupune c, n medie, cheltuiala zilnic
n perioada de sezon este de 400 UM pe turist. Testarea ipotezei presupune o selectare
aleatorie a 25 de zile, pentru care se nregistrez valorile (UM): 430, 280, 300, 250, 330,
280, 400, 410, 400, 380, 330, 350, 380, 280, 330, 390, 290, 380, 450, 370, 380, 330, 410,
390, 380. n urma testrii potezei conform creia, pentru o probabilitate de 95%, n medie
cheltuiala zilnic n perioada de sezon este mai mic de 400 UM pe turist, se poate trage
urmtoarea concluzie:
a. deoarece t c (4,13) < t ,n 1 (1,711) , rezult c ntre cheltuielile medii
comparate exist diferen semnificativ.
b. deoarece t c ( 3,50) < t , n 1 (1,711) , rezult c ntre cheltuielile medii
comparate exist diferen semnificativ.
c. deoarece t c (4,13) > t , n 1 (1,711) , rezult c ntre cheltuielile medii
comparate nu exist diferen semnificativ.
d. deoarece t c (4,13) t , n 1 (1,711) , rezult c ntre cheltuielile medii
comparate nu exist diferen semnificativ.
110
4. Se extrag aleator, simplu, repetat, dou eantioane, primul format din 8 persoane de sex
masculin, iar al doilea din 10 persoane de sex feminin. tiind c, probabilitatea luat n
considerare este de 99%, iar rezultatele prelucrrii datelor sunt urmtoarele:
Eantionul persoane de sex masculin
nF = 22 femei
x F = 26 ani
s F = 8 ani
n urma testrii ipotezei statistice potrivit creia vrsta medie a persoanelor de sex
masculin este mai mare dect a celor de sex feminine, valoarea calculate a testului este:
a. 1,82;
b. 2, 28;
c. -1,82;
d. -2,28.
5. ntr-o zon montan, ntre dou tipuri de pensiuni turistice rurale (1 margaret i 2
margarete), cu acelai numr de camere, se testeaz ipoteza conform creia nu exist
diferen semnificativ privind cheltuielile medii de ntreinere din sezonul turistic de
iarn. tiind c, probabilitatea luat n considerare este de 98%, testarea se realizeaz
pentru 6 pensiuni de 1 margaret i 4 uniti de 2 margarete de la care sunt preluate datele
privind cheltuielile de ntreinere din sezonul turistic de iarn i sunt prelucrate.
Caracteristicile eantioanelor din cele dou pensiuni sunt urmtoarele:
Pensiunea de 1 margaret
n1= 6
x1 = 4,5 mii UM
s1 = 0,15 mii UM
Pensiunea de 2 margarete
n2 = 4
x2 = 4,84 mii UM
s 2 = 0,44 mii UM
111
Noua metod
n 2 = 22
x 2 = 25,4 minute
s2 = 3,1 minute
Noua metod
n 2 = 22
x 2 = 25,4 minute
s2 = 3,1 minute
n urma testrii, cu o probabilitate de 95%, a ipotezei conform creia noua metod duce la
un consum de timp semnificativ mai mic, putem spune c:
Marca 2
n 2 = 12
x 2 = 52,73 UM
s2 = 6,4
113
Rezumat
Pentru testarea indicatorului medie, pentru eantioane mai mici de 30 de elemente se
utilizeaz testul Student (t).
Pentru testarea ipotezei privind media populaiei generale statistica testului este
n
tc =
x ip
s2
n
x ip
=
s
unde s = s 2 =
(x
x)2
i =1
n 1
x1 x 2
1
1
s e2 +
n1 n2
x1 x 2
=
se
1
1
+
n1 n 2
, unde s e =
(n1 1) s12 + (n 2 1) s 22
.
n1 + n2 2
114
Bibliografie
115
Unitatea de nvare 8
TESTAREA IPOTEZELOR PRIVIND DISPERSIILE POPULAIILOR
Cuprins
8.1
116
c2 =
(n 1) s 2
(5.1)
cruia se stabilete:
4.1. - testul unilateral stnga (figura 5.1):
Rr
H 0 se respinge
12 ; n1
1 ; n 1
2
117
i 2
2
;n 1
1 , n 1
2
sau c2 > 2
2
,n 1
, atunci H o se
Rr
Rr
H 0 se respinge
H 0 se respinge
1 ; n 1
2
; n 1
Rr
2 ; n 1 H 0 se respinge
Figura 5.3 Elementele teoretice ale testului 2 unilateral dreapta
5. Se calculeaz valoarea statistic a testului determinat cu relaia (5.1), iar valoarea obinut se
plaseaz pe grafic.
118
1 , n 1
2
, 2
2
, n 1
, 2 , n 1 conform
tipului testului aplicat i se stabilete dac rezultatul statistic al testului calculat c2 intr n
regiunea de respingere Rr , lundu-se decizia adecvat situaiei.
8.2
raportul acestora.
Aplicarea testului presupune urmtoarele:
S12 22
S 22 12
(5.2.)
S12
.
S 22
(5.3.)
bilateral,
unilateral dreapta.
Pentru testarea ipotezelor se utilizeaz F teoretic sau tabelar, n funcie de tipul testului
(unilateral stnga, dreapta sau bilateral), care poate avea una din formele:
- pentru testul unilateral stnga: F1 ; n1 1; n2 1 ,
- pentru testul bilateral: F
1 ; n1 1; n2 1
2
i F
2
; n1 1; n2 1
119
- limita de semnificaie
n1 -1= g1 = gradele de libertate pentru variabila aleatoare Y1
n 2 -1= g 2 = gradele de libertate pentru variabila aleatoare Y2
Graficele testului n funcie de tipul acestuia mbrac formele:
testul unilateral stnga (figura 5.4):
Rr
F1 ; n1 1; n2 1
H 0 se respinge
unilateral stnga
1 ; n1 1; n2 1
2
i F
2
; n1 1; n2 1
1 ; n1 1; n2 1
2
120
sau Fc > F
2
; n1 1; n2 1
atunci H o se
Rr
Rr
H 0 se respinge
H 0 se respinge
1 ; n1 1; n2 1
2
; n1 1; n2 1
F bilateral
adevrat ipoteza H 1 .
Rr
F ; n1 1; n2 1H 0 se respinge
unilateral dreapta
Exemplul 8.1.
Rezolvare:
Primele dou etape ce trebuiesc parcurse pentru testarea ipotezelor statistice prin
aplicarea testului 2 au fost prezentate n enunul problemei:
1. Ipoteza nul: 2=100
2. Ipoteza altenativ: H1: 2>100
3. Datele iniiale ne conduc la concluzia c se aplic testul 2 (se compar dispersiile).
4. Deoarece (1-)=95% =0,05, iar n=10 trebuiesc determinate elementele:
2 teoretic:
Regiunea de respingere (Rr) este:
, atunci H0 se respinge.
Rr
c2 = 15,42
02,05;9 = 16,92
H 0 se admite
6. Deoarece, c2 (15,42) < 2;n 1 (16,92) atunci H0 este adevrat, i anume, gradul de mprtiere
a valorilor eantionului privind cererea pentru un anumit produs nu difer semnificativ de
cel stabilit la ivelul colectivitii generale, care este 100.
122
Lucrare de verificare 8A
1. Cum se testeaz ipoteza privind compararea dispersiei eantionului cu dispersia
colectivitii generale?
2. Cum se testeaz ipoteza privind compararea dispersiei a dou colectiviti?
3. Care este relaia pentru calculul valorii statistice a testului privind compararea dispersiei
eantionului cu dispersia colectivitii generale?
4. Care este relaia pentru calculul valorii statistice a testului privind compararea dispersiei a
dou colectiviti?
5. Care sunt paii n construirea unui test statistic privind compararea dispersiei eantionului
cu dispersia colectivitii generale?
Test de autoevaluare 8B
1. Statistica testului calculat este:
a. c2 =
b. c2 =
c. c2 =
d. c2 =
n s2
2
(n 1) s 2
2
(n + 1) s 2
2
(n 1) s
2. Patronul unei pensiuni turistice rurale testeaz n 10 zile consumul zilnic de lapte (litri):
10, 8, 10, 9, 7, 11, 10, 12, 7, 10. Presupunnd c selecia se realizeaz dintr-o colectivitate
normal distribuit, pentru o probabilitate de 95% s se testeze ipotezele:
H 0 : 2 = 4 , respectiv H 1 : 2 > 4 .
; n 1
123
d. c2 > n21 .
3. Patronul unei pensiuni turistice rurale testeaz n 10 zile consumul zilnic de lapte (litri):
10, 8, 10, 9, 7, 11, 10, 12, 7, 10. Presupunnd c selecia se realizeaz dintr-o colectivitate
normal distribuit, pentru o probabilitate de 95% s se testeze ipotezele:
H 0 : 2 = 4 , respectiv H 1 : 2 > 4 .
Uniti de 3, 4, 5 stele
n 2 = 55
12 = 1,42 UM
22 = 0,43 UM
12
12
1
i
H
:
> 1;
1
22
22
124
b. H 0 :
12
12
=
1
i
H
:
< 1;
1
22
22
12
12
c. H 0 : 2 = 1 i H 1 : 2 1 ;
2
2
d. H 0 :
12
12
=
1
i
H
:
> 1.
1
22
22
Rezumat
Pentru testarea dispersiilor, este utilizat cu preponderen repartiia 2
Pentru testarea ipotezei privind dispersia populaiei generale statistica testului este
=
2
c
(n 1) s 2
125
Similar, pentru testarea ipotezei privind dispersiile a dou populaii, statistica testului este sau
Fc =
S12
S12 22
2
2
.
Dac
,
atunci
statistica
testului
calculat
devine
..
F
=
1
2
c
S 22
S 22 12
Testrile se efectueaz parcurgnd secvenial etapele prezentate n unitatea de nvare 5.
Bibliografie
Jaba E.
Mitru C., erban D
126
Unitatea de nvare 9
ANALIZ DISPERSIONAL (ANOVA)
Cuprins
Unitatea de nvare 9 ANALIZ DISPERSIONAL (ANOVA) ........................................... 127
Obiectivele Unitii de nvare 9 ........................................................................................... 127
9.1 Analiza dispersional unifactorial ................................................................................... 127
9.2 Analiza dispersional bifactorial ..................................................................................... 133
Lucrare de verificare 9A ......................................................................................................... 143
Test de autoevaluare 9B .......................................................................................................... 143
Rezumat ................................................................................................................................... 146
Bibliografie.............................................................................................................................. 146
9.1
analizei dispersionale, nainte sau dup utilizarea metodei de corelaie i regresie, oferind
posibilitatea verificrii afirmaiilor privind existena legturii, precum i testarea validitii
modelului de regresie.
Analiza dispersional include mai multe trepte de calcul n atingerea obiectivului urmrit,
ceea ce necesit clarificarea celor doi termeni specifici utilizai, dup cum urmeaz:
127
unifactorial
bifactorial
multifactorial
Modelul de baz al analizei dispersionale const n nsumarea a dou elemente
componente ce reprezint efectele unor cauze sistematice i ntmpltoare.
n cazul analizei dispersionale unifactoriale, cauzele sistematice sunt rezumate sub forma
unui singur factor cu aciune esenial.
Analiza dispersional, implicit cea unifactorial presupune utilizarea testului parametric
Prin ipoteza alternativ H 1 se presupune c, dac cel puin ntre dou medii de grup ale
eantioanelor comparate exist o diferen semnificativ, atunci factorul de grupare ( x ) are o
influen nsemnat asupra variabilei rezultative y .
128
y
y
yr
y2
y1=y2=
=yr
y1
o
x1
x2 ...... xr x
x1
H0
x2
..... xr x
H1
Serii simple
n cazul seriilor simple, datele statistice apar ntr-o tabel a crei form general este
dat n tabelul 5.1.
Grupe dup
factorul x
grupelor
(n)
x1
y11
y12
y13
...
y1 j
...
y1n1
n1
x2
y 21
y 22
y 23
...
y2 j
...
y 2n2
n2
...
...
...
...
...
...
...
...
...
xi
yi1
yi 2
yi3
...
y ij
...
y ini
ni
...
...
...
...
...
...
...
...
...
xr
y r1
yr 2
yr3
...
y rj
...
y inr
nr
129
ij
j =1
yi =
(9.1.)
ni
- media general ( y 0 )
r
ni
y0 =
yij
i =1 j =1
r
yn
i i
=
i
i =1
i =1
r
(9.2.)
i
i =1
Serii cu frecvene
Pentru seriile cu frecvene, datele statistice sunt prezentate pentru analiz ntr-o tabel
a crei form general este dat prin tabelul 5.2.
y1
y2
...
yj
...
y n1
Total
x1
n11
n12
...
n1 j
...
n1m
n1 = n1 j
x2
n21
n22
...
n2 j
...
n2 m
n2 = n2 j
...
...
...
...
...
...
...
xi
ni1
ni 2
...
n ij
...
n im
...
...
...
...
...
...
...
xr
nr 1
nr 2
...
nrj
...
n rm
j =1
m
j =1
ni = nij
j =1
Total
n1` = ni1
i =1
n2` = ni 2
...
i =1
n `j = nij
i =1
...
nm` = nim
i =1
nr = nrj
j =1
n = nij
i =1 j =1
Relaiile de calcul ale mediilor utilizate n acest caz, necesare n vederea aplicrii testului
F , sunt urmtoarele:
130
y n
j
yi =
ij
j =1
(9.3.)
ij
j =1
- media general ( y 0 )
m
y n
j
y0 =
yn
i
j =1
j =1
i =1
r
(9.4.)
i
i =1
Tipul
variantei
Factorial
(ntre
grupe)
Rezidual
(n
interiorul
grupelor)
Variana (S)
- suma ptratelorr
S1 = ( y i y 0 ) ni
2
i =1
ni
S 2 = ( y ij y i )
r
i =1 j =1
ni
S 0 = ( y ij y 0 )
r
Total
Gradele de
libertate (df)
i =1 j =1
S 0 = S1 + S 2
Dispersia
corectat
(S2)
- media
ptratelor-
df1 = r 1
S12 =
S1
df1
df 2 = n r
S 22 =
S2
df 2
Statistica
testului F
S12
Fc = 2
S2
df 0 = n 1
df 0 = df 1 + df 2
unde:
- S12 reprezint dispersie corectat sistematic :
131
S12
S 22
(9.5.)
S12 =
(y
S1
=
r 1
y 0 ) 2 ni
i =1
r 1
(9.6.)
n care:
r
S 1 = ( y i y 0 ) 2 ni
(9.7.)
i =1
decrementat cu 1.
- S 22 reprezint dispersie corectat rezidual :
r
S 22 =
S2
=
nr
ni
( y ij yi ) 2
i =1 j =1
nr
(9.8.)
n care:
r
ni
S 2 = ( yij yi ) 2
(9.9.)
i =1 j =1
132
rezultativ y .
2. - dac Fc > F , r 1, n r , atunci se respinge ipoteza nul H0, deci:
ipoteza alternativ ( H 1 ) este considerat adevrat;
exist diferene semnificative ntre mediile de grup comparate (exist diferene
rezultativ
9.2
efectelor cauzelor sistematice cu cele ale celor ntmpltoare, numai c, variaia sistematic este
explicat prin intermediul a doi factori cu influen semnificativ asupra variabilei rezultative.
Datele statistice care sunt supuse analizei dispersionale bifactoriale se pot reprezenta sub
forma dat n tabelul 5.4.
Tabelul 9.4. Forma tabelului cu distribuii pe niveluri, dup doi factori
F.II
F.I
F.I1
F.II1
...
x111
...
.
.
.
...
.
.
.
x11n
.
.
.
F.Ii
.
.
.
.
.
.
xi11
...
.
.
.
...
.
.
.
xi1n
.
F.IIj
x1 j1
.
.
.
x1 jn
.
.
.
xij1
.
.
.
xijn
133
...
...
.
.
.
...
.
.
.
...
.
.
.
...
.
F.IIq
x1q1
.
.
.
x1qn
.
.
.
xiq1
.
.
.
xiqn
.
.
.
.
.
.
.
x h11
...
.
.
.
...
.
.
.
F.Ih
x h1n
.
.
x hj1
.
.
.
x hjn
.
.
.
.
x hq1
...
.
.
.
...
.
.
.
x hqn
eantionul corespunztor grupei nivelului i al primului factor (F.I) i nivelului j al celui deal doilea factor (F.II)
Tipul variantei
Factorul 1 (F.I)
Factorul 1
(F.II)
Variana (S)
- suma
ptratelor
Gradele de
libertate (df)
S1
df1
Dispersia
corectat
(S2)
- media
ptratelor
S12
S2
df2
S 22
Statistica
testului F
FF .I =
FF .II
Factorial
Interaciunea
celor doi factori
Rezidual
Total
S1_2
df1_2
S3
S0
df3
df0
S12_ 2
S12
S 32
S 22
= 2
S3
FF .I _ FII =
S12_ 2
S 32
S 32
Aplicarea testului F , a crei form a tabelului ANOVA este prezentat n tabelul 9.5.,
presupune calcularea tuturor indicatorilor auxiliari, astfel:
134
Variana
Variana factorului F.I ( S1 )
S1 = qn ( xi* x )
(9.10.)
i =1
S 2 = hn (x* j x )
(9.11.)
j =1
(9.12.)
i =1 j =1
Variana rezidual ( S3 )
- se determin ca sum rezidual a ptratelor celor doi factori, stabilind variaia intern a
grupului;
- este indicator de comensurare a variaiei neexplicate a interaciunii ambilor factori;
- se calculeaz cu relaia:
2
S 3 = (xijk xij )
h
i =1 j =1 k =1
Variana total ( S0 )
135
(9.13.)
S 0 = S 1 + S 2 + S1 _ 2 + S 3
2
S 0 = (xijk x )
q
(9.14.)
i =1 j =1 k =1
Gradele de libertate
Gradele de libertate corespunztoare factorului F.I ( df1 )
df1 = h 1
(9.15.)
df 2 = q 1
(9.16.)
(9.17.)
df 3 = hq (n 1)
(9.18.)
df 0 = hqn 1
df 0 = df1 + df 2 + df12 + df 3
(9.19.)
Dispersia corectat
Dispersia corectat a factorului F.I ( S12 )
S12 =
S1
df1
(9.20.)
S 22 =
S2
df 2
(9.21.)
136
S1 _ 2
df1 _ 2
(9.22.)
S 32 =
S3
df 3
(9.23.)
nivelurilor factorilor se formeaz din ntreaga colectivitate; ntre respectivele date statistice
apar diferene sistematice datorate doar clasificrii dup cei doi factori; acest model include
elemente ca: x , i , j , ij i 2 care sunt mrimi fixe necunoscute;
model cu efecte ntmpltoare este un model n care datele statistice ale nivelurilor
factorilor se extrag aleatoriu dintr-o colectivitate supus cercetrii; abaterile ce se pot stabili
ntre datele statistice ale nivelurilor vor fi ntmpltoare; elementele incluse n model vor fi:
o i , j , ij - mrimi aleatorii cu dispersiile 2 , 2 , 2 , ,
o parametrii x , 2 , 2 , 2 , 2 , care nu sunt cunoscui;
model cu efecte mixte este modelul care cuprinde date statistice pe fiecare nivel al
factorilor implicai, ce s-au format astfel: dup un factor se extrag i se formeaz sistematic, iar
dup cellalt factor se obin aleatoriu; diferenele care apar ntre datele statistice la fiecare nivel
sunt de tip sistematic dup un factor i aleatoriu dup cellalt, n funcie de cum s-au format
respectivele date;
Presupunnd c primul factor este ntmpltor, atunci elementele specifice modelului
vor fi:
x i j - mrimi nealeatorii
i i ij - mrimi aleatorii
parametrii x , j , 2 , 2 , i 2 care nu sunt cunoscui
Exemplul 9.1.
Situaia privind tarifele practicate pentru 25 de pensiuni n perioada de sezon din 2008
situate n mediul rural sau urban, dintr-o regiune turistic este prezentat n tabelul 9.6.
S se verifice dac mediul unde este construit pensiunea influeneaz semnificativ
variaia ncasrilor, folosind testul F
138
Numr pensiuni
Rural
140, 138, 150, 142, 140, 140, 135, 148, 147, 135, 140, 138, 139, 145, 140
15
Urban
120, 141, 137, 152, 152, 148, 145, 145, 135, 145
10
Rezolvare:
Notaii:
x variabila factorial care formeaz grupele (mediul: rural i urban)
( 1 ) = 95 %
1.
Ipoteza nul H 0 : R = U
(valoarea medie a tarifelor practicate n mediul rural nu difer semnificativ de valoarea medie a
tarifelor practicate n mediul urban)
2.
Ipoteza alternativ H 1 : R U
(valoarea medie a tarifelor practicate n mediul rural difer semnificativ de valoarea medie a
tarifelor practicate n mediul urban)
3.
4.
Deoarece ( 1 )100=95, atunci, utiliznd valorile tabelate ale funciei F (Anexa 4),
pentru =0,05 rezult:
F , r 1, n r = F0, 05; 2 1; 251 = F0 , 05;1; 24 = 4,26
5.
10
yij
yR =
2117
=
= 141,13 lei
15
j =1
ni
y
yU =
j =1
ni
ij
1420
= 142 lei
10
yn
i
y0 =
i =1
2
141,13 15 + 142 10
= 141,48 lei
25
i =1
S12 =
139
i2 ( R2 , U2 )
(y
15
R2 =
S 22 =
yR )
ij
i =1
281,73
=
= 18,78 lei
15
U2 =
yU )
ij
i =1
822
= 82 lei
10
18,78 15 + 82 10 1101,7
=
= 47,9 lei
25 2
23
6.
(y
10
S12 4,54
=
= 0,09
S 32 47,9
Deoarece Fc (0,09) < F ;r 1;n r ( 4,26) , iar Fc nu intr n Rr , atunci H o este adevrat, deci
concluzia este c, valoarea medie a tarifelor practicate n mediul rural nu difer
semnificativ de cea a mediului urban.
Exemplul 9.1.
O agenie de turism realizeaz un nou pachet turistic pe care-l consider avantajos din
punct de vedere al raportului calitate-pre. Managerul ageniei trebuie s studieze dac exist
diferene semnificative ntre numrul pachetelor care s-ar vinde n medie zilnic n cele trei zone
turistice spre care-i ndreapt atenia (zona montan, balnear i de litoral).
n vederea stabilirii de ctre manager crei zone s se adreseze cu precdere pachetul
turistic, acesta declaneaz o campanie publicitar att n regiunea montan, n cea balnear ct
i n cea de litoral. Dup ncheierea campaniei publicitare, timp de o jumtate de lun (15 zile),
se deruleaz o cercetare cu privire la preferinele clienilor n ceea ce privete pachetul turistic ce
se dorete a fi lansat pe pia, rezultatele obinute fiind prezentate n tabelul 9.7.
18 16 17 17 16 16 18 19 19 17 10 16 15 16 18
16 16 15 18 14 13 13 11 11 11 15 10 15 10 10
10 8 10 11 8 7 10 12 12 11 10 8 9 9 10
Rezolvare:
Ipotezele statistice sunt: H 0 : 1 = 2 = 3
n funcie de datele aplicaiei i ipotezele stabilite, trebuie s se aplice ANOVA: Single Factor
(analiz de varian cu un singur factor) din EXCEL, parcurgnd etapele:
1-se introduc datele cu noiunile din capul de tabel, n primele trei coloane ncepnd cu A1,
B1, C1, pn la A16, B16, C16;
2- se selecteaz toate datele din coloane, inclusiv capul de tabel, de la A1 la C16
3- din meniu se selecteaz Tools i se parcurg paii: Data Analysis - ANOVA: Single Factor
4- n fereastra deschis:
OK
Count
15
15
15
Sum
248
198
145
Average
16,53333
13,2
9,666667
Variance
4,695238
6,742857
2,238095
SS
353,7333
191,4667
df
2
42
MS
176,8667
4,55873
F
38,79735
545,2
44
n SUMMARY avem:
count - numrul unitilor din fiecare populaie este 15 zile;
sum numrul total de pachete vndute
average numr mediu de pachete vndute zilnic
variance dispersia populaiilor
141
P-value
0,0000
F crit
3,219942
n ANOVA elementele sunt prezentate n tabelul 9.3 din cadrul subcapitolului 9.1 (mai
precis, la 5.2.1- analiza factorial unifactorial)
SS este variana (suma ptratelor, notat cu S n tabelul 5.3), obinut:
pe total: S 0 = 545,2 = S1 + S 2
pe
varianta
rezidual,
Within
Groups
(n
interiorul
grupelor):
df 2 = n r = (15 3) 3 = 42
pe total: df 0 = n 1 = 44 = df 1 + df 2
pe
varianta
factorial,
Between
S12 =
S1 353,7333
=
= 176,8667
2
df1
pe
varianta
S 22 =
S 2 191,4667
=
= 4,55873
42
df 2
rezidual,
Within
Groups
Groups
(n
(ntre
interiorul
grupe):
grupelor):
Testul F
S12 176,8667
Fc = 2 =
= 38,79735
4,55873
S2
P- value este pragul de semnificaie (0,0000)
F crit.- 3,219942 este valoarea teoretic sau tabelar a testului Fisher
Lucrare de verificare 9A
Rspundei pe scurt la urmtoarele ntrebri:
1. Cnd se recomand utilizarea metodei de analiz dispersional?
Test de autoevaluare 9B
1. Pentru 20 de magazine situate n zona central, semicentrala i periferic a unui ora, se
cunosc valorile vnzrilor (mil. RON):
Zona
Central
Semicentrala
Periferic
Nr. magazine
9
5
6
143
2. Managerul unei fabrici de pine dorete nlocuirea unor utilaje aflate n dotare. n vederea
fundamentrii acestei decizii, managerul solicit o analiz a vechimii utilajelor i a
costului de ntreinere anual al acestora. Astfel, utilajele din dotarea fabricii, n numr de
20, au fost grupate dup vechime (ani) n 3 grupe: utilaje cu vechime mic (<5 ani), utilaje
cu vechime medie (5-10 ani) i utilaje cu vechime mare (>10 ani) i s-a nregistrat costul
de ntreinere al acestora (u.m.). n urma aplicrii metodei ANOVA de analiz
dispersional, i a prelucrrii datelor cu Excel, s-au obinut urmtoarele rezultate:
ANOVA
Source of Variation
Between Groups
Within Groups
Total
SS
6.792595238
.
df
16.6295
19
MS
.
0.578641
F
.
P-value
F crit
0.01153 3.591531
a. Statistica F este 3,59, gradele de libertate df1 pentru varianta factorial este 1
i dispersia corectat pentru varianta factorial este 6,79;
b. Statistica F este 5,87, gradele de libertate df1 pentru varianta factorial este 2
i dispersia corectat pentru varianta factorial este 3,40;
c. Statistica F este 5,87, gradele de libertate df1 pentru varianta factorial este 1
i dispersia corectat pentru varianta factorial este 3,40;
d. Statistica F este 3,40, gradele de libertate df1 pentru varianta factorial este 3
i dispersia corectat pentru varianta factorial este 5,87.
3. Conducerea unei faculti dorete s determine dac existena unei platform de e-learning
ajut studenii s nvee. Pentru aceasta se formeaz 2 grupe de studiu: studenii din
Grupul A nu beneficiaz de platform e-learning la pregtirea cursurilor, studenii din
Grupul B beneficiaz de pregtire suplimentar prin utilizarea platformei de e-learning.
Dup prima sesiune de examene, studenii primesc notele obinute. Mediile studeniilor
dup prima sesiune sunt prezentate n tabelul urmtor:
Grupele de studeni
Grupul A
Grupul B
Mediile obinute
6,5; 8; 7; 9; 5,5; 6; 8; 6,5; 7; 7,5
8; 7,5; 9,5; 10; 8;7,5; 6,5; 7,5; 8; 9,5
144
Vnzrile obinute
27; 22; 21; 25; 24
15; 13; 14; 20;19
145
Rezumat
n studiul legturilor dintre fenomenele i procesele economice o metod deosebit de util
este analiza dispersional, aceasta oferind posibilitatea verificrii afirmaiilor privind existena
legturii, precum i testarea validitii modelului de regresie. n funcie de numrul factorilor,
analiza dispersional poate fi unifactorial, bifactorial sau multifactorial.
Analiza dispersional, presupune utilizarea testului parametric ANOVA, care se bazeaz
pe urmtoarele considerente: populaiile din care se extrag k eantioane trebuie s fie
normal distribuite, - dispersiile populaiilor trebuie s fie egale ( 12 = 22 = 32 = ... = k2 = ), eantioanele selectate trebuie s fie independente. Nendeplinirea celei de-a doua reguli
transform testul parametric ntr-unul neparametric cunoscut sub denumirea de testul lui Kruskal
Wallis, care const n compararea tendinei centrale a dou sau mai multe eantioane
independente.
Ipoteza nul ( H 0 ) este presupunerea conform creia mediile de grup ale fiecrui
eantion nu difer semnificativ, deci factorul esenial nu are o influen relevant asupra
variabilei rezultative. H 0 : 1 = 2 = 3 = ... = k
Prin ipoteza alternativ H 1 se presupune c, cel puin ntre dou medii de grup ale
eantioanelor comparate exist o diferen semnificativ, i n consecin, factorul de grupare ( x )
are o influen nsemnat asupra variabilei rezultative y .
n procesul testrii ipotezei nule ( H 0 ) se utilizeaz tabelul ANOVA. Pentru testare este
utilizat este Fisher (F).
Bibliografie
Gogonea R.M., Zaharia
M.
