Econometrie Curs ID

Econometrie
Suport de Curs-nvamntul la
distan
Prof. univ. dr. Zaharia Marian

Asist. Univ. drd. Oprea Cristina
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
Unitatea de nvare 2 NOIUNI PRIVIND VARIABILELE ALEATOARE ........................... 18

Obiectivele Unitii de nvare 2 ....................................................................................................... 18
2.1. Eveniment. Cmp de Evenimente ................................................................................................ 19
2.2. Variabile aleatoare ...................................................................................................................... 22
Lucrare deverificare 2A ..................................................................................................................... 29
Rezumat ............................................................................................................................................ 30
Bibliografie ....................................................................................................................................... 31
Unitatea de nvare 3 CARACTERISTICILE DISTRIBUIEI VARIABILEI

ALEATOARE............................................................................................................................... 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
Rezumat ............................................................................................................................................ 46
Bibliografie ....................................................................................................................................... 47
Unitatea de nvare 4 DISTRIBUIILE CLASICE N VERIFICAREA IPOTEZELOR

STATISTICE ................................................................................................................................ 48
4.1 Repartiia normal normat (Z ) ................................................................................................... 48

4.2 Repartiia
............................................................................................................................. 53
4.3 Repartiia Student ( t ) .................................................................................................................. 55

4.4 Repartiia Fisher-Snedecor ( F ) ................................................................................................. 56
Test de autoevaluare 4B..................................................................................................................... 57
Rezumat ............................................................................................................................................ 60
Bibliografie ....................................................................................................................................... 61
Unitatea de nvare 5 IPOTEZE STATISTICE-ASPECTE TEORETICE ................................ 62

Obiectivele Unitii de nvare 5 ...................................................................................................... 62
5.1 Inferena statistic........................................................................................................................ 62
5.2 Metodologia testrii ipotezelor statistice ...................................................................................... 64
5.3 Tipuri de teste utilizate la testarea ipotezelor statistice ................................................................. 70
Rezumat ............................................................................................................................................ 77
Bibliografie ....................................................................................................................................... 77
Unitatea de nvare 6 TESTAREA IPOTEZELOR PRIVIND MEDIILE POPULAIILOR

CU EANTIOANE DE VOLUM MARE .................................................................................... 78
6.1 Compararea mediei eantionului cu media colectivitii generale ................................................. 78
6.2 Compararea mediilor a dou eantioane ....................................................................................... 83
6.3 Compararea proporiei eantionului cu a colectivitii generale .................................................... 86
Rezumat ............................................................................................................................................ 96
Bibliografie ....................................................................................................................................... 97

CU EANTIOANE DE VOLUM MIC ........................................................................................ 98
7.1 Compararea mediei unui eantion de volum redus cu media colectivitii generale ....................... 98
7.2 Compararea mediilor a dou eantioane de volum redus ............................................................ 102
Lucrare de verificare 7A .................................................................................................................. 108

Test de autoevaluare 7B ................................................................................................................... 109
Rezumat .......................................................................................................................................... 114
Bibliografie ..................................................................................................................................... 115
Unitatea de nvare 8 TESTAREA IPOTEZELOR PRIVIND DISPERSIILE

POPULAIILOR ........................................................................................................................ 116
Obiectivele Unitii de nvare 8 ..................................................................................................... 116
8.1 Compararea dispersiei eantionului cu dispersia colectivitii generale ....................................... 116
8.2 Compararea dispersiei a dou colectiviti.................................................................................. 119
Rezumat .......................................................................................................................................... 125
Bibliografie ..................................................................................................................................... 126
Unitatea de nvare 9 ANALIZ DISPERSIONAL (ANOVA) ........................................... 127

9.1 Analiza dispersional unifactorial............................................................................................. 127
9.2 Analiza dispersional bifactorial............................................................................................... 133
Rezumat .......................................................................................................................................... 146
Bibliografie ..................................................................................................................................... 146
Unitatea de nvare 10 DETERMINAREA I TESTAREA CORELAIILOR LINIARE

DINTRE VARIABILELE ECONOMICE.................................................................................. 147
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
Unitatea de nvare 11 MODELUL DE REGRESIE LINIAR UNIFACTORIAL ............ 159

11.1
Ipotezele modelului .............................................................................................................. 159
11.2
Determinarea i validarea parametrilor modelului linear unifactorial .................................... 163

Rezumat .......................................................................................................................................... 183
Bibliografie ..................................................................................................................................... 184
Rspunsuri la testele de autoevaluare ......................................................................................... 185

Anexa 1 ....................................................................................................................................... 187
Anexa 2 ....................................................................................................................................... 190
Anexa 3 ....................................................................................................................................... 194
Anexa 4 ....................................................................................................................................... 202
Bibliografie ................................................................................................................................. 214
Unitatea de nvare 1
INTRODUCERE N ECONOMETRIE
Cuprins
Lucrare de verificare 1A ............................................................................................................... 14

Test de autoevaluare 1B ................................................................................................................ 14
Rezumat ........................................................................................................................................ 16
Bibliografie ................................................................................................................................... 17
Obiectivele Unitii de nvare 1

Dup studiul acestei uniti de nvare, cursanii vor avea cunotine despre:
Ce este econometria.
Principalele obiective ale econometriei.
Ce este modelul econometric.
Ce este modelul economic.
Diferena dontre modelele economice i modelele econometrice.
Tipologia modelelor econometrice.
Etapele crerii i utilizrii unui model econometric.
Tipurile de date utlizate n econometrie.
1.1. Econometria definiii i obiective
n anul 1930 la Cleveland un grup de cercettori, printre care I. Fisher, L.V.

Borkiewicy, R. Frisch i H. Hotelling, nfiineaz Societatea de Econometrie. Acesta este i
momentul care marcheaz constituirea econometriei1 ca tiin.
Fie sistemul reprezentat n figura 1.3. Variabilele de intrare xi , din punctul de vedere
al sistemului supus analizei, sunt variabile independente (nu depind de sistemul S ). Aceste
variabile influeneaz (determin) valorile variabilei (variabilelor) de ieire Y . Din acest
punct de vedere variabila Y este o variabil dependent. n aceste condiii are loc relaia:
Y = f (x ) +
(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;
este o variabil aleatoare care exprim influena factorilor ntmpltori asupra
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.
Definiia istoric a econometriei:

experiena a artat c fiecare din urmtoarele
puncte de vedere, al statisticii, al teoriei economice i al matematicii, este o condiie
necesar, dar nu i suficient pentru o nelegere efectiv a relaiilor cantitative din
economia modern; unificarea lor este aceea care asigur eficiena. Econometria este
tocmai aceast unificare.2
Definiia restrictiv a econometriei:

1
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
economice numai cu ajutorul modelelor aleatoare (stochastice, probabilistice); ea include

doa cercetrile economice ce utilizeaz metodele induciei matematice la verificarea
relaiilor cantitative formulate n teoria economic cu privire la fenimenele sau procesele
studiate3.
Definiia extins a econometriei:

Econometria n sens larg nseamn econometria n
sens restrns, la care se adaug metodele cercetrii operaionale4.
Ca o prim concluzie econometria urmrete aplicarea metodelor statistice n scopul
testrii i cuantificrii relaiilor economice ipotetice utiliznd date neexperimentale. Ea
implic utilizarea metodelor matematice i statistice la formularea, estimarea i testarea
modelelor economice.
Principalele obiective ale econometriei sunt:
Estimarea relaiilor economice
Testarea ipotezelor privind att comportamentele egenilor economici ct i
fenomenele economice.
Previziunea variabilelor economice.
1.2. Modele econometrice

Pentru a sublinia specificitatea modelelor econometrice vom face o comparaie a
acestora cu modelele economice.
Schematic, un sistem economic privit prin prisma analizei economice poate fi
reprezentat conform figurii 1.1.
x1
x2
PROCES
ECONOMIC
xn
3
4
Definiie propus de Cowles Comission for Research n Econometrics.

Definie propus de economitii anglo-saxoni.
y1
y2
ym
Figura 1.1. Proces studiat prin prisma modelrii economice
Modelele economice sunt modele deterministe bazate pe abordarea determinist a

relaiilor cauzale dintre evenimente. n cazul prezentat n figura 1.4. modelul economic este:
Y = f (X )
(1.2)
unde: X = (xi )i =1,n este vectorul vatiabilelor independente (cauzale)
( )
Y = yj
j =1.m
este vectorul variabilelor dependente (rezultative).
Dup cum se poate observa, modelele economice nu conin elemente stochastice i

nu in seama de evenimente ntmpltoare. In studiul relaiilor dintre dou variabile
economice se face ipoteza5 c toate celelalte variabilele au valori constante (rmn
neschimbate) pe durata perioadei de studiu.
Spre deosebire de modelele economice, modelele econometrice sunt modele
stochastice care se deosebesc de modelele economice prin faptul c includ pe lng elemente
deterministe i cel puin un element stochastic (figura 1.2).
x1
x2
PROCES
ECONOMIC
xn
y1
y2
ym
Figura 1.2. Proces studiat prin prisma modelrii econometrice
n cazul modelelor econometrice, pe lng influenele variabilelor independente, este

evideniat i influena factorilor cu aciune ntmpltoare (reziduali) asupra variabilelor
dependente. n abordarea econometric a procesului studiat relaia (1.2) devine:
Y = f (X ) +
(1.3)
La construirea i utilizarea modelelor econometrice (figura 1.6) se pornete de la

teoria economic pe baza creia se construiete un model care se presune c descrie relaiile
cauzale dintre una sau mai multe variabile independente i o variabil dependent (rezultat)
i se obine ntr-o prim faz un model economic. n funcie de numrul de ecuaii se
5
Ipoteza ceteris paribus.
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
Modelele econometrice formeaz o submulime de modele inclus n mulimea modelelor

economico-matematice care, la rndul lor, pot fi categorisite dup diferite criterii printre care
menionm:
o Dup numrul de ecuaii
-
modele cu o singur ecuaie (conin o singur variabil rezultativ y , indiferent

de numrul n al elementelor vectorului variabilelor cauzale
X = (xi )i =1,n ) y = f ( X ) +
modele cu mai multe ecuaii (conin mai multe variabile rezultative
( )
Y = yj
j =1.m
) Y = f (X ) +
o Dup numrul factorilor luai n considerare:

-
modele unifactoriale
y = f (x) +
modele multifactoriale
y = f (x1 , x 2 , K , x n ) +
o Dup forma dependenei dintre variabilele independente (cauzale) i cele dependente

(rezultative)
-
modele liniare (exist dependen liniar ntre variabilele rezultative i cele

cauzale)
modele neliniare (dependena este neliniar)
o n raport cu factorul timp:

-
modele statice (dependenele dintre variabilele modelului se refer la acelei

moment (perioad) de timp
modele dinamice care, la rndul lor pot fi

modele dinamice cu variabila timpul (t ) explicit

y = f (xt , t ) + i
modele autoregresive
y = f (x t , y t k ) +
modele cu decalaj
y = f ( x t , x t 1 , K , x t k ) +
11
Ca i n cazul general al modelelor economico-matematice, n structura unui model

econometric intr variabilele modelului i relaiile dintre variabilele acestuia.
Pe lng tipurile de variabile prezentate pn acum (Variabile independente - cauzale
sau explicative -, variabile dependente
- rezultative; variabile deterministe, variabile
stochastice; variabile endogene, variabile exogene) ne mai oprim asupra categorisirii

variabilelor modelelor econometrice n funcie de valorile pe care le pot lua, i anume:
Variabile cantitative. Provin din caracteristici care exprim atribute cantitative ale
elementelor unei populaii. Caracteristica principal a variabilelor catitative este
faptul ca iau valori dintr-o scar continu, cu valorile lor putndu-se efectua operaii
aritmetice. n analizele econometrice, indicatorii statistici relevani calculai pe baza
valorilor observate sunt media i abaterea medie ptratic.
Variabile categoriale (calitative) Provin din carscteristici care exprim atribute
calitative. Denumirea acestora provine de la faptul c au dou sau mai multe nivele de
valori numite categorii. La rndul lor, variabilele categoriale pot fi grupate n:
o Variabile nominale. Valoarea reprezint codul unei categorii careia i aparine
elementul respectiv al pupulaiei. De exemplu, variabila stare civil poate
avea codificrile:
1 -necstorit, 2 casatorit, 3 divorat, 4 vduv.
o Variabile binare. Au numai dou niveluri de valori care descriu complet o

caracteristic a unui element al populaiei. De exemplu, pentru populaia
studenti, variabila promovat poate lua dou valori:
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
Suntei mulumit de calitatea serviciilor hotelului nostru? (2) foarte

mulumit; (1) mulumit; (0) indiferent;
(-1) nemulumit; (-2) foarte nemuumit;
este o variabil calitativ ordinal.

Relaiile unui model econometric exprim dependenele dintre variabilele cauzale i
cele rezultative i pot fi:
relaii de identitate sunt relaii deterministe privind procesul economic supus

analizei (de exemplu exprimarea profitului ca diferen ntre venituri i cheltuieli
Pr = V C );
relaii de comportament exprim comportamente ale agenilor economici;
relaii tehnologice exprim dependee dintre variabile care descriu procese

tehnologice (de exemplu funciile de producie);
relaii instituionale introduc n modelul econometric reglementri impuse de

legislaia n domeniul procesului economic supus analizei.
Utilizarea modelelor econometrice n studiul proceselor i fenomenelor economice se

bazeaz pe datele primare culese prin diverse modaliti. Din punct de vedere cronologic,
datele primare utilizate ntr-un model econometric pot mbrca trei forme:
date
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:
a. estimarea relaiilor economice;

b. testarea ipotezelor privind att comportamentele egenilor economici ct i
fenomenele economice;
c. previziunea variabilelor economice;
d. previziunea comporatmentului agenilor economici;
A: a+b+c; B: a+b+d; C: b+c+d; D: a+c+d.
3. Relaiile unui model econometric exprim:
14
a. dependenele dintre variabilele cauzale i cele rezultative;

b. independena dintre variabile;
c. dependenele dintre variabilele cauzale;
d. dependenele dintre variabilele rezultative;
4. Dup numrul de ecuaii modelele econometrice sunt:
a. modele cu o singur ecuaie i modele cu dou ecuaii;
b. modele cu o singur ecuaie i modele cu mai multe ecuaii;
c. modele statice i modele dinamice.
d. modele unifactoriale i modele bifactoriale;
5. n funcie de valorile pe care le pot lua, variabilelor modelelor econometrice se
clasific astfel:
a. variabile exogene si variabile endogene;
b. variabile cantitative i varialbile calitative;
c. variabile dependente i variabile independente;
d. variabile cauzale i variabile deterministe.
6. Exprimarea profitului ca diferen ntre venituri i cheltuieli Pr = V C este o relaie
de:
a. comportament;
b. tehnologic;
c. instituional;
d. identitate.
7. Utilizarea modelelor econometrice n studiul proceselor i fenomenelor economice se
bazeaz pe:
a. date secundare;
b. date auxiliare;
c. date primare;
d. date prelucrate.
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
utiliznd metodele induciei matematice la verificarea
relaiilor cantitative formulate n teoria economic cu privire la fenomenele sau procesele

studiate.
Spre deosebire de modelele economice deterministe bazate pe abordarea determinist
a relaiilor cauzale dintre evenimente, modelele econometrice sunt modele stochastice care
includ pe lng elemente deterministe i elemente aleatoare.
Construirea i utilizarea modelelor econometrice pornete de la teoria economic pe
baza creia se construiete un model care se presupune c descrie relaiile cauzale dintre una
16
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.
Econometrie cu aplicaii n activitatea de comer-turismservicii, Editura Universitar, Bucureti, 2008,

Statistic, Editura Universitar, Bucureti, 2003
Jaba E.
Statistic, Editura Economic, Bucureti, 1998
Jaba E.
Statistic,ediia a treia-revizuit, Editura Economic,

Bucureti, 2002
17
Unitatea de nvare 2
NOIUNI PRIVIND VARIABILELE ALEATOARE
Cuprins
Obiectivele Unitii de nvare 2 ................................................................................................. 18

Rezumat ........................................................................................................................................ 30
Bibliografie ................................................................................................................................... 31

Dup studierea acestei uniti de nvare, cursanii vor avea cunotine despre teoria
probabilitilor, i anume:
Ce este evenimentul.
Tipuri de evenimente
Ce este cmpul de evenimente
Ce sunt variabilele aleatoare
Ce sunt variabilele aleatore discrete
Distribuia variabilei aleatoare discrete
Histograma i pologonul distribueiei variabilei aleatoare discrete
Funcia de repartiie a variabilei aleatoare discrete
Ce sunt variabilele aleatoare continue
Distribuia variabilei aleatoare continue
Reprezentarea grafic a variabilei aleatoare continue
Funcia de repartiie a variabilei aleatoare continue
18
2.1. Eveniment. Cmp de Evenimente

Din punct de vedere al analizelor ce vor fi efectuate pe parcursul acestei lucrri orice
mulime de elemente care printr-o proprietate comun pot fi considerate mpreun constituie o
populaie. Vom nota populaia cu , iar cu un element generic al su. De exemplu, o
colectivitate de indivizi care au calitatea de a fi studeni formeaz o populaie.
Dac n raport cu elementele populaiei considerm una sau mai multe proprieti
spunem c am constituit un criteriu de cercetare. Astfel, dac n raport cu populaia studeni
considerm proprietatea de a fi integralist, am constituit un criteriu de cercetare.
Relizarea complexului de condiii corespunztoare criteriului de cercetate se numete
experien6. n sens larg, experiena reprezint un act care poate fi repetat n condiii date i care
permite verificarea practic a cunotinelor privind diverse fenomene i procese din realitate.
O noiune fundamental n teoria probabilitilor este cea de eveniment.
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
Tabelul 2.1. Sumele feelor obinute prin aruncarea a dou zaruri
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
reprezint mulimea evenimentelor elementare ale lui .
n cazul exemplului considerat mulimea evenimentelor elementare este:
{i }i=1,n = {2,3,4,5,6,7,8,9,10,11,12}
(2.1)
Aceast mulime reprezint o parte (submulimi) a mulimii .

Pe lng mulimea evenimentelor elementare {i }i =1,n , mulimea conine i o serie de
alte evenimente obinute din combinarea evenimentelor elementare, care formeaz, de asemenea,
pri ale mulimii (submulime).
De exemplu, un alt eveniment din mulimea poate fi suma feelor cuprins ntre 3 i
12, notat cu .
Vom nota n continuare mulimea tuturor evenimentelor (elementare i neelementare) cu
{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.
2.2. Variabile aleatoare

Mediul economic real, bazat pe competiie, prin dinamica i complexitatea sa este
caracterizat de numeroase variabile ale cror valori sunt cunoscute cu certitudine numai dup
producerea lor. De exemplu, numrul turitilor cazai ntr-o zi la un hotel reprezint variabile ale
cror valori efective sunt cunoscute numai la sfritul zilei. Din pcate, n practic valorile
acestor variabile constituie elemente decizionale importante care declaneaz aciuni anterioare
lor (de exemplu aprovizionarea cu alimente). Neputnd fi ns cunoscute este necesar s facem
anumite presupuneri (ipoteze) privind valorile lor, ipoteze care aa cum se va vedea pe parcursul
capitolelor viitoare trebuiesc verificate.
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:
variabile aleatoare discrete definite pe mulimi discrete cu numr finit de elemente;
variabile aleatoare continue definite pe mulimi continue reprezentate printr-un interval

finit sau infinit din .
Variabilele aleatoare se noteaz cu litere mari, iar valorile lor cu litere mici
corespunztoare acestora. De regul, sunt utilizate literele de la sfritul alfabetului (de exemplu,
variabila aleatoare X are la un moment dat valoarea x ).
Variabile aleatoare discrete
Pentru a caracteriza o variabil aleatoare ne oprim n cele ce urmeaz asupra

urmtoarelor aspecte:
Histograma i poligonul distribuiei
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
(xi , f (xi ))i =1,n se numete distribuia variabilei aleatoare discrete.

23
Simbolic variabila aleatoare X se noteaz cu:

x
X i sau
f ( xi )
x
X i , i = 1, n
pi
(2.2)
unde xi este argumentul variabilei aleatoare, iar f ( xi ) funcia de probabilitate, cu proprietile:

10
f(xi ) 0
20
f(x ) = 1
deoarece Ei = ( X = xi ), i = 1, n , constituie un sistem complet de
i =1
evenimente.
Histograma i poligonul distribuiei discrete
n cazul variabilei aleatoare discrete funcia de probabilitate pi = f ( xi ), i = 1, n , este o

funcie definit grafic de punctele M ( xi , pi ) .
Lund pe axa absciselor valorile consecutive ale argumentului xi , se obin intervale7,
astfel nct mijlocul intervalului de ordinul i este considerat ca punct xi , iar pe ordonat valorile
funciei de probabilitate se obin cu aria numeric dat de p i . Totalitatea acestor dreptunghiuri
constituie histograma distribuiei.
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
Figura 2.1. Histograma procesului de aruncare a dou zaruri
Funcia de repartiie a variabilei discrete
O caracteristic important a unei variabile aleatoare o reprezint funcia de repartiie

Definiia 2.6.
Se numete funcie de repartiie a variabilei aleatoare X , funcia:
F ( x) = P( X < x)
unde evenimentul ( X < x) este dat de: ( X < x ) =
U (X = x )
i
xi x
Cum evenimentele ( X = xi ), i = 1, n sunt incompatibile, atunci:
P( X < x ) =
P( X = x ) = f ( x ) , deci
i
xi x
F ( x) = P ( X < x ) =
xi x
f ( x ),
i
xi x
Considernd graficele distribuiei variabilei aleatoare, discrete, funcia de repartiie F (x)

este suma probabilitilor
pi = f ( xi ) de la stnga punctului de abscisa x , sau suprafaa
histogramei de la stnga punctului de abscisa 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
i stabilim funcia de repartiie ca fiind:
F (6) = P(Z < 6) = suma probabilitilor p i de la stnga lui 6.

F ( 6) = P ( Z < 6) =
1
2
3
4 10
+
+
+
=
0,277778
36 36 36 36 36
Funcia de repartiie numit i funcia cumulativ a probabilitilor, F ( x) = P ( X < x) are

urmtoarele proprieti:
1 0 .0 F ( x) 1
0
2 . Funcia F(x) este nedescresctoare. Dac x1 < x2 sunt dou valori ale argumentului
variabilei X, atunci deoarece
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 .
Variabile aleatoare continue
Ca i n cazul variabilelor aleatoare discrete ne vom opri asupra urmtoarelor aspecte:
Reprezentarea grafic a distribuiei variabilei aleatoare continue

Analog variabilei aleatoare discrete, variabila aleatoare continu X se definete prin:

x
cu x [a, b ]
X :
( x)
26
(2.3)
Definiia 2.7.
x
cu x [a, b ] , funcia (x) se numete densitatea de

Fie variabila aleatoare X :
( x)
probabilitate a variabilei aleatoare X .

Funcia densitate de probabiitate (x ) se bucur de proprietile:
1 0 . ( x ) 0 , deoarece dP 0 i dx > 0
b
2 0 . ( x)dx = 1 .
Reprezentarea grafic a distribuiei
n cazul variabilei aleatoare continue funcia densitate de probabilitate (x ) , x [ a, b] ,

reprezentat grafic este o curb continu numit curba de distribuie, iar histrograma
corespunztoare este un trapez curbiliniu.
Fie variabila aleatoare:
X :
x ,
( x) = e
x 0 Funcia densitate de probabilitate este
reprezentat grafic n figura 2.2.:

(0 ) = 1
( x) = e 1
S=1
0
x
Figura 2.2. Graficul funciei densitate de probabilitate ( x) = e 1
Suprafaa haurat S este egal cu unitatea, verificnd proprietatea 20 a funciei densitate

de probabilitate.
Funcia de repartiie a variabilei continue
Probabilitatea ca o variabil aleatoare s ia valori ntr-un anumit interval este dat de

funcia de repartiie a variabilei respective.
27
Definiia 2.8.
x
cu x [a, b ] i funcia densitatea de probabilitate

( x)
(x) .
Funcia
F ( x ) = P( X < x) = (t )dt
x
(2.4)
reprezint funcia de repartiie a variabilei aleatoare X

n cazul variabilei aleatoare continue, derivata funciei de repartiie reprezint funcia
densitate de probabilitate.
dF ( x )
= ( x)
dx
(2.5)
innd seama de interpretarea geometric a integralei definite, rezult c, funcia de

repartiie reprezint aria din histogram pe intervalul [ a, x] .
(x)
P( X < x) = F ( x) = (t )dt
0
( x) = e x
P ( X < 2)
x =1
x=2
Figura 2.3. Graficele funciei densitate de probabilitate ( x) = e x

x
i al funciei de repartiie P( X < x) = F ( x) = (t )dt

0
Pentru variabila aleatoare:

x
X :
x ,
( x) = e
x 0 avem F (2 ) = P ( X < 2) =
care este reprezentat grafic n figura 2.3, prin suprafaa haurat:

28
( x)dx
0
Lucrare deverificare 2A
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?
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
a. variabile aleatoare nominale i variabile ordinale;

b. variabile aleatoare calitative i variabile aleatoare cantitative;
c. variabile aleatoare discrete i variabile aleatoare continue;
d. variabile aleatoare primare i variabile aleatoare secundare.
4. Variabile aleatoare continue reprezint

a. variabile ce pot fi cuantificate;
b. mulimi continue reprezentate printr-un interval finit sau infinit din ;
c. mulimi de evenimente;
d. variabile ce nu pot fi cuantificate;
5. Variabile aleatoare discrete sunt definite
a. pe mulimi discrete cu numr infinit de elemente;
b. pe mulimi discrete cu numr finit de elemente;
c. pe mulimi cu elemente;
d. pe mulimi de elemente.
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
Se numete variabil aleatoare acea variabil a crei realizare constituie evenimente

ntmpltoare dintr-o mulime care formeaz un sistem complet de evenimente. Dup
caracteristicile mulimii pe care sunt definite variabilele aleatoare pot fi discrete sau continue.
n analiza fenomenelor economice, bazat pe modele econometrice, sunt utilizate n
principal variabile aleatoare discrete.
Bibliografie
Andrei T.
Statistic i econometrie, Editura Economic, Bucureti,

2003
Bdi M., Baron T.,

Korka M.
Statistic pentru afaceri, Editura Eficient, Bucureti, 1998
Chow G.
Econometrics, McGraw Hill, New York, 1989
Clocotici V.
Statistic aplicat n psihologie, Editura Polirom,

Bucureti, 2000

M.
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

cunoaterea indicatoriilor caracteristici variabilei aleatoare privind tendina central de

grupare (valoarea medie, mediana, modulul),
cunoaterea indicatoriilor caracteristici variabilei aleatoare privind mprtierea

distribuiei variabilei aleatoare (intervalul de variaie, dispersia, abaterea medie ptratic,
covariana, coeficientul de mprtiere
cunoaterea indicatoriilor caracteristici variabilei aleatoare privind forma distribuiei

(simetria i asimetria, boltirea);
32
3.1 Indicatorii caracteristici variabilei aleatoare privind tendina central de

grupare
n practica aplicaiilor n economie drept indicatori numerici ai tendinei centrale de
grupare, sunt frecvent folosii:
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
M ( X ) = pi xi = xi f ( xi ), (variabila discret) (3.1)

b
M ( X ) = x ( x)dx , (variabila continu)

a
Fie variabila aleatoare discret X dat prin

1
2
1 0
X :
0,2 0,1 0,4 0,3
Vom determina valoarea medie ca:

M ( X ) = 0,2 (1) + 0,1 0 + 0,4 1 + 0,3 2 = 0,8
Pentru variabila aleatoare continu

x
X :
x ,
( x) = e
x0
vom avea: M ( X ) = xe x dx = (2) = 1 , unde (a ) = x a 1e x dx este integrala a lui Euler.

Proprietile valorii medii a unei variabile aleatoare sunt:
media unei constante este constanta nsi
M (K ) = k .
33
(3.2)
k
K :
1 atunci M ( K ) = k 1 = k
Fie constanta
media produsului dintre o constant i o variabil aleatoare este egal cu produsul

dintre constant i media variabilei aleatoare
M (k X ) = k M ( X )
media sumei a dou variabile aleatoare este egal cu suma mediilor acestora
M ( X + Y ) = M ( X ) + M (Y )
media produsului a dou variabile aleatoare independente este egal cu produsul

mediilor lor
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)
Pentru variabilele aleatoare discrete mediana M e se deduce din

F ( M e ) = 1 F ( M e ), sau 2 F ( M e ) = 1 .
fiind soluia ecuaiei: F ( x ) =
1
2
Pentru variabila aleatoare discret

1
2
1 0
X :
0,2 0,1 0,4 0,3
avem P( X < 1) = P ( X > 1) = 0.3 . n consecin M e = 1
Pentru variabilele aleatoare continue, mediana M e este soluia ecuaiei

Modul (Valoarea cea mai probabil)
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
3.2 Indicatorii caracteristici variabilei aleatoare privind mprtierea

distribuiei variabilei aleatoare
Gradul de mprtiere a distribuiei variabilei aleatoare este analizat n raport cu
urmtoarele caracteristici:
extinderea sau intervalul de variaie,
abaterea, abaterea absolut medie,
dispersia,
abaterea medie ptratic,
covariana
coeficientul de mprtiere
normarea unei variabile aleatoare
Extinderea sau intervalul de variaie
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
= b a sau = x max x min
(3.4)
Datorit modului de calcul, extinderea nu poate fi utilizat n cazul variabilelor cu intervalul de

variaie nemrginit.
Cu toate c acest caracteristic prezint unele inconveniente printre care faptul c nu
depinde de toate valorile variabilei X , ci numai de cele extreme i nu arat modul de repartizare
n jurul centrului de grupare, pentru uurina de calcul, extinderea este utilizat n statistica
controlului de fabricaie n serie.
Abaterea. Abaterea absolut medie
Definiia 3.5.
36
Fie variabila aleatoare X i o valoare oarecare din intervalul de variaie respectiv,

se numete abatere a variabilei X , variabila aleatoare , al crui argument este dat de
diferena dintre argumentul lui X i , adic:
xi
,
f ( xi )
(3.5)
dac X este variabil aleatoare discret, respectiv
x
,
(x)
(3.6)
dac X este variabil aleatoare continu.

n practic se lucreaz de regul cu variabila aleatoare = X M ( X ) numit abaterea
variabilei aleatoare X de la media sa = M ( X ) .
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
f ( xi ) n cazul variabilei aleatoare discrete, respectiv
i =1
x ( x)dx, n cazul variabile aleatoare continue,
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)
Dispersia variabilei aleatoare X se noteaz de regul fie cu x2 , fie cu D(X). n

consecin avem:
x2 = D( X ) = M ( 2 ) = M [( X M ( X )) 2 ] = M ( X 2 ) M 2 ( X )
Dac variabila aleatoare X este discret, atunci:
D ( X ) = ( xi ) 2 f ( xi ) ,
(3.8)
i =1
Dac variabila aleatoare X este continu, atunci:

+
D( X ) = ( x ) 2 ( x)dx.
(3.9)
Dispersia are proprietile:

Dispersia unei constante este nul: D( K ) = 0 . Aceast proprietate decurge din
proprietatea mediei unei constante M ( K ) = k , de unde rezult: D( K ) = (k k ) 2 1 = 0
Dispersia sumei a dou variabile aleatoare independente este egal cu suma dispersiilor
fiecrei variabile n parte
D( X + Y ) = D( X ) + D(Y ) .
innd seama de proprietile mediei i de definiia dispersiei avem

D( X + Y ) = M (( X + Y ) 2 ) 2 M ( X + Y ) M ( X + Y ) + M 2 ( X + Y ) =
= M (( X + Y ) 2 ) M 2 ( X + Y ) = M ( X 2 + 2 XY + Y 2 ) M 2 ( X + Y ) =
= M ( X 2 ) + M ( X ) M (Y ) + M (Y 2 ) M 2 ( X ) M ( X ) M (Y ) M 2 (Y ) =
= M ( X 2 ) M 2 ( X ) + M (Y 2 ) M 2 (Y ) = D( X ) + D(Y )
Dispersia diferenei a dou variabile aleatoate independente este egal cu suma

dispersiilor lor
38
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 )
Orice translaie aplicat argumentului unei variabile aleatoare nu schimb dispersia

variabilei.
D( X + K ) = D( X ) + D( K ) = D( X ), sau x + k = x2
Dispersia produsului dintre o constant i o variabil aleatoare este egal cu produsul

dintre dispersia variabilei i ptratul constantei
D( K X ) = k 2 D( X ) sau kx2 = k 2 k2
Pentru orice transformare liniar aplicat asupra argumentului, de forma: Y = aX + b ,

avem:
2
2
2
D(Y ) = a 2 D( X ) . sau aX
+b = a x .
Generaliznd pentru un sistem { X k } de n variabile mutual independente, asupra crora

se aplic transformarea liniar a k X k + bk avem:
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
Abaterea medie ptratic

Definiia 2.15.
39
Se numete abaterea medie ptratic a variabilei X sau
abaterea medie tip
(standard) valoarea medie de ordinul doi a abaterii, adic:
x = M ( 2 ) = D ( X )
(3.10)
Consecina teoremei 2.2.
Abaterea medie ptratic a mediei aritmetice a n variabile

independente X j , j = 1, n care urmeaz aceeai lege de distribuie, este dat de relaia
X = D( X ) =
D( X )
=
n
D( X )
n
x
n
(3.11)
Covarian
Definiia 2.16.
Se numete covarian a dou variabile aleatoare X i Y , i se noteaz cu

cov( X , Y ) = xy , moment centrat mixt al celor dou variabile
xy = M [( X x ) (Y y )] , unde x = M ( X ), y = M (Y )
(3.12)
Dezvoltnd produsul valorilor centrate i aplicnd operatorul de medie, se obine formula

de calcul:
xy = M ( X Y ) M ( X ) M (Y )
(3.13)
Observaie: Dac variabilele X i Y sunt independente, atunci xy = 0 .
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
Normarea unei variabile aleatoare

Definiia 2.17.
Fiind dat variabila aleatoare X , transformata

40
(3.14)
Z=
X x
(3.15)
este numit normarea variabilei X la variabila Z .
Variabila normat Z are proprietile:

- valoarea medie a variabilei normate este nul.
X M (X )
M (Z ) = M
= 0.
=
(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)
Particulariti ale formei de distribuie

Principalele caracteristici ale formei distribuiei unei variabile aleatoare sunt:
simetria i asimetria
boltirea
Simetria i asimetria
Distribuia unei variabile aleatoare X definit de funcia f(x), este simetric fa de

valoarea medie m, dac este satisfcut de relaia f ( ) = f ( + ) , pentru orice abatere
= 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)
n cazul simetriei 1 = 0, 2 = 0, Reciproca nu este adevrat.

Boltirea (Turtirea)
Curbele de distribuie pot avea boltiri sau turtiri diferite. Coeficientul de boltire folosit
este
4
(Fisher).
4
(3.20)
Boltirea unei distribuii oarecare se compar de obicei cu distribuia normal9 pentru

care = 3.
Diferena E = 3 este numit excesul distribuiei.
Dac E > 0, (deci > 3), distribuia este numit de tip leptokurtic.
Dac E < 0, (deci < 3), distribuia este numit de tip platykurtic.
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
6. Cum se definete dispersia?

7. Cum se definete abaterea medie ptratic?
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;
cresctor;
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
Se obin urmtoarele valori pentru indicatorii tendinei centrale de grupare a

variabilei aleatoare:
a. Media 32,6 ani, mediana 33,25 ani i modulul 35 ani.
b. Media 38,25 ani, mediana 39 ani i modulul 37,6 ani;
c. Media 37,6 ani, mediana 38,25 ani i modulul 39 ani;
d. Media 35,6 ani, mediana 37,25 ani i modulul 38 ani.
tabelul de mai jos:
43
Vrsta (ani)
15-25
25-35
35-45
45-55
55-65
Nr. Pers.
12
20
Se obin urmtoarele valori pentru indicatorii sintetici ai variaiei:

a. dispersia medie liniar 9,58 ani, dispersia 10,68 ani i abaterea medie 114,24
ptratic ani.
b. dispersia medie liniar 8,58 ani, dispersia 114,24 i abaterea medie ptratic 10,68
ani;
a. dispersia medie liniar 9,58 ani, dispersia 100,18 i abaterea medie ptratic 12,18
ani;
c. dispersia medie liniar 10,68 ani, dispersia 9,58 i abaterea medie ptratic 114,24
ani.
5. n scopul analizei situaiei financiare a unui lan hotelier, la un moment dat, se
efectueaz un sondaj simplu pe un eantion de 30 de angajai, privind numrul de ore
suplimentare lucrate de acetia i s-au obinut urmtoarele date:
Grupe de angajai dup numrul 2-6
6-10
10-14
14-18
18-22
10
de ore suplimentare lucrate

Nr. angajai

b. Media 8,3 angajai, mediana 9,6 angajai i modulul 5,66 angajai.
c. Media 9,3 angajai, mediana 8,6 angajai i modulul 6,66 angajai.
d. Media 8,6 angajai, mediana 9,3 angajai i modulul 6,66 angajai.
e. Media 6,66 angajai, mediana 8,6 angajai i modulul 9,3 angajai.
6. Pentru analiza de la ntrebarea numrul 5 putem afirma urmtoarele:

a. seria este neomogen, variaia este mare, media nu este reprezentativ;
b. seria este omogen, variaia este mic, media este reprezentativ;
c. seria este neomogen, variaia este mic, media este reprezentativ;
d. seria este omogen, variaia este mic, media nu este reprezentativ;
44
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

a. Media 15,04 absene, mediana 15 absene i modulul 15 zile;
b. Media 17,04 absene, mediana 17 absene i modulul 17 zile;
c. Media 17,04 absene, mediana 16,5 absene i modulul 17 zile;
d. Media 17,04 absene, mediana 17,5 absene i modulu5l 17, zile.
8. Un studiu efectuat asupra unui numr de 50 de firme comerciale a reliefat urmtoarele
informaii cu privire la valoarea vnzrilor lunare (mii RON) , astfel:
Gruparea firme comerciale dup 75-85
85-95
95-105
105-115
115-125
10
15
14
valoarea vnzrilor
Nr. firme

a. Media 101,2 firme, mediana 102 firme i modulul 103,3 firme;
b. Media 102 firme, mediana 101,2 firme i modulul 101,2 firme;
c. Media 101 firme, mediana 102 firme i modulul 102 firme;
d. Media 101 firme, mediana 101 firme i modulul 101,2 firme;
85-95
95-105
105-115
115-125
10
15
14
valoarea vnzrilor
Nr. firme
45

a. dispersia 132,16 i abaterea medie ptratic 12,8 firme;
b. dispersia 11,6 i abaterea medie ptratic 134,56 firme;
c. dispersia 134,56 i abaterea medie ptratic 11,6 firme;
d. dispersia 13,56 i abaterea medie ptratic 1,6 firme.
10. Pentru studiul de la ntrebarea numrul 9 putem afirma urmtoarele:
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

Principalii indicatori ai tendinei centrale a distribuiei variabilei aleatoare sunt: valoarea
medie, mediana (acea valoare pentru care, variabila aleatoare are aceeai probabilitate de a fi
mai mic sau mai mare ca ea) i modulul (valoarea cea mai probabil).
Gradul de mprtiere a distribuiei variabilei aleatoare este analizat n principal cu
ajutorul indicatorilor: extinderea sau intervalul de variaie,abaterea, abaterea absolut medie,
dispersia, abaterea medie ptratic i coeficientul de mprtiere.
Pentru evidenierea anumitor particulariti ale formei distribuiei variabilelor aleatoare se
utilizeaz parametrii: simetria (asimetria) i boltirea (turtirea).
De asemenea pentru o variabil aleatoare discret X , se definete transformata Z =
X x
numit normata variabilei X . Variabila aleatoare normat (Z) are media zero i abaterea medie
ptratic egal cu 1.
46
Bibliografie
M.
Pecican t. E.
Econometrie pentru...economiti, Editura Economic

Bucureti, 2007
Stewart J.
Econometrics, Ph.Allan, London, 1991
erban R.
Teoria probabilitilor i statistic Matematic, Editura

Dacia Nova, 2001
Voineagu V, ian E.,

erban R., Ghi S.,
Tudose D., Boboc C.,
Pele D.
Teorie i practic econometric, Editura Meteor Press,

2007
47
Unitatea de nvare 4
DISTRIBUIILE CLASICE N VERIFICAREA IPOTEZELOR
STATISTICE
Cuprins
STATISTICE ................................................................................................................................ 48
4.1 Repartiia normal normat (Z ) .......................................................................................... 53
4.2 Repartiia
...................................................................................................................... 53
4.3 Repartiia Student ( t ) .......................................................................................................... 55

4.4 Repartiia Fisher-Snedecor ( F ) ......................................................................................... 56
Rezumat ..................................................................................................................................... 60
Bibliografie................................................................................................................................ 61

Dupa studiul acestei uniti de nvare cursanii vor avea cunotine despre:
Repartiia normal normat Z ;
Repartiia
Repartiia Student t
Repartiia Fisher-Snedecor F
4.1
Repartiia normal normat (Z )
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 !
coeficeni de asimetrie i boltire: B1 = 0 i B2 = 3

PN2. Suma unor variabile independente repartizate normal este tot o variabil aleatoare
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
independente repartizate normal cu media
i dispersia
i2 , atunci suma
1 X 1 + 2 X 2 + ... + K X K = X este o variabil aleatoare repartizat normal X~N ( , 2 ),

K
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
asimptotic spre axa absciselor Ox.

- distribuia fiind unimodal, valoarea maxim va fii atins pentru x = n punctul:
a) deplasare spre
b) deplasare spre stnga
Figura 4.1. Deplasarea curbei repartiiei normale
pentru constant i variabil

- punctele de inflexiune ale graficului sunt ( - ) i ( + ), deoarece n respectivele
punce convexitatea curbei se modific n concavitate.

- dac abaterea standard este constant , modificarea mediei ( ) determin o translaie
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
modificare a formei curbei (figura 4.2); modificarea const n ascuiunea sau

aplatzarea acesteia, dup cum are loc micorarea sau creterea valorii parametrului
50
Figura 4.2. Modificarea curbei repartiiei normale
pentru variabil i m constant

Un exemplu de curb Gauss-Laplace pentru o repartiie normal X ~ N (1,5;1) prezentat n
figura 4.3
0,4
0,2
-0,5
0,5
1,5
2,5
3,5
Figura 4.3. Curba normal10 cu = 1,5 i = 1
Ultima proprietate a repartiiei normale prin transformarea de variabil definit

Z=
(4.2)
reprezint fundamentul formrii repartiiei normale reduse (normat) Z

Definiia 4.1.
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 )
Figura 4.4. Graficul funciei de repartiie normal normat
Funcia de repartiie a variabilei aleatoare normal normat este:

F ( 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
Figura 4.5. Graficul funciei (z )
Valorile funciilor de repartiie F (z ) i ( z ) sunt tabelate.
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
Ea reprezint o repartiie a unei variabile aleatoare determinat ca o sum a ptratelor

unor variabile aleatoare independente repartizate normal standard:
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.
Densitatea de probabilitate ( 2 ; a, g) a repartiiei 2 este:
( x) =
1
g
2
g
2 a
2
x2 e
x
2a2
, x 0
(4.5)
unde: g gradele de libertate ale repartiiei

- repartiia Gamma
n cazul repartiiei 2 ntlnim urmtoarele situaii:
dac a=1 i x 0 , atunci densitatea de repartiie devine:
( x, g ) =
1
g
2
g
2
2
g
1
2
x
2
(4.6)
dac x < 0 , atunci ( x, g ) =0.
Funcia de repartiie este:

x
F ( x) = (t , g )dt
Graficul repartiiei 2 se construiete n funcie de valorile parametrilor a i g .

Parametrul g reprezint numrul gradelor de libertate, adic numrul variabilelor independente
care au n vedere mrimea luat n considerare, a cror variaie nu admite nici o restricie.
53
Pentru a = 1 i g = 2, 4, 6, 15 graficul repartiiei 2 se prezint n figura 4.6.

Indicatorii statistici caracteristici sunt: M ( 2 ) = g i D 2 ( 2 ) = 2 g
Observaie
Dac g > 30 , atunci 2 se apropie de graficul distribuiei normale.

Pentru repartiia 2 , valoarea tabelar sau teoretic este de forma: 12 ,n 1 , 2
1 , n 1
2
2
2
, n 1
, 2 , n 1 , unde n 1 = g reprezint numrul gradelor de libertate.
f (x : g ,1)
g =2
0,2
g =4
g =6
g = 15
0,1
10
20
Figura 4.6. Graficul distribuiei 2
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
, n locul su fiind utilizat 2
1 ,n 1
2
54
4.3
Repartiia Student ( t )
Aceast repartiie a aprut din necesitatea de a studia n profunzime informaiile privind

colectivitile statistice prin caracteristica de a admite probabiliti mai mari de eroare.
Ca i n repartiia 2 , repartiia Student depinde de un singur parametru denumit numrul
gradelor de libertate notat cu g.
Definiia 2.20.
Distribuia Student este acea distribuie a crei densiti de probabilitate este dat de
funcia:
g +1
1
1
2
,
(4.7)
(t , g ) =
g +1
g
g
2
t 2
2 1 +
g
unde ( x ) = funcia gamma.
Funcia de repartiie a distribuiei Student este:

x
F ( x) = (t , g )dt
(4.8)
Principalii indicatori statistici caracteristici ai repartiiei Student sunt:

M (t) = 0
g
2
D (t) =
, unde g > 2
g 2
Observaie
Dac g > 30 , atunci
lim f (t , g ) N (t ;0,1) , deci repartiia Student (figura 4.7) este

g
aproximativ o repartiie normal.
55

0,4
distribuia
distribuia N (x;0,1)
0,2
x
-2
-1
Figura 4.7. Graficul distribuiei t pentru g > 30
Valorile pentru care P( t < t , g ) = exist ( t ,n 1 , t

2
, n 1
) i pot fi preluate din Tabelul
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 )
Aceast repartiie are n vedere compararea mediilor populaiilor normale lund n

considerare mprtierea datelor ambelor colectiviti (dispersiile colectivitilor).
Dac repartiiile 2 i t depind de un parametru g , repartiia F se stabilete n funcie de
doi parametri g1 i g 2 avnd semnificaia unor grade de libertate. Acestea se formeaz pe baza
unei variabile aleatoare ce are valoarea ctului altor dou astfel de variabile ( g1 - numrul
gradelor de libertate pentru numrtor, g 2 - numrul gradelor de libertate pentru numitor).
Repartiia F reprezint o variabil aleatoare X care se formeaz astfel:
y g
X = 1 2 ,
y 2 g1
unde: y1 , y 2 sunt variabile aleatorii independente repartiiei 2 , cu g1 i g 2 grade de libertate.
Definiia 2.21.
Vom spune despre o variabil aleatoare c are distribuie Fisher-Snedecor dac funcia
densitatea de probabilitate a acesteia este de forma:
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
g1 i g 2 - numrul gradelor de libertate

P( F > F0 ) = ( F )dF =
0
ale crei valori se regsesc n Tabelul repartiiei F (Fisher-Snedecor) prezentat n Anexa 4.