146
Unitatea de nvare 10
DETERMINAREA I TESTAREA CORELAIILOR LINIARE DINTRE
VARIABILELE ECONOMICE
Cuprins
Obiectivele Unitii de nvare 10 ......................................................................................... 147
10.1 Corelaia liniar simpl ................................................................................................ 147
10.2 Corelaia multipl ......................................................................................................... 152
Lucrare de verificare 10A ....................................................................................................... 155
Test de autoevaluare 10B ........................................................................................................ 156
Rezumat ................................................................................................................................... 158
Bibliografie.............................................................................................................................. 158
r=
(x
x )( y i y )
i =1
cov( x; y )
n x y
xy
x y
x y
(10.1)
(x
x )( y i y )
i =1
r=
(10.2)
n
n
2
2
(x i x ) ( y i y )
i =1
i =1
respectiv:
n
n
r=
xi y i
i =1
y
xi
i =1
i =1
(10.3)
2
2
n
n
n 2 n
2
xi xi y i
y i
i =1
i =1
i =1
i =1
r=
(x
x )( y i y )n xy
i =1
(10.4)
xy
x y
i =1
n xyn xn yn
xy
i =1 j =1
i =1
n x n
2
xy
n =1
i =1
xy
i =1 i =1
n
xnx
i =1
i =1
i =1
(10.5)
xy
i =1
n
yn y
i =1
2
n y n
i =1
i =1
Dac acest coeficient de corelaie se determin la nivelul unui eantion, atunci relaia
(6.4) pentru o serie bidimensional simpl devine:
148
r=
cov( x, y )
sx s y
sau
r=
s xy
sx s y
(10.6)
ambelor variabile xy
Valorile indicatorului prezentat trebuie s se ncadreze n intervalul [ 1 ; 1] .
Semnul coeficientului de corelaie depinde numai de numrtorul relaiei de calcul i
reflect direcia legturii, astfel:
dac r > 0 , atunci legtura dintre variabila factorial x i cea rezultativ y este
direct (creterea factorialei x determin o cretere a rezultativei y sau scderea
lui x conduce la o scdere a lui y ).
Valorile coeficientului de corelaie stabilesc gradul de intensitate a legturii valorilor
coeficientului de corelaie sunt prezentate n tabelul 10.1.
r ( 0,5 ; 0,2)
r ( 0,75 ; 0,5)
r ( 0,95 ; 0,75)
r ( 1 ; 0,95)
r = 1
invers slab
invers de intensitate
medie
invers puternic
Invers foarte puternic
Invers perfect
149
r (0,2 ; 0,5)
r (0,5 ; 0,75)
r (0,75 ; 0,95)
r (0,95 ; 1)
r =1
direct slab
direct de intensitate
medie
direct puternic
direct foarte puternic
direct perfect
(X
n
cov( X , Y )
x y
xy
=
=
x y
X )(Yi Y )
i =1
[(X
][
X ) (Yi Y )
2
(10.7)
estimatorul coeficientului de corelaie (r), n condiiile unui eantion de volum redus ( n < 30 )
se prezint ca un estimator:
1 r2
n2
1 r 2
( Student)
grafic.
regiunea de respingere Rr : dac t c < t ; n 2 , atunci H o se respinge, deci
; n2
plaseaz pe grafic.
; n2
sau t c > t
2
; n2
atunci H o deci
5.
tc =
1 r2
n2
(10.8)
; n2
, t
2
; n2
, t ; n 2 i se stabilete
dac rezultatul statistic al testului calculat t c intr sau nu, n regiunea de respingere Rr ,
lundu-se decizia adecvat situaiei.
13
Vezi Capitolul II Distribuii utilizate n analize econometrice, Subcapitolul 2.3.. Distribuii clasice n
verificarea ipotezelor statistice, n 2.3.3. Repartiia Student
151
r2
(n 2 )
1 r2
(10.9)
Pentru comparaie, valoarea tabelar (teoretic) a testului se preia tot din Anexa 4, pentru:
F1 ;k ;n k 1 , F
1 ; k ; n k 1
2
, F
2
; k ; n k 1
F ;k ;n k 1 .
(y
n
R y / x1, , x2 ,..., xn = 1
i =1
y x1 , x2 ,..., xn
(y
y)
(10.10)
2
i =1
(y
n
R y / x1x2 ,... xn = 1
i =1
2
y x1 , x2 ,... xn n x1, 2 , 3,..., n
n
(y
y) ny
(10.11)
i =1
152
R y / x1 , x2 = ry / x1 , x2 =
1 rx21x2
(10.12)
(10.13)
ry / x1 =
ry / x 2 =
i =1
i =1
n x1i yi x1i y i
i =1
n 2 n
x1i x1i
i =1
i =1
2
n 2 n
y
y
i i
i =1
i =1
i =1
i =1
i =1
n x 2 i y i x 2i y i
2
2
n 2 n
n
n
x 2i x 2i yi2 yi
i =1
i =1
i =1
i =1
n
rx1x2 =
(10.14)
(10.15)
n x1i x 2 i x1i x 2 i
i =1
i =1
x12i x1i
i =1
i =1
n
i =1
2
n
2
x
x
2 i
2i
i =1
i =1
(10.16)
parial.
Corelaia parial se stabilete n raport cu valorile coeficientului de corelaie multipl, iar
coeficienii de corelaie pariali formai se determin astfel:
153
y2 / x x2 x
2
1 2
y2 / x
= 1
x2 x
1 2
y2 / x
(10.19)
sau
ry / x1 ( x2 ) =
ry / x1 ry / x2 rx1x2
(10.20)
(1 r )(1 r )
2
y / x2
2
x1 x2
y2 / x x2 x
1
1 2
2
y / x1
= 1
x2 x
1 2
2
y / x1
(10.21)
sau
ry / x2 ( x1 ) =
ry / x2 ry / x1 rx1x2
(1 r )(1 r )
2
y / x1
2
x1 x2
(10.22)
tc =
r
1 r2
n2
r2
(n 2 )
1 r2
Decizia final are n vedere o comparare a valorii determinate pentru t c sau Fc cu una
din valorile - t ;n 2 , - t
2
;n 2
, t
2
;n 2
, t ;n 2 sau F1 ;k ;n k 1 , F
1 ; k ; n k 1
2
, F
2
; k ; n k 1
F ;k ;n k 1 stabilindu-
se dac rezultatul statistic al testului calculat t c , respectiv Fc intr sau nu, n regiunea de
respingere Rr , lundu-se decizia adecvat situaiei (dac valoarea calculat intr n regiunea de
respingere atunci ipoteza nul se respinge, iar coeficientul este considerat semnificativ statistic)
Esena utilizri coeficienilor de corelaie simpli, multipli sau pariali n cadrul modelelor
econometrice const n stabilirea gradului n care valorile determinate prin aplicarea
metodologiilor de calcul adecvate, sunt reale sau se datoreaz n cea mai mare parte erorilor
ntmpltoare de sondaj.
b. ry/x
c. ry/x
d. ry/x
e. ry/x
f. ry/x
A: a, b, c, d, e; B: a, c, d, f; C: a, b, c, e, f; D: b, c, d, e.
156
Profitul
Capacit de producie
9
12
11
14
12
11
14
16
1800
1900
1500
1700
2100
2500
1900
2200
2600
2000
400
450
450
600
800
700
500
600
700
500
19
11
17
15
14
12
11
17
12
16
Rezumat
Pentru determinarea corelaiilor dintre dou sau mai multe variabile economice un
indicator foarte des utilizat este coeficientul de corelaie liniar (r). n cazul corelaiei liniare
n
xi y i
i =1
y
xi
i =1
i =1
2
2
n
n 2 n
n
2
xi xi y i
y i
i =1
i =1
i =1
i =1
Valorile lui r [ 1;1] i indic direcia i intensitatea legturii dintre cele dou variabile.
Coeficientul de corelaie multipl n cazul n care variabila rezultativ este influenat de
doi factori are forma ry / x1 , x2 =
Fc =
r
1 r2
r2
(n 2) . Testrile se efectueaz parcurgnd secvenial etapele prezentate n unitatea
1 r2
de nvare 5.
Bibliografie
Gogonea R.M., Zaharia
M.
158
Unitatea de nvare 11
MODELUL DE REGRESIE LINIAR UNIFACTORIAL
Bibliografie
Unitatea de nvare 11 Modelul de regresie liniar unifactorial ............................................. 159
Obiectivele Unitii de nvare 11 ......................................................................................... 159
11.1
11.2
Termenul provine din latinescul regresia s-a conturat pe baza rezultatelor observrii i analizei
orientate spre ntoarcerea spre medie.
159
este rezultativ (dependent), iar cealalt sau celelalte sunt explicative (apar sub forma factorilor
eseniali de influen).
Metoda regresiei este fundamentat pe msurarea i previzionarea influenei pe care unul
sau mai muli factori o poate avea asupra evoluiei unui fenomen sau proces economic.
Deoarece, n cadrul metodei apar valori perechi de variabile utilizate i parametri
corespunztori acestora sub forma mediilor, dispersiilor, abaterilor standard, etc, ea reprezint o
component a metodelor parametrice de msurare i analiz a legturilor formate n cadrul
derulrii unor procese sau fenomene economice.
Elementul fundamental n cadrul metodei regresiei l reprezint funcia de regresie.
Definiia 6.1. Numim funcie de regresie acea funcie care sintetizeaz forma dependenei
puterea nti. n cazul regresiei statistice, reprezentarea grefic a unui astfel de model se
rezum la o linie dreapt cresctoare sau descresctoare care strbate mijlocul norului de
puncte urmnd sensul alungirii acestuia; liniaritatea este dat de ecuaia:
y = a 0 + a1 x
n cazul unifactorial respectiv,
160
(11.1)
y = a 0 + a1 x1 + ... + a K x K
(11.2)
n cazul multifactorial.
(11.3)
y = a 0 + a1 (1 / x) etc.
neliniar n raport cu parametrii dar liniar n raport cu variabilele, caz n care cel
puin un parametru este la o putere diferit de puterea nti, precum:
y = a + a 2 x , y = a x etc.
(11.4)
y = a 2 x + a x 2 etc.
(11.5)
2.
s fie n numr suficient de mare (mai mare dect numrul parametilor astimai).
este nestocastic;
3.
Modelul de regresie
liniar
cuprinderea celor mai importani factori verificat printr-o valoare destul de mare
a coeficienilor de determinaie ( R 2 ).
y
M (Y | X = X i ) = + X i
erori
pozitive
erori
negative
x1
x2
x3
Variabila rezidual ( i )
M ( i ) = 0 , unde i ~ N (0, 2 )
cuprinde o mprtiere egal (figura 6.1) pentru diferite segmente de valori xi ceea
ce reprezint ipoteza de homoscedasticitate:
Var ( i ) = 2 constant ( i )
16
Voineagu V., ian E., erban R., Ghi S., Todose D., Boboc C., Pele D., Teorie i practic econometric,
Editura Meteor Press, Bucureti 2007, pag. 170
162
Varianta 1:
17
Vezi Capitolul VII Modelul regresiei liniare, subcapitolul 7.1.1. Stabilirea i aplicarea modelului unifactorial
de regresie liniar
163
i =1
r=
x x y
i =1
i =1
, care conduce la
i =1
xi
xi2
i =1
i =1
yi
i =1
i =1
2
i
i =1
relaia:
n
r=
n xi y i xi y i
i =1
i =1
xi2 xi
i =1
i =1
n
i =1
2
n
2
y
y
i
i
i =1
i =1
(11.6)
Varianta 2:
Din relaiile r =
s xy
sx s y
i b =
s xy
s x2
rezult c:
r = b
sx
sy
(11.7)
la nivelul eantionului: y = f ( xi )
pentru eantion:
Yi = + xi
y i = a + b xi
= 0,5
0,5
1
y = 1 + 0,5 x
=1
1
Yi = + xi + i
(11.8)
165
Yi = Yi + i
(11.9)
unde Yi = + xi .
Interpretarea parametrilor i este dat de reprezentarea grafic (figura 11.8) astfel:
(11.10)
yi = y i + ei
(11.11)
n care y i = a + b xi
Parametrii a i b sunt estimatori ai punctului de intercepie , respectiv ai pantei liniei
de regresie .
Dac se dorete o analiz a elementului rezidual sub forma erorilor, atunci se poate stabili
nivelul acestuia dup cum urmeaz:
i = Yi i
(11.12)
pentru eantion
ei = yi y i
(11.13)
Estimarea parametrilor (a, b ) se poate realiza prin aplicarea unei metode statisticomatematice, cum ar fi: metoda celor mai mici ptrate, metodele bayesiene, metoda verosimilitii
maxime.
Alegerea metodei celei mai fidele i adecvate situaiei n care se prezint procesul studiat,
precum i obinerea unei caliti ridicate a estimatorilor necesit respectarea urmtoarelor
criterii18:
abaterile stabilite ntre valorile empirice ( yi ) i cele teoretice obinute prin ajustare
( y i ) s fie ct mai reduse, a..
(y
2
y i ) = minim;
n general practica a demonstrat c metoda cea mai fidel i utilizat este metoda celor
mai mici ptrate. Denumirea metodei evideniaz principalele ei caracteristici: suma ptratelor
abaterilor valorilor empirice de la cele teoretice s fie minim.
n
min
(y
y i ) 2 = min
i =1
(y
a bxi ) 2
i =1
S
a = 0
S = 0
b
n
2 ( y i a bxi )(1) = 0
i =n1
2 ( y a bx )( x ) = 0
i
i
i
i =1
n
2 ( a + bxi y i ) = 0
i =1
n
2 ( ax + bx 2 x y ) = 0
i
i
i i
i =1
n
n
n
xi
yi = 0
a+
i =1
i =1
i =1
n
n
n
a x + b x 2
xi y i = 0
i
i
i =1
i =1
i =1
18
Pecican E. ., Econometrie pentru... economiti, Editura economic, Bucureti 2007, pag. 64.
167
(11.14)
n
n
na
b
x
yi
+
=
i =1
i =1
n
n
n
a xi + b xi2 = xi y i
i =1
i =1
i =1
(11.15)
i =1
n
a=
xi y i
a
=
i =1
i =1
2
i
i =1
, de unde rezult:
i =1
xi
i =1
2
i
i =1
a=
i =1
i =1
i =1
i =1
2
yi xi2 xi xi yi
n x 2i xi
i =1
i =1
n
(11.16)
respectiv
n
i =1
b= b =
xi
x y
i
i =1
i =1
i =1
x
i =1
2
i
i =1
b=
i =1
i =1
i =1
2
n xi y i xi y i
n
n x xi
i =1
i =1
n
(11.17)
2
i
Parametrul estimator a :
- valoarea pozitiv ( a > 0 ) sau negativ ( a < 0 ) nu are nici o relevan n modelul
regresiei.
Parametrul estimator b :
Exemplul 11.1.
n cadrul unui proiect este inclus o cercetare care necesit studierea unui
eantion format din 15 supermarket-uri. Studiul care trebuie realizat vizeaz analiza legturii
care se stabilete ntre salariul mediu acordat salariailor i profitul nregistrat de respectivele
supermarket-uri, pe baza datelor din tabelul 6.2.
Tabelul 6.2. Profitul i salariul mediu la 15 supermarket-uri
Profit
(mil. lei)
Salariul
mediu
(mii lei)
32 22
11
10
12
12
11
18
30
40
15
25
24
35
21
35
27
20
36
33
Se cere:
1
Rezolvare:
1. Stabilirea direciei i intensitii legturii presupune determinarea coeficientul de corelaie
simpl liniar.
Se identific cele dou variabile:
170
r=
(x
x )( y i y )
i =1
n
n
2
2
( xi x ) ( y i y )
i =1
i =1
279,53
118 763,49
0,93
(11.18)
Salariul mediu
(mii lei)
xi
yi
8
6
4
9
11
4
7
8
10
4
12
9
5
12
11
32
22
18
30
40
15
25
24
35
21
35
27
20
36
33
i =1
= 120
( xi x )2
( y i y )2
0
11,06
38,12
2,47
37,41
50,12
2,53
0
14,94
26,12
29,88
- 0,53
22,59
33,88
10,94
0
4
16
1
9
16
1
0
4
16
16
1
9
16
9
19,9809
30,5809
90,8209
6,1009
155,5009
157,0009
6,4009
12,4609
55,8009
42,6409
7,4700
0,2809
56,7009
71,7409
29,9209
15
15
(xi x )( yi y )
i =1
= 413
(xi x )( yi y )
i =1
= 279,53
15
2
( xi x )
i =1
= 118
171
15
(y
y)
i =1
= 763,49
1.
2. Ipoteza alternativ
de semnificaie
tabelar sau
H o se respinge, deci coeficientul de corelaie este semnificativ mai mare dect zero.
5. Statistica testului:
tc =
r
1 r2
n2 =
0,93
1 0,93 2
15 2 = 9,13
1.
2. Ipoteza alternativ
172
4. Se stabilete limita de semnificaie = 0,05 , de unde testul F tabelar sau teoretic este
Fc = F ;k ;n k 1 = F0 , 05;1;15 2 = F0 , 05;1;13 = 4,67 i regiunea de respingere Rr : dac Fc > F ;1;n 2 ,
atunci H o se respinge, deci coeficientul de corelaie este semnificativ mai mare dect zero.
5. Statistica testului:
Fc =
r2
0,932
(
)
2
=
(15 2) = 83,23
1 r2
1 0,932
6. Concluzia se stabilete n funcie de relaia: Fc > F ;1;n 2 ( 83,23 > 4,67 ), deci H o se respinge,
prin urmare coeficientul de corelaie este semnificativ statistic (fiind semnificativ mai mare
dect zero).
Exemplul 11.2.
Managerul unei structuri de primire turistic dorete s stabileasc, pe baza
unui model econometric, gradul de dependen a valorii ncasrilor de numrul de turiti i
durata medie a sejurului. Datele nregistrate de acesta sunt cele din tabelul (6.4).
Tabelul 11.4. Valoarea ncasrilor pentru diverse durate ale sejurului i numrul de turiti la nivelul
unei pensiuni
7,4
6,7
6,0
6,3
6,8
7,9
10,5
8,8
8,4
6,3
5,9
9,5
5,0
2,4
1,8
1,7
1,2
1,6
4,7
3,9
3,0
1,1
2,0
5,1
4,5
3,5
4,0
4,5
5,0
5,5
6,0
6,5
5,0
4,0
4,0
4,5
Se cere:
1. S se stabileasc direcia i intensitatea legturilor dintre valoarea ncasrilor,
numrul turitilor i durata medie a sejurului.
2. Testai semnificaia coeficienilor de corelaie determinai
Rezolvare:
1. Stabilirea direciei i intensitii legturilor dintre valoarea ncasrilor, numrul
turitilor i durata medie a sejurului.
Relaia de dependen stabilit ntre caracteristici este:
173
Valoarea
ncasrilor
(UM)
x1i
x1i yi
x1i
yi
yi
5,0
7,4
37,00
25,00
54,76
2,4
6,7
16,08
5,76
44,89
1,8
6,0
10,80
3,24
36,00
1,7
6,3
10,71
2,89
39,69
1,2
6,8
8,16
1,44
46,24
1,6
7,9
12,64
2,56
62,41
4,7
10,5
49,35
22,09
110,25
3,9
8,8
34,32
15,21
77,44
3,0
8,4
25,20
9,00
70,56
1,1
6,3
6,93
1,21
39,69
2,0
5,9
11,80
4,00
34,81
5,1
9,5
48,45
26,01
90,25
12
12
x1i
yi
= 33,5
= 90,5
i =1
i =1
12
12
1i y i
1i
i =1
i =1
= 271,44
174
= 118,41
12
2
i
i =1
= 706,99
i =1
ry / x1 =
i =1
x12i x1i
i =1
i =1
n
ry / x1 =
n x1i yi x1i y i
n
i =1
2
n
2
y
y
i i
i =1
i =1
n
= 0,76
Valoarea
ncasrilor
(UM)
yi
x 2i y i
x 2i
7,4
6,7
6,0
6,3
6,8
7,9
10,5
8,8
8,4
6,3
5,9
9,5
33,30
23,45
24,00
28,35
34,00
43,45
63,00
57,20
42,00
25,20
23,60
42,75
20,25
12,25
16,00
20,25
25,00
30,25
36,00
42,25
25,00
16,00
16,00
20,25
12
12
12
2i
i =1
i =1
n x 2 i y i x 2i y i
i =1
i =1
= 440,30
= 90,50
ry / x 2 =
x 2i
i =1
i =1
i =1
= 57,00
12
x 2i y i
yi
2
n 2 n
n 2 n
x 2 i x 2i y i y i
i =1
i =1
i =1
i =1
2
175
= 279,50
yi
54,76
44,89
36,00
39,69
46,24
62,41
110,25
77,44
70,50
39,69
34,81
90,25
12
2
i
i =1
= 706,93
r y / x2 =
12 440,30 57 90,50
legturi de intensitate medie stabilit ntre durata medie a sejurului i valoarea ncasrilor.
Se verifica dac exist interdependen ntre variabilele factoriale x1 (numrul turitilor)
i x2 (durata medie a sejurului). (tabelul 11.7)
Tabelul 11.7. Tabelul cu algoritmul de calcul pentru coeficientul de corelaie ( rx1 ,x2 )
Numr
turiti
(mii)
x1i
Durata
medie a
sejurului
(zile)
4,5
3,5
4,0
4,5
5,0
5,5
6,0
6,5
5,0
4,0
4,0
4,5
= 33,50
= 57,00
i =1
22,50
8,40
7,20
7,65
6,00
8,80
28,2
25,35
15,00
4,40
8,00
22,95
25,00
5,76
3,24
2,89
1,44
2,56
22,09
15,21
9,00
1,21
4,00
26,01
12
12
1i
x1i
2i
i =1
12
x1i x2i
x1i
i =1
rx1x2 =
i =1
= 164,45
20,25
12,25
16,00
20,25
25,00
30,25
36,00
42,25
25,00
16,00
16,00
20,25
12
2
2i
i =1
= 118,41
rx1x2 =
x2i
x 2i
5,0
2,4
1,8
1,7
1,2
1,6
4,7
3,9
3,0
1,1
2,0
5,1
12
x1i x 2i
i =1
i =1
= 279,50
n x1i x 2 i x1i x 2 i
i =1
2
n 2 n
n 2 n
x1i x1i x 2 i x 2 i
i =1 i =1
i =1
i =1
2
unei independene ntre cei doi factori care influeneaz valoarea ncasrilor i se determin
coeficientului de corelaie liniar multipl.
nlocuim valorile coeficienilor de corelaie determinai i rezult:
176
R y / x1 , x2 = ry / x1 , x2 =
Coeficientul de corelaie liniar multipl obinut indic existena unei legturi puternice
ntre valoarea ncasrilor i cei doi factori principali de influen (numrul turitilor i durata
medie a sejurului).
Studierea legturii dintre caracteristicile factoriale (numrul turitilor i durata medie a
sejurului) i cea rezultativ (valoarea ncasrilor), prin utilizarea coeficienilor de corelaie
pariali, presupune stabilirea gradul de influen a fiecrei variabile factoriale n parte, asupra
celei rezultative, n condiiile meninerii constante a influenei celeilalte variabile factoriale.
Astfel, rezult:
ry / x1 ( x2 ) =
ry / x1 ry / x2 rx1x2
(1 r )(1 r )
2
y / x2
2
x1 x2
(1 0,71 ) (1 0,36 )
2
0,77
ry / x2 ( x1 ) =
ry / x2 ry / x1 rx1x2
(1 r )(1 r )
2
y / x1
2
x1 x2
(1 0,76 ) (1 0,36 )
2
0,72
O influen de intensitate medie, dar destul de apropiat de cea puternic este remarcat
i n cazul duratei medii a sejurului asupra valorii ncasrilor, n condiiile n care numrul mediu
al turitilor s-a meninut constant, fapt confirmat prin valoarea coeficientului de corelaie:
ry / x2 ( x1 ) = 0,72 , deoarece ry / x2 ( x1 ) (0,5 ; 0,75) .
1.
2. Ipoteza alternativ
de semnificaie
tabelar sau
H o se respinge, deci coeficientul de corelaie este semnificativ mai mare dect zero.
t c ry / x1 , x2 =
1 r
n2 =
0,89
1 0,89 2
12 2 = 6,17
t c ry / x1 ( x2 ) =
r
1 r
0,77
n2 =
1 0,77 2
12 2 = 3,81
t c ry / x2 ( x1 ) =
r
1 r
n2 =
0,72
1 0,72 2
12 2 = 3,28
factoriala
x2
constant :
coeficient de corelaie parial este semnificativ statistic (fiind semnificativ mai mare
dect zero).
pentru
coeficientul de
corelaie parial,
178
cu
factoriala
x1
constant
coeficient de corelaie parial este semnificativ statistic (fiind semnificativ mai mare
dect zero).
1.
2. Ipoteza alternativ
atunci H o se respinge, deci coeficientul de corelaie este semnificativ mai mare dect zero.
F ry / x1 , x2 =
F ry / x1 ( x2 ) =
r2
0,89 2
(
)
2
=
(12 2) = 38,10
1 r2
1 0,89 2
r2
0,77 2
(
)
2
=
(12 2) = 14,56
1 r2
1 0,77 2
F ry / x2 ( x1 ) =
r2
0,72 2
(
)
2
=
(12 2) = 10,76
1 r2
1 0,72 2
pentru coeficientul de corelaie multipl: F (ry / x1 , x2 ) = 38,10 > 4,96 = F ;1;n 2 , deci
179
factoriala
x2
constant
: F (ry / x1 ( x2 ) ) = 14,56 > 4,96 = F ;1;n 2 , deci H o se respinge, prin urmare acest
coeficient de corelaie parial este semnificativ statistic (fiind semnificativ mai mare
dect zero).
pentru
coeficientul de
corelaie parial,
cu
factoriala
x1
constant
180
1,3
1,7
3,0
3,0
1,8
2,0
1,2
3,2
3,8
1,3
1,0
1,3
2,7
2,2
1,1
1,0
2,0
2,5
3,2
1,0
1,6
2,5
1,7
2,6
181
1,9
2,7
2,05
2,7
2,27
2,8
Suprafaa locuit
Preul
1,7
2,6
1,9
2,7
2,05
2,7
2,27
2,8
X (Nr absente)
Y (Nota)
8
4
3
8
0
10
182
5
6
2
8
4
7
1
9
3
9
5
5
1
10
X (Nr absente)
Y (Nota)
8
4
3
8
0
10
5
6
2
8
4
7
1
9
3
9
5
5
1
10
X (CHELTUIELI CU
PUBLICITATEA)
Y (PROFIT)
35
36
34
32
27
28
29
28
26
27
Rezumat
Metoda regresiei este fundamentat pe msurarea i previzionarea influenei pe care unul
sau mai muli factori o poate avea asupra evoluiei unui fenomen sau proces economic. n cazul
modelului liniar unifactorial numrul factorilor este egal cu 1. Deoarece, n cadrul metodei apar
valori perechi de variabile utilizate i parametri corespunztori acestora sub forma mediilor,
183
Bibliografie
Gogonea R.M., Zaharia
M.
184
Test de autoevaluare 1B
10. c.
1. a;
2. A: a+b+c;
Test de autoevaluare 4B
3. a;
1. c;
4. b;
2. c;
5. b;
3. a;
6. d;
4. a;
7. c;
5. b;
8. b;
6. c;
9. a;
7. c;
10. a.
8. a;
9. d;
Test de autoevaluare 2B
10. a.
1. b;
2. b;
Test de autoevaluare 5B
3. c;
1. a;
4. b;
2. a;
5. d.
3. a;
4. b;
Test de autoevaluare 3B
1. d;
5. a;
2. a;
6. A;
3. c;
7. b;
4. b;
8. d;
5. b;
9. c;
6. a;
10. b.
7. b;
8. a;
185
2. b
3. c
Test de autoevaluare 6B
4. d
1. a;
2. a;
3. b;
1. d
4. b;
2. a
5. d;
3. C
6. b;
4. b
7. b;
5. c
8. c;
6. b
9. b;
10. a.
Test de autoevaluare 11B
Test de autoevaluare 7B
1. B
1. b;
2. b
2. c;
3. b
3. a;
4. d
4. c;
5. b
5. a;
6. a
6. c;
7. c
7. c;
8. c
8. b.
9. a
10. a
Test de autoevaluare 8B
1. b;
2. b;
3. a;
4. d;
5. c.
Test de autoevaluare 9B
1. b
186
Anexa 1
Distribuia normal.