Indicatorii statistici caracteristici ai repartiiei F sunt:
g2
M (F) =
(4.10)
g2 2
D 2 (F) =
2 g 22 ( g1 + g 2 2)
, pentru g 2 > 2
g 1 ( g 2 4)( g 2 2) 2
Deoarece repartiia F nu este simetric, ntre valorile critice exist relaia:

1
F1 ; g1 ; g 2 =
F ; g1g 2
(4.11)
(1.12)
Aplicabilitatea repartiiilor teoretice este evideniat n urmtoarele capitole pentru a reflecta

necesitatea cunoaterii lor ct mai profunde, n vederea utilizrii lor corecte, n diferite ipostaze
practice ale fenomenelor i proceselor economice.
1. Cum definii repartiia normal normat Z ?
2
2. Cum definii repartiia ?
3. Cum definii repartiia Student ?

4. Cum definii repartiia Fisher-Snedecor F?
1. Repartiia normal normat este ntlnit i sub numele de:
a.
repartiia normal standard sau repartiia normal redus;

57
b. distribuie normal;
c. repartiia Gauss-Laplace;
d. repartiia student.
2. Variabila aleatoare Z are o repartiie normat cu:

a. modulul 1 i dispersia 2;
b. media 1 i dispersia 2;
c. media 0 i dispersia egal cu 1;
d. modulul 0 i dispersia 1.
3. Care afirmaie este adevrat:

a. repartiia normal normat se prezint grafic printr-o curb normal care se
numete i clopotul lui Gauss;
b. repartiia normal normat se prezint grafic printr-o linie dreapt denumit i
dreapta de regresie;
c. repartiia normal normat se prezint grafic printr-o curb normal care se
numete i curba lui Koch;
d. repartiia normal normat se prezint grafic printr-o linie dreapt denumit i
dreapta de regresie.
4. Repartiia 2 este ntotdeauna:
a. pozitiv;
b. negativ;
d. cuprins ntre -1 i 1.
5. Repartiia 2 reprezint o repartiie a unei variabile aleatoare determinate ca o:
a. dieferen a ptratelor unor variabile aleatoare independente repartizate normal
standard;
b. sum a ptratelor unor variabile aleatoare independente repartizate normal
standard;
58
c. sum a unor variabile aleatoare independente repartizate normal standard;

d. dieferen a unor variabile aleatoare independente repartizate normal standard.
6. Pentru repartiia 2 , valoarea tabelar sau teoretic este de forma:
a. 12 ,n , 2 , 2 , 2 ,n ;
1 , n
2
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
7. Ce afirmaie este adevrat:

a. repartiia 2 este ntotdeauna negativ, neexistnd ramura ei pozitiv, ceea ce
determin o notare inversat a valorilor critice din dreapta graficului;
b. repartiia 2 poate lua att valori positive ct i valori negative;
c. repartiia 2 este ntotdeauna pozitiv, neexistnd ramura ei negativ, ceea ce
determin o notare inversat a valorilor critice din stnga graficului;
d. repartiia 2 ia valori cuprinse n intervalul [0;1].
8. Repartiia Student depinde de un singur parametru denumit:

a. numrul gradelor de libertate;
b. nivel de ncredere;
c. variabil aleatoare;
d. coeficient de ncredere.
9. Repartiia F (Fisher-Snedecor) are n vedere:

a. compararea mediilor populaiilor normale lund n considerare dispersiile
colectivitilor;
59
b. compararea mediilor populaiilor normale lund n considerare modulul

colectivitilor;
c. nsumarea mediilor populaiilor normale;
d. compararea mediilor populaiilor normale lund n considerare mprtierea
datelor ambelor colectiviti.
10. Repartiia F (Fisher-Snedecor) se stabilete n funcie de:

a. doi parametrii;
b. un parametru;
c. 3 parametrii;
d. nici un parametru.
Rezumat
Principalele repartiii de probabilitate utilizate n testarea i studiul ipotezelor i
modelelor econometrice sunt distribuia normal normat (Z), distribuia Student (t), distribuia
i distribuia Fisher-Snedecor (F).

Funcia de repartiie a variabilei aleatoare normal normat este F ( z ) =
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
Repartiia 2 este ntotdeauna pozitiv. Valoarile tabelate ale repartiiei 2 , sunt de

forma 2 , n1 , unde n 1 = g este numrul gradelor de libertate i sunt prezentate n Anexa 2.
Repartiia Student (ale crei valori tabelate se gsesc n Anexa 3)este utilizat atunci cnd
numrul numrul gradelor de libertate este relativ mic (uzual) sub 30. Dac g tinde ctre infinit
repartiia Student converge ctre repartiia normal normat.
Repartiia F caracterizeaz o variabil aleatoare X de forma: X =
y1 g 2
, unde: y1 , y 2 sunt
y 2 g1
variabile aleatorii independente de repartiie 2 , cu g1 i g 2 grade de libertate. Valorile tabelate

ale acesteia se afl n Anexa 4.
60
Bibliografie
Cristache S.E., erban

D.
Lucrri aplicative de statistic i econometrie pentru

administrarea afacerilor, Editura ASE, Bucureti, 2007
Clocotici V.

Bucureti, 2000

D.

Dougherty Ch.
Introduction to Econometrics, Oxford University Press,

2007
Gogonea R.M.
STATISTICA. Baza teoretico-aplicativ pentru comerservicii- turism, Editura Universitar, Bucureti, 2009
HsiaoJohnston J.,
Dinardo J.,
C.,
Voineagu V.
Econometric Methods, New York:McGraw-Hill, 1997

Jaba E.
Jaba E.

Bucureti, 2002
61
Unitatea de nvare 5
IPOTEZE STATISTICE-ASPECTE TEORETICE
Cuprins
Obiectivele Unitii de nvare 5 .................................................................................................. 62

5.1 Inferena statistic ..................................................................................................................... 62
5.2 Metodologia testrii ipotezelor statistice ................................................................................. 64
5.3 Tipuri de teste utilizate la testarea ipotezelor statistice .......................................................... 70
Lucrare de verificare 5A ................................................................................................................. 73
Rezumat ........................................................................................................................................... 76
Bibliografie ...................................................................................................................................... 77

5.1
Inferena statistic;
Ipoteza statistic;
Elementele teoretice care intervin n testarea ipotezelor statistice sunt:
ipotezele: nul i alternativ;
limita de semnificaie i valori critice de respingere;
regiune de respingere (critic);
statistica testului;
verificarea ipotezei.
Inferena statistic
62
Metodologia corelaiei simple liniare a cercetrii tiinifice este precedat de o treapt

esenial care vizeaz stabilirea i confirmarea sau infirmarea unor ipoteze ce cuprind anumite
aspecte importante necesar a fi studiate n legtur cu procesul sau fenomenul analizat.
Aceast treapt include metode denumite infereniale deoarece, prin intermediul acestora,
se estimeaz caracteristicile unor colectiviti statistice.
Definiia 5.1. Inferena este o operaiea logic de trecere de la un enun la altul i n care
ultimul enun este dedus din primul.

Din punctul de vedere al acestei lucrri enunurile sunt reprezentate prin ipoteze
statistice, iar inferena este reprezentat de procesul de extindere la nivelul colectivitii generale
a unor rezultate obinute dintr-o subcolectivitate reprezentaiv (figura 5.1).
Subcolectivitatea reprezentativ este rezultatul unor observaii efectuate prin aplicarea

unui procedeu de extragere adecvat cerinelor.
Definiia 5.2. Prin ipotez vom nelege o presupunere cu caracter provizoriu, formulat pe baza
unor date exterimentale existente la un moment dat

Ipoteza statistic este reflectat
printr-o presupunere enunat pe baza unei aciuni
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
Figura 5.1. Procesul inferenei statistice
Practic, ipoteza statistic vizeaz o caracteristic a populaiei (colectivitii statistice)

pe care, pe baza datelor din eantionul reprezentativ i a unor metode specifice, este valiat
(adoptat) sau nu (respins).
Aplicarea inferenei statistice are la baz procedeul testrii ipotezelor statistice, care va fi
descris pe larg n continuare.
5.2 Metodologia testrii ipotezelor statistice
Testarea ipotezelor statistice reprezint o component a influenei prin circuitul pe care-l

descrie ca urmare a aplicrii metodologiei (figura 5.2.)
64
Verificare
IPOTEZE
Colectivitate
general
METODOLOGIA
Eantion cu date
experimentale
TESTRII
Stabilire
IPOTEZE
Figura 5.2. Circuitul metodologiei testrii
n general, presupunerea vizeaz un parametru (medie, dispersie11, etc.) sau o lege de

repartiie a unor variabile aleatoare.
Testarea are n vedere urmtoarele aspecte:
se formeaz ipotezele : H 0 (nul), H 1 (alternativ);
se stabilete i valorile critice corespunztoare tipului de test aplicat;
se precizeaz regiunea de respingere sau critic ( Rr ), n funcie de tipul testului;
se aplic statistica testului;
se ia o decizie n funcie de modul cum se ncadreaz rezultatul, n interiorul sau

exteriorul regiunii de respingere.
Ipoteza nul i ipoteza alternativ
11
Vezi Capitolul II 2.2. Caracteristicile distribuiei variabilei aleatoare.
65
Cele dou ipoteze (nul i alternativ) formeaz o pereche nelipsit n cadrul

metodologiei testrii.
Definiia 5.3. Se numete
ipotez nul i se noteaz cu H 0 acea presupunere prin care se
formuleaz supoziia conform creia nu exist diferen semnificativ ntre parametrii

comparai (primeaz caracterul ntmpltor).
Alternativa la H 0 , apare ca o alt alternativ care poate fi adevrat n condiiile
respingerii ipotezei nule.
Definiia 5.4. Se numete ipotez alternativ i se noteaz cu H 1 presupunerea conform creia
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).
Limit de semnificaie i valori critice de respingere
Metodologia testrii are n vedere dou evenimente compuse:
evenimentul realizat ( E R ) - care include i celelalte evenimente auxiliare i conduce la

respingerea ipotezei H0
evenimentul contrar celui realizat ( E CR ) evenimentul care evideniaz ndeplinirea

ipotezei nule H0.
Principiile eseniale pentru realizarea celor dou evenimente sunt:
probabilitatea evenimentului realizat ( E R ) sub H0 este reprezentat de evenimentele

elementare care sunt egal probabile doar n condiiile ipotezelor nule i se poate
determina numindu-se probabilitate critic
PC = P(E R ) = PH 0 (E R )
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
nivel denumit prag sau limit de semnificaie notat cu .

Regula de decizie se stabilete n funcie de probabilitatea critic ( PC ) astfel:
dac PC este mai mic de ( PC ), atunci H0 se respinge (evenimentul realizat se

consider neateptat n contextul ipotezei H0, n timp ce ipoteza H1 i asigur o
probabilitate mai mare de aspiraie).
Dac PC este mai mare de , atunci H0 nu se respinge (evenimentul realizat se

consider ateptat s se ntmple).
Limita de semnificaie poate lua valori cuprinse ntre 0,5 i 0,0001 (cele mai utilizate
fiind 0,05 i 0,01), acestea fiind stabilite teoretic.

Dac = 0,05 sau altfel spus = 5% nseamn c riscul de respingere al ipotezei nule
H0 este de 5% (cnd respingem ipoteza nul H0 este posibil s se greeasc n proporie de 5%).
Limita de semnificaie ( ) are un rol esenial n cadrul testrii ipotezelor statistice
reprezentnd acel prag sau linie care separ rezultatele ce resping ipoteza nul de celelalte care
nu resping.
n acest context apare acea regiune de respingere (regiunea critic) notat Rr n care sunt
incluse rezultatele ce resping ipoteza nul.
Definiia 5.5. Punctele care determin regiunea de respingere se numesc valori critice ale
testului i sunt reprezentate de Quantilele distribuiei utilizate n aplicarea respectivului test.

Valorile critice de respingere vC .R sunt valori tabelare sau teoretice ale testelor ( Z , Z ,
2
t , ... , etc), care se preiau din tabele teoretice prezentate n Anexele 1- 4.
Regiunea de respingere (critic):
Valoarea critic delimiteaz n cadrul repartiiei o regiune reprezentnd regiunea critic.

Definiia 5.6. Regiunea de respingere ( Rr ), denumit i regiune critic, este reprezentat de
aceea arie din graficul de repartiie, n care ipoteza nul se respinge.
67
Regiunea include probabilitatea de realizare a evenimentului alternativ, deci este

adevrat ipoteza alternativ H 1 .
n procesul de decizie al unui test statistic se pot produce erori care apar sub dou forme
(tabelul 4.1).
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
Decizie precis (1-p)
Acceptare H 0
Decizie precis (1- )
Eroare de tip II (risc )
Legtura dintre probabilitile i este prezentat n figura 5.3.

Definiia 5.7. Statistica testului este acea relaie ce prezint ntr-o form matematic, tipul
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
Figura 5.3 Legtura dintre probabilitile i
12
Statistica testului
Testarea ipotezei
Verificarea ipotezei const n compararea rezultatului obinut prin aplicarea statisticii

testului la valorile calculate cu valoarea critic i stabilirea deciziei finale ca find una din
situaiile :
dac valoarea calculat intr n regiunea de respingere, atunci ipoteza nul H 0 se
respinge (se consider adevrat ipoteza alternativ H 1 ).

dac valoarea calculat este n afara regiunii de respingere, atunci ipoteza nul
H 0 este adevrat (se respinge ipoteza alternativ H 1 ).

Din punct de vedere teoretic, testarea ipotezelor statistice presupune parcurgerea unor
etape ilustrate n figur 4.4.
Succint, aceste etape constau n:
se precizeaz ipoteza nul ( H o ) prin care se specific: nu exist diferen semnificativ
ntre parametrii comparai (medii, dispersii etc).

se stabilete ipoteza alternativ ( H 1 ): exist diferen semnificativ ntre parametrii
comparai (medii, dispersii etc).

se precizeaz tipul testului statistic utilizat n raport cu datele aplicaiei, cu ipoteza
alternativ i cu volumul eantionului; se ncepe schiarea graficului.

n funcie de nivelul de ncredere ( 1 ), se determin limita de semnificaie ( ), cu
ajutorul creia se stabilete:
valoarea critic de respingere (valoarea testului statistic tabelar sau teoretic),
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
Figura 5.4 Etapele testrii ipotezelor statistice

se determin valoarea statistic a testului calculat, aplicndu-se relaia de calcul adecvat
tipului testului utilizat, iar valoarea obinut se plaseaz pe grafic.

se compar valoarea testul statistic tabelar sau teoretic cu valoarea statistic a testului
calculat i se stabilete dac rezultatul statistic al testului calculat intr sau nu n regiunea
de respingere Rr , lundu-se decizia adecvat situaiei.
5.3
Tipuri de teste utilizate la testarea ipotezelor statistice

n funcie de sensul abaterii inclus n ipoteza alternativ H 1 apar trei tipuri de teste:
Test unilateral stnga
Test bilateral
70
Test unilateral dreapta
Testul unilateral stnga

Testul unilateral snga are urmtoarele caracteristici:
- ipotezele testului sunt:
de exemplu, dac se compar mediile a dou eantioane ( x1 i x 2 ), avem:
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
- Regiunea de respingere ( RR ) i valoarea critic de respingere ( vC .R ) sunt prezentate n
figura 5.1
- Limita de semnificaie este
RR
vC . R
Figura 5.1 Baza teoretic grafic a testului unilateral stnga
Testul bilateral
Pentru testul bilateral avem:

-
ipotezele testului :
71
H 0 : x1 = x 2
H 1 : x1 x2
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
RR
RR
vC . R
vC .R
negativ
pozitiv
Figura 5.2. Baza teoretic grafic a testului bilateral
Testul unilateral dreapta
Testul unilateral dreapta, se mai numete i testul direcional dreapta. El se poate descrie
prin urmtoarele caracteristici:
-
ipotezele testului sunt:

H 0 : x1 = x 2
H 1 : x1 > x 2
72

H 0 : 12 = 22 sau H 0 :
12
=1
22
12
H 1 : > sau H 1 : 2 > 1
2
2
1
2
2
Regiunea de respingere ( RR ) i valoarea critic de respingere ( vC . R ) sunt prezentate
n figura 5.3
-
Limita de semnificaie este
RR
vC . R
pozitiv
Figura 5.3. Baza teoretic grafic a testului unilateral dreapta
Procedeul testrii ipotezelor statistice are n vedere nu numai tipul ipotezei alternative,
dar i urmtoarele dou elemente:
volumul eantionului ( n ), cu cele dou cazuri: eantion de volum mic ( n < 30 ) i

eantion de volum mare ( n 30 );
dispersia colectivitii generale ( 2 ) din care se extrag eantioanele, cu cele dou

situaii: 2 cunoscut i 2 necunoscut.
1. Ce reprezint inferena statistica?
2. Cum se definete ipoteza statistic?
73
3. Ce nelegei prin procedeul de testare a ipotezelor statistice?

4. Ce reprezint ipoteza nul ntr-un proces de testare de ipoteze statistice?
5. Care este diferena dintre H0 i H1?
6. n testarea ipotezelor, ce determin mrimea regiunii critice?
7. Ce reprezint testul sau criteriul de semnificaie?
8. Ce reprezint regiunea critic?
9. Cnd se comite o eroare de gradul nti?
10. Cnd se comite o eroare de gradul al doilea?
11. Care sunt paii n construirea unui test statistic?
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.
2. Testul sau criteriul de semnificatie este:

a. procedeul de verificare a unei ipoteze statistice.
b. eroarea de genul intai;
c. riscul de genul intai;
d. procedeul econometric de gradul nti.

a. valorile tabelare sau teoretice ale testelor Z , Z ;
2
b. valorile tabelare sau teoretice ale testelor Z 1 , Z 1 ;

2
c. valorile tabelare sau teoretice ale testelor F 1 , F 1 ;

2
d. valorile tabelare sau teoretice ale testelor F , F ;

2
74
4. n funcie de sensul abaterii inclus n ipoteza alternativ H 1 apar:

a. dou tipuri de teste;
b. trei tipuri de teste;
c. patru tipuri de teste;
d. un singur test.
5. Dac se compar mediile a dou eantioane ( x1 i x 2 ), ipotezele testului unilateral dreapta
sunt:
a. H 0 : x1 = x2 i H 1 : x1 < x 2 ;
b. H 0 : x1 = x2 i H 1 : x1 > x2 ;
c. H 0 : x1 > x 2 i H 1 : x1 < x 2 ;
d. H 0 : x1 x 2 i H 1 : x1 < x 2 .
6. Procedeul testrii ipotezelor statistice are n vedere:
a. Tipul ipotezei alternative;
b. Dispersia colectivitii generale;
c. Media colectivitii generale;
d. Volumul eantionului.
A=a+b+d; B=a+c+d; C=b+c+d.
7. Dac se compar dou dispersii ( 12 i 22 ), ipotezele testului bilateral sunt:
a. H 0 : 12 = 22 i H 1 : 12 22 ;
b. H 0 : 12 = 22 i H 1 : 12 > 22 ;
c. H 0 : 12 = 22 i H 1 : 12 < 22 ;
d. H 0 : 12 22 i H 1 : 12 > 22 .
8. Dac se compar dou dispersii ( 12 i 22 ), limita de semnificaie este:
a. ;
b. 2 ;
75
c.
d.
;
.
9. 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
vC . R
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
H 1 , disjuncte i exhaustive), pragul (limita) de semnificaie, valoarei critic, regiune de

respingere (critic), statistica testului.
La testarea ipotezelor statistice sunt utilizate trei tipuri de teste: testul bilateral (dou
valori critice i dou regiuni de respingere) utilizat pentru o ipotez alternativ de genul difer
semnificativ de, test unilateral stnga (o regiune de respingere) utilizat pentru o ipotez
alternativ de genul semnificativ mai mic dect i testul unilateral dreapta (o regiune de
respingere) utilizat pentru o ipotez alternativ de genul semnificativ mai mare dect.
Bibliografie
Andrei T.

2003
Bdi M., Baron T.,

Korka M.
Biji M., Biji E.
Statistic teoretic, Editura Didactic i Pedagogic,

Bucureti, 1979

D.


M.
77
Unitatea de nvare 6
TESTAREA IPOTEZELOR PRIVIND MEDIILE POPULAIILOR CU
EANTIOANE DE VOLUM MARE
Cuprins

6.1 Compararea mediei eantionului cu media colectivitii generale ........................................ 78
6.2 Compararea mediilor a dou eantioane .................................................................................. 83
6.3 Compararea proporiei eantionului cu a colectivitii generale ............................................ 86
Rezumat ........................................................................................................................................... 96
Bibliografie ...................................................................................................................................... 97

Dup studiul acestei uniti de nvare cursanii vor avea cunotine despre:
testarea ipotezei statistice privind compararea mediei eantionului cu media

colectivitii generale;
testarea ipotezei statistice privind compararea mediilor a dou eantioane de

volum mare;
testarea ipotezei statistice privind compararea proporiei eantionului cu a

6.1
Compararea mediei eantionului cu media colectivitii generale

Stabilirea volumului fiecrui eantion cu care se lucreaz n cadrul testrii ipotezelor
statistice, permite aplicarea unui anumit tip de test statistic.
78
n condiiile utilizrii unor eantioane de volum mare ( n 30 ) s-a demonstrat necesitatea

aplicrii statisticii Z
Aplicarea testului Z n cazul comparrii mediei eantionului de volum n cu media
colectivitii generale presupune studierea unei populaii statistice, de variabilitate constant,
pentru a stabili dac valoarea mediei a acestuia este aceeai cu a eantionului utilizat n cercetare
Repartiia normal redus care st la baza testului Z are n vedere funcia de repartiie
2
N ( , 2 ) , cu parametri = 0 i = 1
Statistica testului calculat se stabilete n raport cu gradul de cunoatere a dispersiei

colectivitii generale ( ):
2
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
2 - dispersia colectivitii generale
- abaterea medie ptratic a colectivitii generale

s 2 - estimaia dispersiei colectivitii generale
s - estimaia abaterii medii ptratice a colectivitii generale

n raport cu direcia abaterii inclus n ipoteza alternativ, testul Z aplicat poate
a. unilateral stnga
fi: b. bilateral
c. unilateral dreapta
79
Testul Z unilateral stnga

Acest tip de test este utilizat n situaia practic ce direcionesz abaterea spre stnga, mai
precis ipoteza alternativ precizeaz c media populaiei eantionului este mai mic dect a
populaiei.
Pe grafic (figura 6.1), densitatea de probabilitate este limitat la stnga de aria regiunii de
respingere a ipotezei nule. Aceast regiune este demarcat de valoarea critic Z . Pentru o
limit de semnificaie , valoarea lui Z denumit i Z tabelar sau teoretic se preia din anexa 1,
tabelul cu valorile funciei Gauss Laplace.
RR
H 0 se respinge
Figura 6.1 Elementele teoretice ale testului Z unilateral stnga
Etapele aplicrii testului:

1.
- se precizeaz ipoteza nul :
H 0 : = ip
2.
- se stabilete ipoteza alternativ :
H 1 : < ip
3.
- se precizeaz tipul testului statistic utilizat n raport cu volumul eantionului n 30 , datele

aplicaiei i H 1 (se aplic testul Z unilateral stnga) i se ncepe schiarea graficului;
4.
- n funcie de nivelul de ncredere ( 1 ), se determin limita de semnificaie ( ), cu

ajutorul creia se stabilete :
Z tabelar sau teoretic: - Z (Anexa 1), iar valoarea se trece pe grafic
regiunea de respingere ( Rr ) : dac Z calculat < Z , atunci H o se respinge i este
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.
- se compar valoarea lui Z c cu - Z i se stabilete dac rezultatul statistic al testului
calculat Z c intr sau nu intr n regiunea de respingere Rr , lundu-se decizia adecvat

situaiei.
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
Figura 6.2. Elementele teoretice ale testului Z unilateral bilateral
Utilizarea testului presupune parcurgerea urmtoarelor etape:

1. Ipoteza nul:
H 0 : = ip
2. Ipoteza alternativ:
H 1 : ip
3. Deoarece n 30 , din datele aplicaiei i H 1 , atunci se aplic testul Z bilateral i se ncepe

schiarea graficului.
4. n funcie de nivelul de ncredere ( 1 ), se determin limita de semnificaie ( ), cu ajutorul
creia se stabilete :
81
Z tabelar sau teoretic: Z i - Z (anex 1 cu valorile funciei Gauss Laplace), iar

2
valorile se plaseaz pe grafic
regiunea de respingere ( Rr ): dac Z c < - Z sau Z c > Z , atunci H o se respinge i este

2
5. Se calculeaz valoarea statistic a testului cu una din relaiile 4.2 sau 4.3,
iar valoarea

6. Se compar Z c cu Z i/sau cu - Z , astfel urmrindu-se dac se verific una din relaiile Rr
2
i se ia decizia adecvat situaiei.
Testul Z unilateral dreapta

Ipoteza alternativ a acestui test const n afirmaia c media eantionului este mai mare
dect cea a colectivitii generale.Aceast remarc se evideniaz n reprezentarea grafic n care
se prezint o limitare a densitii de probabilitate la dreapta, printr-o arie de regiuni de respingere
a ipotezei nule.
n cazul acestui test regiunea de respingere este demarcat prin valoarea critic Z
(figura 6.3).
RR
H 0 se respinge
Figura 6.3. Elementele teoretice ale testului Z unilateral dreapta
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
H 1 : ip
3. Deoarece n 30 , din datele aplicaiei i H 1 , atunci se aplic testul Z unilateral dreapta i se

ncepe schiarea graficului.
Z tabelar sau teoretic: Z (anexa 1) i valorile se plaseaz pe grafic
regiunea de respingere ( Rr ) : dac Z c > Z , atunci H o se respinge i este adevrat
ipoteza H 1 .
5. Se calculeaz valoarea statistic a testului cu una din relaiile 4.2 sau 4.3, iar valoarea

6. Se compar Z c cu Z , astfel urmrindu-se dac se verific relaia Rr i se ia decizia adecvat
situaiei.
6.2 Compararea mediilor a dou eantioane

n anumite situaii practica necesit realizarea unei analize statistice prin compararea a
dou medii ce reprezint dou eantioane care trebuiesc studiate.
Principalele caracteristici ce permit aplicarea testului Z pentru compararea mediilor ce
revin celor dou eantioane sunt:
1. - eantioanele sunt de volum mare ( n1 30 i n2 30 )
2. variabilele au tendine de normalitate: X 1 N 1 , 12 i X 2 N 2 , 22
Statistica testului calculat este:
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:
n1 volumul primului eantion

n 2 volumul celui de-al doilea eantion
x1 - media eantionului 1
x2 media eantionului 2
12 - dispersia primului eantion

22 - dispersia celui de-al doilea eantion
s12 - estimaia dispersiei primului eantion
s 22 - estimaia dispersiei celui de-al doilea eantion
Cazuri particulare:
1.
- dac dispersiile celor dou populaii eantionate sunt egale, 1 2 = 2 2 = 2 , atunci

statistica testului calculat va fi:
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
(dac n>30, atunci se aplic testul z) , H 1 i se ncepe schiarea graficului.

4. n funcie de nivelul de ncredere ( 1 ) se determin limita de semnificaie ( ) cu ajutorul
cruia se stabilete:
4.1. - testul unilateral stnga:
Z tabelar sau teoretic Z (Anexa 1) i valoarea cu semnul - se
plaseaz pe grafic .
Regiunea de respingere Rr : dac Z c < Z , atunci H o se respinge i este
4.2. - testul bilateral:
Z tabelar sau teoretic Z (Anexa 1) i valorile cu semnele + i - se plaseaz

2
pe grafic.
85
Regiunea de respingere Rr : dac Z c < - Z sau Z c > Z atunci H o se respinge i e

2
4.3. - test unilateral dreapta:
Z tabelar sau teoretic Z (anexa 1) i valoarea cu semnul + se plaseaz pe

grafic.
Regiunea de respingere Rr : dac Z c > Z , atunci H o se respinge i este adevrat

ipoteza H 1 .
5. Se calculeaz valoarea statistic a testului calculat cu una din relaiile 4.4 4.9, iar valoarea

6. Se compar valoarea lui Z c cu una din valorile lui: - Z , - Z , Z , sau Z , i se stabilete
2
dac rezultatul statistic al testului calculat, Z c , intr n regiunea de respingere Rr , lundu-se

decizia adecvat situaiei.
6.3 Compararea proporiei eantionului cu a colectivitii generale

n practic apar cazuri care necesit testarea proporiei unui eantion cu testarea
proporiei colectivitii generale.
Aspectele pe care le vizeaz aplicarea testului Z n cazul comparrii proporiei
eantionului cu cea a colectivitii generale sunt:
distribuia repartizrii proporiilor trebuie s fie o distribuie dihotomic ale crei

caracteristici sunt modelate n general prin variabile repartizate binominal;
distribuia binominal este normal dac:

n p 5, n(1 p ) 5 ,
unde p reprezint proporia (media) eantionului.

n rapot cu volumul eantionului apar urmtoarele situaii:
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
printr-o sum a probabilitilor de apariie a evenimentelor caracterizate de un numr de

succese mai mare sau egal cu r.
n
PH 0 = C n P0 (1 p 0 ) n i
i
i=r
Aceast relaie conduce la obinerea probabilitilor critice, situaie n care distribuia de

eantionare a proporiei va fi tot una de tip Z, ceea ce implic aplicarea aceluiai tip de test i
anume, testul Z.
Zc =
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.
Aplicarea testului presupune parcurgerea urmtoarelor etape:

1. Se prezint ipoteza nul: H 0 : p = p o
2.1. -testul unilateral stnga: H 1 : p < p ip
2.2. -testul bilateral: H 1 : p pip
2.3. -test unilateral dreapta: H 1 : p > pip
3. Se precizeaz tipul testului statistic utilizat n raport cu datele aplicaiei, H 1 i volumul
eantionului (dac n>30, atunci se aplic testul Z) i se ncepe construcia graficului.
87
cruia se stabilete:
Z tabelar sau teoretic Z (anexa 1) i valoarea cu semnul - se plaseaz pe grafic

.
regiunea de respingere Rr : dac Z c < Z , atunci H o se respinge i este adevrat

ipoteza H 1 .
Z tabelar sau teoretic Z (anexa 1) i valorile cu semnele + i - se plaseaz

2
pe grafic.
regiunea de respingere Rr : dac Z c > - Z sau Z c > Z , atunci H o se respinge i

2
este adevrat ipoteza H 1 .
4.1.- test unilateral dreapta:

grafic.
regiunea de respingere Rr : dac Z c > Z , atunci H o se respinge i este adevrat

ipoteza H 1 .
5. Se calculeaz valoarea statistic a testului calculat cu relaia (3.21), iar valoarea obinut se
plaseaz pe grafic.
6. se compar valoarea lui Z c cu una din valorile lui: - Z , - Z , Z , sau Z , i se stabilete

2
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
se obine Z = Z 0.001 = 3,085

5 Valoarea statistic a testului (valoarea calculat) este:
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
Figura 6.4. Verificarea ipotezei H 0
(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 ,
atunci H o se respinge i este adevrat ipoteza H 1 , deci concluzia este c, managerul a

anticipat bine: cheltuiala medie pe angajat este mai mare de 980 UM.
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.
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
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.
92
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
d. Zcalculat = 1,16, se admite ipoteza nul i putem trage concluzia c nu exist
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
angajat
cheltuiala
este
distribuit
normal
cu
medie
de
1090
UM.
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
Dup cumprarea aparatului:

n 2 = 30 de zile
x 2 = 2030 UM
s2 = 323 UM
n urma testrii acestei ipoteze pentru o probabilitate de 99% , putem afirma c:

94
a. deoarece, Z c > Z (1,15 > 1,645) , rezult c ipoteza H0 se admite, ceea ce

nseamn c profitul fermierului productor de lapte este mai mic dup
cumprarea aparatului;
b. deoarece, Z c < Z (11,15 < 1,645) , rezult c ipoteza H0 se admite, ceea ce
c. deoarece, Z c < Z (11,15 < 1,645) , rezult c ipoteza H0 se respinge i este
adevrat ipoteza H1, ceea ce nseamn c profitul fermierului productor de lapte
este mai mare dup cumprarea aparatului;
d. deoarece, Z c < Z (12,5 < 1,645) , rezult c ipoteza H0 se respinge i este
difer semnificativ dup cumprarea aparatului;
9. ANAT a propus o modificare a reglementrilor statutului salariailor din ageniile de
turism. Modificarea poate fi efectuat numai n condiiile n care mai mult de 51% dintre
reprezentanii angajailor sunt de acord cu ea. Pentru a stabili dac aceast modificare
poate fi indus n statut s-a selectat aleatoriu un eantion de 150 reprezentani ai
angajailor, dintre care 80 de persoane au rspuns c sunt de acord cu respectiva
modificare. n urma testrii ipotezei conform creia proporia reprezentanilor din
eantion nu difer semnificativ de cea a tuturor celor din ANAT, putem afirma c:
a. Deoarece
Z c (0,5) < Z (1,645) ,
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
c. Deoarece Z c (0,5) > Z (0,45) , atunci se respinge ipoteza H0, deci proporia
95
d. Deoarece Z c (0,5) > Z (0,45) , atunci se admite ipoteza H0, deci proporia
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
ipoteza H1, prin urmare, afirmaia managerului nu este adevrat, deoarece

proporia stabilit difer semnificativ de cea presupus.
b. deoarece Z c (2,25) > Z (0,5) , atunci ipoteza H0 se respinge, deci se accept
2

c. deoarece Z c (1,25) < Z (1,96) , atunci ipoteza H0 se admite, prin urmare, afirmaia
2
managerului este adevrat, deoarece proporia stabilit nu difer semnificativ de

cea presupus.
d. deoarece Z c (2,25) > Z (0,5) , atunci ipoteza H0 se admite, prin urmare, afirmaia
2

cea presupus.
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
, iar pentru testatrea proporiilor Z c =
s1
s
+ 2
n1
n2
f p ip
f (1 f )
n
Testrile se efectueaz parcurgnd secvenial etapele prezentate n unitatea de nvare 5.
Bibliografie
D.


M.
Hapenciuc C.V.
Elemente de analiz i prognoz n turism, Editura

Junimea, Iai, 2004

C.,
Voineagu V.
Jaba E.
Pecican t. E.

Bucureti, 2007
97
Unitatea de nvare 7
EANTIOANE DE VOLUM MIC
Bibliografie

7.1 Compararea mediei unui eantion de volum redus cu media colectivitii generale .......... 98
7.2 Compararea mediilor a dou eantioane de volum redus .................................................. 102
Lucrare de verificare 7A ......................................................................................................... 108
Test de autoevaluare 7B .......................................................................................................... 109
Rezumat................................................................................................................................... 114
Bibliografie.................................................................................Error! Bookmark not defined.

testarea ipotezei statistice privind compararea unui eantion de volum redus cu

media colectivitii generale;

volum redus;
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
Caracteristicile ce stau la baza aplicrii testului Student ( t ) care includ imposibilitatea

stabiliri dispersiei colectivitii generale, deci implicit a abaterii medii ptratice, precum i
formarea unor eantioane de volum redus, cu mai puin de 30 de componente, reprezint
principalele elemente necesare n derularea analizei de comparare a mediei unui eantion cu cea
a colectivitii generale.
Testul
poate fi aplicat pornind de la considerentul c distribuia normal redus
caracterizeaz colectivitatea general.

Deoarece n general, pentru astfel de eantioane nu prea se cunoate dispersia
colectivitii generale, deci nici abaterea medie ptratic, se va utiliza testul (t ) numai n condiia
estimrii abaterii standard a colectivitii generale cu cea a eantionului.
Fiind este vorba de un eantion redus (n < 30 ) , abaterea medie ptratic (standard)
estimat se determin cu relaia:
n
s = s2 =
(x
x)2
i =1
n 1
(7.1)
Statistica testului calculat va fi:

tc =
x ip
s2
n
x ip
s
(7.2)
unde:
x media eantionului
ip - media ipotetic a colectivitii generale

s abaterea standard estimat
n volumul eantionului
Deoarece, ca i n celelalte cazuri, la testului Student se ine seama de direcia abaterii

stabilit n ipoteza alternativ, atunci deciziile se formeaz tot n raport cu tipul testului studiat:
unilateral stnga, bilateral, unilateral dreapta.
n acest context, ipotezele testului Student i regiunile de respingere sunt asemntoare
cu cele ale testului Z .
99
Observaie
De remarcat c, deoarece la repartiia Student vorbim de gradele de libertate, atunci

valorile critice care limiteaz densitatea de probabilitate, deci valorile repartiiei Student (Anexa
3) au formele
t , n 1 , pentru testul unilateral drepta, stnga
t
2
, n 1
, pentru testul bilateral.
n aceste condiii, avem urmtoarele etape:

H 0 : = ip
1. Se prezint ipoteza nul:

2.1. - testul unilateral stnga: H 1 : < ip
2.2. - testul bilateral: H 1 : ip
2.3. - test unilateral dreapta: H 1 : > ip
3. Se precizeaz tipul testului statistic utilizat n raport cu datele aplicaiei, H 1 , volumul
eantionului (dac n<30, atunci se aplic testul
t ) i se ncepe schiarea graficului.
creia se stabilete:
4.1. - testul unilateral stnga (figura 7.1)
valoarea lui
t tabelar
sau teoretic t (Anexa 3), cu semnul - se plaseaz pe
grafic .
regiunea de respingere Rr : dac t c < t , n 1 , atunci H o se respinge
Rr
H 0 se respinge
t ;n 1
100
Figura 7.1 Aplicarea testului t unilateral stnga

(compararea mediei eantionului cu a colectivitii generale)
4.2. - testul bilateral (figura 7.2):
valorile lui
tabelar sau teoretic t (Anexa 3), cu semnele + i - se plaseaz

2
pe grafic.
regiunea de respingere Rr : dac t c < - t

2
, 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
Figura 7.2. Aplicarea testului t bilateral

4.3. - test unilateral dreapta (figura 7.3)
tabelar sau teoretic t , n1 (Anexa 3) i valoarea cu semnul + se plaseaz pe

grafic.
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
rezultatul statistic al testului calculat t c intr n regiunea de respingere Rr , lundu-se decizia

adecvat situaiei.
7.2
Compararea mediilor a dou eantioane de volum redus

De multe ori deciziile din activitatea economic, din afaceri, trebuiesc stabilite prin
compararea unor informaii destul de reduse.

n aceste condiii, se poate vorbi despre compararea a dou eantioane de volum mic (n<
30) caracterizate astfel:
un eantion de volum n1 < 30 cu media x1 i dispersia s12 este extras dintr-o colectivitate
general cu media 1 i dispersia 12 .

alt eantion de volum n2 < 30 , cu media x 2 i dispersia s 22 este extras dintr-o colectivitate

Dou cazuri cu aplicabilitate practic prezint interes pentru analiza econometric:
Eantioanele sunt independente i provin din colectiviti generale cu abateri

standard egale.

standard diferite (inegale).
Eantioane independente din colectiviti generale

cu abateri standard egale
n practic pot s apar situaii n care trebuie s se formeze dou eantioane

independente care provin din colectiviti generale cu dispersii egale.
1 2 = 2 2 = 2 , deci 1 = 2 =
102
Repartiia Student tabelar sau teoretic va avea n1 + n2 2 grade de libertate, iar

x1 x2
tc =
1
1
s e2 +
n1 n 2
x1 x 2
=
se
1
1
+
n1 n 2
(7.3)
unde s e este abaterea standard estimat determinat cu relaia:

(n1 1) s12 + (n 2 1) s 22
n1 + n2 2
se =
(7.4)
Att ipotezele testului Student, ct i regiunile de respingere sunt asemntoare cu cele

prezentate anterior, exceptnd valorile critice n care apare testul
t ; n1 +n2 2 , pentru testul unilateral, respectiv t
2
, n1 + n2 2
tabelar care apar de forma:
n aceste condiii avem, urmtoarele etape:

1. Se prezint ipoteza nul H 0 : x1 = x 2
2.1. - testul unilateral stnga: H 1 : x1 < x 2
2.2. - testul bilateral: H 1 : x1 x 2
2.3. - test unilateral dreapta: H 1 : x1 > x 2
3. Se precizeaz tipul testului statistic utilizat n raport cu datele aplicaiei i volumul
i se construiete graficul.
creia se stabilete:
4.1. - testul unilateral stnga (figura 7.4):
valoarea lui
tabelar sau teoretic t ; n1 +n2 2 (Anexa 3), cu semnul - se plaseaz pe
grafic.
regiunea de respingere Rr : dac t c < t ; n1 + n2 2 , atunci H o se respinge i este

103
Rr
H 0 se respinge
t ;n1 + n2 2

(compararea mediilor a dou eantioane)
valorile lui
tabelar sau teoretic t

2
; n1 + n2 2
(Anexa 3), cu semnele + i - se plaseaz
pe grafic.
2
; n1 + n2 2
sau t c > t
2
; n1 + n2 2
atunci H o se
respinge i este adevrat ipoteza H 1 .
Rc
Rc
H 0 se respinge
H 0 se respinge
t
2
; n1 + n2 2
t
2
; n1 + n2 2

4.3.
test unilateral dreapta (figura 7.6):
tabelar sau teoretic t ;n1 +n2 2 (Anexa 3) i valoarea cu semnul + se plaseaz pe

grafic
regiunea de respingere Rr : dac t c > t ;n1 + n2 2 , atunci H o se respinge i este adevrat
ipoteza H 1 .
104
Rr
t ; n1 +n2 2 H 0 se respinge
Figura 7.6. Aplicarea testului t unilateral dreapta

5. Se calculeaz statistica testului cu relaia (3.29), iar valoarea obinut se plaseaz pe grafic.
6. Se compar valoarea lui t c cu una din valorile - t ; n1 +n2 2 , - t
, t
, t ; n1 +n2 2 i se
2
; n1 + n2 2
; n1 + n2 2
stabilete dac rezultatul statistic al testului calculat t c intr n regiunea de respingere Rr ,

lundu-se decizia adecvat situaiei.

cu abateri standard inegale
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)
Statistica testului Student calculat va fi:

tc =
x1 x 2
2
s1
s
+ 2
n1
n2
105
(7.7)
Ipotezele testului Student i regiunile de respingere vor fi similare celor prezentate n

ipostaza anterioar, pentru eantioanele independente provenind din colectiviti generale cu
abateri standard egale.
2.1. -testul unilateral stnga: H 1 : x1 < x 2
eantionului (dac n>30, atunci se aplic testul t ) i se construiete graficul.
cruia se stabilete:
4.1. - testul unilateral stnga (vezi figura 7.4):
t tabelar sau teoretic t ;n1 + n2 2 (Anexa 3) i valoarea cu semnul - se plaseaz pe grafic.
regiunea
de respingere Rr : dac t c < t ;n1 + n2 2 , atunci H o se respinge i este adevrat
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
de respingere Rr : dac t c < - t

2
; n1 +n2 2
sau t c > t
2
; n1 +n2 2
i este adevrat ipoteza H 1 .

4.3. - test unilateral dreapta (vezi figura 7.6):
t tabelar sau teoretic t ;n1 +n2 2 (Anexa 3) i valoarea cu semnul + se plaseaz pe
grafic.
5.
6.
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
se stabilete dac rezultatul statistic al testului calculat t c intr n regiunea de respingere
Rr , lundu-se decizia adecvat situaiei.
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
3.
Dac n1 = 6 i n 2 = 4, ambele mai mici de 30, atunci se aplic testul t (testul t bilateral)
4.
Fiind
test
" t " bilateral
= 0,02 t
2
; n1 + n2 2
probabilitatea
de
98%
va
fi
evideniat
prin
= t 0,02;8 = 2,896
Regiunea de respingere Rr este: t c < t

2
; n1 + n2 2
sau t c > t
2
; n1 + n2 2
H o se respinge, deci

5.
Valoarea statistic a testului (valoarea calculat) se determin cu relaia 4.16, dup

determinarea abaterii standard estimat, astfel:
107
(n1 1) s12 + (n2 1) s 22

=
n1 + n2 2
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
(2,896) < t c ( 1,82) < t

2
; n1 + n 2 2
(2,896) ,
atunci t c este n afara Rr , rezult c H o este adevrat.
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.
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.
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
normele STAS, 0 = 330 g . (riscul asumat este = 0,05 ). Care sunt cele dou ipoteze
statistice?
a.
H 0 : 0 (exist diferen semnificativ ntre greutatea medie a unei piese

din ntregul lot i greutatea medie prevzut n normele STAS).
H 1 : > 0 (greutatea medie a unei piese din ntregul lot este mai mare
dect greutatea medie prevzut n normele STAS).
109
b.
H 0 : = 0 (nu exist diferen semnificativ ntre greutatea medie a unei

piese din ntregul lot i greutatea medie prevzut n normele STAS).
H 1 : < 0 (greutatea medie a unei piese din ntregul lot este mai mic
c.


d.