Funcia integral a lui Laplace (z ) =
1
2
x2
2
dx
(z)
(z)
(z)
(z)
(z)
0,00
0,00000
0,30
0,11790
0,60
0,22575
0,90
0,31595
1,20
0,38495
0,01
0,00400
0,31
0,12170
0,61
0,22905
0,91
0,31860
1,21
0,38685
0,02
0,00800
0,32
0,12550
0,62
0,23235
0,92
0,32120
1,22
0,38875
0,03
0,01195
0,33
0,12930
0,63
0,23565
0,93
0,32380
1,23
0,39065
0,04
0,01595
0,34
0,13305
0,64
0,23890
0,94
0,32640
1,24
0,39250
0,05
0,01995
0,35
0,13685
0,65
0,24215
0,95
0,32895
1,25
0,39435
0,06
0,02390
0,36
0,14060
0,66
0,24535
0,96
0,33145
1,26
0,39615
0,07
0,02790
0,37
0,14430
0,67
0,24855
0,97
0,33400
1,27
0,39795
0,08
0,03190
0,38
0,14805
0,68
0,25175
0,98
0,33645
1,28
0,39975
0,09
0,03585
0,39
0,15175
0,69
0,25490
0,99
0,33890
1,29
0,40150
0,10
0,03985
0,40
0,15540
0,70
0,25805
1,00
0,34135
1,30
0,40320
0,11
0,04380
0,41
0,15910
0,71
0,26115
1,01
0,34375
1,31
0,40490
0,12
0,04775
0,42
0,16275
0,72
0,26425
1,02
0,34615
1,32
0,40660
0,13
0,05170
0,43
0,16640
0,73
0,26730
1,03
0,34850
1,33
0,40825
0,14
0,05565
0,44
0,17005
0,74
0,27035
1,04
0,35085
1,34
0,40990
0,15
0,05960
0,45
0,17365
0,75
0,27335
1,05
0,35315
1,35
0,41150
0,16
0,06355
0,46
0,17725
0,76
0,27635
1,06
0,35545
1,36
0,41310
0,17
0,06750
0,47
0,18130
0,77
0,27935
1,07
0,35770
1,37
0,41465
187
(z)
(z)
(z)
(z)
(z)
0,18
0,07140
0,48
0,18440
0,78
0,28230
1,08
0,35995
1,38
0,41620
0,19
0,07535
0,49
0,18795
0,79
0,28525
1,09
0,36215
1,39
0,41775
0,20
0,07925
0,50
0,19145
0,80
0,28815
1,10
0,36435
1,40
0,41925
0,21
0,08315
0,51
0,19495
0,81
0,29105
1,11
0,36650
1,41
0,42075
0,22
0,08705
0,52
0,19845
0,82
0,29390
1,12
0,36875
1,42
0,42220
0,23
0,09095
0,53
0,20195
0,83
0,29675
1,13
0,37075
1,43
0,42365
0,24
0,09485
0,54
0,20540
0,84
0,29955
1,14
0,37285
1,44
0,42505
0,25
0,09870
0,55
0,20885
0,85
0,30235
1,15
0,37495
1,45
0,42645
0,26
0,10255
0,56
0,21225
0,86
0,30510
1,16
0,37700
1,46
0,42785
0,27
0,10640
0,57
0,21565
0,87
0,30785
1,17
0,37800
1,47
0,42920
0,28
0,11025
0,58
0,21655
0,88
0,31055
1,18
0,38100
1,48
0,43055
0,29
0,11410
0,59
0,22240
0,89
0,31325
1,19
0,38300
1,49
0,43190
188
Distribuia normal
Funcia integral a lui Laplace (z ) =
z
(z)
(z)
1
2
x2
2
(z)
(continuare)
dx
z
(z)
(z)
1,50
0,43320
1,72
0,45730
1,94
0,47380
2,32
0,48985
2,76
0,49710
1,51
0,43450
1,73
0,45820
1,95
0,47440
2,34
0,49035
2,78
0,49730
1,52
0,43575
1,74
0,45905
1,96
0,47500
2,36
0,49085
2,80
0,49745
1,53
0,43700
1,75
0,45995
1,97
0,47560
2,38
0,49135
2,82
0,49760
1,54
0,43820
1,76
0,46080
1,98
0,47615
2,40
0,49180
2,84
0,49775
1,55
0,43945
1,77
0,46165
1,99
0,47670
2,42
0,49225
2,86
0,49790
1,56
0,44060
1,78
0,46245
2,00
0,47725
2,44
0,49265
2,88
0,49800
1,57
0,44180
1,79
0,46325
2,02
0,47830
2,46
0,49305
2,90
0,49810
1,58
0,44295
1,80
0,46405
2,04
0,47935
2,48
0,49345
2,92
0,49825
1,59
0,44410
1,81
0,46485
2,06
0,48030
2,50
0,49380
2,94
0,49835
1,60
0,44520
1,82
0,46560
2,08
0,48125
2,52
0,49415
2,96
0,49845
1,61
0,44630
1,83
0,46640
2,10
0,48215
2,54
0,49445
2,98
0,49855
1,62
0,44740
1,84
0,46710
2,12
0,48300
2,56
0,49475
3,00
0,49865
1,63
0,44845
1,85
0,46785
2,14
0,48380
2,58
0,49505
3,20
0,49930
1,64
0,44950
1,86
0,46855
2,16
0,48460
2,60
0,49535
3,40
0,49965
1,65
0,45055
1,87
0,46925
2,18
0,48535
2,62
0,49560
3,60
0,49984
1,66
0,45155
1,88
0,46995
2,20
0,48610
2,64
0,49585
3,80
0,49993
1,67
0,45255
1,89
0,47060
2,22
0,48670
2,66
0,49610
4,00
0,49996
1,68
0,45350
1,90
0,47130
2,24
0,48745
2,68
0,49630
4,50
0,49999
1,69
0,45450
1,91
0,47195
2,26
0,48810
2,70
0,49655
5,00
0,50000
1,70
0,45545
1,92
0,47270
2,28
0,48870
2,72
0,49675
1,71
0,45635
1,93
0,47320
2,30
0,48930
2,74
0,49695
189
Anexa 2
2
Distribuia
0,990
0,975
0,950
0,900
0,100
0,0002
0,001
0,0039
0,0158
2,71
0,02
0,05
0,10
0,21
4,61
0,12
0,22
0,35
0,58
6,25
0,30
0,48
0,71
1,06
7,78
0,55
0,83
1,15
1,61
9,24
0,87
1,24
1,64
2,20
10,64
1,24
1,69
2,17
2,83
12,02
1,65
2,18
2,73
3,49
13,36
2,09
2,70
3,33
4,17
14,68
10
2,56
3,25
3,94
4,87
15,99
11
3,05
3,82
4,57
5,58
17,27
12
3,57
4,40
5,23
6,30
18,55
13
4,11
5,01
5,89
7,04
19,81
14
4,66
5,63
6,57
7,79
21,06
15
5,23
6,26
7,26
8,55
22,31
16
5,81
6,91
7,96
9,31
23,54
17
6,41
7,56
8,67
10,08
24,77
18
7,01
8,23
9,39
10,86
25,99
19
7,63
8,91
10,12
11,65
27,20
20
8,26
9,59
10,85
12,44
28,41
190
0,990
0,975
0,950
0,900
0,100
21
8,90
10,28
11,59
13,24
29,61
22
9,54
10,98
12,34
14,04
30,81
23
10,20
11,69
13,09
14,85
32,01
24
10,86
12,40
13,85
15,66
33,20
25
11,52
13,12
14,61
16,47
34,38
26
12,20
13,84
15,38
17,29
35,56
27
12,88
14,57
16,15
18,11
36,74
28
13,57
15,31
16,93
18,94
37,92
29
14,26
16,05
17,71
19,77
39,09
30
14,95
16,79
18,49
20,60
40,26
191
Distribuia
(continuare)
0,050
0,025
0,010
0,001
3,84
5,02
6,63
10,83
5,99
7,38
9,21
13,82
7,81
9,35
11,34
16,27
9,49
11,14
13,28
18,47
11,07
12,83
15,09
20,52
12,59
14,45
16,81
22,46
14,07
16,01
18,47
24,32
15,51
17,53
20,09
26,13
16,92
19,02
21,67
27,88
10
18,31
20,48
23,21
29,59
11
19,67
21,92
24,72
31,26
12
21,03
23,34
26,22
32,91
13
22,36
24,74
27,69
34,53
14
23,68
26,12
29,14
36,12
15
25,00
27,49
30,58
37,70
16
26,30
28,84
32,00
39,25
17
27,59
30,19
33,41
40,79
18
28,87
31,53
34,80
42,31
19
30,14
32,85
36,19
43,82
20
31,41
34,17
37,57
45,32
192
0,050
0,025
0,010
0,001
21
32,67
35,48
38,93
46,80
22
33,92
36,78
40,29
48,27
23
35,17
38,08
41,64
49,73
24
36,41
39,37
42,98
51,18
25
37,65
40,65
44,31
52,62
26
38,88
41,92
45,64
54,05
27
40,11
43,19
46,96
55,48
28
41,34
44,46
48,28
56,89
29
42,56
45,72
49,59
58,30
30
43,77
46,98
50,89
59,70
193
Anexa 3
Distribuia Student (t )
Funcia P(t t ) i numrul l al gradelor de libertate
Nivel de semnificaie pentru testul bilateral
0,50
0,20
0,10
0,05
0,02
1,000
3,078
6,314
0,816
1,886
2,920
4,303
6,965
0,765
1,638
2,353
3,482
4,541
0,741
1,533
2,132
2,776
3,747
0,727
1,476
2,015
2,571
3,365
0,718
1,440
1,943
2,447
3,143
0,711
1,415
1,895
2,365
2,998
0,706
1,397
1,860
2,306
2,896
0,703
1,383
1,833
2,262
2,821
10
0,700
1,372
1,812
2,228
2,764
11
0,697
1,363
1,796
2,201
2,718
12
0,695
1,356
1,782
2,179
2,681
13
0,694
1,350
1,771
2,160
2,650
14
0,692
1,345
1,761
2,145
2,624
15
0,691
1,341
1,753
2,131
2,602
16
0,690
1,337
1,746
2,120
2,583
17
0,689
1,333
1,740
2,110
2,567
18
0,688
1,330
1,734
2,101
2,552
194
12,706
31,821
0,50
0,20
0,10
0,05
0,02
19
0,688
1,328
1,729
2,093
2,539
20
0,687
1,325
1,725
2,086
2,528
0,25
0,10
0,05
0,025
0,01
195
Distribuia Student
(t )
(continuare)
0,50
0,20
0,10
0,05
0,02
21
0,686
1,323
1,721
2,080
2,518
22
0,686
1,321
1,717
2,074
2,508
23
0,685
1,319
1,714
2,069
2,500
24
0,685
1,318
1,711
2,064
2,492
25
0,684
1,316
1,708
2,060
2,485
26
0,684
1,315
1,706
2,056
2,479
27
0,684
1,314
1,703
2,052
2,473
28
0,683
1,313
1,701
2,048
2,467
29
0,683
1,312
1,699
2,045
2,462
30
0,683
1,310
1,697
2,042
2,457
35
0,682
1,306
1,690
2,030
2,438
40
0,681
1,303
1,684
2,021
2,423
45
0,680
1,301
1,679
2,014
2,412
50
0,679
1,299
1,676
2,009
2,403
60
0,679
1,296
1,671
2,000
2,390
70
0,678
1,294
1,667
1,994
2,381
80
0,678
1,292
1,664
1,990
2,374
90
0,677
1,291
1,662
1,987
2,368
100
0,677
1,290
1,660
1,984
2,364
196
0,50
0,20
0,10
0,05
0,02
120
0,677
1,289
1,658
1,980
2,358
200
0,676
1,286
1,653
1,972
2,345
500
0,675
1,283
1,648
1,965
2,334
1000
0,675
1,282
1,646
1,962
2,330
0,675
1,282
1,645
1,960
2,326
0,25
0,10
0,05
0,025
0,01
197
Distribuia Student (t )
Funcia P(t t ) i numrul l al gradelor de libertate
(continuare)
Nivel de semnificaie pentru testul bilateral
0,01
0,002
0,001
0,0001
63,657
318,309
636,618
9,925
22,327
31,598
99,992
5,841
10,214
12,924
28,000
4,604
7,173
8,610
15,544
4,032
5,893
6,869
11,178
3,707
5,208
5,959
9,082
3,499
4,785
5,408
7,885
3,355
4,501
5,041
7,120
3,250
4,297
4,781
6,594
10
3,169
4,144
4,587
6,211
11
3,106
4,025
4,437
5,921
12
3,055
3,930
4,318
5,694
13
3,102
3,852
4,221
5,513
14
2,977
3,787
4,140
5,363
15
2,947
3,733
4,073
5,239
16
2,921
3,686
4,015
5,134
198
6366,198
17
2,898
3,646
3,965
5,014
0,01
0,002
0,001
0,0001
18
2,878
3,610
3,922
4,966
19
2,861
3,579
3,883
4,897
20
2,845
3,552
3,850
4,837
0,005
0,001
0,0005
0,00005
199
Distribuia Student (t )
Funcia P(t t ) i numrul l al gradelor de libertate
(continuare)
Nivel de semnificaie pentru testul bilateral
0,01
0,002
0,001
0,0001
21
2,831
3,527
3,819
4,784
22
2,819
3,505
3,792
4,736
23
2,807
3,485
3,767
4,693
24
2,797
3,467
3,745
4,654
25
2,787
3,450
3,725
4,619
26
2,779
3,435
3,707
4,587
27
2,771
3,421
3,690
4,558
28
2,763
3,408
3,674
4,530
29
2,756
3,396
3,659
4,506
30
2,750
3,385
3,646
4,482
35
2,724
3,340
3,591
4,389
40
2,704
3,307
3,551
4,321
45
2,690
3,281
3,520
4,269
50
2,678
3,261
3,496
4,288
60
2,660
3,232
3,460
4,169
70
2,648
3,211
3,435
4,127
80
2,639
3,195
3,416
4,096
90
2,632
3,183
3,402
4,072
200
0,01
0,002
0,001
0,0001
100
2,626
3,174
3,390
4,053
120
2,617
3,160
3,373
4,025
200
2,601
3,131
3,340
3,970
500
2,586
3,107
3,310
3,922
1000
2,581
3,098
3,300
3,906
2,576
3,090
3,290
3,891
0,005
0,001
0,0005
0,00005
l
Nivel de semnificaie pentru testul unilateral
201
Anexa 4
Distribuia Fisher-Snedecor (F )
Valorile funciei F pentru I 1 i I 2 grade de libertate i
I1
161,4
199,5
215,7
224,6
230,2
18,51
19,00
19,16
19,25
19,30
10,13
9,55
9,28
9,12
9,01
7,71
6,94
6,59
6,39
6,26
6,61
5,79
5,41
5,19
5,05
5,99
5,14
4,76
4,53
4,39
5,58
4,74
4,35
4,12
3,97
5,32
4,46
4,07
3,84
3,69
5,12
4,26
3,86
3,63
3,48
10
4,96
4,10
3,71
3,48
3,33
11
4,84
3,98
3,59
3,36
3,20
12
4,75
3,88
3,49
3,26
3,11
13
4,67
3,80
3,41
3,18
3,02
14
4,60
3,74
3,34
3,11
2,96
15
4,54
3,68
3,29
3,06
2,90
16
4,49
3,63
3,24
3,01
2,85
17
4,45
3,59
3,20
2,96
2,81
18
4,41
3,55
3,16
2,93
2,77
19
4,38
3,52
3,13
2,90
2,74
20
4,35
3,49
3,10
2,87
2,71
21
4,32
3,47
3,07
2,84
2,68
I2
202
22
4,30
3,44
3,05
2,92
2,66
23
4,28
3,42
3,03
2,80
2,64
24
4,26
3,40
3,01
2,78
2,62
25
4,24
3,38
2,99
2,76
2,60
26
4,22
3,37
2,98
2,74
2,59
27
4,21
3,35
2,96
2,73
2,57
28
4,20
3,34
2,95
2,71
2,56
29
4,18
3,33
2,93
2,70
2,54
30
4,17
3,32
2,92
2,69
2,53
40
4,08
3,23
2,84
2,61
2,45
60
4,00
3,15
2,70
2,52
2,37
120
3,92
3,07
2,68
2,45
2,29
4,84
2,99
2,60
2,37
2,21
I1
I2
203
Distribuia Fisher-Snedecor (F )
Valorile funciei F pentru I 1 i I 2 grade de libertate i
(continuare)
I1 . a
12
234,0
238,9
213,9
249,0
254,3
19,33
19,37
19,41
19,45
19,50
8,94
8,84
8,71
8,64
8,53
6,16
6,04
5,91
5,77
5,63
4,95
4,82
4,68
4,53
4,36
4,28
4,15
4,00
3,84
3,67
3,87
3,73
3,57
3,41
3,23
3,58
3,28
3,12
2,93
3,37
3,23
3,07
2,90
2,71
10
3,22
3,07
2,91
2,74
2,54
11
3,09
2,95
2,79
2,61
2,40
12
3,00
2,85
2,69
2,50
2,30
13
2,92
2,77
2,60
2,42
2,21
14
2,85
2,70
2,53
2,35
2,13
15
2,79
2,64
2,48
2,29
2,07
16
2,74
2,59
2,42
2,24
2,01
17
2,70
2,55
2,38
2,19
1,96
18
2,66
2,51
2,34
2,15
1,92
19
2,63
2,48
2,31
2,11
1,88
20
2,60
2,45
2,28
2,08
1,84
21
2,57
2,42
2,25
2,05
1,81
I2
3,44
204
22
2,55
2,40
2,23
2,03
12
23
2,53
2,38
2,20
2,00
1,76
24
2,51
2,36
2,18
1,98
1,73
25
2,49
2,34
2,16
1,96
1,71
26
2,47
2,32
2,15
1,95
1,69
27
2,46
2,30
2,13
1,93
1,67
28
2,44
2,29
2,12
1,91
1,65
29
2,43
2,28
2,10
1,90
1,64
30
2,42
2,27
2,09
1,89
1,62
40
2,34
2,18
2,00
1,79
1,51
60
2,25
2,10
1,92
1,70
1,39
120
2,17
2,02
1,83
1,61
1,25
2,09
1,94
1,75
1,52
1,00
I1 . a
I2
205
1,78
Distribuia Fisher-Snedecor (F )
Valorile funciei F pentru I 1 i I 2 grade de libertate i
I1
= 0,01nivelul de semnificaie
4052
4999
5403
5625
5764
98,49
99,00
99,17
99,25
99,30
34,12
30,81
29,46
28,71
28,24
21,20
18,00
16,69
15,98
15,52
16,26
13,27
12,06
11,39
10,97
13,74
10,92
9,78
9,15
8,75
12,25
9,55
8,45
7,85
7,46
11,26
8,65
7,59
7,01
6,63
10,56
8,02
6,99
6,42
6,06
10
10,04
7,56
6,55
5,99
5,64
11
9,65
7,20
6,22
5,67
5,32
12
9,33
6,93
5,95
5,41
5,06
13
9,07
6,70
5,74
5,20
4,86
14
8,86
6,51
5,56
5,03
4,69
15
8,68
6,36
5,42
4,89
4,56
16
8,53
6,23
5,29
4,77
4,44
17
8,40
6,11
5,18
4,67
4,34
18
8,28
6,01
5,09
4,58
4,25
19
8,18
5,93
5,01
4,50
4,17
20
8,10
5,85
4,94
4,43
4,10
21
8,02
5,78
4,87
4,37
4,04
22
7,94
5,72
4,82
4,31
3,99
I2
206
23
7,88
5,66
4,76
4,26
3,94
24
7,82
5,61
4,72
4,22
3,90
25
7,77
5,57
4,68
4,18
3,86
26
7,72
5,53
4,64
4,14
3,82
27
7,68
5,49
4,60
4,11
3,78
28
7,64
5,45
4,57
4,07
3,75
29
7,60
5,42
4,54
4,04
3,73
30
7,56
5,39
4,51
4,02
3,70
40
7,31
5,18
4,31
3,83
3,51
60
7,08
4,98
4,13
3,65
3,34
120
6,85
4,79
3,96
3,48
3,17
6,64
4,60
3,78
3,32
3,02
I1
I2
207
Distribuia Fisher-Snedecor (F )
Valorile funciei F pentru I 1 i I 2 grade de libertate i
= 0,01nivel de semnificaie
(continuare)
I1 . a
12
24
5859
5981
6106
6234
6366
99,33
99,36
99,42
99,46
99,50
27,91
27,49
27,05
26,60
26,12
15,21
14,80
14,37
13,93
13,46
10,67
10,27
9,89
9,47
9,02
8,47
8,10
7,72
7,31
6,88
7,19
6,84
6,47
6,07
5,65
6,37
5,67
5,28
4,86
5,80
5,47
5,11
4,73
4,31
10
5,39
5,06
4,71
4,33
3,91
11
5,07
4,74
4,40
4,02
3,60
12
4,82
4,50
4,16
3,78
3,36
13
4,62
4,30
3,96
3,59
3,16
14
4,46
4,14
3,80
3,43
3,00
15
4,32
4,00
3,67
3,29
2,87
16
4,20
3,89
3,55
3,18
2,75
17
4,10
3,79
3,45
3,08
2,65
18
4,01
3,71
3,37
3,00
2,57
19
3,94
3,63
3,30
2,92
2,49
20
3,87
3,56
3,23
2,86
2,42
21
3,81
3,51
3,17
2,80
2,36
I2
6,03
208
22
3,76
3,45
3,12
2,75
12
24
23
3,71
3,41
3,07
2,70
2,26
24
3,67
3,36
3,03
2,66
2,21
25
3,63
3,32
2,99
2,62
2,17
26
3,59
3,29
2,96
2,58
2,13
27
3,56
3,26
2,93
2,55
2,10
28
3,53
3,23
2,90
2,52
2,06
29
3,50
3,20
2,87
2,49
2,03
30
3,47
3,17
2,84
2,47
2,01
40
3,29
2,99
2,66
2,29
1,80
60
3,12
2,82
2,50
2,12
1,60
120
2,96
2,66
2,34
1,95
1,38
2,80
2,51
2,18
1,79
1,00
I1 . a
I2
209
2,31
Distribuia Fisher-Snedecor (F )
Valorile funciei F pentru I 1 i I 2 grade de libertate i
I1
= 0,001nivelul de semnificaie
405282
500000
540379
562500
576405
998,5
999,0
999,2
999,2
999,3
167,5
148,5
141,1
137,1
134,6
74,14
61,25
56,18
53,44
51,71
47,04
36,61
33,20
31,09
29,75
35,51
27,00
23,70
21,90
20,81
29,22
21,69
18,77
17,19
16,21
25,42
18,49
15,83
14,39
13,49
22,86
16,39
13,90
12,56
11,71
10
21,04
14,91
12,55
11,28
10,48
11
19,69
13,81
11,56
10,35
9,58
12
18,64
12,97
10,80
9,63
8,89
13
17,81
12,31
10,21
9,07
8,35
14
17,14
11,78
9,73
8,62
7,92
15
16,59
11,34
9,34
8,25
7,57
16
16,12
10,97
9,00
7,94
7,27
17
15,72
10,66
8,73
7,68
7,02
18
15,38
10,39
8,49
7,46
6,81
19
15,08
10,16
8,28
7,26
6,61
20
14,82
9,95
8,10
7,10
6,46
21
14,59
9,77
7,94
6,95
6,32
I2
210
22
14,38
9,61
7,80
6,81
6,19
23
14,19
9,47
7,67
6,67
6,08
24
14,03
9,34
7,55
6,59
5,98
25
13,88
9,22
7,45
6,49
5,88
26
13,74
9,12
7,36
6,41
5,80
27
13,61
9,02
7,27
6,33
5,73
28
13,50
8,93
7,19
6,25
5,66
29
13,39
8,85
7,12
6,19
5,59
30
13,29
8,77
7,05
6,12
5,53
40
12,61
8,25
6,60
5,70
5,13
60
11,97
7,76
6,17
5,31
4,76
120
11,38
7,31
5,79
4,95
4,42
10,83
6,91
5,42
4,62
4,10
I1
I2
211
Distribuia Fisher-Snedecor (F )
Valorile funciei F pentru I 1 i I 2 grade de libertate i
= 0,001nivel de semnificaie
(continuare)
I1 . a
12
24
585937
598144
610667
623497
636619
999,3
999,4
999,4
999,5
999,5
132,8
130,6
128,3
125,9
123,5
50,53
49,00
47,41
45,7
44,05
28,84
27,64
26,42
25,14
23,78
20,03
19,03
17,99
16,89
15,75
15,52
14,63
13,71
12,73
11,69
12,86
11,19
10,30
9,34
11,13
10,37
9,57
8,72
7,81
10
9,92
9,20
8,45
7,64
7,76
11
9,05
8,35
7,63
6,85
6,00
12
8,38
7,71
7,00
6,25
5,42
13
7,86
7,21
6,52
5,78
4,97
14
7,43
6,80
6,13
5,41
4,60
15
7,09
6,47
5,81
5,10
4,31
16
6,81
6,19
5,55
4,85
4,06
17
6,56
5,96
5,32
4,63
3,85
18
6,35
5,76
5,13
4,45
3,67
19
6,18
5,59
4,97
4,29
3,52
20
6,02
5,44
4,82
4,15
3,38
21
5,88
5,31
4,71
4,03
3,26
I2
12,04
212
22
5,76
5,19
4,58
3,92
12
24
23
5,65
5,09
4,48
3,82
3,05
24
5,55
4,99
4,39
3,74
2,97
25
5,46
4,91
4,31
3,66
2,89
26
5,38
4,83
4,24
3,59
2,82
27
5,31
4,76
4,17
3,52
2,75
28
5,24
4,69
4,11
3,46
2,70
29
5,18
4,64
4,05
3,41
2,64
30
5,12
4,58
4,00
3,36
2,59
40
4,73
4,21
3,64
3,01
2,23
60
4,37
3,87
3,31
2,69
1,90
120
4,04
3,55
3,02
2,40
1,56
3,74
3,27
2,74
2,13
1,00
I1 . a
I2
213
3,15
Bibliografie
Andrei T.
Bierens H.J.
Chow G.
Clocotici V.
Dougherty Ch.
Gogonea R.M.
STATISTICA. Baza teoretico-aplicativ pentru comerservicii- turism, Editura Universitar, Bucureti, 2009
Gogonea R.M.
214
M.,
Gujarati D.N.
Hapenciuc C.V.
Hapenciuc C.V.
Harvey A.C.
HsiaoJohnston J.,
Dinardo J.,
Isaic-Maniu A., Mitru
C.,
Voineagu V.
Jaba E.
Jaba E.
Mihil N.,
Popescu O.
Mitru C., erban D
Oprescu Gh.
Pecican t. E.
Popescu Th.
Reinsel G.C.
Stewart J.
erban R.
215
2007
Wonnacott T.H.,
Wonnacott R.J.,
216
Econometrie
Suport de Curs-nvamntul la
distan
Cuprins
Unitatea de nvare 1 INTRODUCERE N ECONOMETRIE .................................................... 6
Obiectivele Unitii de nvare 1 ......................................................................................................... 6
1.1. Econometria definiii i obiective ................................................................................................ 6
1.2. Modele econometrice..................................................................................................................... 8
Lucrare de verificare 1A .................................................................................................................... 14
Test de autoevaluare 1B ..................................................................................................................... 14
Rezumat ............................................................................................................................................ 16
Bibliografie ....................................................................................................................................... 17
............................................................................................................................. 53
10.2
11.2
Unitatea de nvare 1
INTRODUCERE N ECONOMETRIE
Cuprins
Obiectivele Unitii de nvare 1 ................................................................................................... 6
1.1. Econometria definiii i obiective ................................................................................................ 6
1.2. Modele econometrice..................................................................................................................... 8
Ce este econometria.
(1.1)
unde:
f este funcia de transfer a sistemului reprezentnd legea de manifestare a procesului
economic studiat;
x = ( xi )i =1, n este vectorul variabilelor independente;
variabilei dependente (Y ) .
Cum f nu este apriori cunoscut, ceea ce se urmrete este tocmai identificarea
efectelor variabilelor independente asupra unei variabile dependente i estimarea efectelor
cauzale pe baza datelor de selecie n raport cu variabilele observabile.
innd seama de aceste obsevaii dm n continuare cteva definiii ale econometriei
ca tiin.
Termenul econometrie a fost introdus de economistul i statisticianul norvegian Ragnar Frisch i provine
etimologic de la grecescul eikonomia economie i respectiv metren msur.
2
Definiia a fost formulat de R. Frisch n primul numr al revistei Econometrica.
Econometria
presupune
investigarea
fenomenelor
PROCES
ECONOMIC
xn
3
4
y1
y2
ym
(1.2)
( )
Y = yj
j =1.m
x1
x2
PROCES
ECONOMIC
xn
y1
y2
ym
(1.3)
introduc n model una sau mai multe variabile stochastice i se obine modelul econometric al
fenomenului studiat.
Pe baza datelor de selecie reprezentnd valorile variabilelor observabile din model se
estimeaz valorile parametrilor modelului obinndu-se o funcie de date de observaie (un
estimator).
Se valideaz modelul econometric obinut n raport cu anumite condiii (convergen,
verosimilitate etc.). Dac modelul nu este valid se ncearc gsirea altui model care, n raport
cu condiiile impuse sa fie valid (corect).
Dac modelul este corect atunci acesta poate fi utilizat la testarea ipotezelor privind
valorile numerice ale parametrilor necunoscui ai populaiei din care a fost selectat
eantionul. De asemenea, validitatea modelului ofer posibilitatea efecturii unor predicii ale
comportamentului populaiei respective.
Teorie economic
Populaie studiat
Selecie
Model economic
Model econometric
Date de selecie
Estimare
Validare
NU
Model valid?
DA
Testare ipoteze
Politici economice:predicii/prognoz
Figura 1.3. Etape n practica econometric
10
( )
Y = yj
j =1.m
) Y = f (X ) +
modele unifactoriale
y = f (x) +
modele multifactoriale
y = f (x1 , x 2 , K , x n ) +
modele autoregresive
y = f (x t , y t k ) +
modele cu decalaj
y = f ( x t , x t 1 , K , x t k ) +
11
0 Nu (nepromovat), 1- Da (promovat).
o Variabile ordinale. Sunt variabile ale cror nivele sunt codificate astfel nct
s poat fi comparate ntre ele. De exemplu, variabila calitativ satisfacie a
crei valoare este dat de rspunsul la ntrebarea:
12
de
tip
transversal
sau
profil
(cross-sectional).
Msurtorile
asupra
caracteristicilor unui numr mare de elemente ale unei populaii efectuate la acelai
moment de tip. Datele de tip transversal sunt obnuite prin msurtori de natur
static i se caracterizeaz prin observaii independente.
date de tip serii de timp. (serii cronologice). Msurtori asupra caracteristicilor unei
uniti individuale pe o perioad lung de timp. Datorit modului de constituire,
obervaii indexate n timp, datele de tip serie de timp sunt caracterizate prin
dependen serial. Acest tip de date se obine prin msurtori de natur dinamic
asupra caracteristicilor unui element din populaie la momente sau intervale succesive
de timp
date de tip panel. Sunt obinute prin msurtori att de natur static ct i dinamic
asupra acelorai elemente ale populaiei.