H 1 : < 0 (greutatea medie a unei piese din ntregul lot este mai mica
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
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
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
Eantionul persoane de sex feminin

nM = 20 biei
xM = 30 ani
s M = 4 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:
n1= 6
x1 = 4,5 mii UM
s1 = 0,15 mii UM
n2 = 4
x2 = 4,84 mii UM
s 2 = 0,44 mii UM
Rezultatele testrii sunt:

a. nu exist diferen semnificativ ntre cheltuielile medii de ntreinere ale
pensiunilor turistice rurale de o margaret i cele ale pensiunilor de dou
margarete deoarece (t calculat = -2,896);
111
b. exist diferen semnificativ ntre cheltuielile medii de ntreinere ale

c. exist diferen semnificativ ntre cheltuielile medii de ntreinere ale
margarete deoarece (t calculat = 2,896);
d. cheltuielile medii de ntreinere ale pensiunilor turistice rurale de o margaret
sunt mai mari dect cele ale pensiunilor de dou margarete deoarece (t calculat =
-2,896);
6. O companie dorete s introduc o nou metod de realizare a unui produs. Se selecteaz
20 de produse pentru care se nregistreaz timpii de realizare cu vechea metod i 22 de
produse pentru noua metod. Rezultatele sunt:
Metoda actual
n 1 = 20
x1 = 27,1 minute
s1 = 3,7 minute
Noua metod
n 2 = 22
x 2 = 25,4 minute
s2 = 3,1 minute
Se testeaz, cu o probabilitate de 95%, ipoteza conform creia noua metod duce la un

consum de timp semnificativ mai mic.
Ipotezele statistice sunt:

a. Ipoteza nul: nu exist diferen semnificativ ntre consumul de timp realizat
de noua metod i cel realizat de vechea metod;
Ipoteza alternativ: consumul de timp realizat de noua metod este
semnificativ mai mare dect cel realizat de vechea metod;
b. Ipoteza nul: nu exist diferen semnificativ ntre consumul de timp realizat
Ipoteza alternativ: nu exist diferen semnificativ ntre consumul de timp
realizat de noua metod i cel realizat de vechea metod;
c. Ipoteza nul: nu exist diferen semnificativ ntre consumul de timp realizat
semnificativ mai mic dect cel realizat de vechea metod;
112
d. Ipoteza nul: exist diferen semnificativ ntre consumul de timp realizat de

noua metod i cel realizat de vechea metod;
Metoda actual
n 1 = 20
x1 = 27,1 minute
s1 = 3,7 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:
a. se admite ipoteza nul, nu exist diferen semnificativ ntre consumul de

timp realizat de noua metod i cel realizat de vechea metod;
b. se respinge ipoteza nul, exist diferen semnificativ ntre consumul de timp
realizat de noua metod i cel realizat de vechea metod;;
c. se respinge ipoteza nul, consumul de timp realizat de noua metod este
d. se admite ipoteza nul, exist diferen semnificativ ntre consumul de timp
8. Se dorete testarea ipotezei conform creia ntre dou mrci de imprimante nu exist
diferene semnificative privind cheltuielile de funcionare. Pentru aceasta, 20 de posesori
de imprimante (8 posesori ai primei mrci, 12 posesori ai celei de a doua) sunt rugai s
in evidena cheltuielor de funcionare pe o perioad de un an de zile. Rezultatele
prelucrrii datelor sunt:
Marca 1
n1= 8
x1 = 56,96 UM
s1 = 4,9
Marca 2
n 2 = 12
x 2 = 52,73 UM
s2 = 6,4
113
Pentru o probabilitate de 90%, putem spune c:

a. nu exist diferene semnificative privind cheltuielile de funcionare ale celor
dou mrci de imprimante;
b. exist diferene semnificative privind cheltuielile de funcionare ale celor dou
mrci de imprimante;
c. cheltuielile de funcionare cu prima marc de imprimant sunt semnificativ
mai mari dect cheltuielile de funcionare cu cea de-a doua marc de
imprimant;
d. cheltuielile de funcionare cu prima marc de imprimant sunt semnificativ
mai mici dect cheltuielile de funcionare cu cea de-a doua marc de
imprimant;
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
. Regiunile critice sunt determinate n
funcie de pragul de semnificaie ales, numrul gradelor de libertate (g=n-1) i de enunurile

concrete ale ipotezelor H 0 (nul) i H 1 (alternativ).
sau t c =
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
Bdi M., Baron T.,

Cristache S.E.
Statistic pentru afaceri n comer turism, vol 1, 2,

Editura Luceafrul, Bucureti, 2002

M.
Econometrie cu aplicaii n activitatea de comer-turismservicii, Editura Universitar, Bucureti, 2008.
Oprea C., Zaharia M.
Elemente de analiza datelor i modelare utiliznd Excel,

Editura Universitar, Bucureti, 2011
Voineagu V, ian E.,

erban R., Ghi S.,
Pele D.

2007
115
Unitatea de nvare 8
TESTAREA IPOTEZELOR PRIVIND DISPERSIILE POPULAIILOR
Cuprins
Obiectivele Unitii de nvare 8 ........................................................................................... 116

8.1 Compararea dispersiei eantionului cu dispersia colectivitii generale ........................... 116
8.2 Compararea dispersiei a dou colectiviti ........................................................................ 119
Rezumat ................................................................................................................................... 125
Bibliografie.............................................................................................................................. 126

testarea ipotezei statistice privind compararea dispersiei eantionului cu dispersia

8.1
testarea ipotezei statistice privind compararea dispersiei a dou colectiviti;
Compararea dispersiei eantionului cu dispersia colectivitii generale

Cei mai utilizai indicatori n procesul inferenei statistice sunt: media, dispersia i
proporia. Un rol important n cadrul inferenei o au i testrile ipotezelor statistice aplicate n

condiiile comparrii dispersiilor.
Repartiia 2 este utilizat cu preponderen n testarea ipotezelor statistice permind
studierea mai detaliat, chiar i sub aspect calitativ, a colectivitilor statistice.
116
c2 =
(n 1) s 2
(5.1)
n aceste condiii, etapele de aplicare a testului 2 sunt urmtoarele:

1. Se prezint ipoteza nul: H 0 : 2 = i2
2.1. - testul unilateral stnga: H 1 : 2 < i2
2.2. - testul bilateral: H 1 : 2 i2
2.3. - test unilateral dreapta: H 1 : 2 > i2
3. Se precizeaz tipul testului statistic utilizat n raport cu datele aplicaiei i ipoteza alternative
( H 1 ), iar apoi se ncepe schiarea graficului.

cruia se stabilete:
se determin 2 tabelar (Anexa 2) sub forma 12 , n 1 , iar valoarea se plaseaz pe

grafic.
regiunea de respingere Rr : dac 2 c < 21 , n 1 , atunci H o se respinge i este

Rr
H 0 se respinge
12 ; n1
Figura 5.1 Elementele teoretice ale testului 2 unilateral stnga

se determin 2 tabelar (Anexa 2), adic valorile pentru 2
1 ; n 1
2
117
i 2
2
;n 1
regiunea de respingere Rr : dac c2 < 2
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
Figura 5.2. Elementele teoretice ale testului 2 bilateral

4.3. - test unilateral dreapta (figura 5.3.):
se determin 2 tabelar (Anexa 2), adic 2 , n1 iar valoarea se plaseaz pe

grafic.
regiunea de respingere Rr : dac, c2 > 2 ,n 1 , atunci H o se respinge i este

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
6. Se compar valoarea lui c2 cu una din valorile 12 , n 1 , 2
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
Compararea dispersiei a dou colectiviti

Compararea dispersiilor a dou colectiviti se poate realiza fie direct, fie utiliznd
raportul acestora.
Aplicarea testului presupune urmtoarele:
colectivitile comparate s fie formate din variabile aleatoare: X 1 i X 2 ;
variabilele utilizate s fie repartizate normal: X 1 ~ N (m1 , 12 ) i X 2 ~ N (m 2 , 22 );
eantioanele de volum n1 i n 2 extrase din colectivitile comparate s permit
stabilirea estimaiilor dispersiilor S12 i S 22 .

Stabilirea statisticii testului Fisher calculat:
Fc =
S12 22
S 22 12
(5.2.)
Observaie: Dac 12 = 22 , atunci statistica testului calculat devine:

Fc =
S12
.
S 22
(5.3.)
Testul F se aplic i el n toate cele trei situaii:

test unilateral stnga,
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
- pentru testul unilateral dreapta: F ; n1 1; n2 1 ,

n care:
- 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):
F tabelar sau teoretic F1 ; n1 1; n2 1 (Anexa 4) i valoarea se plaseaz pe grafic.
regiunea de respingere Rr : dac Fc < F1 ; n1 1; n2 1 , atunci H o se respinge i este

Rr
F1 ; n1 1; n2 1
H 0 se respinge
Figura 5.4 - Elementele teoretice ale testului
unilateral stnga
testul bilateral (figura 5.5.):
F tabelar sau teoretic F
1 ; n1 1; n2 1
2
i F
2
; n1 1; n2 1
regiunea de respingere Rr : dac Fc < F
(Anexa 4) se plaseaz pe grafic.
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
Figura 5.5. - Elementele teoretice ale testului
F bilateral
F tabelar sau teoretic F ; n1 1; n2 1 (Anexa 4) i valoarea se plaseaz pe grafic.

regiunea de respingere Rr : dac Fc > F ; n1 1; n2 1 , atunci H o se respinge i este
Rr
F ; n1 1; n2 1H 0 se respinge
unilateral dreapta
n practic cele mai utilizate teste sunt: bilateral i unilateral dreapta.
Exemplul 8.1.
Departamentul de vnzri al unei firme comerciale dispune de urmtoarele date privind

cererea unui produs. 80, 59, 66, 83, 36, 58, 55, 64, 63, 66. Datele u fost selectate dintr-o
colectivitate normal distribuit. pentru o probabilitate de 95% s se testeze ipotezele:
H0: 2=100, respectiv H1: 2>100.
121
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.
5. Valoarea statistic a testului (valoarea calculat):

Cunoatem
i trebuie s determinm dispersia eantionului s2.
Deoarece n=10 < 30
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
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?
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 .
Regiunea de respingere (Rr ) este:

a. c2 > 2 ;n ;
b. c2 > 2 ;n 1 ;
c. c2 > 2
2
; n 1
123
d. c2 > n21 .
H 0 : 2 = 4 , respectiv H 1 : 2 > 4 .
Valoarea statistic a testului este:

a. 6,1;
b. 5,9;
c. 6,5;
d. 5,5.
4. Un analist dorete studierea preferinelor turitilor n ceea ce privete tipul unitilor de

cazare dup gradul de confort (s-au format dou categorii: una care include unitile de 1
i 2 stele i alta care le include pe cel e de 3 i 4, eventual 5 stele). Acest aspect a fost
analizat prin compararea mprtierii cheltuielilor colectivitii turitilor ce prefer prima
categorie (cu uniti de 1 i 2 stele) cu mprtierea cheltuielilor colectivitii turitilor ce
prefer a doua categorie (uniti de 3, 4, 5 stele).
Studiul pornete de la presupunerea c distribuia cheltuielilor (UM) pe cele dou
colectiviti sunt aproximativ normale, iar din ele au fost extrase dou eantioane de
volum 46 i 55 de persoane, abaterile standard stabilite (UM) fiind: 12 = 1,42 UM i
22 = 0,43 UM, n condiiile n care probabilitatea rezultatelor este de 95%.

Unitile de 1 i 2 stele
n 1 = 46
Uniti de 3, 4, 5 stele
n 2 = 55
12 = 1,42 UM
22 = 0,43 UM

a. H 0 :
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

i 2 stele i alta care le include pe cele de 3 i 4, eventual 5 stele). Acest aspect a fost
22 = 0,43 UM, n condiiile n care probabilitatea rezultatelor este de 95%. Testul

statistic are valorea:
a. 9,9;
b. 11,9;
c. 10,9;
d. 10,5.
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
. Regiunile critice sunt determinate n funcie de pragul de semnificaie ales,
numrul gradelor de libertate (g=n-1) i de enunurile concrete ale ipotezelor H 0 (nul) i H 1

(alternativ).
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
Bibliografie
Jaba E.
Mitru C., erban D

Bucureti, 2002
Statistics for Bussiness Administration, Editura ASE,
Bucureti, 2003


M.
126
Unitatea de nvare 9
ANALIZ DISPERSIONAL (ANOVA)
Cuprins
9.1 Analiza dispersional unifactorial ................................................................................... 127
9.2 Analiza dispersional bifactorial ..................................................................................... 133
Rezumat ................................................................................................................................... 146
Bibliografie.............................................................................................................................. 146


9.1
utilizarea intrumentelor Excel n aplicarea testului ANOVA.
Analiza dispersional unifactorial

Studierea legturilor dintre fenomenele i procesele economice include i aplicarea
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
variabil dependent reprezint variabila rezultativ, obligatoriu cantitativ, dup care

se compar grupele i este supus analizei;
variabila independent este exprimat prin factorul care influeneaz ntr-o anumit
msur variabila dependent.
n fucie de numrul factorilor, analiza dispersional poate fi:
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
ANOVA, adic a testului Fisher (testul F ), care se bazeaz pe urmtoarele considerente:

1. - populaiile din care se extrag k eantioane trebuie s fie normal distribuite;
2. - dispersiile populaiilor trebuie s fie egale
( 12 = 22 = 32 = ... = k2 = );
3. - 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.
Testul F stabilete dac mediile eantioanelor comparate difer semnificativ.
Ipoteza nul ( H 0 ) este cea prin care se menioneaz c mediile eantioanelor comparate
sunt egale (figura 5.7) sau altfel spus, 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, 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
Figura 9.1 - Evidenierea ipotezelor H 0 i H 1

Dac dintr-o populaie au fost extrase eantioane j sub forma grupelor, acestea pot
mbrca urmtoarele forme:
forma seriilor simple;
forma seriilor cu frecvene.
Serii simple
n cazul seriilor simple, datele statistice apar ntr-o tabel a crei form general este
dat n tabelul 5.1.
Tabelul 9.1. - Forma teoretic a tabelului distribuei simple pe grupe

Volumul
Grupe dup
Valorile caracteristicii rezultative ( y )
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
Mediile utilizate sunt:

- media de grup ( y1 , y 2 , y 3 , ..., yi , ..., y r ) :
ni
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.
Tabelul 9.2. Forma teoretic a tabelului unei distribuii bidimensionale

Grupe dup factorul x
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:
- media de grup ( y1 , y 2 , y 3 , ..., yi , ..., y r )
130
y n
j
yi =
ij
j =1
(9.3.)
ij
j =1
m
y n
j
y0 =
yn
i
j =1
j =1
i =1
r
(9.4.)
i
i =1
Schema structural de aplicare a analizei dispersionale unifactoriale se poate reduce la

relaii, ale cror rezultate pot fi prezentate ntr-o form de tipul celei ilustrate n tabelul 9.3
Tabelul 9.3. Forma teoretic a tabelului pentru ANOVA unifactorial
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
Aplicarea statisticii testului F are n vedere determinarea lui Fcalculat, astfel:

Fc =
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
S1 = variana factorial (variana dintre grupe, determinat ca suma ptratelor

abaterilor mediilor de grup yi , de la media general y 0 )
r 1 = numrul gradelor de libertate calculat ca numrul total al grupelor r
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
S 2 = variana rezidual (variana din interiorul grupelor determinat ca sum a

ptratelor abaterilor valorilor individuale y ij de la valorile mediilor de grup y
n r = numrul gradelor de libertate calculat ca diferen ntre volumul eantionului n

i numrul total al grupelor r .
n continuare, dup compararea valorii calculate a statisticii testului F ( Fc ) cu cea

teoretic sau tabelar ( Ft ), se ia decizia privind validitatea presupunerii (ipotezei). Valoarea
tabelar ( Ft ) se stabilete pentru o limit de semnificaie i g1 respectiv g 2 grade de libertate
(unde: g1 = r 1 , g 2 = n r ) i se preia din tabelul cu valorile funciei F (Anexa 4).
n funcie de raportul dintre valorile Fc i Ft avem urmtoarele concluzii:
1.
- dac Fc < F , r 1, n r , atunci se accept ipoteza nul H0, deci:

ipoteza nul ( H 0 ) este considerat adevrat;
132
nu exist diferene semnificative ntre mediile de grup comparate (nu exist
diferene semnificative ntre eantioanele comparate);

factorul x nu este semnificativ statistic, adic nu influeneaz semnificativ variabila
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
semnificative ntre eantioanele comparate);

factorul x este semnificativ statistic, adic influeneaz semnificativ variabila
rezultativ
9.2
Analiza dispersional bifactorial

Modelul de analiz dispersional bifactorial se bazeaz pe acelai principiu al nsumrii
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
In tabelul 9.4. apar urmtoarele elemente:

F.I i F.II reprezint doi factori principali de influen asupra unei variabile rezultative y ; x
variabila dependent, cu valori ale caracteristicii rezultative xijk ;

F.I are h niveluri (grupe, eantioane);
F.II are q niveluri (grupe, eantioane);
n numrul celulelor tabelului, corespunztoare fiecrui nivel (grup, eantion);
xijk - valorile caracteristicii rezultative, adic a - k - a informaie (dat statistic) din
eantionul corespunztor grupei nivelului i al primului factor (F.I) i nivelului j al celui deal doilea factor (F.II)
Tabelul 9.5. Forma teoretic a tabelului pentru ANOVA bifactorial
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 )
- se determin ca sum a abaterilor ptrate ale mediilor liniilor de la media general,

datorate primului factor (F.I);
- este indicator de comensurare a variaiei explicate de F.II;
- se calculeaz cu relaia:
h
S1 = qn ( xi* x )
(9.10.)
i =1
Variana factorului F.II ( S2 )
- se calculeaz ca sum a abaterilor ptrate ale mediilor coloanelor de la media general,

datorate celui de-al doilea factor (F.II);
- se determin cu relaia:
2
S 2 = hn (x* j x )
(9.11.)
j =1
Variana interaciunii factorului F.I cu factorul F.II ( S1_2 )
- se calculeaz ca sum a ptratelor, datorate interaciunii ambilor factori (F.I i F.II);

- este indicator de comensurare a variaiei explicate de interaciunii celor doi factori (F.I
i F.II);
S1 _ 2 = n (xij xi* x* j x )
h
(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;
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.)
Gradele de libertate corespunztoare factorului F.II ( df2 )
df 2 = q 1
(9.16.)
Gradele de libertate corespunztoare interaciunii factorului F.I cu factorul F.II ( df1_2)

df 1 _ 2 = (h 1) (q 1)
(9.17.)
Gradele de libertate corespunztoare rezidual ( df3 )
df 3 = hq (n 1)
(9.18.)
Gradele de libertate corespunztoare total ( df0 )
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.)
Dispersia corectat a factorului F.II ( S 22 )
Dispersia corectat a interaciunii factorului F.I cu factorul F.II ( S12_ 2 )

S12_ 2 =
Dispersia corectat rezidual ( S 32 )
136
S1 _ 2
df1 _ 2
(9.22.)
S 32 =
S3
df 3
(9.23.)
Completarea tabelului (9.5) cu rezultatele obinute prin aplicarea formulelor prezentate

permit continuarea metodologiei de aplicare a testului F prin testarea ipotezelor privind
semnificaia contribuiei factorilor la precizarea variaiei variabilei dependente.
n cazul analizei dispersionale bifactoriale apar trei seturi de ipoteze care, n funcie de
factorii la care se refer, sunt:
Pentru factorul F.I:
H0: factorul F.I nu este semnificativ (mediile determinate la nivelul liniilor nu difer
semnificativ)
H1: factorul F.I este semnificativ (mediile determinate la nivelul liniilor difer n mod
semnificativ)
Pentru factorul F.II,
H0: factorul F.II nu este semnificativ (mediile determinate la nivelul coloanelor nu
difer semnificativ)
H1: factorul F.II este semnificativ (mediile determinate la nivelul coloanelor difer n
mod semnificativ)
Pentru interaciunea dintre factori (factorul F.I i F.II),
H0: interaciunea factorilor nu este semnificativ (mediile determinate la nivelul
celulelor nu difer semnificativ)
H1: interaciunea factorilor este semnificativ (mediile determinate la nivelul celulelor
difer n mod semnificativ)
Deciziile de respingere a ipotezei nule au n vedere urmtoarele reguli prezentate pe cele
trei seturi de ipoteze:
a. FF.I > F1 , h 1,hq (n 1)
b. FF.II > F1 , q 1, hq (n 1)
c. FF.I_F.II > F1 ,(h 1)(q 1), hq (n 1)
n aceast situaie, rezultatele obinute se vor concluziona n verdictul conform cruia,
ambii factori au o influen semnificativ asupra variabilei rezultative.
137
Analiza dispersional bifactorial, n raport cu modul de formare a nivelurilor factorilor,

cuprinde urmtoarele modele:
model cu efecte sistematice reprezentat de modelul n care datele statistice ale
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
de analiz dispersional (ANOVA). Nivelul de
semnificaie ales este = 0,05.
138
Tabelul 9.6. Tarifele practicate de dou categorii de pensiuni

Medii
Valoarea tarifelor practicate ( lei )
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)
y variabila rezultativ (valoarea tarifelor practicate)
( 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
3.
Datele aplicaiei conduc la utilizarea testului Fisher (testul F unilateral dreapta)
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.
Valoarea statistic a testului (valoarea calculat) se determin cu relaia (5.27) astfel:

Se determin, cu relaiile (5.28) i (5.29), dispersia corectat sistematic:
15
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 =
(141,13 141,48)2 15 + (142 141,48)2 10 = 4,54

2 1
139
Se determin, cu relaiile (5.30) i (5.31), dispersia corectat rezidual:
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
Statistica testului va fi: Fc =
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.
Tabelul 9.7. Preferinele clienilor privind pachetele turistice

Zona montan
Zona balnear
Zona de litoral
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
H 1 : cel puin dou medii sunt diferite.

140
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:
la Input Range se selecteaz datele de la A1 la C16
se activeaz Labels in First
se specific Grouped by Columns
se activeaz Output Range i se selecteaz o csu n care se dorete s se

poziioneze rezultatele
OK
Rezultatele sunt ilustrate n tabel 9.8:
Tabelul 9.8. Tabelul ANOVA cu rezultatele analizei

Anova: Single Factor
SUMMARY
Groups
Z.Montan
Z.Balnear
Z.de Litoral
ANOVA
Source of Variation
Between Groups
Within Groups
Total
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
Explicarea elementelor ce apar n tabel 9.8:
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 varianta factorial, Between Groups (ntre grupe): S1 = 353,7333
pe varianta rezidual, Within Groups (n interiorul grupelor): S 2 = 191,4667
pe total: S 0 = 545,2 = S1 + S 2
df sunt gradele de libertate
pe varianta factorial, Between Groups (ntre grupe): df1 = r 1 = 3 1 = 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
MS dispersia corectat (media ptratelor notat cu S 2 n tabelul 5.3)
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
Interpretarea rezultatelor prezentate n tabel 9.8:

Rezultatele tabelului SUMMARY indic prezena celor mai multe pachete vndute n
zona montan, n timp ce zonei balneare i corespunde cea mai mare mprtiere a
datelor.
ANOVA prezint Statistica F cu valoarea de 38,797 ca fiind mult mai mare dect cea
critic de 3,2199, cea ce nseamn c cel puin dou medii difer semnificativ, fapt
142
confirmat i prin valoarea pragului de semnificaie P-value de 0,00000000028595 care

este mai mic dect 0,05.
1. Cnd se recomand utilizarea metodei de analiz dispersional?
2. Prin ce se exprim variabila independent n cazul testului ANOVA?