13
Lucrare de verificare 1A
Rspundei pe scurt la urmtoarele ntrebri:
1. Ce este econometria?
2. Care sunt principalele obiective ale econometriei?
3. Ce este modelul econometric?
4. Care este diferena dintre modelele economice i modelele econometrice?
5. Care este tipologia modelelelor econometrice?
6. Ce tipuri de date sunt utilizate n econometrie.
7. Care este schema care prezint etapele crerii i utilizrii unui model econometric?
Test de autoevaluare 1B
1. Econometria implic utilizarea:
a. metodelor matematice la formularea, estimarea i testarea modelelor
economice;
b. metodelor matematice i statistice la formularea, estimarea i testarea
modelelor economice;
c. metodelor matematice i statistice la formularea modelelor economice;
d. metodelor matematice i statistice la estimarea modelelor economice.
2. Principalele obiective ale econometriei sunt:
14
15
8. Ce date sunt obinute prin msurtori att de natur static ct i dinamic asupra
acelorai elemente ale populaiei:
a. date de tip serii de timp;
b. date de tip panel;
c. date de tip transversal;
d. date de tip profil.
9. Variabile categoriale provin din caracteristici care exprim atribute:
a. calitative;
b. normale;
c. cantitative;
d. primare.
10. Variabile ale cror nivele sunt codificate astfel nct s poat fi comparate ntre ele
sunt;
a. variabile ordinale;
b. variabile cantitative;
c. variabile binare;
d. variabile primare.
Rezumat
Econometria este o tiin care urmrete investigarea fenomenelor economice numai
cu ajutorul modelelor aleatoare
sau mai multe variabile Pe baza datelor de selecie reprezentnd valorile variabilelor
observabile din model se estimeaz valorile parametrilor modelului. Dup validarea
modelului pe baza acestuia se pot efectua predicii ale comportamentului populaiei
respective.
Modelele econometrice, pot fi categorisite dup diferite criterii printre care dup
numrul ecuaiilor (cu o singur ecuaie, cu mai multe ecuaii), numrul factorilor
(unifactoriale), multifactoriale), forma dependenei dintre variabile (liniare, neliniare),modul
n care este considerat factorul timp (madele statice, modele dinamice) etc.
Bibliografie
Gogonea R.M., Zaharia
M.
Isaic-Maniu A., Mitru
C.,
Voineagu V.
Jaba E.
Jaba E.
17
Unitatea de nvare 2
NOIUNI PRIVIND VARIABILELE ALEATOARE
Cuprins
Obiectivele Unitii de nvare 2 ................................................................................................. 18
2.1. Eveniment. Cmp de Evenimente ................................................................................................ 19
2.2. Variabile aleatoare ...................................................................................................................... 22
Ce este evenimentul.
Tipuri de evenimente
18
Definia 2.1. Evenimentul exprim producerea sau neproducerea unui fenomen n cadrul unui
experiene.
Evenimentul este rezultatul unui experiment (prob). Dac n exemplul considerat mai
sus selectm la ntmplare un element (student) din populaia studeni i dac acesta este
integralist, n raport cu criteriul ales, evenimentul evideniaz producera fenomenului de
promovare a tuturor examenelor. Dac studentul selectat nu este integralist, atunci evenimentul
evideniaz neproducerea fenomenului de promovare a tuturor exemenelor.
Exemplul 2.1.
S considerm c dorim s vedem care sunt rezultatele posibile obinute prin nsumarea
feelor a dou zaruri care au fost aruncate.
Considernd c zarurile nu sunt msluite, innd seama de faptul c feele acestora pot lua
valori de la 1 la 6, atunci rezult c suma feelor la o aruncare poate avea valori n intervalul de
la 2 la 12 (2,3,4,5,6,7,8,9,10,11,12). Sumele feelor, obinute n toate cele 36 de combinaii
posibele, sunt prezentate n tabelul 2.1.
6
Mihil N.,Popescu O., Matematici speciale aplicate n economie, Editura didactic i pedagogic, Bucureti,
1978.
19
1
2
3
4
5
6
Fa
zarul
II
1
2
3
4
5
6
7
Fa zarul I
3
4
5
6
7
8
9
2
3
4
5
6
7
8
4
5
6
7
8
9
10
5
6
7
8
9
10
11
6
7
8
9
10
11
12
Dup cum se poate observa i din tabelul 2.1 sunt numai n = 11 evenimente elementare
posibile (2,3,4,5,6,7,8,9,10,11,12).
Notm: - cu mulimea tuturor evenimentelor
- cu i evenimentul elementar i ,
Atunci,
{i }i =1,n
{i }i=1,n = {2,3,4,5,6,7,8,9,10,11,12}
(2.1)
{ei }i =1, N
Fiecrui eveniment ei i se poate asocia un eveniment contrar Cei (complementar) care
se realizeaz atunci i numai atunci cnd nu se realizeaz ei . De exemplu, evenimentului 1
(suma feelor egal cu 2) i corespunde evenimentul complementar C1 = (suma feelor s
fie cuprins ntre 3 i 12).
Definiia 2.2.
Se numete eveniment sigur acel eveniment care se poate realiza n oricare din probe.
20
n cazul prezentat, evenimentul sigur reprezint apariia unei valori cuprinse n intervalul
nchis de la 2 la 12. n consecin, evenimentul sigur n cazul dat este chiar mulimea .
Evenimentului sigur i se asociaz evenimentul imposibil notat cu .
Oricare din evenimentele ei care pot s se produc sau nu la efectuarea unei probe
reprezint un eveniment aleator.
ntre dou evenimente pot exista sau nu pot aprea relaii de implicare. Dac realizarea
evenimentului ei atrage dup sine realizarea evenimentului e j (i j ) , atunci ei e j adic
evenimentul ei implic evenimentul e j .
Dac ei e j (evenimentul ei implic evenimentul e j ) i ei e j (evenimentul ei este
implicat n realizarea evenimentului e j ) atunci evenimentele ei i e j sunt echivalente.
Anterior au fost evideniate, printre altele, noiunile de eveniment sigur, eveniment
aleator, mulime de evenimente.
Am notat cu evenimentul sigur i cu {ei }i =1,n mulimea tuturor evenimentelor aleatoare
care formeaz mulimea , iar n continuare vom considera un ca fiind mulimea nevid a
prilor lui care conine toate evenimentele aleatoare {ei }i =1, N cu N finit.
Definiia 2.3.
Perechea [, ] reprezint un cmp finit de evenimente dac:
ei Cei ;
ei e j ei U e j .
Elementele {ei }i =1, N formeaz un sistem complet de evenimente dac:
N
Ue
i =1
ei I e j = i j.
Fie acum, {i }i =1,n o submulime a mulimii evenimentelor elementare ale cmpului de
evenimente [, ] . Mulimea {i }i =1,n are urmtoarele proprieti:
i i = 1, n
i I j = i j
21
U =
i
i =1
a [, ], a i , i = 1, n, a.i. a = i1 U ... U i p ,1 p n.
Este uor de observat c mulimea evenimentelor elementare din relaia 2.1 satisface
proprietile de mai sus.
Trebuie remarcat aici faptul c, n relaia 2.1 sunt puse n eviden numai evenimentele,
nu i frecvenele lor de apariie. Fiecrui eveniment i corespunde o anumit frecven de
apariie. Acestea pot fi egale sau nu.
Exemplul 2.2.
Frecvena de apariie a evenimentelor elementare obinute prin aruncarea a dou zaruri este
calculate n tabelul 2.2.
Tabelul 2.2. Frecvena de apariie a evenimentelor elementare obinute prin aruncarea a dou zaruri
Valoare
Frecven
2
1
3
2
4
3
5
4
6
5
7
6
8
5
9
4
10
3
11
2
12
1
Dup cum se poate observa i din tabelul 2.1 n cazul considerat frecvenele de apariie a
evenimentelor elementare difer. Dac le centralizm obinem situaia din tabelul 1.2.
Frecvenele de apariie ale evenimentelor iau valori ntre 1 i 6.
22
Definiia 2.4.
Se numete variabil aleatoare (stohastic) acea variabil a crei realizare constituie
evenimente ntmpltoare dintr-o mulime care are un sistem determinat de evenimente.
Dup caracteristicile mulimii pe care sunt definite, variabilele aleatoare se clasific n:
corespunztoare acestora. De regul, sunt utilizate literele de la sfritul alfabetului (de exemplu,
variabila aleatoare X are la un moment dat valoarea x ).
Funcia de repartiie
Pentru a defini o variabil aleatoare discret este necesar enumerarea tuturor valorilor
posibile precum i a probabilitilor lor de producere.
Exemplul 2.3.
Aa cum se poate observa din tabelul 2.2 la aruncarea a dou zaruri este posibil
obinerea a 11 valori. Variabila aleatoare care modeleaz acest proces va fi:
2
Z : 1
36
3
2
36
4
3
36
5
4
36
6
5
36
7
6
36
8
5
36
9
4
36
10
3
36
11
2
36
12
1
36
Definiia 2.5.
Fie X o variabil aleatoare discret cu xi , i = 1, n , valoarea acesteia la un moment dat i
evenimentul ( X = xi ) cu probabilitatea P( X = xi ) = f ( xi ) = pi . Mulimea perechilor ordonate
x
X i , i = 1, n
pi
(2.2)
f(xi ) 0
20
f(x ) = 1
i =1
evenimente.
Exemplul 2.4.
Pentru variabila aleatoare care modeleaz procesul de aruncare a dou zaruri histograma
este este ilustrat n figura 2.1.
Dac notm cu M i ( xi , p i ) mijloacele segmentelor din partea de sus a dreptunghiurilor i
le unim prin segmente de drepte, se obine poligonul distribuiei.
La constituirea histogramei trebuie s se in seama de tipul intervalelor de grupare. Dac intervalele sunt egale
(ca in exemplul nostru) fiecare interval este luat egal cu unitatea de lungime. Dac intervalele nu sunt
egale atunci acestea se dimensioneaz n aa fel nct suprafaa unei coloane s fie proporional cu
produsul dintre mrimea intervalului i frecvena sa.
24
Frequency
Histogram
7
6
5
4
3
2
1
0
2
10
11
12
More
U (X = x )
i
xi x
P( X < x ) =
P( X = x ) = f ( x ) , deci
i
xi x
F ( x) = P ( X < x ) =
xi x
f ( x ),
i
xi x
Exemplul 2.5.
n cazul aruncrii a dou zaruri determinm probabilitatea de a obine o sum a feelor
mai mic dect 6 .
Pornim de la variabila aleatoare:
25
2
Z : 1
36
3
2
36
4
3
36
5
4
36
6
5
36
7
6
36
8
5
36
9
4
36
10
3
36
11
2
36
12
1
36
1
2
3
4 10
+
+
+
=
0,277778
36 36 36 36 36
F ( x 2 ) F ( x1 ) = P( x1 X < x 2 ) 0
rezult:
F ( x 2 ) F ( x1 ) 0, deci F ( x 2 ) F ( x1 ) .
3 0 . F(a)=0, F(b)=1 , unde a i b sunt cea mai mic, respectiv cea mai mare valoare pe care o
poate lua argumentul variabilei X .
26
(2.3)
Definiia 2.7.
x
2 0 . ( x)dx = 1 .
X :
x ,
( x) = e
( x) = e 1
S=1
0
x
Figura 2.2. Graficul funciei densitate de probabilitate ( x) = e 1
27
Definiia 2.8.
x
(x) .
Funcia
F ( x ) = P( X < x) = (t )dt
x
(2.4)
(2.5)
(x)
P( X < x) = F ( x) = (t )dt
0
( x) = e x
P ( X < 2)
x =1
x=2
X :
x ,
( x) = e
x 0 avem F (2 ) = P ( X < 2) =
( x)dx
0
Lucrare deverificare 2A
Rspundei pe scurt la urmtoarele ntrebri:
1. Ce reprezint un eveniment?
2. Cum de definete cmpul de evenimente.
3. Ce este variabila aleatoare?
4. Ce tipuri de variabile aleatoare cunoatei?
5. Ce este variabila aleatore discret?
6. Care sunt caracteristicile variabilei aleatoare?
7. Ce este variabila aleatoare continu?
8. Ce nelegei prin distribuia variabilei aleatoare?
9. Care este funcia de repartiie a variabilei aleatoare continue?
10. Cum se reprezint grafic variabila aleatoare continu?
Test de autoevaluare 2B
1. Frecvena de apariie a evenimentelor elementare obinute prin aruncarea a dou zaruri
este:
a. 6;
b. cuprins ntre 1 i 6;
c. cuprins ntre 3 i 6;
d. 3.
2. Variabil aleatoare este acea variabil
a. care i poate schimba coninutul o dat sau de mai multe ori pe parcursul
prelucrrii;
b. a crei realizare constituie evenimente ntmpltoare dintr-o mulime care are un
sistem determinat de evenimente;
c. care poate fi clasificat n mai mult de dou subcategorii;
d. care poate fi cuantificat sau msurat;
3. Dup caracteristicile mulimii pe care sunt definite, variabilele aleatoare se clasific n:
29
Rezumat
n analiza fenomenelor economice cu ajutorul modelelor econometrice se opereaz cu
noiuni precum: populaie (mulime de elemente care printr-o proprietate comun pot fi
considerate mpreun), criteriu de cercetare, experien (relizarea complexului de condiii
corespunztoare criteriului de cercetate), eveniment (exprim producerea sau neproducerea unui
fenomen n cadrul unui experiene).
Un eveniment care la efectuarea unei probe poate s se produc sau nu reprezint un
eveniment aleator. Fie evenimentul sigur i cu {ei }i =1,n mulimea tuturor evenimentelor
aleatoare care formeaz mulimea , Elementele {ei }i =1, N formeaz un sistem complet de
N
evenimente dac:
Ue
= i ei I e j = i j.
i =1
30
Bibliografie
Andrei T.
Chow G.
Clocotici V.
31
Unitatea de nvare 3
CARACTERISTICILE DISTRIBUIEI VARIABILEI ALEATOARE
Cuprins
Unitatea de nvare 3 CARACTERISTICILE DISTRIBUIEI VARIABILEI ALEATOARE 32
Obiectivele Unitii de nvare 3 ............................................................................................. 32
3.1 Indicatorii caracteristici variabilei aleatoare privind tendina central de grupare ............. 33
3.2 Indicatorii caracteristici variabilei aleatoare privind mprtierea distribuiei variabilei
aleatoare .................................................................................................................................... 36
3.3 Particulariti ale formei de distribuie ................................................................................ 41
Lucrare de verificare 3A ........................................................................................................... 42
Test de autoevaluare 3B ............................................................................................................ 43
Rezumat ..................................................................................................................................... 46
Bibliografie................................................................................................................................ 47
32
valoarea medie,
median,
modul.
Valoarea medie
Definiia 3.1.
Se numete valoare medie a unei variabile aleatoare X , discrete sau continue,
expresia:
n
i =1
i =1
X :
0,2 0,1 0,4 0,3
X :
x ,
( x) = e
x0
33
(3.2)
k
K :
1 atunci M ( K ) = k 1 = k
Fie constanta
media sumei a dou variabile aleatoare este egal cu suma mediilor acestora
M ( X + Y ) = M ( X ) + M (Y )
Valoarea median
Definiia 3.2.
Se numete mediana variabilei aleatoare X , acea valoare M e pentru care, variabila
aleatoare are aceeai probabilitate de a fi mai mic sau mai mare ca ea, adic:
P( X < M e ) = P( X > M e )
(3.3)
1
2
X :
0,2 0,1 0,4 0,3
Definiia 3.3.
34
Me
( x)dx =
1
.
2
Se numete modul (valoarea cea mai probabil) variabilei aleatoare X , acea valoare
pentru care funcia de pobabilitate f ( xi ) n cazul variabilelor aleatoare discrete, respectiv
densitatea de probabilitate (x ) n cazul variabilelor aleatoare continue este maxim.
Poziionrile celor trei indicatori ai tendinei centrale de grupare prezentai mai sus
(valoarea medie, mediana i modulul) sunt ilustrate n figura 3.1.
modulul
modulul
mediana
mediana
media
media
a. Repartiie asimetric
(left skewed)
b. Repartiie asimetric
(rhight skewed)
Modulul=median=medie
c. Repartiie simetric
Figura 3.1. Poziionarea valorii medii, medianei i modulului pentru repartiia simetric i
repartiii asimetrice8
Dup cum se poate observa din figura 3.1.c., n cazul repartiiei simetrice poziiile celor
trei indicatori coincid. n cazul repartiiilor asimetrice poziiile medianei i mediei (n aceast
ordine) se afl n stnga modulului n cazul repartiiei left skewed (figura 3.1.a.) respectiv n
dreapta modulului n cazul repartiiei right skewed (figura 3.1.b.).
Spircu L., Analiza datelor. Aplicaii economice, Editura ASE, Bucureti 2005, pag. 19
35
dispersia,
covariana
coeficientul de mprtiere
Caracteristica cea mai simpl a mprtierii unei variabile se obine calculnd extinderea
(amplitudinea, intervalul de variaie) dat de diferena valorilor extreme ale argumentelor
variabilei, aceste argumente fiind considerate ordonate n ordinea mrimii lor naturale.
Definiia 3.4.
Dac a i b sunt cea mai mic, respectiv cea mai mare valoare a argumentului xi al
variabilei aleatoare X , atunci extinderea este prin definiie valoarea numeric
(3.4)
Definiia 3.5.
36
xi
,
f ( xi )
(3.5)
x
,
(x)
(3.6)
Teorema 3.1.
Media abaterii unei variabile X calculat fa de valoarea medie, = M ( X ) ,
este nul.
xi
, avem
Demonstraie: Fie variabila abatere
f ( xi )
n
i =1
i =1
i =1
M ( ) = ( xi ) f ( xi ) = xi f ( xi ) f ( xi ) = = 0
Dac n locul abaterii variabilei definit mai sus utilizm abaterea absolut
xi
vom avea
f
x
(
)
i
i =1
care nu mai este nul i care, poate caracteriza mprtierea variabilei aleatoare X n jurul valorii
ei medii m.
Dispersia
37
Pe lng abaterea medie absolut definit anterior, o msur larg utilizat a mprtierilor
valorilor variabilei aleatoare fa de media sa este dispersia.
Definiia 3.6.
Se numete dispersie a variabilei aleatoare X , media M ( 2 ) a ptratului variabilei
aleatoare de abatere :
(x )2
(
)
f
x
(3.7)
D ( X ) = ( xi ) 2 f ( xi ) ,
(3.8)
i =1
D( X ) = ( x ) 2 ( x)dx.
(3.9)
2
2
2
D( X Y ) = D( X ) + D(Y ) sau x y = x + y .
ntr-adevr avem:
D( X Y ) = D( X + ( 1)Y ) = D( X ) + ( 1) 2 D(Y ) = D( X ) + D(Y )
n
n
D (a k X k + bk ) = a k2 D( X k ).
k =1
k =1
Teorema 3.2.
Dispersia mediei aritmetice a n variabile independente X j , j = 1, n care
urmeaz aceeai lege de distribuie, este egal cu dispersia uneia din variabilele mparit la
numrul variabilelor.
Demonstraie:
n
Xk
D k =1
n
= 1
n2
D( X
k =1
)=
n D( X ) D( X )
=
.
n
n2
39
x = M ( 2 ) = D ( X )
(3.10)
X = D( X ) =
D( X )
=
n
D( X )
n
x
n
(3.11)
Covarian
Definiia 2.16.
xy = M [( X x ) (Y y )] , unde x = M ( X ), y = M (Y )
(3.12)
xy = M ( X Y ) M ( X ) M (Y )
(3.13)
Coeficientul de mprtiere
Coeficientul de mprtiere al unei variabile aleatoare X se exprim ca raport dintre o
valoare a mprtierii i o mrime de aceeai natur i are rolul de a nltura influena naturii
variabilei aleatoare X asupra msurii mprtierii respective.
n practic, o expresie a coeficientului de mprtiere frecvent utilizat este:
V=
x
100 .
x
(3.14)
Z=
X x
(3.15)
(3.16)
- dispersia i abaterea medie ptratic ale variabilei normate sunt egale cu unitatea.
2
X D( X )
= 2 = 1.
D( Z ) = D
=
2
3.3
(3.17)
simetria i asimetria
boltirea
Simetria i asimetria
= x.
Grafic aceasta nseamn c, dac dou puncte M 1 si M 2 simetrice fa de dreapta x = ,
de ordonate egale, se situeaz pe curba distribuiei aceasta este simetric, iar n caz contrar
distribuia este asimetric .
Pentru o distribuie simetric, media, mediana i modul (pentru distribuia unimodal) au
aceeai valoare.
Se dovedete c momentele centrate de ordin impar ale oricrei distribuii simetrice sunt
nule.
41
Coeficientul care msoar asimetria este notat cu , i este definit astfel ca pentru = 0,
distribuia s fie simetric, iar pentru 0, distribuia este asimetric.
Sunt folosii cu deosebire urmtorii coeficieni de asimetrie:
1 =
2 =
M (X ) M0 (X )
( Pearson) ,
3
( Fisher)
3
(3.18)
(3.19)
Boltirea (Turtirea)
Curbele de distribuie pot avea boltiri sau turtiri diferite. Coeficientul de boltire folosit
este
4
(Fisher).
4
(3.20)
Lucrare de verificare 3A
Rspundei pe scurt la urmtoarele ntrebri:
1. Care sunt indicatorii caracteristici variabilei aleatoare privind tendina central de
grupare?
2. Care sunt indicatorii caracteristici variabilei aleatoare privind mprtierea dsitribuiei
variabilei aleatoare?
3. Care sunt indicatorii caracteristici variabilei aleatoare forma distribuiei?
4. Cum se definete mediana?
5. Cum se definete modulul?
9
Vezi n Capitolul III, Distribuiile clasice baza verificrii ipotezelor statistice n comer- turism-sevicii,
subcaputolul 3.2.1., Repartiia normal normat ( Z ).
42
Test de autoevaluare 3B
1. Modulul reprezint:
a. Valoarea cea mai des ntnit ntr-o serie statistic;
b. Valoarea din mijlocul unei serii statistice, n care observaiile au fost ordonate
cresctor;
c. Valoarea cea mai puin ntnit ntr-o serie statistic;
d. Valoarea care imparte distribuia seriei statistice n dou pri de volum egal;
2. Modulul reprezint:
a. Valoarea cea mai des ntnit ntr-o serie statistic;
b. Valoarea din mijlocul unei serii statistice, n care observaiile au fost ordonate
cresctor;
c. Valoarea cea mai puin ntnit ntr-o serie statistic;
d. Valoarea care imparte distribuia seriei statistice n dou pri de volum egal;
3. Repartiia pe gupe de vrst a personalului dintr-o unitate colar se prezint n
tabelul de mai jos:
Vrsta (ani)
15-25
25-35
35-45
45-55
55-65
Nr. Pers.
12
20
Vrsta (ani)
15-25
25-35
35-45
45-55
55-65
Nr. Pers.
12
20
6-10
10-14
14-18
18-22
10
7. Distribuia elevilor unei clase de liceu n funcie de numrul de absene dintr-o lun se
prezint astfel:
Nr. de absene cumulate
14
15
16
17
18
19
20
Nr. elevi
10
15
85-95
95-105
105-115
115-125
10
15
14
valoarea vnzrilor
Nr. firme
85-95
95-105
105-115
115-125
10
15
14
valoarea vnzrilor
Nr. firme
45
Rezumat
O variabil aleatoare discret se caracterizeaz prin funcie sa de repartiie i o anumit
distribuie. Fie X o variabil aleatoare discret cu xi , i = 1, n , valoarea acesteia la un moment dat
i evenimentul ( X = xi ) cu probabilitatea P( X = xi ) = f ( xi ) = pi . Mulimea perechilor ordonate
X x
numit normata variabilei X . Variabila aleatoare normat (Z) are media zero i abaterea medie
ptratic egal cu 1.
46
Bibliografie
Gogonea R.M., Zaharia
M.
Pecican t. E.
Stewart J.
erban R.
47
Unitatea de nvare 4
DISTRIBUIILE CLASICE N VERIFICAREA IPOTEZELOR
STATISTICE
Cuprins
Unitatea de nvare 4 DISTRIBUIILE CLASICE N VERIFICAREA IPOTEZELOR
STATISTICE ................................................................................................................................ 48
Obiectivele Unitii de nvare 4 ............................................................................................. 48
4.1 Repartiia normal normat (Z ) .......................................................................................... 53
4.2 Repartiia
...................................................................................................................... 53
Repartiia
Repartiia Student t
Repartiia Fisher-Snedecor F
4.1
48
Aplicarea unui model teoretic conduce la obinerea unor rezultate care, dei sunt
orientative, totui au un grad ridicat de utilitate.
n acest context, n multe situaii, sunt utilizate repartiiile teoretice pentru conturarea ct
mai exact a rezultatelor necesare pentru definitivarea deciziilor manageriale.
Repartiia normal normat este ntlnit i sub numele de repartiia normal standard sau
repartiia normal redus, tocmai pentru c red un caz particular al repartiiei normale.
Denumit i repartiia Gauss-Laplace, repartiia normal este exprimat printr-o variabil
aleatoare X cu media m i dispersia 2 , normat X~N ( , 2 ), a crei funcia de repartiie este:
x
F (x) = P (X<x) =
(t m)2
2 2
dt,
(4.1)
x R, > 0
cu
2
2
, parametrii fun ct iei de repartitie [ M ( X ) = i D ( X ) = ]
Conturarea mai clare a repartiiei normale are n vedere urmtoarele proprieti:
PN1. Variabilei aleatoare X cu repartiia N( , 2 ) i corespunde:
momente centrale
de ordin impar egale cu zero : 2 K +1 = 0
(2 K )!
2K
de ordin par : 2 K = 2 K K !
repartizat normal
X = X 1 + X 2 + ... + X K
, unde:
X ~ N (, )
X 1 , X 2 , ..., X K sunt variabile independente cu repartiii normale avnd media i i
dispersia i2
K
i =1
i =1
= i i 2 = i2
PN3. Pentru o combinaie liniar finit de variabile aleatoare independente, proprietatea
anterioar poate fii transpus astfel: dac X 1 , X 2 , ..., X K sunt variabile aleatoare
49
i dispersia
i2 , atunci suma
i =1
i =1
unde = i i i 2 = i2 i2
Repartiia normal normat se prezint grafic printr-o curb normal care se numete i
clopotul lui Gauss, datorit urmtoarelor caracteristici:
- reprezentarea este simetric fa de dreapta x = , iar cele dou prii ale curbei tind
a) deplasare spre
a curbei prin Ox spre dreapta (figura 4.1.a) sau spre stnga (figura 4.1.b) fr s-i
schimbe forma.
- dac media ( ) este constant, atunci modificarea abaterii standard ( ) determin o
50
0,4
0,2
-0,5
0,5
1,5
2,5
3,5
(4.2)
Variabila aleatoare Z are o repartiia normal normat cu media zero i dispersia egal
cu 1 avnd funcia de repartiie N (z;0,1) .
Graficul repartiiei normale (figura 2.8) este simetric fa de axa ordonatelor yy, iar
valoarea maxim este atins n punctul f(0)=0,3989 0,4. Punctele de inflexiune sunt z = -1 i z
= +1.
10
Dup Clocotici V., Stan A., Statistic aplicat n psihologie, pag. 132.
51
0,4
0,2
-2
-1
( z )
(+ z )
1
2
e
z
u2
2
du
(4.3)
Deoarece curba este simetric, deci F (0) = 0,5, din definiia funciei repartiiei avem:
F ( z ) = P (Z < z ) =
Important din punct de vedere aplicativ este i funcia (z) ce prezint aria de sub
ramura pozitiv a densitii i probabilitii (figura 4.5) care se stabilete n raport cu funcia de
repartiie normal redus astfel:
1
2
( z) = F ( z) , z 0
f (z )
(z )
-2
52
(4.4)
n aceast carte, este prezentat o Anex 1 cu un tabel n care sunt incluse valorile
funciei (z ) .
4.2
2
Repartiia
2 = Z12 + Z 22 + ... + Z r2 ,
unde Z1 , Z 2 ,..., Z r sunt variabile aleatoare independente cu repartiia N(0,1).
n raport cu densitatea de probabilitate, respectiv funcia de repartiie se poate construi
graficul repartiiei 2 .
Definiia 2.19.
( x) =
1
g
2
g
2 a
2
x2 e
x
2a2
, x 0
(4.5)
( x, g ) =
1
g
2
g
2
2
g
1
2
x
2
(4.6)
F ( x) = (t , g )dt
1 , n 1
2
2
2
, n 1
f (x : g ,1)
g =2
0,2
g =4
g =6
g = 15
0,1
10
20
Valorile teoretice sau tabelare ale lui 2 se preiau din Tabela 2 , prezentat n Anexa 2
n care funcia de probabilitate este P ( 2 > 02 ) =
Repartiia 2 este ntotdeauna pozitiv, neexistnd ramura ei negativ, ceea ce determin
o notare inversat a valorilor critice din stnga graficului. n locul lui 2 ,n 1 exist 12 ,n 1 i
nu se folsete 2
2
, n 1
1 ,n 1
2
54
4.3
Repartiia Student ( t )
1
1
2
,
(4.7)
(t , g ) =
g +1
g
g
2
t 2
2 1 +
g
F ( x) = (t , g )dt
(4.8)
55
0,4
distribuia
distribuia N (x;0,1)
0,2
x
-2
-1
, n 1
distribuiei Student, t (Anexa 3), cu meniunea c, acele valori i g care nu exist n tabel se
utilizeaz aproximarea normal standard.
4.4
Repartiia Fisher-Snedecor ( F )
56
g + g2
g1
1
1
g1
g2
2
F
2
2
2
(F ) =
g1 g 2
, F 0
g1 + g 2
g1 g 2
F
( g1 + g 2 ) 2
2 2
unde:
(4.9)
( p ) - funcia Gamma
P( F > F0 ) = ( F )dF =
0
2 g 22 ( g1 + g 2 2)
, pentru g 2 > 2
g 1 ( g 2 4)( g 2 2) 2
(4.11)
(1.12)
Lucrare de verificare 4A
Rspundei pe scurt la urmtoarele ntrebri:
1. Cum definii repartiia normal normat Z ?
2
2. Cum definii repartiia ?
Test de autoevaluare 4B
1. Repartiia normal normat este ntlnit i sub numele de:
a.
b. distribuie normal;
c. repartiia Gauss-Laplace;
d. repartiia student.
b. 2 ,n 1 , 2
, n 1
, 2
2
c. 12 ,n 1 , 2
1 , n 1
2
,n
, n 1
, 2
2
, 2 , n1 ;
,n 1
, 2 , n1 ;
d. 12 , 2 , 2 , 2 ;
1
59
Rezumat
Principalele repartiii de probabilitate utilizate n testarea i studiul ipotezelor i
modelelor econometrice sunt distribuia normal normat (Z), distribuia Student (t), distribuia
1
2
e
z
u2
2
du .
Important din punct de vedere aplicativ este i funcia (z) (funcia integral a lui Laplace)
astfel nct F ( z) =
1
+ ( z ), z 0 . Valorile Fonciilor (z) i F(z) sunt tabelate (Anexa 1).
2
y1 g 2
, unde: y1 , y 2 sunt
y 2 g1
Bibliografie
Clocotici V.
Dougherty Ch.
Gogonea R.M.
STATISTICA. Baza teoretico-aplicativ pentru comerservicii- turism, Editura Universitar, Bucureti, 2009
HsiaoJohnston J.,
Dinardo J.,
Isaic-Maniu A., Mitru
C.,
Voineagu V.
Jaba E.
Jaba E.
61
Unitatea de nvare 5
IPOTEZE STATISTICE-ASPECTE TEORETICE
Cuprins
5.1
Inferena statistic;
Ipoteza statistic;
statistica testului;
verificarea ipotezei.
Inferena statistic
62
statistice, iar inferena este reprezentat de procesul de extindere la nivelul colectivitii generale
a unor rezultate obinute dintr-o subcolectivitate reprezentaiv (figura 5.1).
desfurate n cadrul unui fenomen sau proces, care ulterior este supus unui proces de verificare
statistic.
63
Extragere subpopulaie
Subcolecti
Extindere
vitate
Rezultate
Estimare
Colectivitate
statistic
(eantion
INFEREN
Particular
Inducie
General
64
Verificare
IPOTEZE
Colectivitate
general
METODOLOGIA
Eantion cu date
experimentale
TESTRII
Stabilire
IPOTEZE
statistica testului;
verificarea ipotezei.
Ipoteza nul i ipoteza alternativ
11
65
exist o diferen semnificativ (cazuri speciale: mai mare sau mai mic) ntre parametri
comparai.
Ambele ipoteze trebuiesc stabilite iniial, ca prime etape n cadrul metodologiei testrii
fiind considerate mutual exhaustive ca urmare a imposibilitii mplinirii simultane a acestora,
dar cu realizarea obligatorie a uneia din ele (respingerea ipotezei nule H 0 conduce la stabilirea
ipotezei alternative H 1 ca fiind adevrate sau dac ipoteza nul H 0 este adevrat, atunci ipoteza
alternativ H 1 se respinge).
66
(5.1)
probabiliatea evenimentului realizat ( E R ) sub H1 este mai mare dect sub H0, dar nu se
poate determina dect funcia de celealt.
Probabilitatea critic este interpretat a fi mic sau nu prea mic n raport cu un anumit
67
eroare de tip I. (de spea nti): se respinge ipoteza nul H 0 , dei ea este adevrat.
Riscul producerii unei erori de tip I este .
eroare de tip II (de apea a doua): nu se respinge ipoteza nul H 0 , dei ea este fals.
Riscul producerii unui tip de eroare este .
Tabelul 5.1. Erori n procesul decizional statistic
Ipoteza
Decizia n test
H 0 adevrat
H 0 fals
Respingere H 0
Eroare de tip I
Acceptare H 0
testului stabilit n raport cu cel al distribuiilor statistice descrise de fenomenul sau procesul
analizat.
Rezultatul obinut ca urmare a aplicrii statisticii testului se numete valoarea calculat a
testului (notat: Z c , sau t c , sau c2 , sau Fc etc).
()
f x
H0
H1
68
12
Statistica testului
Testarea ipotezei
plasndu-se pe grafic;
regiunea de respingere ( Rr ).
12
Voineagu V., ian E., erban R., Chi S., Todose D., Boboc C., Pele D., Teorie i practic econometric,
Editura Meteor Press, Bucureti, 2006, pag.89.
69
Stabilirea ipotezelor
-
Ipoteza H 0
Ipoteza H1
Alegerea
TIPULUI TESTULUI
Alegerea
Valoarea critic
Regiunea
LIMITEI DE
SEMNIFICAIE
vC . R
de respingere
STATISTICA TESTULUI
NU
PER R R
Se accept H 0
DA
Se respinge H 0
5.3
Test bilateral
70
H 0 : x1 = x 2
H 1 : x1 < x 2
n alt exemplu, dac se compar dou dispersii ( 12 i 22 ), vom avea:
H 0 : 12 = 22 sau H 0 :
12
=1
22
H 1 : 12 < 22 sau H 1 :
12
<1
22
figura 5.1
- Limita de semnificaie este
RR
vC . R
Figura 5.1 Baza teoretic grafic a testului unilateral stnga
Testul bilateral
ipotezele testului :
de exemplu, dac se compar mediile a dou eantioane ( x1 i x 2 ), avem:
71
H 0 : x1 = x 2
H 1 : x1 x2
n alt exemplu, dac se compar dou dispersii ( 12 i 22 ), vom avea:
H 0 : 12 = 22 sau H 0 :
12
=1
22
12
H 1 : sau H 1 : 2 1
2
2
1
2
2
figura 4.6
- Limita de semnificaie este
RR
RR
vC . R
vC .R
negativ
pozitiv
Testul unilateral dreapta, se mai numete i testul direcional dreapta. El se poate descrie
prin urmtoarele caracteristici:
-
H 0 : x1 = x 2
H 1 : x1 > x 2
72
12
=1
22
12
H 1 : > sau H 1 : 2 > 1
2
2
1
2
2
n figura 5.3
-
RR
vC . R
pozitiv
Procedeul testrii ipotezelor statistice are n vedere nu numai tipul ipotezei alternative,
dar i urmtoarele dou elemente:
Lucrare de verificare 5A
Rspundei pe scurt la urmtoarele ntrebri:
1. Ce reprezint inferena statistica?
2. Cum se definete ipoteza statistic?
73
Test de autoevaluare 5B
1. Ipoteza statistica este:
a. presupunerea care se face cu privire la parametrii unei repartiii;
b. presupunerea la legea de repartiie pe care o urmeaz anumite variabile aleatoare;
c. procedeul de constituire a eantionului;
d. orice presupunere privind o variabil.
74
c.
d.
;
.
RR
vC . R
10. Potrivit figurii urmtoare, la testarea ipotezelor statistice, se aplic:
a. testul unilateral dreapta;
b. testul bilateral;
c. testul unilateral dreapta;
d. nici un test.
RR
RR
vC . R
vC .R
negativ
pozitiv
76
Rezumat
Ipoteza statistic este o presupunere cu caracter provizoriu, formulat pe baza unor date
exterimentale existente la un moment dat. Testarea ipotezelor statistice presupune parcurgerea
urmtoarelor etape: formularea ipotezelor : H 0 (nul) i H 1 (alternativ), stabilirea pragului de
semnificaie , determinarea valorile critice corespunztoare pragului de semnificaie i tipului
de test aplicat, determinarea regiunii (regiunilor) de respingere sau critic determinarea statisticii
testului i luarea deciziei n funcie de modul cum se ncadreaz statistica testului, n interiorul
sau exteriorul regiunii de respingere.
Principalele noiuni utilizate n procesul de testare a ipotezelor statistice sunt:
Elementele teoretice care intervin n testarea ipotezelor statistice sunt: ipotezele testului ( H 0 i
Bibliografie
Andrei T.
77
Unitatea de nvare 6
TESTAREA IPOTEZELOR PRIVIND MEDIILE POPULAIILOR CU
EANTIOANE DE VOLUM MARE
Cuprins
6.1
78
2 cunoscut :
Zc =
x ip
x ip
(6.1)
2 necunoscut:
Zc =
x ip
s2
n
x ip
s
(6.2)
unde:
n - volumul eantionului
ip - media ipotetic
x - media eantionului
a. unilateral stnga
fi: b. bilateral
c. unilateral dreapta
79
RR
H 0 se respinge
H 0 : = ip
2.
H 1 : < ip
3.
4.
adevrat ipoteza H 1 .
80
5.
- se calculeaz valoarea statistic a testului cu una din relaiile 4.2 sau 4.3, iar valoarea
obinut se plaseaz pe grafic.
6.
Testul Z bilateral
Aplicarea testului are n vedere ipoteza alternativ prin care se specific faptul c media
eantionului difer semnificativ de media colectivitii generale.
Graficul, figura 6.2, indic o limitare a densitii de probabilitate n ambele pri, att la
stnga ct i la dreapta de aria de respingere a ipotezei nule. Cele dou regiuni de respingere sunt
prezentate pe grafic ncepnd cu valorile critice - Z , respectiv Z .
2
RR
RR
H 0 se respinge
H 0 se respinge
H 0 : = ip
2. Ipoteza alternativ:
H 1 : ip
creia se stabilete :
81
adevrat ipoteza H 1 .
5. Se calculeaz valoarea statistic a testului cu una din relaiile 4.2 sau 4.3,
iar valoarea
RR
H 0 se respinge
Etapele care trebuiesc parcurse pentru aplicarea tetsului z unilateral dreapta sunt cele
prezentate anterior n cadrul celorlalte dou tipuri de teste z.
1. Ipoteza nul:
H 0 : = ip
82
2. Ipoteza alternativ:
H 1 : ip
creia se stabilete :
ipoteza H 1 .
5. Se calculeaz valoarea statistic a testului cu una din relaiile 4.2 sau 4.3, iar valoarea
situaiei.
2 cunoscut :
zc =
x1 x 2
12
n1
22
(6.3)
n2
2 necunoscut:
zc =
x1 x 2
2
s1
s
+ 2
n1
n2
83
(6.4)
unde:
Cazuri particulare:
1.
2 cunoscut :
zc =
x1 x 2
1
1
+
n1 n2
(6.5)
2 necunoscut:
zc =
2.
x1 x 2
1
1
+
s
n1 n 2
(6.6)
- dac cele dou eantioane au acelai volum n1 = n2 = n , atunci statistica testului calculat
va fi:
2 cunoscut :
zc =
x1 x 2
12 + 2 2
n
2 necunoscut:
84
(6.7)
zc =
x1 x 2
s1 + s 2
n
2
(6.8)
Direcia abaterii ipotezei alternative implic i n cazul comparrii mediilor celor dou
eantioane apariia celor trei tipuri de teste:
unilateral stnga
bilateral
unilateral dreapta
Etapele ce trebuiesc parcurse, n toate cele trei tipuri de teste, sunt prezentate dup cum
urmeaz:
1. Se prezint ipoteza nul H 0 : 1 = 2
2. Se stabilete ipoteza alternativ ( H 1 ) n funcie de tipul testului, astfel:
2.1. - testul unilateral stnga: H 1 : 1 < 2
2.2. - testul bilateral: H 1 : 1 2
2.3. - test unilateral dreapta: H 1 : 1 > 2
3. Se precizeaz tipul testului statistic utilizat n raport cu datele aplicaiei, volumul eantionului
cruia se stabilete:
4.1. - testul unilateral stnga:
plaseaz pe grafic .
Regiunea de respingere Rr : dac Z c < Z , atunci H o se respinge i este
adevrat ipoteza H 1 .
4.2. - testul bilateral:
pe grafic.
85
adevrat ipoteza H 1 .
4.3. - test unilateral dreapta:
5. Se calculeaz valoarea statistic a testului calculat cu una din relaiile 4.4 4.9, iar valoarea
dac n este suficient de mare (n>30) , n general n practic, relaiile prezentate sunt
ndeplinite, deci apare o distribuie normal a repartiiei binominale, ceea ce implic aplicarea
testului z.
86
dac n este mai mic (n<30), se utilizeaz probabilitatea elementului compus sub H o
PH 0 = C n P0 (1 p 0 ) n i
i
i=r
f p ip
f (1 f )
n
(6.9)
unde:
n = volumul eantionului
p ip = proporia ipotetic
f = proporia eantionului
Ipoteza alternativ, prin direcia abaterii pe care o prezint, implic apariia unuia dintre
cele trei tipuri de teste Z deja prezentate:
unilateral stnga
bilateral
unilateral dreapta.
87
cruia se stabilete:
4.1. - testul unilateral stnga:
pe grafic.
5. Se calculeaz valoarea statistic a testului calculat cu relaia (3.21), iar valoarea obinut se
plaseaz pe grafic.
dac rezultatul statistic al testului calculat, Z c , intr n regiunea de respingere Rr , lunduse decizia adecvat situaiei.
88
Exemplul 6.1.
Managerul unui lan hotelier s-a gndit s analizeze situaia cheltuielilor ultimei luni, cu
scopul de a reduce pe viitor nivelul acestora. n acest context, s-a realizat un studiu privind
cheltuielile cu angajaii trimii la cursurile de training i s-a stabilit c, pe fiecare angajat
cheltuiala este distribuit normal cu o medie de 980 UM i o dispersie de 2500.
Se consider c, aceast cheltuial medie pe angajat este mai mare dect cea stabilit la
980 UM. n vederea verificrii afirmaiei, se selecteaz aleatoriu un eantion de 40 salariai
pentru care se nregistreaz cheltuielile cu training-ul i se stabilete valoarea medie a acestor
cheltuieli la 1110 UM.
Pentru o probabilitate de 99,9%, poate managerul s concluzioneze c aceast cheltuial
medie pe angajat este mai mare de 980 UM?
Rezolvare:
Notaii:
ip = 980 UM
2 = 2500
n = 40 salariai
x = 1110 UM
( 1 ) = 99,9%
1 Ipoteza nul H 0 : = ip
(nu exist diferen semnificativ ntre cheltuiala medie pe angajat i cea stabilit
ipotetic la nivelul lanului hotelier)
2 Ipoteza alternativ H 1 : > ip
( cheltuiala medie pe angajat este mai mare dect cea ipotetic stabilit la nivelul
lanului hotelier)
3 Dac n= 40 angajai >30, atunci se aplic testul Z (testul Z unilateral dreapta)
4 Se determin Z tabelar (teoretic) similar celor prezentate n exemplul 4.1 i pentru = 0.001
89
Zc =
x ip
x ip
1110 980
2500
40
130
= 16,43
7,91
Rr
Z = 3,085 Z c = 16,43
H 0 se respinge
(nu exist diferen semnificativ ntre cheltuiala medie pe angajat i cea stabilit ipotetic la
nivelul lanului hotelier)
6 Deoarece aa cum se prezint i n figura 4.17, Z c (16,43) > Z (3,085) , iar Z c intr n Rr ,
Lucrare de verificare 6A
Rspundei pe scurt la urmtoarele ntrebri:
1. Pentru o valoare de -1,29 a testului critic Z, schiai distribuia lui Z i indicai locul
regiunii critice.
2. Pentru o valoare de 2,33 a testului critic Z, schiai distribuia lui Z i indicai locul
regiunii critice.
3. Pentru = 0,05 i (Z calculat) =0,40 specificai dac ipoteza nul este respins n cazul
testului bilateral.
4. Pentru = 0,025 i (Z calculat) =0,45 specificai dac ipoteza alternativ este acceptat
n cazul testului bilateral.
90
5. ntr-un test n care se testeaz ipoteza nul H0: =100 i ipoteza alternative H1: >100 se
obine valoarea testului z = 2,26, aflai pragul de semnificaie corespunztor valorii
calculate a testului.
Test de autoevaluare 6B
1. Managerul unei structuri de primire turistic dorete s verifice dac durata medie a
sejurului turitilor cazai este mai mic de 6 zile. Acesta presupune c durata medie a
unui sejur este de 6 zile, iar abaterea medie practic este de 2 zile. Testarea ipotezei este
completat prin selectarea aleatoare a unui eantion de 80 turiti pentru care se stabilete
c durata medie a sejurului este de 5 zile; nivelul de ncredere este de 95%. Care sunt cele
dou ipoteze?
a. H0: nu exist diferen semnificativ ntre durata medie a sejurului i cea
presupus de manager
H1: durata medie a sejurului este mai mic dect cea presupus de manager.
b. H0: nu exist diferen semnificativ ntre durata medie a sejurului i cea
presupus de manager
H1: durata medie a sejurului este mai mare dect cea presupus de manager.
c. H0: nu exist diferen semnificativ ntre durata medie a sejurului i cea
presupus de manager.
H1: exist diferen semnificativ ntre durata medie a sejurului i cea presupus
de manager.
d. H0: exist diferen semnificativ ntre durata medie a sejurului i cea presupus
de manager
H1: durata medie a sejurului este mai mic dect cea presupus de manager.
2. Managerul unei structuri de primire turistic dorete s verifice dac durata medie a
sejurului turitilor cazai este mai mic de 6 zile. Acesta presupune c durata medie a
unui sejur este de 6 zile, iar abaterea medie practic este de 2 zile. Testarea ipotezei este
completat prin selectarea aleatoare a unui eantion de 80 turiti pentru care se stabilete
91
c durata medie a sejurului este de 5 zile; nivelul de ncredere este de 95%. Valoarea
statistic a testului (valoarea calculat) este:
a. -4,55;
b. -3,55;
c. 2.35;
d. 7,25.
3. Un comerciant este de prere c, un romn consum n medie ntr-o lun mai puin de 8
kg de pine i ar vrea s verifice aceast opinie. n acest sens, s-a realizat o anchet pe un
eantion aleatoriu de 49 familii din toate judeele Romniei i a relevat un consum mediu
de 8,2 kg, cu o abatere medie ptratic de 1,7 kg. Dac acceptm un nivel de ncredere de
95%, valoarea statistic a testului (valoarea calculat) este:
a. 0,95
b. 0,83
c. 1
d. 0,24.
4. Salariul mediu pe angajat stabilit pentru 35 agenii de turism dintr-un jude este de 1600
lei. La nivelul regiunii care include judeul respectiv s-a determinat pentru toate ageniile,
un salariu mediu de 1585 lei pe angajat i o abatere de 76,55 lei. Dac cei interesai
doresc s arate, pentru o probabilitate de 99%, dac salariul mediu pe angajat stabilit la
nivelul ageniilor de turism ale judeului difer semnificativ de cel determinat pentru toate
ageniile de turism din regiune, care sunt cele dou ipoteze statistice?
a. H0: nu exist diferen semnificativ salariul mediu pe angajat i cel ipotetic.
H1:salariul mediu pe angajat este mai mic dect cel ipotetic.
b. H0: nu exist diferen semnificativ ntre salariul mediu pe angajat i cel ipotetic.
H1: exist diferen semnificativ ntre salariul mediu pe angajat i cel ipotetic.
c. H0: nu exist diferen semnificativ salariul mediu pe angajat i cel ipotetic.
H1:salariul mediu pe angajat este mai mare dect cel ipotetic.
d. H0: exist diferen semnificativ salariul mediu pe angajat i cel ipotetic.
H1:salariul mediu pe angajat este mai mic dect cel ipotetic.
92
5. Salariul mediu pe angajat stabilit pentru 35 agenii de turism dintr-un jude este de 1600
lei. La nivelul regiunii care include judeul respectiv s-a determinat pentru toate ageniile,
un salariu mediu de 1585 lei pe angajat i o abatere de 76,55 lei. Se dorete testarea
ipotezei conform creia salariul mediu pe angajat stabilit la nivelul ageniilor de turism
ale judeului difer semnificativ de cel determinat pentru toate ageniile de turism din
regiune. n urma testrii acestei ipoteze pentru o probabilitate de 99% , putem afirma c:
a. Zcalculat = -1,16, se admite ipoteza nul i putem trage concluzia c nu exist
diferen semnificativ ntre salariile medii stabilite la nivelul celor 35 agenii de
turism i la nivelul regiunii;
b. Zcalculat = 1,16, se respinge ipoteza nul i putem trage concluzia c exist diferen
semnificativ ntre salariile medii stabilite la nivelul celor 35 agenii de turism i
la nivelul regiunii;
c. Zcalculat = 1,06, se admite ipoteza nul i putem trage concluzia c nu exist
diferen semnificativ ntre salariile medii stabilite la nivelul celor 35 agenii de
turism i la nivelul regiunii;
d. Zcalculat = 1,16, se admite ipoteza nul i putem trage concluzia c nu exist
diferen semnificativ ntre salariile medii stabilite la nivelul celor 35 agenii de
turism i la nivelul regiunii.
6. Managerul unui lan hotelier s-a gndit s analizeze situaia cheltuielilor ultimei luni, cu
scopul de a reduce pe viitor nivelul acestora. n acest context, s-a realizat un studiu
privind cheltuielile cu angajaii trimii la cursurile de training i s-a stabilit c, pe fiecare
angajat
cheltuiala
este
distribuit
normal
cu
medie
de
1090
UM.
Acesta consider c, respectiva cheltuial medie pe angajat este mai mare dect cea
stabilit la 1090 UM. n vederea verificrii afirmaiei, se selecteaz aleatoriu un eantion
de 40 salariai pentru care se nregistreaz cheltuielile cu training-ul i se stabilete
valoarea medie de 1110 UM, iar abaterea standard de 50 UM. Pentru o probabilitate de
99,9%, valoarea statistic a testului (valoarea calculat) este:
a. 2,83
b. 2,53
c. 1,53
93
d. -2,55
7. Managerul unui lan hotelier s-a gndit s analizeze situaia cheltuielilor ultimei luni, cu
scopul de a reduce pe viitor nivelul acestora. n acest context, s-a realizat un studiu
privind cheltuielile cu angajaii trimii la cursurile de training i s-a stabilit c, pe fiecare
angajat
cheltuiala
este
distribuit
normal
cu
medie
de
1090
UM.
Acesta consider c, respectiva cheltuial medie pe angajat este mai mare dect cea
stabilit la 1090 UM. n vederea verificrii afirmaiei, se selecteaz aleatoriu un eantion
de 40 salariai pentru care se nregistreaz cheltuielile cu training-ul i se stabilete
valoarea medie de 1110 UM, iar abaterea standard de 50 UM. Pentru o probabilitate de
99,9%, managerul concluzioneaz c:
a. aceast cheltuial medie pe angajat este mai mare dect cea presupus de manager
de 1090 UM;
b. aceast cheltuiala medie pe angajat nu difer semnificativ de cea presupus de
manager de 1090 UM;
c. aceast cheltuial medie pe angajat este mai mic dect cea presupus de manager
de 1090 UM;
d. aceast cheltuiala medie pe angajat difer semnificativ de cea presupus de
manager de 1090 UM.
8. Un fermier dorete s verifice dac n ceea ce privete producia de lapte, dup
cumprarea i utilizarea unui tonomat (aparat pentru vnzarea laptelui) profitul este mai
ridicat. n acest scop a fost nregistrat profitul ntr-o lun (31 de zile) naintea cumprrii
aparatului i n urmtoarea lun (30 de zile) dup achiziionarea i utilizarea lui. Testarea
ipotezei se realizeaz pe baza celor dou eantioane, datele stabilite permind
nregistrarea urmtoarelor caracteristici:
nainte de cumprarea aparatului:
n 1 =31 de zile
x1 =1200 UM
s1 =231 UM
atunci
se
respinge
H0,
deci
proporia
reprezentanilor din eantion difer semnificativ de cea a tuturor celor din ANAT.
Concluzia este c modificarea statului ANAT poate fi pus n discuia
reprezentanilor n vederea aplicrii ei.
b. Deoarece Z c (0,5) < Z (1,645) , atunci se admite ipoteza H0, deci proporia
reprezentanilor din eantion nu difer semnificativ de cea a tuturor celor din
ANAT. Concluzia este c modificarea statului ANAT poate fi pus n discuia
reprezentanilor n vederea aplicrii ei.
c. Deoarece Z c (0,5) > Z (0,45) , atunci se respinge ipoteza H0, deci proporia
reprezentanilor din eantion difer semnificativ de cea a tuturor celor din ANAT.
Concluzia este c modificarea statului ANAT poate fi pus n discuia
reprezentanilor n vederea aplicrii ei.
95
d. Deoarece Z c (0,5) > Z (0,45) , atunci se admite ipoteza H0, deci proporia
reprezentanilor din eantion difer semnificativ de cea a tuturor celor din ANAT.
Concluzia este c modificarea statului ANAT poate fi pus n discuia
reprezentanilor n vederea aplicrii ei.
10. Un manager al unui magazin afirm c, 16% dintre clienii magazinului sunt brbai.
Unul dintre vnztori nu este de acord cu aceast afirmaie. Pentru studiu se formeaz un
eantion de 100 clieni i se stabilete c 25% dintre acetia sunt brbai. Ne putem baza
pe afirmaia managerului cu un nivel de ncredere de 95%?
a. deoarece Z c (2,25) > Z (1,96) , atunci ipoteza H0 se respinge, deci se accept
2
Rezumat
Pentru testarea indicatorului medie, pentru eantioane mai mari de 30 de elemente se utilizeaz
testul Z. Sunt prezentate modalitile de testare a mediei populaiei generale, a mediilor a dou
populaii i n particular a proporiei existente ntr-o colectivitate.
96
Pentru testarea ipotezei privind media populaiei generale statistica testului pentru 2
x ip
cunoscut este Z c =
x ip
sau Z c =
x ip
s2
n
x ip
n caz contrar. Regiunile critice
s
n
sunt determinate n funcie de pragul de semnificaie ales i de enunurile concrete ale ipotezelor
H 0 (nul) i H 1 (alternativ).
Similar, pentru testarea ipotezei privind mediile a dou populaii, statistica testului este
zc =
x1 x 2
12
n1
22
sau z c =
n2
x1 x 2
2
s1
s
+ 2
n1
n2
f p ip
f (1 f )
n
Bibliografie
Cristache S.E., erban
D.
Hapenciuc C.V.
97
Unitatea de nvare 7
TESTAREA IPOTEZELOR PRIVIND MEDIILE POPULAIILOR CU
EANTIOANE DE VOLUM MIC
Bibliografie
7.1
Compararea mediei unui eantion de volum redus cu media
colectivitii generale
Eantioanele de volum redus reprezint acele eantioane care sunt formate din mai puin
de 30 elemente componente ( n < 30 ) extrase dintr-o colectivitate general ce urmeaz a fi
cercetat.
Procesul de testare aplicat unor astfel de eantioane se bazeaz pe aplicarea testului
STUDENT ( t ).
98
s = s2 =
(x
x)2
i =1
n 1
(7.1)
x ip
s2
n
x ip
s
(7.2)
unde:
x media eantionului
99
Observaie
t
2
, n 1
creia se stabilete:
4.1. - testul unilateral stnga (figura 7.1)
valoarea lui
t tabelar
grafic .
Rr
H 0 se respinge
t ;n 1
100
valorile lui
pe grafic.
, n 1
sau t c > t
2
Rr
, n 1
atunci H o se respinge
Rr
H 0 se respinge
H 0 se respinge
t
2
;n 1
; n 1
regiunea
de
respingere
Rr :
dac
t c > t , n 1 ,
atunci
Rr
t ;n 1
Figura 7.3. Aplicarea testului
101
H 0 se respinge
unilateral dreapta
H o se
respinge
5. Se calculeaz valoarea statistic a testului determinat cu relaia (3.28), iar valoarea obinut
se plaseaz pe grafic.
6. Se compar valoarea t c cu una din valorile - t ,n 1 , - t
2
, n 1
, t
2
, n 1
, t , n1 i se stabilete dac
7.2
un eantion de volum n1 < 30 cu media x1 i dispersia s12 este extras dintr-o colectivitate
1 2 = 2 2 = 2 , deci 1 = 2 =
102
tc =
1
1
s e2 +
n1 n 2
x1 x 2
=
se
1
1
+
n1 n 2
(7.3)
se =
(7.4)
, n1 + n2 2
i se construiete graficul.
creia se stabilete:
4.1. - testul unilateral stnga (figura 7.4):
valoarea lui
grafic.
103
Rr
H 0 se respinge
t ;n1 + n2 2
valorile lui
; n1 + n2 2
pe grafic.
regiunea de respingere Rr : dac t c < - t
2
; n1 + n2 2
sau t c > t
2
; n1 + n2 2
atunci H o se
Rc
Rc
H 0 se respinge
H 0 se respinge
t
2
; n1 + n2 2
t
2
; n1 + n2 2
ipoteza H 1 .
104
Rr
t ; n1 +n2 2 H 0 se respinge
; n1 + n2 2
; n1 + n2 2
Particularitatea acestei ipostaze const n faptul c deoarece dispersiile nu sunt egale, deci
nici abaterile standard nu pot avea aceai valoare, se va aplica testul utiliznd estimaia abaterii
standard la nivelul fiecrui eantion:
n1
s1 = s12 =
(x
i =1
i1
x1 ) 2
(7.5)
n1 1
n2
s 2 = s 22 =
(x
i =1
i2
x2 ) 2
n2 1
(7.6)
x1 x 2
2
s1
s
+ 2
n1
n2
105
(7.7)
ipoteza H 1 .
4.2. - testul bilateral (vezi figura 7.5):
t tabelar sau teoretic t
(Anexa 3) i valorile cu semnele + i - se plaseaz pe
2
; n1 + n2 2
grafic.
regiunea
; n1 +n2 2
sau t c > t
2
; n1 +n2 2
atunci H o se respinge
ipoteza H 1 .
Se determin valoarea statistic a testului calculat cu relaia (3.33), iar valoarea obinut se
plaseaz pe grafic.