3. Cum se numete indicele de mrime a efectului pentru testul ANOVA?
4. La ce se refer dispersia intragrup?
5. Pentru a aplica testul ANOVA ce indicatori auxiliari se calculeaz?
6. Care sunt tipurile de varian utilizate n ANOVA i ce reprezint ele?
7. Ce sunt dispersiile corectate?
8. Cum se stabilete regiunea critic pentru testul F?
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
Valoarea vnzrilor (mil. RON)

27; 22; 21; 20; 28; 29; 22; 20; 16
15; 20; 23; 23; 25
9; 15; 13; 18; 12; 10
Nr. magazine
9
5
6
S se stabileasc dac zona de amplasare a magazinelor influeneaz valoarea vnzrilor.

n urma aplicrii metodei ANOVA de analiz dispersional a rezultat urmtoarea
concluzie:
a. zona de amplasare nu influeneaz valoarea vnzrilor (Statistica F este
12,10);
b. zona de amplasare influeneaz valoarea vnzrilor (Statistica F este 12,10);
c. zona de amplasare influeneaz valoarea vnzrilor (Statistica F este 3,59);
d. zona de amplasare nu influeneaz valoarea vnzrilor (Statistica F este 3,59);
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
c. Statistica F este 5,87, gradele de libertate df1 pentru varianta factorial este 1
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
S se stabileasc dac utilizarea platformei e-learning a influenat rezultatele obinute la

examene de ctre studeni (nivel de semnificaie 5%).
a. Deoarece Fc (3,29) < F0, 05;18;19 (4,42) , iar Fc intr n Rr , concluzia este c,
utilizarea platformei e-learning nu a influenat rezultatele obinute la examene
de ctre studeni.
b. Deoarece Fc (5,19) > F0, 05;17;19 (3,49) , iar Fc nu intr n Rr , concluzia este c,
utilizarea platformei e-learning a influenat rezultatele obinute la examene de
ctre studeni.
c. Deoarece Fc (5,19) > F0, 05;18;19 ( 4,42) , iar Fc nu intr n Rr , concluzia este c,
ctre studeni.
d. Deoarece Fc (3,29) < F0, 05;17;19 (3,49) , iar Fc intr n Rr , concluzia este c,
de ctre studeni.
4. O firm de cercetri de marketing dorete s stabileasc n ce mod tipurile de publicitate
influeneaz vnzrile unui anumit produs. n acest scop se analizeaz vnzrile pentru
obinute exclusiv prin reclame TV i prin reclame radio pentru 10 produse alimentare.
Tipul de publicitate
TV
Radio
Vnzrile obinute
27; 22; 21; 25; 24
15; 13; 14; 20;19
S se stabileasc dac tipul de publicitate utilizat a influenat vnzrile obinute (nivel de

semnificaie 5%).
a. tipul de publicitate nu influeneaz valoarea vnzrilor (Statistica F este 4,7);
b. tipul de publicitate nu influeneaz valoarea vnzrilor (Statistica F este
18,75);
c. tipul de publicitate influeneaz valoarea vnzrilor (Statistica F este 15,01);
d. tipul de publicitate influeneaz valoarea vnzrilor (Statistica F este 18,75);
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
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

aplicabilitatea modelelor econometrice de analiz a legturilor prin intermediul

coeficienilor de corelaie;
testarea coeficientului de corelaie;
10.1 Corelaia liniar simpl

Coeficientul de corelaie ( r ) reprezint un indicator statistic de analiz a legturii dintre
dou sau mai multe variabile statistice. El este utilizat, n cazul studierii liniaritii dintre o
variabil rezultativ i alta factorial (sau mai multe factoriale), scopul aplicrii lui derivnd
tocmai din capacitatea acestuia de a stabili direcia i gradul de intensitate a respectivei legturi.
n cazul corelaiei simple liniare, acest coeficient se determin n raport cu abaterile celor
dou variabile, variabila x (factorial) i variabila y (rezultativ), astfel:
147
pentru o serie bidimensional simpl:

n
r=
(x
x )( y i y )
i =1
cov( x; y )
n x y
xy
x y
x y
(10.1)
care, dup efectuarea calculelor are forma:

n
(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
unde: n - numrul variabilelor perechi (x, y ) incluse n analiz;
x - abaterea medie ptratic a variabilei factoriale x

y - abaterea medie ptratic a variabilei rezultative y
xy - abaterea medie ptratic corespunztoare ambelor
variabile xy
pentru o serie bidimensional cu frecvene:

n
r=
(x
x )( y i y )n xy
i =1
(10.4)
xy
x y
i =1
dup efectuarea calculelor relaia (6.4) devine:

n
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)
unde s x - estimatorul abaterii medii ptratice a variabilei factoriale x

s y - estimatorul abaterii medii ptratice a variabilei rezultative y
s xy - estimatorul abaterii medii ptratice corespunztoare
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 factorul x i rezultativa y este indirect

(variaia factorului x n sensul unei creteri determin o variaie a rezultativei y
n direcia unei scderi sau scderea lui x determin o cretere a lui y );
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.
Tabelul 10.1. Semnificaiile valorilor coeficientului de corelaie

Dac r = 0 , NU exist legtur ntre variabilele studiate
Legtur INVERS, dac r ( 1 ; 0)
Legtur DIRECT, dac r (0 ; 1)
Interval
Tipul legturii
Interval
Tipul legturii
invers
foarte
slab
direct
foarte slab
r ( 0,2 ; 0)
r (0 ; 0,2)
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
Determinarea coeficientului de corelaie la nivelul unui eantion i interpretarea acestuia,

reprezint o prima etap necesar aplicrii metodologiei econometrice de stabilire a semnificaiei
coeficientului de corelaie al colectivitii generale din care a fost selectat eantionul cercetat.
Procesul testrii semnificaiei coeficientului de corelaie ( ) n raport cu cel al
eantionului ( r ) se desfoar pornind de la urmtoarele aspecte:
variabila rezultativ y i cea factorial x s fie repartizate normal;
coeficientul de corelaie al colectivitii generale ( ) s-ar determina astfel:
(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:
- absolut corect cu: M (r ) = i 2 (r ) 0

- cu abaterea medie ptratic: s r =
1 r2
n2
1 r 2
- avnd distribuia normal: N ,

n2
Etapele parcurse pentru testarea semnificaiei coeficientului de corelaie sunt:
1. Ipoteza nul H 0 : = 0 (coeficientul de corelaie al colectivitii nu este semnificativ

statistic, deci nu difer semnificativ de zero),
2. Ipoteza alternativ H 1 : 0 (coeficientul de corelaie al colectivitii este semnificativ

statistic, deci difer semnificativ de zero).
2.1. - testul unilateral stnga: H 1 : < 0 (coeficientul de corelaie al colectivitii este

semnificativ statistic, deci mai mic semnificativ de zero)
2.2. - testul bilateral: H 1 : 0 (coeficientul de corelaie al colectivitii este

semnificativ statistic, deci difer semnificativ de zero)
2.3. - test unilateral dreapta: H 1 : > 0 (coeficientul de corelaie al colectivitii este

semnificativ statistic, deci mai mare semnificativ de zero)
3. n raport cu datele i cerinele aplicaiei se utilizeaz testul t

150
( Student)
4. Se stabilete limita de semnificaie i regiunea de respingere

t tabelar sau teoretic t ; n 2 (Anexa 3) i valoarea cu semnul - se plaseaz pe
grafic.
regiunea de respingere Rr : dac t c < t ; n 2 , atunci H o se respinge, deci
coeficientul de corelaie este semnificativ mai mic dect zero.

2
; n2
(Anexa 3) i valorile cu semnele + i - se
plaseaz pe grafic.

2
; n2
sau t c > t
2
; n2
atunci H o deci
coeficientul de corelaie este semnificativ diferit de zero.
t tabelar sau teoretic t ; n 2 (Anexa 3) i valoarea cu semnul + se plaseaz pe

grafic.
regiunea de respingere Rr : dac t c > t ; n 2 , atunci H o se respinge, deci

coeficientul de corelaie este semnificativ mai mare dect zero.
5.
Statistica testului13 calculat este:
tc =
1 r2
n2
(10.8)
6. Concluzia se stabilete n funcie de regiunea de respingere i valoarea calculat t c , astfel: se

compar valoarea lui t c cu una din valorile - t ; n 2 , - t
2
; 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 ,
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
Testarea semnificaiei coeficientului de corelaie simpl liniar se poate realiza i cu

ajutorul testului Fisher14 (testul F ), utiliznd aceeai metodologie ca i n cazul testrii
raportului de corelaie, numai c, statistica testului este:
Fc =
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 .
10.2 Corelaia multipl

n studierea corelaiei din cadrul activitilor de comer-turism-servicii trebuie utilizai
indicatori care s permit o interpretare a modului n care se concretizeaz legtura.
Formarea unei legturi multiple liniare ntre caracteristicile studiate creeaz posibilitatea
utilizrii coeficientului de corelaie multipl.
Coeficientul de corelaie multipl se stabilete n raport cu coeficientul de corelaie
simpl i, n special pe baza relaiei de egalitate dintre raportul de corelaie i coeficientul de
corelaie simpl ( R = r ).
n funcie de tipul seriei bidimensionale, raportul de corelaie utilizat este:
pentru o serie bidimensional simpl
(y
n
R y / x1, , x2 ,..., xn = 1
i =1
y x1 , x2 ,..., xn
(y
y)
(10.10)
2
i =1
pentru o serie bidimensional cu frecvene
(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
n general, dac o caracteristic rezultativ este influenat de doi factori, atunci n

funcie de tipul factorilor, coeficientul de corelaie multipl are formele:
14
Ibidem,n subcapitolul 2.3 2.3.4. Repartiia Fisher-Snedecor
152
pentru factori interpendeni:

ry2/ x1 + ry2/ x2 2ry / x1 ry / x2 rx1 x2
R y / x1 , x2 = ry / x1 , x2 =
1 rx21x2
(10.12)
pentru factori independeni, deoarece rx1x2 = 0 rezult:

R y / x1 , x2 = ry / x1 , x2 = ry2/ x1 + ry2/ x2
(10.13)
Utilizarea relaiei (10.13) are n vedere, n special, verificarea liniaritii funciei de

estimare. Subliniem c relaia (10.13) este adevrat (se verific) numai n cazul n care ntre
variabilele analizate exist o relaie de liniaritate.
Similar modului de definire a coeficientului de corelaie (relaia 6.1) se deduce imediat c
ry / x1 , ry / x2 , respectiv rx1x2 au expresiile:
n
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)
Tendina de interaciune dintre factorii de influen ntre care exist o relaie de

interdependen i variabila rezultativ, precum i ierarhizarea caracteristicilor factoriale, poate fi
evideniat ca urmare a aplicrii metodologiei de calcul a unui tip de corelaie denumit corelaie
parial.
Corelaia parial se stabilete n raport cu valorile coeficientului de corelaie multipl, iar
coeficienii de corelaie pariali formai se determin astfel:
153
cnd caracteristica x 2 este constant, coeficientul de corelaie parial ntre y i x1

este:
ry / x1 ( x2 ) =
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
Coeficientul de corelaie ry / x1 ( x2 ) ne indic gradul de influen a primului factor ( x1 )

asupra caracteristicii rezultative ( y ), n condiiile meninerii constante a celui de-al
doilea factor ( x 2 ).
cnd caracteristica x1 este constant, coeficientul de corelaie parial ntre y i x2

este:
ry / x2 ( x1 ) =
y2 / x x2 x
1
1 2
2
y / x1
= 1
x2 x
1 2
2
y / x1
(10.21)
sau
ry / x2 ( x1 ) =
(1 r )(1 r )
2
y / x1
2
x1 x2
(10.22)
Coeficientul de corelaie ry / x2 x1 ne indic gradul de influen a celui de-al doilea factor

( x 2 ) asupra caracteristicii rezultative ( y ), n condiiile meninerii constante a primei
caracteristici factoriale ( x1 ).
Studierea legturii dintre mai multe caracteristici factoriale i cea rezultativ, prin
utilizarea coeficienilor de corelaie pariali, presupune o reflectare a influenei fiecrei variabile
factoriale n parte, asupra celei rezultative, n condiiile meninerii constante a influenei
celeilalte variabile factoriale.
Ca i n cazul coeficientului de corelaie simpl liniar, determinarea coeficientului de
corelaie multipl are n vedere aplicarea indicatorului, printr-o metodologie econometric
adecvat i n cazul testrii semnificaiei acestuia la nivelul colectivitii generale din care a fost
selectat eantionul aflat n studiu.
154
Verificarea semnificaiei coeficientului de corelaie multipl, ct i a coeficienilor

pariali reprezint un proces de testare a valorii acestora n sensul de a stabili dac valorile
rezultate sunt reale sau se datoreaz n cea mai mare parte aciunii erorilor aleatoare care apar n
urma derulrii sondajului.
Metodologia testrii semnificaiei este aceeai cu cea utilizat la testarea coeficientului de
corelaie simpl liniar.
Dup stabilirea ipotezelor (nul i alternativ), se precizeaz limita de semnificaie i
regiunea de respingere, pentru ca n urmtoarea etap, s se aplice unul testele prezentate mai
sus:
o Testul Student ( t ), cu statistica (relaia 6.8):
tc =
r
1 r2
n2
o Testul Fisher Snedecor ( F ), cu statistica (relaia 6.9):

Fc =
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.

1. Ce reprezint coeficientul de corelaie?
155
2. Care sunt valorile coeficientului de corelaie ce stabilesc gradul de intensitate a

legturii dintre variabilele analizate?
3. Care sunt etapele ce trebuiesc parcurse pentru testarea semnificaiei coeficientului de
corelaie?
4. Care este formula cu care se calculeaz statistica testului coeficientului de corelaie?
5. Care este testul cu ajutorul cruia se testeaz semnificaia coeficientului de corelaie
simpl liniar?

1. Verificarea intensitii legturii dintre variabilele economice cantitative presupune
utilizarea:
a. testului F;
b. coeficientului de contingen;
c. analizei dispersionale;
d. coeficientului de corelaie.
2. Coeficientul de corelaie arat:
a. ct de puternic este legtura dintre variabile;
b. omogenitatea legturii dintre variabile;
c. erorile seriei de date;
d. abaterile modelului econometric.
3. Intervalele de valori ale coeficientului de corelaie sunt:
a. ry/x
(0; 0,2) - legatura direct foarte slab;
b. ry/x
(0,2; 0,5) legatur direct slab;
c. ry/x
(0,5; 0,75) legatur direct de intensitate medie;
d. ry/x
(0,75; 0,95) - legatura este biunivoca si de inteensitate slaba
e. ry/x
(0,75; 0,95) - legatur direct puternic;
f. ry/x
(0,95; 1) legatur direct foarte puternic.
A: a, b, c, d, e; B: a, c, d, f; C: a, b, c, e, f; D: b, c, d, e.
156
4. Un agent economic urmrete creterea profitului activitii sale, prin utilizarea

optim a capacitilor de producie. Pentru analiz utilizeaz date din cinci luni,
astfel:
7
9
Profitul
Capacit de producie
9
12
11
14
12
11
14
16
Coeficientul de corelaie simpl este:

a. 0,98;
b. 0,81;
c. 0,56;
d. 1.
5. Se cunosc urmtoarele date referitoare la venitul lunar i cheltuielile medii lunare cu
educaia efectuate de 10 familii incluse n eantionion:
Venit lunar
Cheltuieli medii
lunare cu educaia
1800
1900
1500
1700
2100
2500
1900
2200
2600
2000
400
450
450
600
800
700
500
600
700
500

a. 0,60;
b. 0,81;
c. 0,68;
d. 0,97.
6. Se cunosc urmtoarele date referitoare la vnzrile a 10 produse astfel:
Preul produselor
Cheltuieli cu
publicitatea
19
11
17
15
14
12
11
17
12
16

a. 0,89;
b. 0,83;
c. 0,68;
d. 0,75.
157
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
simple acesta are forma: r =
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 =

1 rx21 x2
pentru factori interpendeni, respectiv
ry / x1 , x2 = ry2/ x1 + ry2/ x2 pentru factori independeni, deoarece rx1 x2 = 0 .
Testarea semnificaiei statistice a valorii coeficientului de corelaie liniar simpl se poate

face utiliznd testul Student, cu statistica t c =
Fc =
r
1 r2
n 2 sau testul Fischer cu statistica
r2
(n 2) . Testrile se efectueaz parcurgnd secvenial etapele prezentate n unitatea
1 r2
de nvare 5.
Bibliografie
M.

Voineagu V, ian E.,

erban R., Ghi S.,
Pele D.

2007
158
MODELUL DE REGRESIE LINIAR UNIFACTORIAL
Bibliografie
Unitatea de nvare 11 Modelul de regresie liniar unifactorial ............................................. 159
11.1
Ipotezele modelului ...................................................................................................... 163
11.2
Determinarea i validarea parametrilor modelului linear unifactorial ......................... 155

Rezumat ................................................................................................................................... 183
Bibliografie.............................................................................................................................. 184

ipotezele modelului regresie unifactorial;
determinarea i validarea modelului de regresie unifactorial;
11.1 Ipotezele modelului

Conceptul statistic de regresie15 a fost utilizat pentru prima dat n 1886 de biologul
englez Francis Golton (1822-1894).
Utilizarea regresiei presupune aplicarea unei metode statistice care s vizeze depistarea,
stabilirea i comensurarea unei relaii constituite ntre dou sau mai multe variabile, n care una
15
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
variabilei rezultative Y , de variabilele factoriale X x1 , x 2 , K , x n .

n acest context, funcia de regresie este o funcie de modulare sub forma ecuaiei medie
de tendin, ca rezultat a utilizrii unor ecuaii de estimare.
Funcia de regresie poate s apar sub forma unei reprezentri grafice i poate fi validat
prin intermediul testului F (Fisher Snedecor) de analiz dispersional.
Activitatea practic impune s se acorde o atenie deosebit n alegerea corect a funciei
de regresie pentru c, n studierea legturilor dintre fenomenele i procese economice este cea
mai important i exprim foarte clar relaia dintre variabilele studiate (rezultativ i factorial /
factoriale).
Tipul funciei de regresie este stabilit n raport cu reprezentarea grafic a norului de
puncte, corespunztoare distribuiei studiate (scalter diagram- diagrama mprterii punctelor
pe grafic).
Astfel, o analiz detaliat i ct mai exact a unui proces sau fenomen economic impune
o studiere clar a tipului funciei de regresie dup o clasificare realizat n raport cu
variabilele i parametrii inclui n model, dup cum urmeaz:
liniar n raport cu parametrii, n care att variabilele modelului ct i parametrii sunt la
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.
neliniar cu urmtoarele variante:
neliniar n raport cu variabilele dar liniar n raport cu parametrieste acea

reprezentare n care cel puin una dintre variabilele explicative este la o putere
diferit de putera nti de forme precum:
y = a 0 + a1 x + a 2 x 2 ; y = aX a Z ( a 1, 1 ),
(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)
neliniar n raport cu variabilele i cu parametrii - caz n care cel puin o variabil i

cel puin un parametru sunt la o putere diferit de puterea nti, cum ar fi:
y = a 2 x + a x 2 etc.
(11.5)
Importana deosebit acordat funciei regresiei se transpune printr-o eficien

ridicat n utilizarea metodelor regresiei la nivelul multor domenii de activitate.
Conjunctura n care se aplic modelul unifactorial de regresie liniar vizeaz atingerea
unor ipoteze sintezate prin patru aspecte:
1.
2.
Stabilirea soluiilor are n vedere ca date utilizate:
s fie obinute fr erori simetrice de observare;
s fie n numr suficient de mare (mai mare dect numrul parametilor astimai).
Variabila factorial (x)
este nestocastic;
are acelai valori n condiiile repetrii sondajului;
este evideniat datorit variabilitii nivelurilor nregistrate n cadrul eantionului

(dispersia x2 ).
3.
Modelul de regresie
este liniar n raport cu parametrii;
este corect stabilit prin:

161
alegerea potrivit a formei funcionale:

-
liniar
neliniar transformat n 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
Figura 11.116. Distribuia de probabilitate pentru i

4.
Variabila rezidual ( i )
este de medie zero i urmeaz o repartiie normal (figura 6.1):
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
Figura 11.2 Dispersie constant a rezidurilor (homoscedasticitate)
nu este corelat cu variabila factorial ( x ), deci:

Cov( i , xi ) = 0
nu este autocorelat n sensul c, abaterile observaiilor de la valorile presupuse nu

sunt corelate.
Cov ( i , j ) = 0
11.2 Determinarea i validarea parametrilor modelului linear unifactorial

Aplicabilitatea coeficientului de corelaie n econometrie este strns legat de regresia
liniar17 i n principal, de parametrii ce formeaz funcia de regresie liniar.
n raport cu modul de stabilire a parametrilor ecuaiei de regresie liniar, coeficientul de
corelaie poate fi determinat prin dou variante:
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)
Relaia (6.37) evideniaz mai bine legtura coeficientului de corelaie ( r ) cu coeficientul

de regresie ( b ), deci implicit cu metoda regresiei.
Deoarece, s x i s y sunt ntotdeauna pozitive, ambii coeficieni vor avea acelai semn
care va indica direcia legturii (vor avea aceeai interpretare n ceea ce privete direcia
legturii).
Tendina de liniaritate a legturii dintre o variabil rezultativ i alta explicativ, de tip
factorial, este reflectat nu numai printr-o reprezentare grafic nsoit de aplicarea modelului de
regresie liniar, dar i prin egalitatea dintre raportul de corelaie ( R ) i coeficientul de corelaie
( r ): R = r .
Regresia unifactorial liniar este reprezentat printr-un model n care:
asupra caracteristicii rezultative acioneaz n principal un singur factor variabil

(variabila explicativ sau independent), deci:
164
la nivelul colectivitii generale: Y = f ( X i )
la nivelul eantionului: y = f ( xi )
restul factorilor sunt considerai neeseniali i au o aciune constant i neglijabil

rezumat ntr-o valoare medie i pentru colectivitatea general i ei pentru eantion.
forma reprezentrii grafice i a funciei regresiei teoretice a distribuiei n raport cu cele

dou variabile este de tip liniar, astfel:
pentru colectivitatea general :
pentru eantion:
Yi = + xi
y i = a + b xi
Posibilitile de aplicare practic a modelului de regresie unifactorial liniar are n

vedere urmtoarea reprezentare grafic din figura 7.2.
y
3
= 0,5
0,5
1
y = 1 + 0,5 x
=1
1
Figura 7.2. Evidenierea grafic a parametrilor funciei de regresie liniar unifactorial
Graficul (11.8) ne arat c, pe colectivitatea statistic general, aplicarea modelului ce

reflect influena factorului x asupra rezultativei y presupune utilizarea ecuaiei de regresie
liniar
Yi = + xi + i
(11.8)
Notnd cu Y nfluena factorului determinist asupra variabilei rezultative Y , relaia

(11.9) devine:
165
Yi = Yi + i
(11.9)
unde Yi = + xi .
Interpretarea parametrilor i este dat de reprezentarea grafic (figura 11.8) astfel:
este punctul de intersecie al dreptei de regresie cu axa OY

este pant a dreptei de regresie; n analiz, apare sub denumirea de coeficient de
regresie, care ne arat cu cte uniti se modific y sub influena variaiei factorului x cu o
unitate.
De cele mai multe ori, n practic, modelul regresiei unifactoriale liniare se aplic pe un
eantion cu n perechi de observare: (x1 , y1 ) , ( x2 , y 2 ) , ( x3 , y 3 ) ,..., (x n , y n ) , astfel:

y i = a + b xi + ei
(11.10)
yi = y i + ei
(11.11)
care poate i scris i sub forma:
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:
pentru colectivitatea general
i = Yi i
(11.12)
pentru eantion
ei = yi y i
(11.13)
n ambele situaii, att eroarea aleatoare ( i ), ct i estimatorul elementului rezidual ( ei )

ne indic diferenele ce apar ntre valorile reale (empirice) i cele rezultate prin observare ( i
sau yi ).
Modelul unifactorial de regresie liniar poate fi aplicat la nivelul unui eantion numai
dac exist posibilitatea estimrii parametrilor inclui n respectivul model.
166
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:
s fie ct mai mare gradul de determinare ( R 2 );
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;
estimrile stabilite s reprezinte soluii nedeplasate, consistente i eficiente;
s fie minim costul necesar aplicrii metodei de estimare.
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
Notnd cu S = ( y i a bxi ) 2 , din condiiile de optim de ordinul nti:

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
obinem sistemul de ecuaii normale:
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)
Pentru determinarea expresiilor parametrilor a i b din sistemul de ecuaii normale

(11.16) aplicm metoda determinanilor astfel:
n
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
, de unde, pentru parametrul b rezult:
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
Utilizarea modelului regresiei unifactoriale liniare nu permite numai stabilirea funciei de

regresie i determinarea cu ajutorul sistemului de ecuaii normale a parametrilor acestuia, ci
permite i interpretarea estimatorilor determinai astfel:
168
Parametrul estimator a :
- este denumit i termen liber;

- are caracter de mrime medie indic valoarea variabilei rezultative y cnd toi
factorii neeseniali au o aciune constant (este nivelul mediu al variabilei y
determinat prin influena celorlali factori, n afara lui xi ).
- n reprezentarea grafic, indic punctul de ntlnire dintre axa OY i panta dreptei de

regresie.
- valoarea pozitiv ( a > 0 ) sau negativ ( a < 0 ) nu are nici o relevan n modelul
regresiei.
Parametrul estimator b :
- se numete coeficient de regresie;

- arat:
gradul
de influen a variabilitii factoriale x asupra rezultativei y (cu ct variaz n
medie y n condiiile modificrii cu o unitate a factorului x ).

direcia legturii:
b > 0 , legtur direct (creterea valorilor variabilei factoriale x determin o

cretere a valorilor ecuaiilor de regresie i invers).
b < 0 , legtur invers sau indirect (creterea valorilor variabilei factoriale x

determin o scdere a valorilor ecuaiilor de regeresie i invers).
b 0 , nu exist legtur; variabilele sunt independente valoarea medie a a

caracteristicii factoriale x este egal cu cea a caracteristicii rezultative).
- n reprezentarea grafic, parametrii exprim panta dreptei de regresie.

Odat cu interpretatrea parametrilor estimatori a i b se ncheie prima treapt a
modelului regresiei unifactoriale liniare prin care s-a stabilit i s-a aplicat metoda.
Verificarea validitii modelului unifactorial de regresie liniar

A doua treapt de analiz a modelului unifactorial de regresie liniar este reprezentat de
verificarea validitii metodei, prin intermediul creia se dorete o confirmare a stabilirii i
utilizrii respectivului model.
169
Confirmarea de alegere i utilizare corect a modelului unifactorial de regresie liniar

este complet numai dup parcurgerea urmtoarelor etape:
- testarea validitii modelul unifactorial de regresie liniar utiliznd metod ANOVA

- stabilirea i testarea semnificaiei raportului de corelaie (R).
-
testarea semnificaiei parametrii modelului regresiei unifactoriale liniare i estimarea lor pe

interval de ncredere.
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
S se stabileasc direcia i intensitatea legturii dintre salariul mediu acordat salariailor i

profitul nregistrat de respectivele supermarket-uri.
Testai semnificaia coeficientului de corelaie determinat
Rezolvare:
1. Stabilirea direciei i intensitii legturii presupune determinarea coeficientul de corelaie
simpl liniar.
Se identific cele dou variabile:
xi variabila factorial = profitul (mil. lei) nregistrat pentru fiecare supermarket

yi - variabila dependent = salariul mediu pe salariat (mii lei) acordat la nivelul fiecrui
supermarket
170
Determinarea coeficientului de corelaie presupune parcurgerea algoritmului din tabelul

11.3.
nlocuind valorile sumelor din tabelul 11.3 n relaia
n
r=
(x
x )( y i y )
i =1
n
n
2
2
( xi x ) ( y i y )
i =1
i =1
coeficientul de corelaie dintre salariul mediu acordat salariailor i profitul nregistrat de

respectivele supermarket-uri este:
r=
279,53
118 763,49
0,93
(11.18)
Valoarea coeficientului de corelaie, r = + 0,93 ne arat c, ntre salariul mediu acordat

salariailor i profitul nregistrat de respectivele supermarket-uri, exist o legtur direct
puternic, deoarece r (0,75 ; 0,95) .
Tabelul 11.3. Determinarea coeficientul de corelaie liniar simpl
Profit
(mil.lei)
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
2. Testarea semnificaiei coeficientului de corelaie

Varianta 1 cu testul Student ( t )
1.
Ipoteza nul H 0 : = 0 (coeficientul de corelaie al colectivitii nu este semnificativ

statistic, deci nu difer semnificativ de zero).
H 1 : > 0 (coeficientul de corelaie al colectivitii este semnificativ
2. Ipoteza alternativ
statistic, deci mai mare semnificativ de zero).
3. Se utilizeaz testul t ( Student) - test unilateral dreapta

4. Se stabilete limita
de semnificaie
= 0,05 , de unde testul
tabelar sau
teoretic t ;n 2 = t 0, 05;15 2 = t 0, 05;13 = 2,16 i regiunea de respingere Rr : dac t c > t ;n 2 , atunci
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
6. Concluzia se stabilete n funcie de regiunea de respingere i valoarea calculat t c , astfel:

valoarea lui t c = 9,13 cu valoarea t ;n 2 = 2,16 i se observ c t c > t ;n 2 , deci H o se
respinge, prin urmare coeficientul de corelaie este semnificativ statistic (fiind semnificativ
mai mare dect zero).
Varianta 2 cu testul Fisher Snedecor ( F )

1.

3. Se utilizeaz testul F (Fisher Snedecor) - test unilateral dreapta.
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.
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
Valoarea ncasrilor (UM)
7,4
6,7
6,0
6,3
6,8
7,9
10,5
8,8
8,4
6,3
5,9
9,5
Numr turiti (mii)
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
Durata medie a sejurului

(zile)
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 = f (nr. turiti, durata medie a sejurului)

Notaii : yi - valoarea ncasrilor (caracteristic dependent)
x1i - numrul turitilor (caracteristic independent)

x2i - durata medie a sejurului (caracteristic independent)
Se stabilete gradul de dependen al fiecrei caracteristici.
Coeficientul de corelaie dintre valoarea ncasrilor i numrul de turiti se determin
cu valorile corespunztoare din ultima linie a tabelului 11.5.
Tabelul 11.5. Tabelul cu algoritmul de calcul pentru coeficientul de corelaie ( ry / x1 )

Numr
turiti (mii)
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
12 271,44 33,5 90,5

12 118,41 33,5 2 12 706,93 90,5 2
= 0,76
rezultat care ne arat c, ntre
numrul turitilor i valoarea ncasrilor exist o legtur direct puternic, deoarece

ry / x1 (0,75 ; 0,95) .
Coeficientul de corelaie dintre valoarea ncasrilor i durata medie a sejurului se

determin cu valorile corespunztoare din ultima linie a tabelului 11.6:

Durata
medie a
sejurului
(zile)
x 2i
4,5
3,5
4,0
4,5
5,0
5,5
6,0
6,5
5,0
4,0
4,0
4,5
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
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
= 0,71 valoare care ne indic existena unei
12 279,50 57 2 12 706,93 90,50 2
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
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
12 164,45 33,50 57,00

12 118,41 33,50 2 12 279,50 57,00 2
= 0,36 rezultat care indic existena
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 =
0,76 2 + 0,712 2 0,76 0,71 0,36

= 0,89
1 0,36 2
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 ) =
(1 r )(1 r )
2
y / x2
2
x1 x2
0,76 0,71 0,36
(1 0,71 ) (1 0,36 )
2
0,77
In condiiile meninerii constante a duratei sejurului, coeficientul de corelaie cu valoarea

ry / x1 ( x2 ) = 0,77 , ne indic influena puternic numrului turitilor asupra valorii ncasrilor,
deoarece ry / x1 ( x2 ) (0,75 ; 0,95) .

Dac meninem constant factorul x2 atunci rezult:
ry / x2 ( x1 ) =
(1 r )(1 r )
2
y / x1
2
x1 x2
0,71 0,76 0,36
(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) .
2. Testarea semnificaiei coeficienilor de corelaie

1.

177
3. Se utilizeaz testul t ( Student) - test unilateral dreapta.

de semnificaie
tabelar sau
5. Statisticile testului calculate pentru cei trei indicatori sunt:

pentru coeficientul de corelaie multipl ( R y / x1 , x2 = ry / x1 , x2 = 0,89 ):
t c ry / x1 , x2 =
1 r
n2 =
0,89
1 0,89 2
12 2 = 6,17
pentru coeficientul de corelaie parial, cu factoriala x 2 constant ( ry / x1 ( x2 ) = 0,77 )
t c ry / x1 ( x2 ) =
r
1 r
0,77
n2 =
1 0,77 2
12 2 = 3,81
pentru coeficientul de corelaie parial, cu factoriala x1 constant ( ry / x2 ( x1 ) = 0,72 )
t c ry / x2 ( x1 ) =
r
1 r
n2 =
0,72
1 0,72 2
12 2 = 3,28
pentru coeficientul de corelaie multipl : t c (ry / x1 , x2 ) = 6,17 > 2,228 = t ;n 2 , deci
H o se respinge, prin urmare coeficientul de corelaie multipl este semnificativ

statistic (fiind semnificativ mai mare dect zero).
pentru coeficientul de corelaie parial, cu
t c ry / x1 ( x2 ) = 3,81 > 2,228 = t ;n 2 , deci
factoriala
x2
constant :
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,
: t c (ry / x2 ( x1 ) ) = 3,28 > 2,228 = t ;n 2 , deci
178
cu
factoriala
x1
constant
dect zero).
Varianta 2 testul Fisher Snedecor ( F )

1.

3. Se utilizeaz testul F (Fisher Snedecor) - test unilateral dreapta

Fc = F ;k ;n k 1 = F0, 05;1;112 2 = F0, 05;1;10 = 4,96 i regiunea de respingere Rr : dac Fc > F ;1;n 2 ,

F ry / x1 , x2 =
pentru coeficientul de corelaie parial, cu factoriala x 2 constant ( ry / x1 ( x2 ) = 0,77 ):
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
pentru coeficientul de corelaie parial, cu factoriala x1 constant ( ry / x2 ( x1 ) = 0,72 ):
F ry / x2 ( x1 ) =
r2
0,72 2
(
)
2
=
(12 2) = 10,76
1 r2
1 0,72 2
6. Concluzia se stabilete n funcie de regiunea de respingere i valoarea calculat f c , astfel:
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
dect zero).
pentru
coeficientul de
corelaie parial,
cu
factoriala
x1
constant
: F (ry / x2 ( x1 ) ) = 10,76 > 4,96 = F ;1;n 2 , deci H o se respinge, deci H o se respinge,

prin urmare acest coeficient de corelaie parial este semnificativ statistic (fiind
semnificativ mai mare dect zero).

1. Ce presupune utilizarea metodei regresiei?
2. Care esete elementul fundamental n cadrul metodei regresiei?
3. Cum se valideaz modelul de regresie?
4.
Care sunt etapele parcurse pentru testarea semnificaiei coeficientului de corelaie?
5. Care sunt ipotezele modelului unifactorial de regresie liniar?

1. Metoda regresiei este metoda prin care
a. se poate explica forma legturii (liniara, curbilinie);
b. se poate previziona nivelul unui factor n funcie de valorile altor factori;
c. se poate stabili omogenitatea factorilor i legturilor;
d. se poate previziona forma legturii (liniara, curbilinie).
A: c; B: a,b; C: a,b,c; D:a,c.
2. Validarea modelului de regresie

a. se realizeaza aplicnd testul Z;
b. se realizeaza aplicnd testul Fisher-Snedecor (testul F);
c. se realizeaza aplicnd testul T;
180
d. se realizeaz aplicnd testul Student.

3. Legturile multiple studiaz:
a. dependena dintre o variabila cauzal x i o variabil y, unde y = f(x);
b. dependena dintre o caracteristic dependent y i dou sau mai multe
caracteristici independente;
c. dependena dintre dou variabile;
d. idependena dintre mai multe variabile.
4. Legturile directe exist n cazul n care:
a. coeficientul de regresie este negativ;
b. cele dou caracteristici se modific n sens invers;
c. coeficientul de determinaie este negativ;
d. caracteristica dependent se modific n acelai sens cu caracteristica
independent.
5. Pentru a analiza dependena dintre venituri i cheltuieli s-au nregistrat date
referitoare la aceste variabile pentru 10 gospodrii, astfel:
Venituri
(mii lei)
Cheltuieli
(mii lei)
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
n urma aplicrii modelului de regresie putem spune c:

a. legtura dintre venituri i cheltuieli este una de intensitate medie (R=0,72);
b. legtura dintre venituri i cheltuieli este una de intensitate puternic (R=0,85);
c. legtura dintre venituri i cheltuieli este una de intensitate medie (R=0,69);
d. legtura dintre venituri i cheltuieli este una de intensitate foarte puternic
(R=0,96);
6. Se cunosc informaii despre preul a 5 case vndute n Ploieti, n zona de Sud, n anul
2012 i suprafaa locuibil a acestora.
Suprafaa locuit
Preul
1,6
2,5
1,7
2,6
181
1,9
2,7
2,05
2,7
2,27
2,8
Ecuaia de regresie este:

a. Y=0,41+1,89 X
b. Y=0,32+1,22 X
c. Y=1,88+0,41 X
d. Y=2,33+1,56 X
1,6
2,5
Suprafaa locuit
Preul
1,7
2,6
1,9
2,7
2,05
2,7
2,27
2,8
n urma prelucrrii datelor i specificrii ecuaiei de regresie, se testeaz validitatea

modelului pentru un nivel de semnificaie de 5%. n concluzie putem spune c:
a. modelul este valid i ntre cele dou variabile exist o legtur de intensitate
puternic;
b. modelul nu este valid;
c. modelul este valid i ntre cele dou variabile exist o legtur de intensitate
foarte puternic;
d. modelul este valid i i ntre cele dou variabile exist o legtur de intensitate
slab;
8. Se cunosc informaii cu privire la notele obinute de 10 studeni la disciplina
econometrie, precum i numrul de absene acumulate de acetia.
X (Nr absente)
Y (Nota)
8
4
3
8
0
10

a. Y=1,22+0,8178X
b. Y=-10,22+0,82X
c. Y= 10,22-0,8178X
d. Y=2.22-1,2X
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

puternic;
medie;
slab;
10. Se cunosc informatii cu privire la profitul si cheltuielile cu publicitatea pentru 5 firme
din judetul Prahova.
X (CHELTUIELI CU
PUBLICITATEA)
Y (PROFIT)
35
36
34
32
27
28
29
28
26
27

a. Y=20,76+0,21X
b. Y=20,76+0,21X
c. Y= 20,76+0,21X
d. Y=0,21+20,76X
Rezumat
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
dispersiilor, abaterilor standard, etc, aceasta reprezint o component a metodelor parametrice de

msurare i analiz a legturilor formate n cadrul derulrii unor procese sau fenomene
economice.
Forma general a modelului ce reflect influena factorului x asupra rezultativei y
este Yi = + xi + i . Notnd
cu Y nfluena factorului determinist asupra variabilei
rezultative Y , modelul devine Yi = Yi + i unde Yi = + xi .

maxime.
Testarea validitii modelului i a semnificaiei statistice a parametrilor acestuia se
efectueaz cu ajutorul ANOVA. De asemenea se determin i se testeaz raportul de corelaie i
coeficientul de detrminaie.
Bibliografie
M.

Voineagu V, ian E.,

erban R., Ghi S.,
Pele D.

2007
184
Rspunsuri la testele de autoevaluare

9. c;
10. c.
1. a;
2. A: a+b+c;
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;
10. a.
1. b;
2. b;
3. c;
1. a;
4. b;
2. a;
5. d.
3. a;
4. b;
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
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.
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
1. b;
2. b;
3. a;
4. d;
5. c.
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
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
Funcie de probabilitatea P ( 2 > 2 ) =
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
Funcie de probabilitatea P( 2 > 2 ) =
(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
Nivel de semnificaie pentru testul unilateral
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
(continuare)
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
(continuare)
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
201
Anexa 4
Distribuia Fisher-Snedecor (F )
Valorile funciei F pentru I 1 i I 2 grade de libertate i
I1
= 0,05 nivelul de semnificaie
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
= 0,05 nivel de semnificaie
(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
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
= 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
I1
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
(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.

2003
Bdi M., Baron T.,

Korka M.
Bdi M., Baron T.,

Cristache S.E.

Bierens H.J.
Introduction to the Mathematical and Statistical

Foundations of Econometrics, Cambridge University
Press, Cambridge, 2004
Biji M., Biji E.

Bucureti, 1979
Box George E.P.,

Gwilym M Jenkins,
Gregory C. Reinsel
Time Series Analysis: Forecasting and Control,

Edgewood Cliffs, NJ: Prentice-Hall, 1994
Chow G.
Clocotici V.

Bucureti, 2000

D.

Dougherty Ch.

2007
Gogonea R.M.
Gogonea R.M.
Cercetarea statistic n turismul rural. Studiul turismului

rural din zona Bran-Moeciu, Editura Universitar,
Bucureti, 2006

M.

M., Hapenciuc C.V.
Sustainable Development in Barsa Land. A Correlation

st
Analysis and System Modeling , 31 International
Convention on Information and Communication
Technology, Electronics and microelectronics, MIPRO
2008, vol. V, Opatija, Croaia, 2008
Econometric Models Applied in Study of Unemployment
214
M.,
Rate Evolution in Romania, in Recent Advances in

Fuzzy Systems, Proceedings of the 10th WSEAS
Int.Conf. on Fuzzy Systems (FS09), p.116-121, Prague,
Czech Republic, 2009, (ISI/SCI)
Gujarati D.N.
Basic Econometrics, McGraw Hill, New York, 1995
Hannan E.J., Deistler

M.
The Statistical Theory of Linear Systems, New York:

Wiley, 1988
Hapenciuc C.V.
Cercetarea statistic n turism, editura Didactic i

pedagogic, Bucureti, 2003
Hapenciuc C.V.

Junimea, Iai, 2004
Harvey A.C.
Trends, Cycles and Autoregressions, Economic Journal,

Vol 107, 1997
HsiaoJohnston J.,
Dinardo J.,
C.,
Voineagu V.
Jaba E.
Jaba E.

Bucureti, 2002
Mihil N.,
Popescu O.
Mitru C., erban D
Matematici speciale aplicate n economie, Editura

Didactic i Pedagogic, 1978
Bucureti, 2003
Oprescu Gh.
Dinamic economic stochastic. Mecanisme de filtrare

i predicie, Editura ASE, Bucureti, 2007
Oprescu Gh., Spircu L.,

Zaharia M.
Bazele ciberneticii economice, Editura Inforec Bucureti,

1997
Pecican t. E.

Bucureti, 2007
Popescu Th.
Serii de timp. Aplicaii n analiza sistemelor, Editura

Tehnic, Bucureti, 2000
Reinsel G.C.
Elements of Multivariate Time Series Analysis, Springer

Varleg, New York, 1997
Stewart J.
erban R.

Dacia Nova, 2001
Voineagu V, ian E.,
215
erban R., Ghi S.,

Pele D.
2007
Wonnacott T.H.,
Wonnacott R.J.,
Introductory Statistics for Business and Economics, New

York:Wiley,1990
Zaharia M., Hapenciuc

C., Gogonea R.M.
Analysis of the Correlation Between the Existing

Accommodation Capacity and the Number of Tourists
Arrived in Suceava Country Structure of Tourist
Reception, Revista de Turism Nr.5/anul III/2008
Zaharia M., Hospodar

A.
Using Tar Models in Analyses of Stock Volatility, in

Economic Computing and Economic Cybernetics Studies
and Research, Nr.1 4/1997
Zaharia M., Zaheu I.,

Stan E. R.
Study Regarding SNP Petrom Stock List Evolution by

Using Autoregressive Models, International Conference
Economy and Business Sunny Beach Bulgaria, in
Economic & Business / International Scientific
Publications 2008, vol 2, Part 1, 2008
216
Econometrie
Suport de Curs-nvamntul la
distan
Prof. univ. dr. Zaharia Marian

Asist. Univ. drd. Oprea Cristina
Cuprins
Unitatea de nvare 1 INTRODUCERE N ECONOMETRIE .................................................... 6
Obiectivele Unitii de nvare 1 ......................................................................................................... 6
Rezumat ............................................................................................................................................ 16
Bibliografie ....................................................................................................................................... 17
Unitatea de nvare 2 NOIUNI PRIVIND VARIABILELE ALEATOARE ........................... 18

Lucrare deverificare 2A ..................................................................................................................... 29
Rezumat ............................................................................................................................................ 30
Bibliografie ....................................................................................................................................... 31
Unitatea de nvare 3 CARACTERISTICILE DISTRIBUIEI VARIABILEI

ALEATOARE............................................................................................................................... 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
Rezumat ............................................................................................................................................ 46
Bibliografie ....................................................................................................................................... 47

STATISTICE ................................................................................................................................ 48
4.1 Repartiia normal normat (Z ) ................................................................................................... 48

4.2 Repartiia
............................................................................................................................. 53
4.3 Repartiia Student ( t ) .................................................................................................................. 55

4.4 Repartiia Fisher-Snedecor ( F ) ................................................................................................. 56
Rezumat ............................................................................................................................................ 60
Bibliografie ....................................................................................................................................... 61
Unitatea de nvare 5 IPOTEZE STATISTICE-ASPECTE TEORETICE ................................ 62

5.1 Inferena statistic........................................................................................................................ 62
5.2 Metodologia testrii ipotezelor statistice ...................................................................................... 64
5.3 Tipuri de teste utilizate la testarea ipotezelor statistice ................................................................. 70
Rezumat ............................................................................................................................................ 77
Bibliografie ....................................................................................................................................... 77

CU EANTIOANE DE VOLUM MARE .................................................................................... 78
6.1 Compararea mediei eantionului cu media colectivitii generale ................................................. 78
6.2 Compararea mediilor a dou eantioane ....................................................................................... 83
6.3 Compararea proporiei eantionului cu a colectivitii generale .................................................... 86
Rezumat ............................................................................................................................................ 96
Bibliografie ....................................................................................................................................... 97

CU EANTIOANE DE VOLUM MIC ........................................................................................ 98
7.1 Compararea mediei unui eantion de volum redus cu media colectivitii generale ....................... 98
7.2 Compararea mediilor a dou eantioane de volum redus ............................................................ 102

Rezumat .......................................................................................................................................... 114
Bibliografie ..................................................................................................................................... 115
Unitatea de nvare 8 TESTAREA IPOTEZELOR PRIVIND DISPERSIILE

POPULAIILOR ........................................................................................................................ 116
8.1 Compararea dispersiei eantionului cu dispersia colectivitii generale ....................................... 116
8.2 Compararea dispersiei a dou colectiviti.................................................................................. 119
Rezumat .......................................................................................................................................... 125
Bibliografie ..................................................................................................................................... 126

9.1 Analiza dispersional unifactorial............................................................................................. 127
9.2 Analiza dispersional bifactorial............................................................................................... 133
Rezumat .......................................................................................................................................... 146
Bibliografie ..................................................................................................................................... 146
Unitatea de nvare 10 DETERMINAREA I TESTAREA CORELAIILOR LINIARE

DINTRE VARIABILELE ECONOMICE.................................................................................. 147
10.1
Corelaia liniar simpl......................................................................................................... 147
10.2
Corelaia multipl ................................................................................................................. 152

Rezumat .......................................................................................................................................... 158
Bibliografie ..................................................................................................................................... 158
Unitatea de nvare 11 MODELUL DE REGRESIE LINIAR UNIFACTORIAL ............ 159

11.1
Ipotezele modelului .............................................................................................................. 159
11.2
Determinarea i validarea parametrilor modelului linear unifactorial .................................... 163

Rezumat .......................................................................................................................................... 183
Bibliografie ..................................................................................................................................... 184
Rspunsuri la testele de autoevaluare ......................................................................................... 185

Anexa 1 ....................................................................................................................................... 187
Anexa 2 ....................................................................................................................................... 190
Anexa 3 ....................................................................................................................................... 194
Anexa 4 ....................................................................................................................................... 202
Bibliografie ................................................................................................................................. 214
Unitatea de nvare 1
INTRODUCERE N ECONOMETRIE
Cuprins

Rezumat ........................................................................................................................................ 16
Bibliografie ................................................................................................................................... 17

Ce este econometria.
Principalele obiective ale econometriei.
Ce este modelul econometric.
Ce este modelul economic.
Diferena dontre modelele economice i modelele econometrice.
Tipologia modelelor econometrice.
Etapele crerii i utilizrii unui model econometric.
Tipurile de date utlizate n econometrie.
1.1. Econometria definiii i obiective
n anul 1930 la Cleveland un grup de cercettori, printre care I. Fisher, L.V.