Se compar valoarea lui t c cu una din valorile - t ; n1 + n2 2 , - t
, t
, t ; n1 + n2 2 i
2
; n1 +n2 2
; n1 +n2 2
106
Exemplul 7.1.
ntr-o zon montan, ntre dou tipuri de pensiuni turistice rurale (1 margaret i 2
margarete), cu acelai numr de camere, se testeaz ipoteza conform creia nu exist diferen
semnificativ privind cheltuielile medii de ntreinere din sezonul turistic de iarn.
tiind c, probabilitatea luat n considerare este de 98%, testarea se realizeaz pentru 6
pensiuni de 1 margaret i 4 uniti de 2 margarete de la care sunt preluate datele privind
cheltuielile de ntreinere din sezonul turistic de iarn i sunt prelucrate. Rezultatele testrii sunt
prezentate n tabelul 4.2:
Tabelul 7.2. - Caracteristicile eantioanelor din cele dou pensiuni
Pensiunea de 1 margaret
Pensiunea de 2 margarete
n1= 6
n2 = 4
x1 = 4,5 mii UM
x 2 = 4,84 mii UM
s1 = 0,15 mii UM
s 2 = 0,44 mii UM
Rezolvare:
1.
Ipoteza nul H 0 : x1 = x 2
(nu exist diferen semnificativ ntre cheltuielile medii de ntreinere ale pensiunilor
turistice rurale de o margaret i ale celor de dou margarete).
2.
Ipoteza alternativ H 1 : x1 x 2
(exist diferen semnificativ ntre cheltuielile medii de ntreinere ale pensiunilor
turistice rurale de o margaret i ale celor de dou margarete).
3.
Dac n1 = 6 i n 2 = 4, ambele mai mici de 30, atunci se aplic testul t (testul t bilateral)
4.
Fiind
test
= 0,02 t
2
; n1 + n2 2
probabilitatea
de
98%
va
fi
evideniat
prin
= t 0,02;8 = 2,896
; n1 + n2 2
sau t c > t
2
; n1 + n2 2
H o se respinge, deci
se =
(6 1) 0,15 2 + (4 1) 0,44 2
= 0,29
6+42
s e = 0,0867 = 0,29
x1 x 2
tc =
1
1
+
n1 n2
se
4,5 4,84
1 1
+
0,29
6 4
= 1,82
Deoarece
t
2
; n1 + n2 2
; n1 + n 2 2
(2,896) ,
Rr
Rr
H 0 se respinge
t
2
; n1 +n2 2
H 0 se respinge
= 2,896
t c = 1,82
;n1 + n2 2
= 2,896
Se accept H 0
o
Figura 7. 7. Testarea ipotezei H 0 :
nu exist diferen semnificativ ntre cheltuielile medii de ntreinere ale celor dou
categorii de pensiuni
6. Concluzia (figura 7.7) este c nu exist diferen semnificativ ntre cheltuielile medii de
ntreinere ale pensiunilor turistice rurale de o margaret i cele ale pensiunilor de dou
margrete.
Lucrare de verificare 7A
Rspundei pe scurt la urmtoarele ntrebri:
1. Cum se testeaz ipoteza privind compararea mediei unui eantion de volum redus cu
media colectivitii generale?
108
2. Cum se testeaz ipoteza privind compararea mediilor a dou eantioane de volum redus?
3. Pentru o valoare de -1,71 a testului student (t) critic, schiai distribuia lui t i indicai
locul regiunii critice.
4. Pentru o valoare de 2,33 a testului (t) critic, schiai distribuia lui t i indicai locul
regiunii critice.
5. Pentru 1 = 95% i t calculat=0,40 specificai dac ipoteza nul este respins n cazul
testului unilateral stnga.
Test de autoevaluare 7B
1. n vederea verificrii greutii produselor dintr-un lot de piese se extrage aleator simplu i
repetat un eantion format din 25 piese. La nivelul eantionului observat se obine o
greutate medie de 340 g i o abatere standard de 10g. Se studiaz ipoteza potrivit creia
greutatea medie a unei piese din ntregul lot concord cu greutatea medie prevzut n
normele STAS, 0 = 330 g . (riscul asumat este = 0,05 ). Valoarea statistic a testului
(valoarea calculat) este:
a. 4
b. 5
c. 4,75
d. 5,25
2. n vederea verificrii greutii produselor dintr-un lot de piese se extrage aleator simplu i
repetat un eantion format din 25 piese. La nivelul eantionului observat se obine o
greutate medie de 340 g i o abatere standard de 10g. Se studiaz ipoteza potrivit creia
greutatea medie a unei piese din ntregul lot concord cu greutatea medie prevzut n
normele STAS, 0 = 330 g . (riscul asumat este = 0,05 ). Care sunt cele dou ipoteze
statistice?
a.
H 1 : > 0 (greutatea medie a unei piese din ntregul lot este mai mare
dect greutatea medie prevzut n normele STAS).
109
b.
H 1 : < 0 (greutatea medie a unei piese din ntregul lot este mai mic
dect greutatea medie prevzut n normele STAS).
c.
H 1 : < 0 (greutatea medie a unei piese din ntregul lot este mai mica
dect greutatea medie prevzut n normele STAS).
3. Patronul unei pensiuni turistice rurale, n vederea ridicri calitii activitilor desfurate,
dorete s-i analizeze mai atent cheltuielile i presupune c, n medie, cheltuiala zilnic
n perioada de sezon este de 400 UM pe turist. Testarea ipotezei presupune o selectare
aleatorie a 25 de zile, pentru care se nregistrez valorile (UM): 430, 280, 300, 250, 330,
280, 400, 410, 400, 380, 330, 350, 380, 280, 330, 390, 290, 380, 450, 370, 380, 330, 410,
390, 380. n urma testrii potezei conform creia, pentru o probabilitate de 95%, n medie
cheltuiala zilnic n perioada de sezon este mai mic de 400 UM pe turist, se poate trage
urmtoarea concluzie:
a. deoarece t c (4,13) < t ,n 1 (1,711) , rezult c ntre cheltuielile medii
comparate exist diferen semnificativ.
b. deoarece t c ( 3,50) < t , n 1 (1,711) , rezult c ntre cheltuielile medii
comparate exist diferen semnificativ.
c. deoarece t c (4,13) > t , n 1 (1,711) , rezult c ntre cheltuielile medii
comparate nu exist diferen semnificativ.
d. deoarece t c (4,13) t , n 1 (1,711) , rezult c ntre cheltuielile medii
comparate nu exist diferen semnificativ.
110
4. Se extrag aleator, simplu, repetat, dou eantioane, primul format din 8 persoane de sex
masculin, iar al doilea din 10 persoane de sex feminin. tiind c, probabilitatea luat n
considerare este de 99%, iar rezultatele prelucrrii datelor sunt urmtoarele:
Eantionul persoane de sex masculin
nF = 22 femei
x F = 26 ani
s F = 8 ani
n urma testrii ipotezei statistice potrivit creia vrsta medie a persoanelor de sex
masculin este mai mare dect a celor de sex feminine, valoarea calculate a testului este:
a. 1,82;
b. 2, 28;
c. -1,82;
d. -2,28.
5. ntr-o zon montan, ntre dou tipuri de pensiuni turistice rurale (1 margaret i 2
margarete), cu acelai numr de camere, se testeaz ipoteza conform creia nu exist
diferen semnificativ privind cheltuielile medii de ntreinere din sezonul turistic de
iarn. tiind c, probabilitatea luat n considerare este de 98%, testarea se realizeaz
pentru 6 pensiuni de 1 margaret i 4 uniti de 2 margarete de la care sunt preluate datele
privind cheltuielile de ntreinere din sezonul turistic de iarn i sunt prelucrate.
Caracteristicile eantioanelor din cele dou pensiuni sunt urmtoarele:
Pensiunea de 1 margaret
n1= 6
x1 = 4,5 mii UM
s1 = 0,15 mii UM
Pensiunea de 2 margarete
n2 = 4
x2 = 4,84 mii UM
s 2 = 0,44 mii UM
111
Noua metod
n 2 = 22
x 2 = 25,4 minute
s2 = 3,1 minute
Noua metod
n 2 = 22
x 2 = 25,4 minute
s2 = 3,1 minute
n urma testrii, cu o probabilitate de 95%, a ipotezei conform creia noua metod duce la
un consum de timp semnificativ mai mic, putem spune c:
Marca 2
n 2 = 12
x 2 = 52,73 UM
s2 = 6,4
113
Rezumat
Pentru testarea indicatorului medie, pentru eantioane mai mici de 30 de elemente se
utilizeaz testul Student (t).
Pentru testarea ipotezei privind media populaiei generale statistica testului este
n
tc =
x ip
s2
n
x ip
=
s
unde s = s 2 =
(x
x)2
i =1
n 1
x1 x 2
1
1
s e2 +
n1 n2
x1 x 2
=
se
1
1
+
n1 n 2
, unde s e =
(n1 1) s12 + (n 2 1) s 22
.
n1 + n2 2
114
Bibliografie
115
Unitatea de nvare 8
TESTAREA IPOTEZELOR PRIVIND DISPERSIILE POPULAIILOR
Cuprins
8.1
116
c2 =
(n 1) s 2
(5.1)
cruia se stabilete:
4.1. - testul unilateral stnga (figura 5.1):
Rr
H 0 se respinge
12 ; n1
1 ; n 1
2
117
i 2
2
;n 1
1 , n 1
2
sau c2 > 2
2
,n 1
, atunci H o se
Rr
Rr
H 0 se respinge
H 0 se respinge
1 ; n 1
2
; n 1
Rr
2 ; n 1 H 0 se respinge
Figura 5.3 Elementele teoretice ale testului 2 unilateral dreapta
5. Se calculeaz valoarea statistic a testului determinat cu relaia (5.1), iar valoarea obinut se
plaseaz pe grafic.
118
1 , n 1
2
, 2
2
, n 1
, 2 , n 1 conform
tipului testului aplicat i se stabilete dac rezultatul statistic al testului calculat c2 intr n
regiunea de respingere Rr , lundu-se decizia adecvat situaiei.
8.2
raportul acestora.
Aplicarea testului presupune urmtoarele:
S12 22
S 22 12
(5.2.)
S12
.
S 22
(5.3.)
bilateral,
unilateral dreapta.
Pentru testarea ipotezelor se utilizeaz F teoretic sau tabelar, n funcie de tipul testului
(unilateral stnga, dreapta sau bilateral), care poate avea una din formele:
- pentru testul unilateral stnga: F1 ; n1 1; n2 1 ,
- pentru testul bilateral: F
1 ; n1 1; n2 1
2
i F
2
; n1 1; n2 1
119
- limita de semnificaie
n1 -1= g1 = gradele de libertate pentru variabila aleatoare Y1
n 2 -1= g 2 = gradele de libertate pentru variabila aleatoare Y2
Graficele testului n funcie de tipul acestuia mbrac formele:
testul unilateral stnga (figura 5.4):
Rr
F1 ; n1 1; n2 1
H 0 se respinge
unilateral stnga
1 ; n1 1; n2 1
2
i F
2
; n1 1; n2 1
1 ; n1 1; n2 1
2
120
sau Fc > F
2
; n1 1; n2 1
atunci H o se
Rr
Rr
H 0 se respinge
H 0 se respinge
1 ; n1 1; n2 1
2
; n1 1; n2 1
F bilateral
adevrat ipoteza H 1 .
Rr
F ; n1 1; n2 1H 0 se respinge
unilateral dreapta
Exemplul 8.1.
Rezolvare:
Primele dou etape ce trebuiesc parcurse pentru testarea ipotezelor statistice prin
aplicarea testului 2 au fost prezentate n enunul problemei:
1. Ipoteza nul: 2=100
2. Ipoteza altenativ: H1: 2>100
3. Datele iniiale ne conduc la concluzia c se aplic testul 2 (se compar dispersiile).
4. Deoarece (1-)=95% =0,05, iar n=10 trebuiesc determinate elementele:
2 teoretic:
Regiunea de respingere (Rr) este:
, atunci H0 se respinge.
Rr
c2 = 15,42
02,05;9 = 16,92
H 0 se admite
6. Deoarece, c2 (15,42) < 2;n 1 (16,92) atunci H0 este adevrat, i anume, gradul de mprtiere
a valorilor eantionului privind cererea pentru un anumit produs nu difer semnificativ de
cel stabilit la ivelul colectivitii generale, care este 100.
122
Lucrare de verificare 8A
1. Cum se testeaz ipoteza privind compararea dispersiei eantionului cu dispersia
colectivitii generale?
2. Cum se testeaz ipoteza privind compararea dispersiei a dou colectiviti?
3. Care este relaia pentru calculul valorii statistice a testului privind compararea dispersiei
eantionului cu dispersia colectivitii generale?
4. Care este relaia pentru calculul valorii statistice a testului privind compararea dispersiei a
dou colectiviti?
5. Care sunt paii n construirea unui test statistic privind compararea dispersiei eantionului
cu dispersia colectivitii generale?
Test de autoevaluare 8B
1. Statistica testului calculat este:
a. c2 =
b. c2 =
c. c2 =
d. c2 =
n s2
2
(n 1) s 2
2
(n + 1) s 2
2
(n 1) s
2. Patronul unei pensiuni turistice rurale testeaz n 10 zile consumul zilnic de lapte (litri):
10, 8, 10, 9, 7, 11, 10, 12, 7, 10. Presupunnd c selecia se realizeaz dintr-o colectivitate
normal distribuit, pentru o probabilitate de 95% s se testeze ipotezele:
H 0 : 2 = 4 , respectiv H 1 : 2 > 4 .
; n 1
123
d. c2 > n21 .
3. Patronul unei pensiuni turistice rurale testeaz n 10 zile consumul zilnic de lapte (litri):
10, 8, 10, 9, 7, 11, 10, 12, 7, 10. Presupunnd c selecia se realizeaz dintr-o colectivitate
normal distribuit, pentru o probabilitate de 95% s se testeze ipotezele:
H 0 : 2 = 4 , respectiv H 1 : 2 > 4 .
Uniti de 3, 4, 5 stele
n 2 = 55
12 = 1,42 UM
22 = 0,43 UM
12
12
1
i
H
:
> 1;
1
22
22
124
b. H 0 :
12
12
=
1
i
H
:
< 1;
1
22
22
12
12
c. H 0 : 2 = 1 i H 1 : 2 1 ;
2
2
d. H 0 :
12
12
=
1
i
H
:
> 1.
1
22
22
Rezumat
Pentru testarea dispersiilor, este utilizat cu preponderen repartiia 2
Pentru testarea ipotezei privind dispersia populaiei generale statistica testului este
=
2
c
(n 1) s 2
125
Similar, pentru testarea ipotezei privind dispersiile a dou populaii, statistica testului este sau
Fc =
S12
S12 22
2
2
.
Dac
,
atunci
statistica
testului
calculat
devine
..
F
=
1
2
c
S 22
S 22 12
Testrile se efectueaz parcurgnd secvenial etapele prezentate n unitatea de nvare 5.
Bibliografie
Jaba E.
Mitru C., erban D
126
Unitatea de nvare 9
ANALIZ DISPERSIONAL (ANOVA)
Cuprins
Unitatea de nvare 9 ANALIZ DISPERSIONAL (ANOVA) ........................................... 127
Obiectivele Unitii de nvare 9 ........................................................................................... 127
9.1 Analiza dispersional unifactorial ................................................................................... 127
9.2 Analiza dispersional bifactorial ..................................................................................... 133
Lucrare de verificare 9A ......................................................................................................... 143
Test de autoevaluare 9B .......................................................................................................... 143
Rezumat ................................................................................................................................... 146
Bibliografie.............................................................................................................................. 146
9.1
analizei dispersionale, nainte sau dup utilizarea metodei de corelaie i regresie, oferind
posibilitatea verificrii afirmaiilor privind existena legturii, precum i testarea validitii
modelului de regresie.
Analiza dispersional include mai multe trepte de calcul n atingerea obiectivului urmrit,
ceea ce necesit clarificarea celor doi termeni specifici utilizai, dup cum urmeaz:
127
unifactorial
bifactorial
multifactorial
Modelul de baz al analizei dispersionale const n nsumarea a dou elemente
componente ce reprezint efectele unor cauze sistematice i ntmpltoare.
n cazul analizei dispersionale unifactoriale, cauzele sistematice sunt rezumate sub forma
unui singur factor cu aciune esenial.
Analiza dispersional, implicit cea unifactorial presupune utilizarea testului parametric
Prin ipoteza alternativ H 1 se presupune c, dac cel puin ntre dou medii de grup ale
eantioanelor comparate exist o diferen semnificativ, atunci factorul de grupare ( x ) are o
influen nsemnat asupra variabilei rezultative y .
128
y
y
yr
y2
y1=y2=
=yr
y1
o
x1
x2 ...... xr x
x1
H0
x2
..... xr x
H1
Serii simple
n cazul seriilor simple, datele statistice apar ntr-o tabel a crei form general este
dat n tabelul 5.1.
Grupe dup
factorul x
grupelor
(n)
x1
y11
y12
y13
...
y1 j
...
y1n1
n1
x2
y 21
y 22
y 23
...
y2 j
...
y 2n2
n2
...
...
...
...
...
...
...
...
...
xi
yi1
yi 2
yi3
...
y ij
...
y ini
ni
...
...
...
...
...
...
...
...
...
xr
y r1
yr 2
yr3
...
y rj
...
y inr
nr
129
ij
j =1
yi =
(9.1.)
ni
- media general ( y 0 )
r
ni
y0 =
yij
i =1 j =1
r
yn
i i
=
i
i =1
i =1
r
(9.2.)
i
i =1
Serii cu frecvene
Pentru seriile cu frecvene, datele statistice sunt prezentate pentru analiz ntr-o tabel
a crei form general este dat prin tabelul 5.2.
y1
y2
...
yj
...
y n1
Total
x1
n11
n12
...
n1 j
...
n1m
n1 = n1 j
x2
n21
n22
...
n2 j
...
n2 m
n2 = n2 j
...
...
...
...
...
...
...
xi
ni1
ni 2
...
n ij
...
n im
...
...
...
...
...
...
...
xr
nr 1
nr 2
...
nrj
...
n rm
j =1
m
j =1
ni = nij
j =1
Total
n1` = ni1
i =1
n2` = ni 2
...
i =1
n `j = nij
i =1
...
nm` = nim
i =1
nr = nrj
j =1
n = nij
i =1 j =1
Relaiile de calcul ale mediilor utilizate n acest caz, necesare n vederea aplicrii testului
F , sunt urmtoarele:
130
y n
j
yi =
ij
j =1
(9.3.)
ij
j =1
- media general ( y 0 )
m
y n
j
y0 =
yn
i
j =1
j =1
i =1
r
(9.4.)
i
i =1
Tipul
variantei
Factorial
(ntre
grupe)
Rezidual
(n
interiorul
grupelor)
Variana (S)
- suma ptratelorr
S1 = ( y i y 0 ) ni
2
i =1
ni
S 2 = ( y ij y i )
r
i =1 j =1
ni
S 0 = ( y ij y 0 )
r
Total
Gradele de
libertate (df)
i =1 j =1
S 0 = S1 + S 2
Dispersia
corectat
(S2)
- media
ptratelor-
df1 = r 1
S12 =
S1
df1
df 2 = n r
S 22 =
S2
df 2
Statistica
testului F
S12
Fc = 2
S2
df 0 = n 1
df 0 = df 1 + df 2
unde:
- S12 reprezint dispersie corectat sistematic :
131
S12
S 22
(9.5.)
S12 =
(y
S1
=
r 1
y 0 ) 2 ni
i =1
r 1
(9.6.)
n care:
r
S 1 = ( y i y 0 ) 2 ni
(9.7.)
i =1
decrementat cu 1.
- S 22 reprezint dispersie corectat rezidual :
r
S 22 =
S2
=
nr
ni
( y ij yi ) 2
i =1 j =1
nr
(9.8.)
n care:
r
ni
S 2 = ( yij yi ) 2
(9.9.)
i =1 j =1
132
rezultativ y .
2. - dac Fc > F , r 1, n r , atunci se respinge ipoteza nul H0, deci:
ipoteza alternativ ( H 1 ) este considerat adevrat;
exist diferene semnificative ntre mediile de grup comparate (exist diferene
rezultativ
9.2
efectelor cauzelor sistematice cu cele ale celor ntmpltoare, numai c, variaia sistematic este
explicat prin intermediul a doi factori cu influen semnificativ asupra variabilei rezultative.
Datele statistice care sunt supuse analizei dispersionale bifactoriale se pot reprezenta sub
forma dat n tabelul 5.4.
Tabelul 9.4. Forma tabelului cu distribuii pe niveluri, dup doi factori
F.II
F.I
F.I1
F.II1
...
x111
...
.
.
.
...
.
.
.
x11n
.
.
.
F.Ii
.
.
.
.
.
.
xi11
...
.
.
.
...
.
.
.
xi1n
.
F.IIj
x1 j1
.
.
.
x1 jn
.
.
.
xij1
.
.
.
xijn
133
...
...
.
.
.
...
.
.
.
...
.
.
.
...
.
F.IIq
x1q1
.
.
.
x1qn
.
.
.
xiq1
.
.
.
xiqn
.
.
.
.
.
.
.
x h11
...
.
.
.
...
.
.
.
F.Ih
x h1n
.
.
x hj1
.
.
.
x hjn
.
.
.
.
x hq1
...
.
.
.
...
.
.
.
x hqn
eantionul corespunztor grupei nivelului i al primului factor (F.I) i nivelului j al celui deal doilea factor (F.II)
Tipul variantei
Factorul 1 (F.I)
Factorul 1
(F.II)
Variana (S)
- suma
ptratelor
Gradele de
libertate (df)
S1
df1
Dispersia
corectat
(S2)
- media
ptratelor
S12
S2
df2
S 22
Statistica
testului F
FF .I =
FF .II
Factorial
Interaciunea
celor doi factori
Rezidual
Total
S1_2
df1_2
S3
S0
df3
df0
S12_ 2
S12
S 32
S 22
= 2
S3
FF .I _ FII =
S12_ 2
S 32
S 32
Aplicarea testului F , a crei form a tabelului ANOVA este prezentat n tabelul 9.5.,
presupune calcularea tuturor indicatorilor auxiliari, astfel:
134
Variana
Variana factorului F.I ( S1 )
S1 = qn ( xi* x )
(9.10.)
i =1
S 2 = hn (x* j x )
(9.11.)
j =1
(9.12.)
i =1 j =1
Variana rezidual ( S3 )
- se determin ca sum rezidual a ptratelor celor doi factori, stabilind variaia intern a
grupului;
- este indicator de comensurare a variaiei neexplicate a interaciunii ambilor factori;
- se calculeaz cu relaia:
2
S 3 = (xijk xij )
h
i =1 j =1 k =1
Variana total ( S0 )
135
(9.13.)
S 0 = S 1 + S 2 + S1 _ 2 + S 3
2
S 0 = (xijk x )
q
(9.14.)
i =1 j =1 k =1
Gradele de libertate
Gradele de libertate corespunztoare factorului F.I ( df1 )
df1 = h 1
(9.15.)
df 2 = q 1
(9.16.)
(9.17.)
df 3 = hq (n 1)
(9.18.)
df 0 = hqn 1
df 0 = df1 + df 2 + df12 + df 3
(9.19.)
Dispersia corectat
Dispersia corectat a factorului F.I ( S12 )
S12 =
S1
df1
(9.20.)
S 22 =
S2
df 2
(9.21.)
136
S1 _ 2
df1 _ 2
(9.22.)
S 32 =
S3
df 3
(9.23.)
nivelurilor factorilor se formeaz din ntreaga colectivitate; ntre respectivele date statistice
apar diferene sistematice datorate doar clasificrii dup cei doi factori; acest model include
elemente ca: x , i , j , ij i 2 care sunt mrimi fixe necunoscute;
model cu efecte ntmpltoare este un model n care datele statistice ale nivelurilor
factorilor se extrag aleatoriu dintr-o colectivitate supus cercetrii; abaterile ce se pot stabili
ntre datele statistice ale nivelurilor vor fi ntmpltoare; elementele incluse n model vor fi:
o i , j , ij - mrimi aleatorii cu dispersiile 2 , 2 , 2 , ,
o parametrii x , 2 , 2 , 2 , 2 , care nu sunt cunoscui;
model cu efecte mixte este modelul care cuprinde date statistice pe fiecare nivel al
factorilor implicai, ce s-au format astfel: dup un factor se extrag i se formeaz sistematic, iar
dup cellalt factor se obin aleatoriu; diferenele care apar ntre datele statistice la fiecare nivel
sunt de tip sistematic dup un factor i aleatoriu dup cellalt, n funcie de cum s-au format
respectivele date;
Presupunnd c primul factor este ntmpltor, atunci elementele specifice modelului
vor fi:
x i j - mrimi nealeatorii
i i ij - mrimi aleatorii
parametrii x , j , 2 , 2 , i 2 care nu sunt cunoscui
Exemplul 9.1.
Situaia privind tarifele practicate pentru 25 de pensiuni n perioada de sezon din 2008
situate n mediul rural sau urban, dintr-o regiune turistic este prezentat n tabelul 9.6.
S se verifice dac mediul unde este construit pensiunea influeneaz semnificativ
variaia ncasrilor, folosind testul F
138
Numr pensiuni
Rural
140, 138, 150, 142, 140, 140, 135, 148, 147, 135, 140, 138, 139, 145, 140
15
Urban
120, 141, 137, 152, 152, 148, 145, 145, 135, 145
10
Rezolvare:
Notaii:
x variabila factorial care formeaz grupele (mediul: rural i urban)
( 1 ) = 95 %
1.
Ipoteza nul H 0 : R = U
(valoarea medie a tarifelor practicate n mediul rural nu difer semnificativ de valoarea medie a
tarifelor practicate n mediul urban)
2.
Ipoteza alternativ H 1 : R U
(valoarea medie a tarifelor practicate n mediul rural difer semnificativ de valoarea medie a
tarifelor practicate n mediul urban)
3.
4.
Deoarece ( 1 )100=95, atunci, utiliznd valorile tabelate ale funciei F (Anexa 4),
pentru =0,05 rezult:
F , r 1, n r = F0, 05; 2 1; 251 = F0 , 05;1; 24 = 4,26
5.
10
yij
yR =
2117
=
= 141,13 lei
15
j =1
ni
y
yU =
j =1
ni
ij
1420
= 142 lei
10
yn
i
y0 =
i =1
2
141,13 15 + 142 10
= 141,48 lei
25
i =1
S12 =
139
i2 ( R2 , U2 )
(y
15
R2 =
S 22 =
yR )
ij
i =1
281,73
=
= 18,78 lei
15
U2 =
yU )
ij
i =1
822
= 82 lei
10
18,78 15 + 82 10 1101,7
=
= 47,9 lei
25 2
23
6.
(y
10
S12 4,54
=
= 0,09
S 32 47,9
Deoarece Fc (0,09) < F ;r 1;n r ( 4,26) , iar Fc nu intr n Rr , atunci H o este adevrat, deci
concluzia este c, valoarea medie a tarifelor practicate n mediul rural nu difer
semnificativ de cea a mediului urban.
Exemplul 9.1.
O agenie de turism realizeaz un nou pachet turistic pe care-l consider avantajos din
punct de vedere al raportului calitate-pre. Managerul ageniei trebuie s studieze dac exist
diferene semnificative ntre numrul pachetelor care s-ar vinde n medie zilnic n cele trei zone
turistice spre care-i ndreapt atenia (zona montan, balnear i de litoral).
n vederea stabilirii de ctre manager crei zone s se adreseze cu precdere pachetul
turistic, acesta declaneaz o campanie publicitar att n regiunea montan, n cea balnear ct
i n cea de litoral. Dup ncheierea campaniei publicitare, timp de o jumtate de lun (15 zile),
se deruleaz o cercetare cu privire la preferinele clienilor n ceea ce privete pachetul turistic ce
se dorete a fi lansat pe pia, rezultatele obinute fiind prezentate n tabelul 9.7.
18 16 17 17 16 16 18 19 19 17 10 16 15 16 18
16 16 15 18 14 13 13 11 11 11 15 10 15 10 10
10 8 10 11 8 7 10 12 12 11 10 8 9 9 10
Rezolvare:
Ipotezele statistice sunt: H 0 : 1 = 2 = 3
n funcie de datele aplicaiei i ipotezele stabilite, trebuie s se aplice ANOVA: Single Factor
(analiz de varian cu un singur factor) din EXCEL, parcurgnd etapele:
1-se introduc datele cu noiunile din capul de tabel, n primele trei coloane ncepnd cu A1,
B1, C1, pn la A16, B16, C16;
2- se selecteaz toate datele din coloane, inclusiv capul de tabel, de la A1 la C16
3- din meniu se selecteaz Tools i se parcurg paii: Data Analysis - ANOVA: Single Factor
4- n fereastra deschis:
OK
Count
15
15
15
Sum
248
198
145
Average
16,53333
13,2
9,666667
Variance
4,695238
6,742857
2,238095
SS
353,7333
191,4667
df
2
42
MS
176,8667
4,55873
F
38,79735
545,2
44
n SUMMARY avem:
count - numrul unitilor din fiecare populaie este 15 zile;
sum numrul total de pachete vndute
average numr mediu de pachete vndute zilnic
variance dispersia populaiilor
141
P-value
0,0000
F crit
3,219942
n ANOVA elementele sunt prezentate n tabelul 9.3 din cadrul subcapitolului 9.1 (mai
precis, la 5.2.1- analiza factorial unifactorial)
SS este variana (suma ptratelor, notat cu S n tabelul 5.3), obinut:
pe total: S 0 = 545,2 = S1 + S 2
pe
varianta
rezidual,
Within
Groups
(n
interiorul
grupelor):
df 2 = n r = (15 3) 3 = 42
pe total: df 0 = n 1 = 44 = df 1 + df 2
pe
varianta
factorial,
Between
S12 =
S1 353,7333
=
= 176,8667
2
df1
pe
varianta
S 22 =
S 2 191,4667
=
= 4,55873
42
df 2
rezidual,
Within
Groups
Groups
(n
(ntre
interiorul
grupe):
grupelor):
Testul F
S12 176,8667
Fc = 2 =
= 38,79735
4,55873
S2
P- value este pragul de semnificaie (0,0000)
F crit.- 3,219942 este valoarea teoretic sau tabelar a testului Fisher
Lucrare de verificare 9A
Rspundei pe scurt la urmtoarele ntrebri:
1. Cnd se recomand utilizarea metodei de analiz dispersional?
Test de autoevaluare 9B
1. Pentru 20 de magazine situate n zona central, semicentrala i periferic a unui ora, se
cunosc valorile vnzrilor (mil. RON):
Zona
Central
Semicentrala
Periferic
Nr. magazine
9
5
6
143
2. Managerul unei fabrici de pine dorete nlocuirea unor utilaje aflate n dotare. n vederea
fundamentrii acestei decizii, managerul solicit o analiz a vechimii utilajelor i a
costului de ntreinere anual al acestora. Astfel, utilajele din dotarea fabricii, n numr de
20, au fost grupate dup vechime (ani) n 3 grupe: utilaje cu vechime mic (<5 ani), utilaje
cu vechime medie (5-10 ani) i utilaje cu vechime mare (>10 ani) i s-a nregistrat costul
de ntreinere al acestora (u.m.). n urma aplicrii metodei ANOVA de analiz
dispersional, i a prelucrrii datelor cu Excel, s-au obinut urmtoarele rezultate:
ANOVA
Source of Variation
Between Groups
Within Groups
Total
SS
6.792595238
.
df
16.6295
19
MS
.
0.578641
F
.
P-value
F crit
0.01153 3.591531
a. Statistica F este 3,59, gradele de libertate df1 pentru varianta factorial este 1
i dispersia corectat pentru varianta factorial este 6,79;
b. Statistica F este 5,87, gradele de libertate df1 pentru varianta factorial este 2
i dispersia corectat pentru varianta factorial este 3,40;
c. Statistica F este 5,87, gradele de libertate df1 pentru varianta factorial este 1
i dispersia corectat pentru varianta factorial este 3,40;
d. Statistica F este 3,40, gradele de libertate df1 pentru varianta factorial este 3
i dispersia corectat pentru varianta factorial este 5,87.
3. Conducerea unei faculti dorete s determine dac existena unei platform de e-learning
ajut studenii s nvee. Pentru aceasta se formeaz 2 grupe de studiu: studenii din
Grupul A nu beneficiaz de platform e-learning la pregtirea cursurilor, studenii din
Grupul B beneficiaz de pregtire suplimentar prin utilizarea platformei de e-learning.
Dup prima sesiune de examene, studenii primesc notele obinute. Mediile studeniilor
dup prima sesiune sunt prezentate n tabelul urmtor:
Grupele de studeni
Grupul A
Grupul B
Mediile obinute
6,5; 8; 7; 9; 5,5; 6; 8; 6,5; 7; 7,5
8; 7,5; 9,5; 10; 8;7,5; 6,5; 7,5; 8; 9,5
144
Vnzrile obinute
27; 22; 21; 25; 24
15; 13; 14; 20;19
145
Rezumat
n studiul legturilor dintre fenomenele i procesele economice o metod deosebit de util
este analiza dispersional, aceasta oferind posibilitatea verificrii afirmaiilor privind existena
legturii, precum i testarea validitii modelului de regresie. n funcie de numrul factorilor,
analiza dispersional poate fi unifactorial, bifactorial sau multifactorial.
Analiza dispersional, presupune utilizarea testului parametric ANOVA, care se bazeaz
pe urmtoarele considerente: populaiile din care se extrag k eantioane trebuie s fie
normal distribuite, - dispersiile populaiilor trebuie s fie egale ( 12 = 22 = 32 = ... = k2 = ), eantioanele selectate trebuie s fie independente. Nendeplinirea celei de-a doua reguli
transform testul parametric ntr-unul neparametric cunoscut sub denumirea de testul lui Kruskal
Wallis, care const n compararea tendinei centrale a dou sau mai multe eantioane
independente.
Ipoteza nul ( H 0 ) este presupunerea conform creia mediile de grup ale fiecrui
eantion nu difer semnificativ, deci factorul esenial nu are o influen relevant asupra
variabilei rezultative. H 0 : 1 = 2 = 3 = ... = k
Prin ipoteza alternativ H 1 se presupune c, cel puin ntre dou medii de grup ale
eantioanelor comparate exist o diferen semnificativ, i n consecin, factorul de grupare ( x )
are o influen nsemnat asupra variabilei rezultative y .
n procesul testrii ipotezei nule ( H 0 ) se utilizeaz tabelul ANOVA. Pentru testare este
utilizat este Fisher (F).
Bibliografie
Gogonea R.M., Zaharia
M.
146
Unitatea de nvare 10
DETERMINAREA I TESTAREA CORELAIILOR LINIARE DINTRE
VARIABILELE ECONOMICE
Cuprins
Obiectivele Unitii de nvare 10 ......................................................................................... 147
10.1 Corelaia liniar simpl ................................................................................................ 147
10.2 Corelaia multipl ......................................................................................................... 152
Lucrare de verificare 10A ....................................................................................................... 155
Test de autoevaluare 10B ........................................................................................................ 156
Rezumat ................................................................................................................................... 158
Bibliografie.............................................................................................................................. 158
r=
(x
x )( y i y )
i =1
cov( x; y )
n x y
xy
x y
x y
(10.1)
(x
x )( y i y )
i =1
r=
(10.2)
n
n
2
2
(x i x ) ( y i y )
i =1
i =1
respectiv:
n
n
r=
xi y i
i =1
y
xi
i =1
i =1
(10.3)
2
2
n
n
n 2 n
2
xi xi y i
y i
i =1
i =1
i =1
i =1
r=
(x
x )( y i y )n xy
i =1
(10.4)
xy
x y
i =1
n xyn xn yn
xy
i =1 j =1
i =1
n x n
2
xy
n =1
i =1
xy
i =1 i =1
n
xnx
i =1
i =1
i =1
(10.5)
xy
i =1
n
yn y
i =1
2
n y n
i =1
i =1
Dac acest coeficient de corelaie se determin la nivelul unui eantion, atunci relaia
(6.4) pentru o serie bidimensional simpl devine:
148
r=
cov( x, y )
sx s y
sau
r=
s xy
sx s y
(10.6)
ambelor variabile xy
Valorile indicatorului prezentat trebuie s se ncadreze n intervalul [ 1 ; 1] .
Semnul coeficientului de corelaie depinde numai de numrtorul relaiei de calcul i
reflect direcia legturii, astfel:
dac r > 0 , atunci legtura dintre variabila factorial x i cea rezultativ y este
direct (creterea factorialei x determin o cretere a rezultativei y sau scderea
lui x conduce la o scdere a lui y ).
Valorile coeficientului de corelaie stabilesc gradul de intensitate a legturii valorilor
coeficientului de corelaie sunt prezentate n tabelul 10.1.
r ( 0,5 ; 0,2)
r ( 0,75 ; 0,5)
r ( 0,95 ; 0,75)
r ( 1 ; 0,95)
r = 1
invers slab
invers de intensitate
medie
invers puternic
Invers foarte puternic
Invers perfect
149
r (0,2 ; 0,5)
r (0,5 ; 0,75)
r (0,75 ; 0,95)
r (0,95 ; 1)
r =1
direct slab
direct de intensitate
medie
direct puternic
direct foarte puternic
direct perfect
(X
n
cov( X , Y )
x y
xy
=
=
x y
X )(Yi Y )
i =1
[(X
][
X ) (Yi Y )
2
(10.7)
estimatorul coeficientului de corelaie (r), n condiiile unui eantion de volum redus ( n < 30 )
se prezint ca un estimator:
1 r2
n2
1 r 2
( Student)
grafic.
regiunea de respingere Rr : dac t c < t ; n 2 , atunci H o se respinge, deci
; n2
plaseaz pe grafic.
; n2
sau t c > t
2
; n2
atunci H o deci
5.
tc =
1 r2
n2
(10.8)
; n2
, t
2
; n2
, t ; n 2 i se stabilete
dac rezultatul statistic al testului calculat t c intr sau nu, n regiunea de respingere Rr ,
lundu-se decizia adecvat situaiei.
13
Vezi Capitolul II Distribuii utilizate n analize econometrice, Subcapitolul 2.3.. Distribuii clasice n
verificarea ipotezelor statistice, n 2.3.3. Repartiia Student
151
r2
(n 2 )
1 r2
(10.9)
Pentru comparaie, valoarea tabelar (teoretic) a testului se preia tot din Anexa 4, pentru:
F1 ;k ;n k 1 , F
1 ; k ; n k 1
2
, F
2
; k ; n k 1
F ;k ;n k 1 .
(y
n
R y / x1, , x2 ,..., xn = 1
i =1
y x1 , x2 ,..., xn
(y
y)
(10.10)
2
i =1
(y
n
R y / x1x2 ,... xn = 1
i =1
2
y x1 , x2 ,... xn n x1, 2 , 3,..., n
n
(y
y) ny
(10.11)
i =1
152
R y / x1 , x2 = ry / x1 , x2 =
1 rx21x2
(10.12)
(10.13)
ry / x1 =
ry / x 2 =
i =1
i =1
n x1i yi x1i y i
i =1
n 2 n
x1i x1i
i =1
i =1
2
n 2 n
y
y
i i
i =1
i =1
i =1
i =1
i =1
n x 2 i y i x 2i y i
2
2
n 2 n
n
n
x 2i x 2i yi2 yi
i =1
i =1
i =1
i =1
n
rx1x2 =
(10.14)
(10.15)
n x1i x 2 i x1i x 2 i
i =1
i =1
x12i x1i
i =1
i =1
n
i =1
2
n
2
x
x
2 i
2i
i =1
i =1
(10.16)
parial.
Corelaia parial se stabilete n raport cu valorile coeficientului de corelaie multipl, iar
coeficienii de corelaie pariali formai se determin astfel:
153
y2 / x x2 x
2
1 2
y2 / x
= 1
x2 x
1 2
y2 / x
(10.19)
sau
ry / x1 ( x2 ) =
ry / x1 ry / x2 rx1x2
(10.20)
(1 r )(1 r )
2
y / x2
2
x1 x2
y2 / x x2 x
1
1 2
2
y / x1
= 1
x2 x
1 2
2
y / x1
(10.21)
sau
ry / x2 ( x1 ) =
ry / x2 ry / x1 rx1x2
(1 r )(1 r )
2
y / x1
2
x1 x2
(10.22)
tc =
r
1 r2
n2
r2
(n 2 )
1 r2
Decizia final are n vedere o comparare a valorii determinate pentru t c sau Fc cu una
din valorile - t ;n 2 , - t
2
;n 2
, t
2
;n 2
, t ;n 2 sau F1 ;k ;n k 1 , F
1 ; k ; n k 1
2
, F
2
; k ; n k 1
F ;k ;n k 1 stabilindu-
se dac rezultatul statistic al testului calculat t c , respectiv Fc intr sau nu, n regiunea de
respingere Rr , lundu-se decizia adecvat situaiei (dac valoarea calculat intr n regiunea de
respingere atunci ipoteza nul se respinge, iar coeficientul este considerat semnificativ statistic)
Esena utilizri coeficienilor de corelaie simpli, multipli sau pariali n cadrul modelelor
econometrice const n stabilirea gradului n care valorile determinate prin aplicarea
metodologiilor de calcul adecvate, sunt reale sau se datoreaz n cea mai mare parte erorilor
ntmpltoare de sondaj.
b. ry/x
c. ry/x
d. ry/x
e. ry/x
f. ry/x
A: a, b, c, d, e; B: a, c, d, f; C: a, b, c, e, f; D: b, c, d, e.
156
Profitul
Capacit de producie
9
12
11
14
12
11
14
16
1800
1900
1500
1700
2100
2500
1900
2200
2600
2000
400
450
450
600
800
700
500
600
700
500
19
11
17
15
14
12
11
17
12
16
Rezumat
Pentru determinarea corelaiilor dintre dou sau mai multe variabile economice un
indicator foarte des utilizat este coeficientul de corelaie liniar (r). n cazul corelaiei liniare
n
xi y i
i =1
y
xi
i =1
i =1
2
2
n
n 2 n
n
2
xi xi y i
y i
i =1
i =1
i =1
i =1
Valorile lui r [ 1;1] i indic direcia i intensitatea legturii dintre cele dou variabile.
Coeficientul de corelaie multipl n cazul n care variabila rezultativ este influenat de
doi factori are forma ry / x1 , x2 =
Fc =
r
1 r2
r2
(n 2) . Testrile se efectueaz parcurgnd secvenial etapele prezentate n unitatea
1 r2
de nvare 5.
Bibliografie
Gogonea R.M., Zaharia
M.
158
Unitatea de nvare 11
MODELUL DE REGRESIE LINIAR UNIFACTORIAL
Bibliografie
Unitatea de nvare 11 Modelul de regresie liniar unifactorial ............................................. 159
Obiectivele Unitii de nvare 11 ......................................................................................... 159
11.1
11.2
Termenul provine din latinescul regresia s-a conturat pe baza rezultatelor observrii i analizei
orientate spre ntoarcerea spre medie.
159
este rezultativ (dependent), iar cealalt sau celelalte sunt explicative (apar sub forma factorilor
eseniali de influen).
Metoda regresiei este fundamentat pe msurarea i previzionarea influenei pe care unul
sau mai muli factori o poate avea asupra evoluiei unui fenomen sau proces economic.
Deoarece, n cadrul metodei apar valori perechi de variabile utilizate i parametri
corespunztori acestora sub forma mediilor, dispersiilor, abaterilor standard, etc, ea reprezint o
component a metodelor parametrice de msurare i analiz a legturilor formate n cadrul
derulrii unor procese sau fenomene economice.
Elementul fundamental n cadrul metodei regresiei l reprezint funcia de regresie.
Definiia 6.1. Numim funcie de regresie acea funcie care sintetizeaz forma dependenei
puterea nti. n cazul regresiei statistice, reprezentarea grefic a unui astfel de model se
rezum la o linie dreapt cresctoare sau descresctoare care strbate mijlocul norului de
puncte urmnd sensul alungirii acestuia; liniaritatea este dat de ecuaia:
y = a 0 + a1 x
n cazul unifactorial respectiv,
160
(11.1)
y = a 0 + a1 x1 + ... + a K x K
(11.2)
n cazul multifactorial.
(11.3)
y = a 0 + a1 (1 / x) etc.
neliniar n raport cu parametrii dar liniar n raport cu variabilele, caz n care cel
puin un parametru este la o putere diferit de puterea nti, precum:
y = a + a 2 x , y = a x etc.
(11.4)
y = a 2 x + a x 2 etc.
(11.5)
2.
s fie n numr suficient de mare (mai mare dect numrul parametilor astimai).
este nestocastic;
3.
Modelul de regresie
liniar
cuprinderea celor mai importani factori verificat printr-o valoare destul de mare
a coeficienilor de determinaie ( R 2 ).
y
M (Y | X = X i ) = + X i
erori
pozitive
erori
negative
x1
x2
x3
Variabila rezidual ( i )
M ( i ) = 0 , unde i ~ N (0, 2 )
cuprinde o mprtiere egal (figura 6.1) pentru diferite segmente de valori xi ceea
ce reprezint ipoteza de homoscedasticitate:
Var ( i ) = 2 constant ( i )
16
Voineagu V., ian E., erban R., Ghi S., Todose D., Boboc C., Pele D., Teorie i practic econometric,
Editura Meteor Press, Bucureti 2007, pag. 170
162
Varianta 1:
17
Vezi Capitolul VII Modelul regresiei liniare, subcapitolul 7.1.1. Stabilirea i aplicarea modelului unifactorial
de regresie liniar
163
i =1
r=
x x y
i =1
i =1
, care conduce la
i =1
xi
xi2
i =1
i =1
yi
i =1
i =1
2
i
i =1
relaia:
n
r=
n xi y i xi y i
i =1
i =1
xi2 xi
i =1
i =1
n
i =1
2
n
2
y
y
i
i
i =1
i =1
(11.6)
Varianta 2:
Din relaiile r =
s xy
sx s y
i b =
s xy
s x2
rezult c:
r = b
sx
sy
(11.7)
la nivelul eantionului: y = f ( xi )
pentru eantion:
Yi = + xi
y i = a + b xi
= 0,5
0,5
1
y = 1 + 0,5 x
=1
1
Yi = + xi + i
(11.8)
165
Yi = Yi + i
(11.9)
unde Yi = + xi .
Interpretarea parametrilor i este dat de reprezentarea grafic (figura 11.8) astfel:
(11.10)
yi = y i + ei
(11.11)
n care y i = a + b xi
Parametrii a i b sunt estimatori ai punctului de intercepie , respectiv ai pantei liniei
de regresie .
Dac se dorete o analiz a elementului rezidual sub forma erorilor, atunci se poate stabili
nivelul acestuia dup cum urmeaz:
i = Yi i
(11.12)
pentru eantion
ei = yi y i
(11.13)
Estimarea parametrilor (a, b ) se poate realiza prin aplicarea unei metode statisticomatematice, cum ar fi: metoda celor mai mici ptrate, metodele bayesiene, metoda verosimilitii
maxime.
Alegerea metodei celei mai fidele i adecvate situaiei n care se prezint procesul studiat,
precum i obinerea unei caliti ridicate a estimatorilor necesit respectarea urmtoarelor
criterii18:
abaterile stabilite ntre valorile empirice ( yi ) i cele teoretice obinute prin ajustare
( y i ) s fie ct mai reduse, a..
(y
2
y i ) = minim;
n general practica a demonstrat c metoda cea mai fidel i utilizat este metoda celor
mai mici ptrate. Denumirea metodei evideniaz principalele ei caracteristici: suma ptratelor
abaterilor valorilor empirice de la cele teoretice s fie minim.
n
min
(y
y i ) 2 = min
i =1
(y
a bxi ) 2
i =1
S
a = 0
S = 0
b
n
2 ( y i a bxi )(1) = 0
i =n1
2 ( y a bx )( x ) = 0
i
i
i
i =1
n
2 ( a + bxi y i ) = 0
i =1
n
2 ( ax + bx 2 x y ) = 0
i
i
i i
i =1
n
n
n
xi
yi = 0
a+
i =1
i =1
i =1
n
n
n
a x + b x 2
xi y i = 0
i
i
i =1
i =1
i =1
18
Pecican E. ., Econometrie pentru... economiti, Editura economic, Bucureti 2007, pag. 64.
167
(11.14)
n
n
na
b
x
yi
+
=
i =1
i =1
n
n
n
a xi + b xi2 = xi y i
i =1
i =1
i =1
(11.15)
i =1
n
a=
xi y i
a
=
i =1
i =1
2
i
i =1
, de unde rezult:
i =1
xi
i =1
2
i
i =1
a=
i =1
i =1
i =1
i =1
2
yi xi2 xi xi yi
n x 2i xi
i =1
i =1
n
(11.16)
respectiv
n
i =1
b= b =
xi
x y
i
i =1
i =1
i =1
x
i =1
2
i
i =1
b=
i =1
i =1
i =1
2
n xi y i xi y i
n
n x xi
i =1
i =1
n
(11.17)
2
i
Parametrul estimator a :
- valoarea pozitiv ( a > 0 ) sau negativ ( a < 0 ) nu are nici o relevan n modelul
regresiei.
Parametrul estimator b :
Exemplul 11.1.
n cadrul unui proiect este inclus o cercetare care necesit studierea unui
eantion format din 15 supermarket-uri. Studiul care trebuie realizat vizeaz analiza legturii
care se stabilete ntre salariul mediu acordat salariailor i profitul nregistrat de respectivele
supermarket-uri, pe baza datelor din tabelul 6.2.
Tabelul 6.2. Profitul i salariul mediu la 15 supermarket-uri
Profit
(mil. lei)
Salariul
mediu
(mii lei)
32 22
11
10
12
12
11
18
30
40
15
25
24
35
21
35
27
20
36
33
Se cere:
1
Rezolvare:
1. Stabilirea direciei i intensitii legturii presupune determinarea coeficientul de corelaie
simpl liniar.
Se identific cele dou variabile:
170
r=
(x
x )( y i y )
i =1
n
n
2
2
( xi x ) ( y i y )
i =1
i =1
279,53
118 763,49
0,93
(11.18)
Salariul mediu
(mii lei)
xi
yi
8
6
4
9
11
4
7
8
10
4
12
9
5
12
11
32
22
18
30
40
15
25
24
35
21
35
27
20
36
33
i =1
= 120
( xi x )2
( y i y )2
0
11,06
38,12
2,47
37,41
50,12
2,53
0
14,94
26,12
29,88
- 0,53
22,59
33,88
10,94
0
4
16
1
9
16
1
0
4
16
16
1
9
16
9
19,9809
30,5809
90,8209
6,1009
155,5009
157,0009
6,4009
12,4609
55,8009
42,6409
7,4700
0,2809
56,7009
71,7409
29,9209
15
15
(xi x )( yi y )
i =1
= 413
(xi x )( yi y )
i =1
= 279,53
15
2
( xi x )
i =1
= 118
171
15
(y
y)
i =1
= 763,49
1.
2. Ipoteza alternativ
de semnificaie
tabelar sau
H o se respinge, deci coeficientul de corelaie este semnificativ mai mare dect zero.
5. Statistica testului:
tc =
r
1 r2
n2 =
0,93
1 0,93 2
15 2 = 9,13
1.
2. Ipoteza alternativ
172
4. Se stabilete limita de semnificaie = 0,05 , de unde testul F tabelar sau teoretic este
Fc = F ;k ;n k 1 = F0 , 05;1;15 2 = F0 , 05;1;13 = 4,67 i regiunea de respingere Rr : dac Fc > F ;1;n 2 ,
atunci H o se respinge, deci coeficientul de corelaie este semnificativ mai mare dect zero.
5. Statistica testului:
Fc =
r2
0,932
(
)
2
=
(15 2) = 83,23
1 r2
1 0,932
6. Concluzia se stabilete n funcie de relaia: Fc > F ;1;n 2 ( 83,23 > 4,67 ), deci H o se respinge,
prin urmare coeficientul de corelaie este semnificativ statistic (fiind semnificativ mai mare
dect zero).
Exemplul 11.2.
Managerul unei structuri de primire turistic dorete s stabileasc, pe baza
unui model econometric, gradul de dependen a valorii ncasrilor de numrul de turiti i
durata medie a sejurului. Datele nregistrate de acesta sunt cele din tabelul (6.4).
Tabelul 11.4. Valoarea ncasrilor pentru diverse durate ale sejurului i numrul de turiti la nivelul
unei pensiuni
7,4
6,7
6,0
6,3
6,8
7,9
10,5
8,8
8,4
6,3
5,9
9,5
5,0
2,4
1,8
1,7
1,2
1,6
4,7
3,9
3,0
1,1
2,0
5,1
4,5
3,5
4,0
4,5
5,0
5,5
6,0
6,5
5,0
4,0
4,0
4,5
Se cere:
1. S se stabileasc direcia i intensitatea legturilor dintre valoarea ncasrilor,
numrul turitilor i durata medie a sejurului.
2. Testai semnificaia coeficienilor de corelaie determinai
Rezolvare:
1. Stabilirea direciei i intensitii legturilor dintre valoarea ncasrilor, numrul
turitilor i durata medie a sejurului.
Relaia de dependen stabilit ntre caracteristici este:
173
Valoarea
ncasrilor
(UM)
x1i
x1i yi
x1i
yi
yi
5,0
7,4
37,00
25,00
54,76
2,4
6,7
16,08
5,76
44,89
1,8
6,0
10,80
3,24
36,00
1,7
6,3
10,71
2,89
39,69
1,2
6,8
8,16
1,44
46,24
1,6
7,9
12,64
2,56
62,41
4,7
10,5
49,35
22,09
110,25
3,9
8,8
34,32
15,21
77,44
3,0
8,4
25,20
9,00
70,56
1,1
6,3
6,93
1,21
39,69
2,0
5,9
11,80
4,00
34,81
5,1
9,5
48,45
26,01
90,25
12
12
x1i
yi
= 33,5
= 90,5
i =1
i =1
12
12
1i y i
1i
i =1
i =1
= 271,44
174
= 118,41
12
2
i
i =1
= 706,99
i =1
ry / x1 =
i =1
x12i x1i
i =1
i =1
n
ry / x1 =
n x1i yi x1i y i
n
i =1
2
n
2
y
y
i i
i =1
i =1
n
= 0,76
Valoarea
ncasrilor
(UM)
yi
x 2i y i
x 2i
7,4
6,7
6,0
6,3
6,8
7,9
10,5
8,8
8,4
6,3
5,9
9,5
33,30
23,45
24,00
28,35
34,00
43,45
63,00
57,20
42,00
25,20
23,60
42,75
20,25
12,25
16,00
20,25
25,00
30,25
36,00
42,25
25,00
16,00
16,00
20,25
12
12
12
2i
i =1
i =1
n x 2 i y i x 2i y i
i =1
i =1
= 440,30
= 90,50
ry / x 2 =
x 2i
i =1
i =1
i =1
= 57,00
12
x 2i y i
yi
2
n 2 n
n 2 n
x 2 i x 2i y i y i
i =1
i =1
i =1
i =1
2
175
= 279,50
yi
54,76
44,89
36,00
39,69
46,24
62,41
110,25
77,44
70,50
39,69
34,81
90,25
12
2
i
i =1
= 706,93
r y / x2 =
12 440,30 57 90,50
legturi de intensitate medie stabilit ntre durata medie a sejurului i valoarea ncasrilor.
Se verifica dac exist interdependen ntre variabilele factoriale x1 (numrul turitilor)
i x2 (durata medie a sejurului). (tabelul 11.7)
Tabelul 11.7. Tabelul cu algoritmul de calcul pentru coeficientul de corelaie ( rx1 ,x2 )
Numr
turiti
(mii)
x1i
Durata
medie a
sejurului
(zile)
4,5
3,5
4,0
4,5
5,0
5,5
6,0
6,5
5,0
4,0
4,0
4,5
= 33,50
= 57,00
i =1
22,50
8,40
7,20
7,65
6,00
8,80
28,2
25,35
15,00
4,40
8,00
22,95
25,00
5,76
3,24
2,89
1,44
2,56
22,09
15,21
9,00
1,21
4,00
26,01
12
12
1i
x1i
2i
i =1
12
x1i x2i
x1i
i =1
rx1x2 =
i =1
= 164,45
20,25
12,25
16,00
20,25
25,00
30,25
36,00
42,25
25,00
16,00
16,00
20,25
12
2
2i
i =1
= 118,41
rx1x2 =
x2i
x 2i
5,0
2,4
1,8
1,7
1,2
1,6
4,7
3,9
3,0
1,1
2,0
5,1
12
x1i x 2i
i =1
i =1
= 279,50
n x1i x 2 i x1i x 2 i
i =1
2
n 2 n
n 2 n
x1i x1i x 2 i x 2 i
i =1 i =1
i =1
i =1
2
unei independene ntre cei doi factori care influeneaz valoarea ncasrilor i se determin
coeficientului de corelaie liniar multipl.
nlocuim valorile coeficienilor de corelaie determinai i rezult:
176
R y / x1 , x2 = ry / x1 , x2 =
Coeficientul de corelaie liniar multipl obinut indic existena unei legturi puternice
ntre valoarea ncasrilor i cei doi factori principali de influen (numrul turitilor i durata
medie a sejurului).
Studierea legturii dintre caracteristicile factoriale (numrul turitilor i durata medie a
sejurului) i cea rezultativ (valoarea ncasrilor), prin utilizarea coeficienilor de corelaie
pariali, presupune stabilirea gradul de influen a fiecrei variabile factoriale n parte, asupra
celei rezultative, n condiiile meninerii constante a influenei celeilalte variabile factoriale.
Astfel, rezult:
ry / x1 ( x2 ) =
ry / x1 ry / x2 rx1x2
(1 r )(1 r )
2
y / x2
2
x1 x2
(1 0,71 ) (1 0,36 )
2
0,77
ry / x2 ( x1 ) =
ry / x2 ry / x1 rx1x2
(1 r )(1 r )
2
y / x1
2
x1 x2
(1 0,76 ) (1 0,36 )
2
0,72
O influen de intensitate medie, dar destul de apropiat de cea puternic este remarcat
i n cazul duratei medii a sejurului asupra valorii ncasrilor, n condiiile n care numrul mediu
al turitilor s-a meninut constant, fapt confirmat prin valoarea coeficientului de corelaie:
ry / x2 ( x1 ) = 0,72 , deoarece ry / x2 ( x1 ) (0,5 ; 0,75) .
1.
2. Ipoteza alternativ
de semnificaie
tabelar sau
H o se respinge, deci coeficientul de corelaie este semnificativ mai mare dect zero.
t c ry / x1 , x2 =
1 r
n2 =
0,89
1 0,89 2
12 2 = 6,17
t c ry / x1 ( x2 ) =
r
1 r
0,77
n2 =
1 0,77 2
12 2 = 3,81
t c ry / x2 ( x1 ) =
r
1 r
n2 =
0,72
1 0,72 2
12 2 = 3,28
factoriala
x2
constant :
coeficient de corelaie parial este semnificativ statistic (fiind semnificativ mai mare
dect zero).
pentru
coeficientul de
corelaie parial,
178
cu
factoriala
x1
constant
coeficient de corelaie parial este semnificativ statistic (fiind semnificativ mai mare
dect zero).
1.
2. Ipoteza alternativ
atunci H o se respinge, deci coeficientul de corelaie este semnificativ mai mare dect zero.
F ry / x1 , x2 =
F ry / x1 ( x2 ) =
r2
0,89 2
(
)
2
=
(12 2) = 38,10
1 r2
1 0,89 2
r2
0,77 2
(
)
2
=
(12 2) = 14,56
1 r2
1 0,77 2
F ry / x2 ( x1 ) =
r2
0,72 2
(
)
2
=
(12 2) = 10,76
1 r2
1 0,72 2
pentru coeficientul de corelaie multipl: F (ry / x1 , x2 ) = 38,10 > 4,96 = F ;1;n 2 , deci
179
factoriala
x2
constant
: F (ry / x1 ( x2 ) ) = 14,56 > 4,96 = F ;1;n 2 , deci H o se respinge, prin urmare acest
coeficient de corelaie parial este semnificativ statistic (fiind semnificativ mai mare
dect zero).
pentru
coeficientul de
corelaie parial,
cu
factoriala
x1
constant
180
1,3
1,7
3,0
3,0
1,8
2,0
1,2
3,2
3,8
1,3
1,0
1,3
2,7
2,2
1,1
1,0
2,0
2,5
3,2
1,0
1,6
2,5
1,7
2,6
181
1,9
2,7
2,05
2,7
2,27
2,8
Suprafaa locuit
Preul
1,7
2,6
1,9
2,7
2,05
2,7
2,27
2,8
X (Nr absente)
Y (Nota)
8
4
3
8
0
10
182
5
6
2
8
4
7
1
9
3
9
5
5
1
10
X (Nr absente)
Y (Nota)
8
4
3
8
0
10
5
6
2
8
4
7
1
9
3
9
5
5
1
10
X (CHELTUIELI CU
PUBLICITATEA)
Y (PROFIT)
35
36
34
32
27
28
29
28
26
27
Rezumat
Metoda regresiei este fundamentat pe msurarea i previzionarea influenei pe care unul
sau mai muli factori o poate avea asupra evoluiei unui fenomen sau proces economic. n cazul
modelului liniar unifactorial numrul factorilor este egal cu 1. Deoarece, n cadrul metodei apar
valori perechi de variabile utilizate i parametri corespunztori acestora sub forma mediilor,
183
Bibliografie
Gogonea R.M., Zaharia
M.
184
Test de autoevaluare 1B
10. c.
1. a;
2. A: a+b+c;
Test de autoevaluare 4B
3. a;
1. c;
4. b;
2. c;
5. b;
3. a;
6. d;
4. a;
7. c;
5. b;
8. b;
6. c;
9. a;
7. c;
10. a.
8. a;
9. d;
Test de autoevaluare 2B
10. a.
1. b;
2. b;
Test de autoevaluare 5B
3. c;
1. a;
4. b;
2. a;
5. d.
3. a;
4. b;
Test de autoevaluare 3B
1. d;
5. a;
2. a;
6. A;
3. c;
7. b;
4. b;
8. d;
5. b;
9. c;
6. a;
10. b.
7. b;
8. a;
185
2. b
3. c
Test de autoevaluare 6B
4. d
1. a;
2. a;
3. b;
1. d
4. b;
2. a
5. d;
3. C
6. b;
4. b
7. b;
5. c
8. c;
6. b
9. b;
10. a.
Test de autoevaluare 11B
Test de autoevaluare 7B
1. B
1. b;
2. b
2. c;
3. b
3. a;
4. d
4. c;
5. b
5. a;
6. a
6. c;
7. c
7. c;
8. c
8. b.
9. a
10. a
Test de autoevaluare 8B
1. b;
2. b;
3. a;
4. d;
5. c.
Test de autoevaluare 9B
1. b
186
Anexa 1
Distribuia normal.
Funcia integral a lui Laplace (z ) =
1
2
x2
2
dx
(z)
(z)
(z)
(z)
(z)
0,00
0,00000
0,30
0,11790
0,60
0,22575
0,90
0,31595
1,20
0,38495
0,01
0,00400
0,31
0,12170
0,61
0,22905
0,91
0,31860
1,21
0,38685
0,02
0,00800
0,32
0,12550
0,62
0,23235
0,92
0,32120
1,22
0,38875
0,03
0,01195
0,33
0,12930
0,63
0,23565
0,93
0,32380
1,23
0,39065
0,04
0,01595
0,34
0,13305
0,64
0,23890
0,94
0,32640
1,24
0,39250
0,05
0,01995
0,35
0,13685
0,65
0,24215
0,95
0,32895
1,25
0,39435
0,06
0,02390
0,36
0,14060
0,66
0,24535
0,96
0,33145
1,26
0,39615
0,07
0,02790
0,37
0,14430
0,67
0,24855
0,97
0,33400
1,27
0,39795
0,08
0,03190
0,38
0,14805
0,68
0,25175
0,98
0,33645
1,28
0,39975
0,09
0,03585
0,39
0,15175
0,69
0,25490
0,99
0,33890
1,29
0,40150
0,10
0,03985
0,40
0,15540
0,70
0,25805
1,00
0,34135
1,30
0,40320
0,11
0,04380
0,41
0,15910
0,71
0,26115
1,01
0,34375
1,31
0,40490
0,12
0,04775
0,42
0,16275
0,72
0,26425
1,02
0,34615
1,32
0,40660
0,13
0,05170
0,43
0,16640
0,73
0,26730
1,03
0,34850
1,33
0,40825
0,14
0,05565
0,44
0,17005
0,74
0,27035
1,04
0,35085
1,34
0,40990
0,15
0,05960
0,45
0,17365
0,75
0,27335
1,05
0,35315
1,35
0,41150
0,16
0,06355
0,46
0,17725
0,76
0,27635
1,06
0,35545
1,36
0,41310
0,17
0,06750
0,47
0,18130
0,77
0,27935
1,07
0,35770
1,37
0,41465
187
(z)
(z)
(z)
(z)
(z)
0,18
0,07140
0,48
0,18440
0,78
0,28230
1,08
0,35995
1,38
0,41620
0,19
0,07535
0,49
0,18795
0,79
0,28525
1,09
0,36215
1,39
0,41775
0,20
0,07925
0,50
0,19145
0,80
0,28815
1,10
0,36435
1,40
0,41925
0,21
0,08315
0,51
0,19495
0,81
0,29105
1,11
0,36650
1,41
0,42075
0,22
0,08705
0,52
0,19845
0,82
0,29390
1,12
0,36875
1,42
0,42220
0,23
0,09095
0,53
0,20195
0,83
0,29675
1,13
0,37075
1,43
0,42365
0,24
0,09485
0,54
0,20540
0,84
0,29955
1,14
0,37285
1,44
0,42505
0,25
0,09870
0,55
0,20885
0,85
0,30235
1,15
0,37495
1,45
0,42645
0,26
0,10255
0,56
0,21225
0,86
0,30510
1,16
0,37700
1,46
0,42785
0,27
0,10640
0,57
0,21565
0,87
0,30785
1,17
0,37800
1,47
0,42920
0,28
0,11025
0,58
0,21655
0,88
0,31055
1,18
0,38100
1,48
0,43055
0,29
0,11410
0,59
0,22240
0,89
0,31325
1,19
0,38300
1,49
0,43190
188
Distribuia normal
Funcia integral a lui Laplace (z ) =
z
(z)
(z)
1
2
x2
2
(z)
(continuare)
dx
z
(z)
(z)
1,50
0,43320
1,72
0,45730
1,94
0,47380
2,32
0,48985
2,76
0,49710
1,51
0,43450
1,73
0,45820
1,95
0,47440
2,34
0,49035
2,78
0,49730
1,52
0,43575
1,74
0,45905
1,96
0,47500
2,36
0,49085
2,80
0,49745
1,53
0,43700
1,75
0,45995
1,97
0,47560
2,38
0,49135
2,82
0,49760
1,54
0,43820
1,76
0,46080
1,98
0,47615
2,40
0,49180
2,84
0,49775
1,55
0,43945
1,77
0,46165
1,99
0,47670
2,42
0,49225
2,86
0,49790
1,56
0,44060
1,78
0,46245
2,00
0,47725
2,44
0,49265
2,88
0,49800
1,57
0,44180
1,79
0,46325
2,02
0,47830
2,46
0,49305
2,90
0,49810
1,58
0,44295
1,80
0,46405
2,04
0,47935
2,48
0,49345
2,92
0,49825
1,59
0,44410
1,81
0,46485
2,06
0,48030
2,50
0,49380
2,94
0,49835
1,60
0,44520
1,82
0,46560
2,08
0,48125
2,52
0,49415
2,96
0,49845
1,61
0,44630
1,83
0,46640
2,10
0,48215
2,54
0,49445
2,98
0,49855
1,62
0,44740
1,84
0,46710
2,12
0,48300
2,56
0,49475
3,00
0,49865
1,63
0,44845
1,85
0,46785
2,14
0,48380
2,58
0,49505
3,20
0,49930
1,64
0,44950
1,86
0,46855
2,16
0,48460
2,60
0,49535
3,40
0,49965
1,65
0,45055
1,87
0,46925
2,18
0,48535
2,62
0,49560
3,60
0,49984
1,66
0,45155
1,88
0,46995
2,20
0,48610
2,64
0,49585
3,80
0,49993
1,67
0,45255
1,89
0,47060
2,22
0,48670
2,66
0,49610
4,00
0,49996
1,68
0,45350
1,90
0,47130
2,24
0,48745
2,68
0,49630
4,50
0,49999
1,69
0,45450
1,91
0,47195
2,26
0,48810
2,70
0,49655
5,00
0,50000
1,70
0,45545
1,92
0,47270
2,28
0,48870
2,72
0,49675
1,71
0,45635
1,93
0,47320
2,30
0,48930
2,74
0,49695
189
Anexa 2
2
Distribuia
0,990
0,975
0,950
0,900
0,100
0,0002
0,001
0,0039
0,0158
2,71
0,02
0,05
0,10
0,21
4,61
0,12
0,22
0,35
0,58
6,25
0,30
0,48
0,71
1,06
7,78
0,55
0,83
1,15
1,61
9,24
0,87
1,24
1,64
2,20
10,64
1,24
1,69
2,17
2,83
12,02
1,65
2,18
2,73
3,49
13,36
2,09
2,70
3,33
4,17
14,68
10
2,56
3,25
3,94
4,87
15,99
11
3,05
3,82
4,57
5,58
17,27
12
3,57
4,40
5,23
6,30
18,55
13
4,11
5,01
5,89
7,04
19,81
14
4,66
5,63
6,57
7,79
21,06
15
5,23
6,26
7,26
8,55
22,31
16
5,81
6,91
7,96
9,31
23,54
17
6,41
7,56
8,67
10,08
24,77
18
7,01
8,23
9,39
10,86
25,99
19
7,63
8,91
10,12
11,65
27,20
20
8,26
9,59
10,85
12,44
28,41
190
0,990
0,975
0,950
0,900
0,100
21
8,90
10,28
11,59
13,24
29,61
22
9,54
10,98
12,34
14,04
30,81
23
10,20
11,69
13,09
14,85
32,01
24
10,86
12,40
13,85
15,66
33,20
25
11,52
13,12
14,61
16,47
34,38
26
12,20
13,84
15,38
17,29
35,56
27
12,88
14,57
16,15
18,11
36,74
28
13,57
15,31
16,93
18,94
37,92
29
14,26
16,05
17,71
19,77
39,09
30
14,95
16,79
18,49
20,60
40,26
191
Distribuia
(continuare)
0,050
0,025
0,010
0,001
3,84
5,02
6,63
10,83
5,99
7,38
9,21
13,82
7,81
9,35
11,34
16,27
9,49
11,14
13,28
18,47
11,07
12,83
15,09
20,52
12,59
14,45
16,81
22,46
14,07
16,01
18,47
24,32
15,51
17,53
20,09
26,13
16,92
19,02
21,67
27,88
10
18,31
20,48
23,21
29,59
11
19,67
21,92
24,72
31,26
12
21,03
23,34
26,22
32,91
13
22,36
24,74
27,69
34,53
14
23,68
26,12
29,14
36,12
15
25,00
27,49
30,58
37,70
16
26,30
28,84
32,00
39,25
17
27,59
30,19
33,41
40,79
18
28,87
31,53
34,80
42,31
19
30,14
32,85
36,19
43,82
20
31,41
34,17
37,57
45,32
192
0,050
0,025
0,010
0,001
21
32,67
35,48
38,93
46,80
22
33,92
36,78
40,29
48,27
23
35,17
38,08
41,64
49,73
24
36,41
39,37
42,98
51,18
25
37,65
40,65
44,31
52,62
26
38,88
41,92
45,64
54,05
27
40,11
43,19
46,96
55,48
28
41,34
44,46
48,28
56,89
29
42,56
45,72
49,59
58,30
30
43,77
46,98
50,89
59,70
193
Anexa 3
Distribuia Student (t )
Funcia P(t t ) i numrul l al gradelor de libertate
Nivel de semnificaie pentru testul bilateral
0,50
0,20
0,10
0,05
0,02
1,000
3,078
6,314
0,816
1,886
2,920
4,303
6,965
0,765
1,638
2,353
3,482
4,541
0,741
1,533
2,132
2,776
3,747
0,727
1,476
2,015
2,571
3,365
0,718
1,440
1,943
2,447
3,143
0,711
1,415
1,895
2,365
2,998
0,706
1,397
1,860
2,306
2,896
0,703
1,383
1,833
2,262
2,821
10
0,700
1,372
1,812
2,228
2,764
11
0,697
1,363
1,796
2,201
2,718
12
0,695
1,356
1,782
2,179
2,681
13
0,694
1,350
1,771
2,160
2,650
14
0,692
1,345
1,761
2,145
2,624
15
0,691
1,341
1,753
2,131
2,602
16
0,690
1,337
1,746
2,120
2,583
17
0,689
1,333
1,740
2,110
2,567
18
0,688
1,330
1,734
2,101
2,552
194
12,706
31,821
0,50
0,20
0,10
0,05
0,02
19
0,688
1,328
1,729
2,093
2,539
20
0,687
1,325
1,725
2,086
2,528
0,25
0,10
0,05
0,025
0,01
195
Distribuia Student
(t )
(continuare)
0,50
0,20
0,10
0,05
0,02
21
0,686
1,323
1,721
2,080
2,518
22
0,686
1,321
1,717
2,074
2,508
23
0,685
1,319
1,714
2,069
2,500
24
0,685
1,318
1,711
2,064
2,492
25
0,684
1,316
1,708
2,060
2,485
26
0,684
1,315
1,706
2,056
2,479
27
0,684
1,314
1,703
2,052
2,473
28
0,683
1,313
1,701
2,048
2,467
29
0,683
1,312
1,699
2,045
2,462
30
0,683
1,310
1,697
2,042
2,457
35
0,682
1,306
1,690
2,030
2,438
40
0,681
1,303
1,684
2,021
2,423
45
0,680
1,301
1,679
2,014
2,412
50
0,679
1,299
1,676
2,009
2,403
60
0,679
1,296
1,671
2,000
2,390
70
0,678
1,294
1,667
1,994
2,381
80
0,678
1,292
1,664
1,990
2,374
90
0,677
1,291
1,662
1,987
2,368
100
0,677
1,290
1,660
1,984
2,364
196
0,50
0,20
0,10
0,05
0,02
120
0,677
1,289
1,658
1,980
2,358
200
0,676
1,286
1,653
1,972
2,345
500
0,675
1,283
1,648
1,965
2,334
1000
0,675
1,282
1,646
1,962
2,330
0,675
1,282
1,645
1,960
2,326
0,25
0,10
0,05
0,025
0,01
197
Distribuia Student (t )
Funcia P(t t ) i numrul l al gradelor de libertate
(continuare)
Nivel de semnificaie pentru testul bilateral
0,01
0,002
0,001
0,0001
63,657
318,309
636,618
9,925
22,327
31,598
99,992
5,841
10,214
12,924
28,000
4,604
7,173
8,610
15,544
4,032
5,893
6,869
11,178
3,707
5,208
5,959
9,082
3,499
4,785
5,408
7,885
3,355
4,501
5,041
7,120
3,250
4,297
4,781
6,594
10
3,169
4,144
4,587
6,211
11
3,106
4,025
4,437
5,921
12
3,055
3,930
4,318
5,694
13
3,102
3,852
4,221
5,513
14
2,977
3,787
4,140
5,363
15
2,947
3,733
4,073
5,239
16
2,921
3,686
4,015
5,134
198
6366,198
17
2,898
3,646
3,965
5,014
0,01
0,002
0,001
0,0001
18
2,878
3,610
3,922
4,966
19
2,861
3,579
3,883
4,897
20
2,845
3,552
3,850
4,837
0,005
0,001
0,0005
0,00005
199
Distribuia Student (t )
Funcia P(t t ) i numrul l al gradelor de libertate
(continuare)
Nivel de semnificaie pentru testul bilateral
0,01
0,002
0,001
0,0001
21
2,831
3,527
3,819
4,784
22
2,819
3,505
3,792
4,736
23
2,807
3,485
3,767
4,693
24
2,797
3,467
3,745
4,654
25
2,787
3,450
3,725
4,619
26
2,779
3,435
3,707
4,587
27
2,771
3,421
3,690
4,558
28
2,763
3,408
3,674
4,530
29
2,756
3,396
3,659
4,506
30
2,750
3,385
3,646
4,482
35
2,724
3,340
3,591
4,389
40
2,704
3,307
3,551
4,321
45
2,690
3,281
3,520
4,269
50
2,678
3,261
3,496
4,288
60
2,660
3,232
3,460
4,169
70
2,648
3,211
3,435
4,127
80
2,639
3,195
3,416
4,096
90
2,632
3,183
3,402
4,072
200
0,01
0,002
0,001
0,0001
100
2,626
3,174
3,390
4,053
120
2,617
3,160
3,373
4,025
200
2,601
3,131
3,340
3,970
500
2,586
3,107
3,310
3,922
1000
2,581
3,098
3,300
3,906
2,576
3,090
3,290
3,891
0,005
0,001
0,0005
0,00005
l
Nivel de semnificaie pentru testul unilateral
201
Anexa 4
Distribuia Fisher-Snedecor (F )
Valorile funciei F pentru I 1 i I 2 grade de libertate i
I1
161,4
199,5
215,7
224,6
230,2
18,51
19,00
19,16
19,25
19,30
10,13
9,55
9,28
9,12
9,01
7,71
6,94
6,59
6,39
6,26
6,61
5,79
5,41
5,19
5,05
5,99
5,14
4,76
4,53
4,39
5,58
4,74
4,35
4,12
3,97
5,32
4,46
4,07
3,84
3,69
5,12
4,26
3,86
3,63
3,48
10
4,96
4,10
3,71
3,48
3,33
11
4,84
3,98
3,59
3,36
3,20
12
4,75
3,88
3,49
3,26
3,11
13
4,67
3,80
3,41
3,18
3,02
14
4,60
3,74
3,34
3,11
2,96
15
4,54
3,68
3,29
3,06
2,90
16
4,49
3,63
3,24
3,01
2,85
17
4,45
3,59
3,20
2,96
2,81
18
4,41
3,55
3,16
2,93
2,77
19
4,38
3,52
3,13
2,90
2,74
20
4,35
3,49
3,10
2,87
2,71
21
4,32
3,47
3,07
2,84
2,68
I2
202
22
4,30
3,44
3,05
2,92
2,66
23
4,28
3,42
3,03
2,80
2,64
24
4,26
3,40
3,01
2,78
2,62
25
4,24
3,38
2,99
2,76
2,60
26
4,22
3,37
2,98
2,74
2,59
27
4,21
3,35
2,96
2,73
2,57
28
4,20
3,34
2,95
2,71
2,56
29
4,18
3,33
2,93
2,70
2,54
30
4,17
3,32
2,92
2,69
2,53
40
4,08
3,23
2,84
2,61
2,45
60
4,00
3,15
2,70
2,52
2,37
120
3,92
3,07
2,68
2,45
2,29
4,84
2,99
2,60
2,37
2,21
I1
I2
203
Distribuia Fisher-Snedecor (F )
Valorile funciei F pentru I 1 i I 2 grade de libertate i
(continuare)
I1 . a
12
234,0
238,9
213,9
249,0
254,3
19,33
19,37
19,41
19,45
19,50
8,94
8,84
8,71
8,64
8,53
6,16
6,04
5,91
5,77
5,63
4,95
4,82
4,68
4,53
4,36
4,28
4,15
4,00
3,84
3,67
3,87
3,73
3,57
3,41
3,23
3,58
3,28
3,12
2,93
3,37
3,23
3,07
2,90
2,71
10
3,22
3,07
2,91
2,74
2,54
11
3,09
2,95
2,79
2,61
2,40
12
3,00
2,85
2,69
2,50
2,30
13
2,92
2,77
2,60
2,42
2,21
14
2,85
2,70
2,53
2,35
2,13
15
2,79
2,64
2,48
2,29
2,07
16
2,74
2,59
2,42
2,24
2,01
17
2,70
2,55
2,38
2,19
1,96
18
2,66
2,51
2,34
2,15
1,92
19
2,63
2,48
2,31
2,11
1,88
20
2,60
2,45
2,28
2,08
1,84
21
2,57
2,42
2,25
2,05
1,81
I2
3,44
204
22
2,55
2,40
2,23
2,03
12
23
2,53
2,38
2,20
2,00
1,76
24
2,51
2,36
2,18
1,98
1,73
25
2,49
2,34
2,16
1,96
1,71
26
2,47
2,32
2,15
1,95
1,69
27
2,46
2,30
2,13
1,93
1,67
28
2,44
2,29
2,12
1,91
1,65
29
2,43
2,28
2,10
1,90
1,64
30
2,42
2,27
2,09
1,89
1,62
40
2,34
2,18
2,00
1,79
1,51
60
2,25
2,10
1,92
1,70
1,39
120
2,17
2,02
1,83
1,61
1,25
2,09
1,94
1,75
1,52
1,00
I1 . a
I2
205
1,78
Distribuia Fisher-Snedecor (F )
Valorile funciei F pentru I 1 i I 2 grade de libertate i
I1
= 0,01nivelul de semnificaie
4052
4999
5403
5625
5764
98,49
99,00
99,17
99,25
99,30
34,12
30,81
29,46
28,71
28,24
21,20
18,00
16,69
15,98
15,52
16,26
13,27
12,06
11,39
10,97
13,74
10,92
9,78
9,15
8,75
12,25
9,55
8,45
7,85
7,46
11,26
8,65
7,59
7,01
6,63
10,56
8,02
6,99
6,42
6,06
10
10,04
7,56
6,55
5,99
5,64
11
9,65
7,20
6,22
5,67
5,32
12
9,33
6,93
5,95
5,41
5,06
13
9,07
6,70
5,74
5,20
4,86
14
8,86
6,51
5,56
5,03
4,69
15
8,68
6,36
5,42
4,89
4,56
16
8,53
6,23
5,29
4,77
4,44
17
8,40
6,11
5,18
4,67
4,34
18
8,28
6,01
5,09
4,58
4,25
19
8,18
5,93
5,01
4,50
4,17
20
8,10
5,85
4,94
4,43
4,10
21
8,02
5,78
4,87
4,37
4,04
22
7,94
5,72
4,82
4,31
3,99
I2
206
23
7,88
5,66
4,76
4,26
3,94
24
7,82
5,61
4,72
4,22
3,90
25
7,77
5,57
4,68
4,18
3,86
26
7,72
5,53
4,64
4,14
3,82
27
7,68
5,49
4,60
4,11
3,78
28
7,64
5,45
4,57
4,07
3,75
29
7,60
5,42
4,54
4,04
3,73
30
7,56
5,39
4,51
4,02
3,70
40
7,31
5,18
4,31
3,83
3,51
60
7,08
4,98
4,13
3,65
3,34
120
6,85
4,79
3,96
3,48
3,17
6,64
4,60
3,78
3,32
3,02
I1
I2
207
Distribuia Fisher-Snedecor (F )
Valorile funciei F pentru I 1 i I 2 grade de libertate i
= 0,01nivel de semnificaie
(continuare)
I1 . a
12
24
5859
5981
6106
6234
6366
99,33
99,36
99,42
99,46
99,50
27,91
27,49
27,05
26,60
26,12
15,21
14,80
14,37
13,93
13,46
10,67
10,27
9,89
9,47
9,02
8,47
8,10
7,72
7,31
6,88
7,19
6,84
6,47
6,07
5,65
6,37
5,67
5,28
4,86
5,80
5,47
5,11
4,73
4,31
10
5,39
5,06
4,71
4,33
3,91
11
5,07
4,74
4,40
4,02
3,60
12
4,82
4,50
4,16
3,78
3,36
13
4,62
4,30
3,96
3,59
3,16
14
4,46
4,14
3,80
3,43
3,00
15
4,32
4,00
3,67
3,29
2,87
16
4,20
3,89
3,55
3,18
2,75
17
4,10
3,79
3,45
3,08
2,65
18
4,01
3,71
3,37
3,00
2,57
19
3,94
3,63
3,30
2,92
2,49
20
3,87
3,56
3,23
2,86
2,42
21
3,81
3,51
3,17
2,80
2,36
I2
6,03
208
22
3,76
3,45
3,12
2,75
12
24
23
3,71
3,41
3,07
2,70
2,26
24
3,67
3,36
3,03
2,66
2,21
25
3,63
3,32
2,99
2,62
2,17
26
3,59
3,29
2,96
2,58
2,13
27
3,56
3,26
2,93
2,55
2,10
28
3,53
3,23
2,90
2,52
2,06
29
3,50
3,20
2,87
2,49
2,03
30
3,47
3,17
2,84
2,47
2,01
40
3,29
2,99
2,66
2,29
1,80
60
3,12
2,82
2,50
2,12
1,60
120
2,96
2,66
2,34
1,95
1,38
2,80
2,51
2,18
1,79
1,00
I1 . a
I2
209
2,31
Distribuia Fisher-Snedecor (F )
Valorile funciei F pentru I 1 i I 2 grade de libertate i
I1
= 0,001nivelul de semnificaie
405282
500000
540379
562500
576405
998,5
999,0
999,2
999,2
999,3
167,5
148,5
141,1
137,1
134,6
74,14
61,25
56,18
53,44
51,71
47,04
36,61
33,20
31,09
29,75
35,51
27,00
23,70
21,90
20,81
29,22
21,69
18,77
17,19
16,21
25,42
18,49
15,83
14,39
13,49
22,86
16,39
13,90
12,56
11,71
10
21,04
14,91
12,55
11,28
10,48
11
19,69
13,81
11,56
10,35
9,58
12
18,64
12,97
10,80
9,63
8,89
13
17,81
12,31
10,21
9,07
8,35
14
17,14
11,78
9,73
8,62
7,92
15
16,59
11,34
9,34
8,25
7,57
16
16,12
10,97
9,00
7,94
7,27
17
15,72
10,66
8,73
7,68
7,02
18
15,38
10,39
8,49
7,46
6,81
19
15,08
10,16
8,28
7,26
6,61
20
14,82
9,95
8,10
7,10
6,46
21
14,59
9,77
7,94
6,95
6,32
I2
210
22
14,38
9,61
7,80
6,81
6,19
23
14,19
9,47
7,67
6,67
6,08
24
14,03
9,34
7,55
6,59
5,98
25
13,88
9,22
7,45
6,49
5,88
26
13,74
9,12
7,36
6,41
5,80
27
13,61
9,02
7,27
6,33
5,73
28
13,50
8,93
7,19
6,25
5,66
29
13,39
8,85
7,12
6,19
5,59
30
13,29
8,77
7,05
6,12
5,53
40
12,61
8,25
6,60
5,70
5,13
60
11,97
7,76
6,17
5,31
4,76
120
11,38
7,31
5,79
4,95
4,42
10,83
6,91
5,42
4,62
4,10
I1
I2
211
Distribuia Fisher-Snedecor (F )
Valorile funciei F pentru I 1 i I 2 grade de libertate i
= 0,001nivel de semnificaie
(continuare)
I1 . a
12
24
585937
598144
610667
623497
636619
999,3
999,4
999,4
999,5
999,5
132,8
130,6
128,3
125,9
123,5
50,53
49,00
47,41
45,7
44,05
28,84
27,64
26,42
25,14
23,78
20,03
19,03
17,99
16,89
15,75
15,52
14,63
13,71
12,73
11,69
12,86
11,19
10,30
9,34
11,13
10,37
9,57
8,72
7,81
10
9,92
9,20
8,45
7,64
7,76
11
9,05
8,35
7,63
6,85
6,00
12
8,38
7,71
7,00
6,25
5,42
13
7,86
7,21
6,52
5,78
4,97
14
7,43
6,80
6,13
5,41
4,60
15
7,09
6,47
5,81
5,10
4,31
16
6,81
6,19
5,55
4,85
4,06
17
6,56
5,96
5,32
4,63
3,85
18
6,35
5,76
5,13
4,45
3,67
19
6,18
5,59
4,97
4,29
3,52
20
6,02
5,44
4,82
4,15
3,38
21
5,88
5,31
4,71
4,03
3,26
I2
12,04
212
22
5,76
5,19
4,58
3,92
12
24
23
5,65
5,09
4,48
3,82
3,05
24
5,55
4,99
4,39
3,74
2,97
25
5,46
4,91
4,31
3,66
2,89
26
5,38
4,83
4,24
3,59
2,82
27
5,31
4,76
4,17
3,52
2,75
28
5,24
4,69
4,11
3,46
2,70
29
5,18
4,64
4,05
3,41
2,64
30
5,12
4,58
4,00
3,36
2,59
40
4,73
4,21
3,64
3,01
2,23
60
4,37
3,87
3,31
2,69
1,90
120
4,04
3,55
3,02
2,40
1,56
3,74
3,27
2,74
2,13
1,00
I1 . a
I2
213
3,15
Bibliografie
Andrei T.
Bierens H.J.
Chow G.
Clocotici V.
Dougherty Ch.
Gogonea R.M.
STATISTICA. Baza teoretico-aplicativ pentru comerservicii- turism, Editura Universitar, Bucureti, 2009
Gogonea R.M.
214
M.,
Gujarati D.N.
Hapenciuc C.V.
Hapenciuc C.V.
Harvey A.C.
HsiaoJohnston J.,
Dinardo J.,
Isaic-Maniu A., Mitru
C.,
Voineagu V.
Jaba E.
Jaba E.
Mihil N.,
Popescu O.
Mitru C., erban D
Oprescu Gh.
Pecican t. E.
Popescu Th.
Reinsel G.C.
Stewart J.
erban R.
215
2007
Wonnacott T.H.,
Wonnacott R.J.,
216