Borkiewicy, R. Frisch i H. Hotelling, nfiineaz Societatea de Econometrie. Acesta este i
momentul care marcheaz constituirea econometriei1 ca tiin.
Fie sistemul reprezentat n figura 1.3. Variabilele de intrare xi , din punctul de vedere
al sistemului supus analizei, sunt variabile independente (nu depind de sistemul S ). Aceste
variabile influeneaz (determin) valorile variabilei (variabilelor) de ieire Y . Din acest
punct de vedere variabila Y este o variabil dependent. n aceste condiii are loc relaia:
Y = f (x ) +
(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;
este o variabil aleatoare care exprim influena factorilor ntmpltori asupra
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.
Definiia istoric a econometriei:

experiena a artat c fiecare din urmtoarele
puncte de vedere, al statisticii, al teoriei economice i al matematicii, este o condiie
necesar, dar nu i suficient pentru o nelegere efectiv a relaiilor cantitative din
economia modern; unificarea lor este aceea care asigur eficiena. Econometria este
tocmai aceast unificare.2
Definiia restrictiv a econometriei:

1
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
economice numai cu ajutorul modelelor aleatoare (stochastice, probabilistice); ea include

doa cercetrile economice ce utilizeaz metodele induciei matematice la verificarea
relaiilor cantitative formulate n teoria economic cu privire la fenimenele sau procesele
studiate3.
Definiia extins a econometriei:

Econometria n sens larg nseamn econometria n
sens restrns, la care se adaug metodele cercetrii operaionale4.
Ca o prim concluzie econometria urmrete aplicarea metodelor statistice n scopul
testrii i cuantificrii relaiilor economice ipotetice utiliznd date neexperimentale. Ea
implic utilizarea metodelor matematice i statistice la formularea, estimarea i testarea
modelelor economice.
Principalele obiective ale econometriei sunt:
Estimarea relaiilor economice
Testarea ipotezelor privind att comportamentele egenilor economici ct i
fenomenele economice.
Previziunea variabilelor economice.
1.2. Modele econometrice

Pentru a sublinia specificitatea modelelor econometrice vom face o comparaie a
acestora cu modelele economice.
Schematic, un sistem economic privit prin prisma analizei economice poate fi
reprezentat conform figurii 1.1.
x1
x2
PROCES
ECONOMIC
xn
3
4
Definiie propus de Cowles Comission for Research n Econometrics.

Definie propus de economitii anglo-saxoni.
y1
y2
ym
Figura 1.1. Proces studiat prin prisma modelrii economice
Modelele economice sunt modele deterministe bazate pe abordarea determinist a

relaiilor cauzale dintre evenimente. n cazul prezentat n figura 1.4. modelul economic este:
Y = f (X )
(1.2)
unde: X = (xi )i =1,n este vectorul vatiabilelor independente (cauzale)
( )
Y = yj
j =1.m
este vectorul variabilelor dependente (rezultative).
Dup cum se poate observa, modelele economice nu conin elemente stochastice i

nu in seama de evenimente ntmpltoare. In studiul relaiilor dintre dou variabile
economice se face ipoteza5 c toate celelalte variabilele au valori constante (rmn
neschimbate) pe durata perioadei de studiu.
Spre deosebire de modelele economice, modelele econometrice sunt modele
stochastice care se deosebesc de modelele economice prin faptul c includ pe lng elemente
deterministe i cel puin un element stochastic (figura 1.2).
x1
x2
PROCES
ECONOMIC
xn
y1
y2
ym
Figura 1.2. Proces studiat prin prisma modelrii econometrice
n cazul modelelor econometrice, pe lng influenele variabilelor independente, este

evideniat i influena factorilor cu aciune ntmpltoare (reziduali) asupra variabilelor
dependente. n abordarea econometric a procesului studiat relaia (1.2) devine:
Y = f (X ) +
(1.3)
La construirea i utilizarea modelelor econometrice (figura 1.6) se pornete de la

teoria economic pe baza creia se construiete un model care se presune c descrie relaiile
cauzale dintre una sau mai multe variabile independente i o variabil dependent (rezultat)
i se obine ntr-o prim faz un model economic. n funcie de numrul de ecuaii se
5
Ipoteza ceteris paribus.
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
Modelele econometrice formeaz o submulime de modele inclus n mulimea modelelor

economico-matematice care, la rndul lor, pot fi categorisite dup diferite criterii printre care
menionm:
o Dup numrul de ecuaii
-
modele cu o singur ecuaie (conin o singur variabil rezultativ y , indiferent

de numrul n al elementelor vectorului variabilelor cauzale
X = (xi )i =1,n ) y = f ( X ) +
modele cu mai multe ecuaii (conin mai multe variabile rezultative
( )
Y = yj
j =1.m
) Y = f (X ) +
o Dup numrul factorilor luai n considerare:

-
modele unifactoriale
y = f (x) +
modele multifactoriale
y = f (x1 , x 2 , K , x n ) +
o Dup forma dependenei dintre variabilele independente (cauzale) i cele dependente

(rezultative)
-
modele liniare (exist dependen liniar ntre variabilele rezultative i cele

cauzale)
modele neliniare (dependena este neliniar)
o n raport cu factorul timp:

-
modele statice (dependenele dintre variabilele modelului se refer la acelei

moment (perioad) de timp
modele dinamice care, la rndul lor pot fi

modele dinamice cu variabila timpul (t ) explicit

y = f (xt , t ) + i
modele autoregresive
y = f (x t , y t k ) +
modele cu decalaj
y = f ( x t , x t 1 , K , x t k ) +
11
Ca i n cazul general al modelelor economico-matematice, n structura unui model

econometric intr variabilele modelului i relaiile dintre variabilele acestuia.
Pe lng tipurile de variabile prezentate pn acum (Variabile independente - cauzale
sau explicative -, variabile dependente
- rezultative; variabile deterministe, variabile
stochastice; variabile endogene, variabile exogene) ne mai oprim asupra categorisirii

variabilelor modelelor econometrice n funcie de valorile pe care le pot lua, i anume:
Variabile cantitative. Provin din caracteristici care exprim atribute cantitative ale
elementelor unei populaii. Caracteristica principal a variabilelor catitative este
faptul ca iau valori dintr-o scar continu, cu valorile lor putndu-se efectua operaii
aritmetice. n analizele econometrice, indicatorii statistici relevani calculai pe baza
valorilor observate sunt media i abaterea medie ptratic.
Variabile categoriale (calitative) Provin din carscteristici care exprim atribute
calitative. Denumirea acestora provine de la faptul c au dou sau mai multe nivele de
valori numite categorii. La rndul lor, variabilele categoriale pot fi grupate n:
o Variabile nominale. Valoarea reprezint codul unei categorii careia i aparine
elementul respectiv al pupulaiei. De exemplu, variabila stare civil poate
avea codificrile:
1 -necstorit, 2 casatorit, 3 divorat, 4 vduv.
o Variabile binare. Au numai dou niveluri de valori care descriu complet o

caracteristic a unui element al populaiei. De exemplu, pentru populaia
studenti, variabila promovat poate lua dou valori:
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
Suntei mulumit de calitatea serviciilor hotelului nostru? (2) foarte

mulumit; (1) mulumit; (0) indiferent;
(-1) nemulumit; (-2) foarte nemuumit;
este o variabil calitativ ordinal.

Relaiile unui model econometric exprim dependenele dintre variabilele cauzale i
cele rezultative i pot fi:
relaii de identitate sunt relaii deterministe privind procesul economic supus

analizei (de exemplu exprimarea profitului ca diferen ntre venituri i cheltuieli
Pr = V C );
relaii de comportament exprim comportamente ale agenilor economici;
relaii tehnologice exprim dependee dintre variabile care descriu procese

tehnologice (de exemplu funciile de producie);
relaii instituionale introduc n modelul econometric reglementri impuse de

legislaia n domeniul procesului economic supus analizei.
Utilizarea modelelor econometrice n studiul proceselor i fenomenelor economice se

bazeaz pe datele primare culese prin diverse modaliti. Din punct de vedere cronologic,
datele primare utilizate ntr-un model econometric pot mbrca trei forme:
date
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
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?
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:
a. estimarea relaiilor economice;

b. testarea ipotezelor privind att comportamentele egenilor economici ct i
fenomenele economice;
c. previziunea variabilelor economice;
d. previziunea comporatmentului agenilor economici;
A: a+b+c; B: a+b+d; C: b+c+d; D: a+c+d.
3. Relaiile unui model econometric exprim:
14
a. dependenele dintre variabilele cauzale i cele rezultative;

b. independena dintre variabile;
c. dependenele dintre variabilele cauzale;
d. dependenele dintre variabilele rezultative;
4. Dup numrul de ecuaii modelele econometrice sunt:
a. modele cu o singur ecuaie i modele cu dou ecuaii;
b. modele cu o singur ecuaie i modele cu mai multe ecuaii;
c. modele statice i modele dinamice.
d. modele unifactoriale i modele bifactoriale;
5. n funcie de valorile pe care le pot lua, variabilelor modelelor econometrice se
clasific astfel:
a. variabile exogene si variabile endogene;
b. variabile cantitative i varialbile calitative;
c. variabile dependente i variabile independente;
d. variabile cauzale i variabile deterministe.
6. Exprimarea profitului ca diferen ntre venituri i cheltuieli Pr = V C este o relaie
de:
a. comportament;
b. tehnologic;
c. instituional;
d. identitate.
7. Utilizarea modelelor econometrice n studiul proceselor i fenomenelor economice se
bazeaz pe:
a. date secundare;
b. date auxiliare;
c. date primare;
d. date prelucrate.
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
utiliznd metodele induciei matematice la verificarea
relaiilor cantitative formulate n teoria economic cu privire la fenomenele sau procesele

studiate.
Spre deosebire de modelele economice deterministe bazate pe abordarea determinist
a relaiilor cauzale dintre evenimente, modelele econometrice sunt modele stochastice care
includ pe lng elemente deterministe i elemente aleatoare.
Construirea i utilizarea modelelor econometrice pornete de la teoria economic pe
baza creia se construiete un model care se presupune c descrie relaiile cauzale dintre una
16
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
M.
C.,
Voineagu V.

Jaba E.
Jaba E.

Bucureti, 2002
17
Unitatea de nvare 2
NOIUNI PRIVIND VARIABILELE ALEATOARE
Cuprins
Obiectivele Unitii de nvare 2 ................................................................................................. 18

Rezumat ........................................................................................................................................ 30
Bibliografie ................................................................................................................................... 31

Dup studierea acestei uniti de nvare, cursanii vor avea cunotine despre teoria
probabilitilor, i anume:
Ce este evenimentul.
Tipuri de evenimente
Ce este cmpul de evenimente
Ce sunt variabilele aleatoare
Ce sunt variabilele aleatore discrete
Histograma i pologonul distribueiei variabilei aleatoare discrete
Funcia de repartiie a variabilei aleatoare discrete
Ce sunt variabilele aleatoare continue
Reprezentarea grafic a variabilei aleatoare continue
18
2.1. Eveniment. Cmp de Evenimente

Din punct de vedere al analizelor ce vor fi efectuate pe parcursul acestei lucrri orice
mulime de elemente care printr-o proprietate comun pot fi considerate mpreun constituie o
populaie. Vom nota populaia cu , iar cu un element generic al su. De exemplu, o
colectivitate de indivizi care au calitatea de a fi studeni formeaz o populaie.
Dac n raport cu elementele populaiei considerm una sau mai multe proprieti
spunem c am constituit un criteriu de cercetare. Astfel, dac n raport cu populaia studeni
considerm proprietatea de a fi integralist, am constituit un criteriu de cercetare.
Relizarea complexului de condiii corespunztoare criteriului de cercetate se numete
experien6. n sens larg, experiena reprezint un act care poate fi repetat n condiii date i care
permite verificarea practic a cunotinelor privind diverse fenomene i procese din realitate.
O noiune fundamental n teoria probabilitilor este cea de eveniment.
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
Tabelul 2.1. Sumele feelor obinute prin aruncarea a dou zaruri
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
reprezint mulimea evenimentelor elementare ale lui .
n cazul exemplului considerat mulimea evenimentelor elementare este:
{i }i=1,n = {2,3,4,5,6,7,8,9,10,11,12}
(2.1)
Aceast mulime reprezint o parte (submulimi) a mulimii .

Pe lng mulimea evenimentelor elementare {i }i =1,n , mulimea conine i o serie de
alte evenimente obinute din combinarea evenimentelor elementare, care formeaz, de asemenea,
pri ale mulimii (submulime).
De exemplu, un alt eveniment din mulimea poate fi suma feelor cuprins ntre 3 i
12, notat cu .
Vom nota n continuare mulimea tuturor evenimentelor (elementare i neelementare) cu
{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.
2.2. Variabile aleatoare

Mediul economic real, bazat pe competiie, prin dinamica i complexitatea sa este
caracterizat de numeroase variabile ale cror valori sunt cunoscute cu certitudine numai dup
producerea lor. De exemplu, numrul turitilor cazai ntr-o zi la un hotel reprezint variabile ale
cror valori efective sunt cunoscute numai la sfritul zilei. Din pcate, n practic valorile
acestor variabile constituie elemente decizionale importante care declaneaz aciuni anterioare
lor (de exemplu aprovizionarea cu alimente). Neputnd fi ns cunoscute este necesar s facem
anumite presupuneri (ipoteze) privind valorile lor, ipoteze care aa cum se va vedea pe parcursul
capitolelor viitoare trebuiesc verificate.
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:
variabile aleatoare discrete definite pe mulimi discrete cu numr finit de elemente;
variabile aleatoare continue definite pe mulimi continue reprezentate printr-un interval

finit sau infinit din .
Variabilele aleatoare se noteaz cu litere mari, iar valorile lor cu litere mici
corespunztoare acestora. De regul, sunt utilizate literele de la sfritul alfabetului (de exemplu,
variabila aleatoare X are la un moment dat valoarea x ).
Variabile aleatoare discrete
Pentru a caracteriza o variabil aleatoare ne oprim n cele ce urmeaz asupra

urmtoarelor aspecte:
Histograma i poligonul distribuiei
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

23
Simbolic variabila aleatoare X se noteaz cu:

x
X i sau
f ( xi )
x
X i , i = 1, n
pi
(2.2)
unde xi este argumentul variabilei aleatoare, iar f ( xi ) funcia de probabilitate, cu proprietile:

10
f(xi ) 0
20
f(x ) = 1
deoarece Ei = ( X = xi ), i = 1, n , constituie un sistem complet de
i =1
evenimente.
Histograma i poligonul distribuiei discrete
n cazul variabilei aleatoare discrete funcia de probabilitate pi = f ( xi ), i = 1, n , este o

funcie definit grafic de punctele M ( xi , pi ) .
Lund pe axa absciselor valorile consecutive ale argumentului xi , se obin intervale7,
astfel nct mijlocul intervalului de ordinul i este considerat ca punct xi , iar pe ordonat valorile
funciei de probabilitate se obin cu aria numeric dat de p i . Totalitatea acestor dreptunghiuri
constituie histograma distribuiei.
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
Figura 2.1. Histograma procesului de aruncare a dou zaruri
Funcia de repartiie a variabilei discrete
O caracteristic important a unei variabile aleatoare o reprezint funcia de repartiie

Definiia 2.6.
Se numete funcie de repartiie a variabilei aleatoare X , funcia:
F ( x) = P( X < x)
unde evenimentul ( X < x) este dat de: ( X < x ) =
U (X = x )
i
xi x
Cum evenimentele ( X = xi ), i = 1, n sunt incompatibile, atunci:
P( X < x ) =
P( X = x ) = f ( x ) , deci
i
xi x
F ( x) = P ( X < x ) =
xi x
f ( x ),
i
xi x
Considernd graficele distribuiei variabilei aleatoare, discrete, funcia de repartiie F (x)

este suma probabilitilor
pi = f ( xi ) de la stnga punctului de abscisa x , sau suprafaa
histogramei de la stnga punctului de abscisa 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
i stabilim funcia de repartiie ca fiind:
F (6) = P(Z < 6) = suma probabilitilor p i de la stnga lui 6.

F ( 6) = P ( Z < 6) =
1
2
3
4 10
+
+
+
=
0,277778
36 36 36 36 36
Funcia de repartiie numit i funcia cumulativ a probabilitilor, F ( x) = P ( X < x) are

urmtoarele proprieti:
1 0 .0 F ( x) 1
0
2 . Funcia F(x) este nedescresctoare. Dac x1 < x2 sunt dou valori ale argumentului
variabilei X, atunci deoarece
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 .
Variabile aleatoare continue
Ca i n cazul variabilelor aleatoare discrete ne vom opri asupra urmtoarelor aspecte:
Reprezentarea grafic a distribuiei variabilei aleatoare continue

Analog variabilei aleatoare discrete, variabila aleatoare continu X se definete prin:

x
cu x [a, b ]
X :
( x)
26
(2.3)
Definiia 2.7.
x
cu x [a, b ] , funcia (x) se numete densitatea de

( x)
probabilitate a variabilei aleatoare X .

Funcia densitate de probabiitate (x ) se bucur de proprietile:
1 0 . ( x ) 0 , deoarece dP 0 i dx > 0
b
2 0 . ( x)dx = 1 .
Reprezentarea grafic a distribuiei
n cazul variabilei aleatoare continue funcia densitate de probabilitate (x ) , x [ a, b] ,

reprezentat grafic este o curb continu numit curba de distribuie, iar histrograma
corespunztoare este un trapez curbiliniu.
Fie variabila aleatoare:
X :
x ,
( x) = e
x 0 Funcia densitate de probabilitate este
reprezentat grafic n figura 2.2.:

(0 ) = 1
( x) = e 1
S=1
0
x
Figura 2.2. Graficul funciei densitate de probabilitate ( x) = e 1
Suprafaa haurat S este egal cu unitatea, verificnd proprietatea 20 a funciei densitate

de probabilitate.
Funcia de repartiie a variabilei continue
Probabilitatea ca o variabil aleatoare s ia valori ntr-un anumit interval este dat de

funcia de repartiie a variabilei respective.
27
Definiia 2.8.
x
cu x [a, b ] i funcia densitatea de probabilitate

( x)
(x) .
Funcia
F ( x ) = P( X < x) = (t )dt
x
(2.4)
reprezint funcia de repartiie a variabilei aleatoare X

n cazul variabilei aleatoare continue, derivata funciei de repartiie reprezint funcia
densitate de probabilitate.
dF ( x )
= ( x)
dx
(2.5)
innd seama de interpretarea geometric a integralei definite, rezult c, funcia de

repartiie reprezint aria din histogram pe intervalul [ a, x] .
(x)
P( X < x) = F ( x) = (t )dt
0
( x) = e x
P ( X < 2)
x =1
x=2
Figura 2.3. Graficele funciei densitate de probabilitate ( x) = e x

x
i al funciei de repartiie P( X < x) = F ( x) = (t )dt

0
Pentru variabila aleatoare:

x
X :
x ,
( x) = e
x 0 avem F (2 ) = P ( X < 2) =
care este reprezentat grafic n figura 2.3, prin suprafaa haurat:

28
( x)dx
0
Lucrare deverificare 2A
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?
1. Frecvena de apariie a evenimentelor elementare obinute prin aruncarea a dou zaruri
este:
a. 6;
b. cuprins ntre 1 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
a. variabile aleatoare nominale i variabile ordinale;

b. variabile aleatoare calitative i variabile aleatoare cantitative;
c. variabile aleatoare discrete i variabile aleatoare continue;
d. variabile aleatoare primare i variabile aleatoare secundare.
4. Variabile aleatoare continue reprezint

a. variabile ce pot fi cuantificate;
b. mulimi continue reprezentate printr-un interval finit sau infinit din ;
c. mulimi de evenimente;
d. variabile ce nu pot fi cuantificate;
5. Variabile aleatoare discrete sunt definite
a. pe mulimi discrete cu numr infinit de elemente;
b. pe mulimi discrete cu numr finit de elemente;
c. pe mulimi cu elemente;
d. pe mulimi de elemente.
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
Se numete variabil aleatoare acea variabil a crei realizare constituie evenimente

ntmpltoare dintr-o mulime care formeaz un sistem complet de evenimente. Dup
caracteristicile mulimii pe care sunt definite variabilele aleatoare pot fi discrete sau continue.
n analiza fenomenelor economice, bazat pe modele econometrice, sunt utilizate n
principal variabile aleatoare discrete.
Bibliografie
Andrei T.

2003
Bdi M., Baron T.,

Korka M.
Chow G.
Clocotici V.

Bucureti, 2000

M.
31
Unitatea de nvare 3
CARACTERISTICILE DISTRIBUIEI VARIABILEI ALEATOARE
Cuprins
Unitatea de nvare 3 CARACTERISTICILE DISTRIBUIEI VARIABILEI ALEATOARE 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
Rezumat ..................................................................................................................................... 46
Bibliografie................................................................................................................................ 47

cunoaterea indicatoriilor caracteristici variabilei aleatoare privind tendina central de

grupare (valoarea medie, mediana, modulul),
cunoaterea indicatoriilor caracteristici variabilei aleatoare privind mprtierea

distribuiei variabilei aleatoare (intervalul de variaie, dispersia, abaterea medie ptratic,
covariana, coeficientul de mprtiere
cunoaterea indicatoriilor caracteristici variabilei aleatoare privind forma distribuiei

(simetria i asimetria, boltirea);
32
3.1 Indicatorii caracteristici variabilei aleatoare privind tendina central de

grupare
n practica aplicaiilor n economie drept indicatori numerici ai tendinei centrale de
grupare, sunt frecvent folosii:
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
M ( X ) = pi xi = xi f ( xi ), (variabila discret) (3.1)

b
M ( X ) = x ( x)dx , (variabila continu)

a
Fie variabila aleatoare discret X dat prin

1
2
1 0
X :
0,2 0,1 0,4 0,3
Vom determina valoarea medie ca:

M ( X ) = 0,2 (1) + 0,1 0 + 0,4 1 + 0,3 2 = 0,8
Pentru variabila aleatoare continu

x
X :
x ,
( x) = e
x0
vom avea: M ( X ) = xe x dx = (2) = 1 , unde (a ) = x a 1e x dx este integrala a lui Euler.

Proprietile valorii medii a unei variabile aleatoare sunt:
media unei constante este constanta nsi
M (K ) = k .
33
(3.2)
k
K :
1 atunci M ( K ) = k 1 = k
Fie constanta
media produsului dintre o constant i o variabil aleatoare este egal cu produsul

dintre constant i media variabilei aleatoare
M (k X ) = k M ( X )
media sumei a dou variabile aleatoare este egal cu suma mediilor acestora
M ( X + Y ) = M ( X ) + M (Y )
media produsului a dou variabile aleatoare independente este egal cu produsul

mediilor lor
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)
Pentru variabilele aleatoare discrete mediana M e se deduce din

F ( M e ) = 1 F ( M e ), sau 2 F ( M e ) = 1 .
fiind soluia ecuaiei: F ( x ) =
1
2
Pentru variabila aleatoare discret

1
2
1 0
X :
0,2 0,1 0,4 0,3
avem P( X < 1) = P ( X > 1) = 0.3 . n consecin M e = 1
Pentru variabilele aleatoare continue, mediana M e este soluia ecuaiei

Modul (Valoarea cea mai probabil)
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
3.2 Indicatorii caracteristici variabilei aleatoare privind mprtierea

distribuiei variabilei aleatoare
Gradul de mprtiere a distribuiei variabilei aleatoare este analizat n raport cu
urmtoarele caracteristici:
extinderea sau intervalul de variaie,
abaterea, abaterea absolut medie,
dispersia,
abaterea medie ptratic,
covariana
coeficientul de mprtiere
normarea unei variabile aleatoare
Extinderea sau intervalul de variaie
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
= b a sau = x max x min
(3.4)
Datorit modului de calcul, extinderea nu poate fi utilizat n cazul variabilelor cu intervalul de

variaie nemrginit.
Cu toate c acest caracteristic prezint unele inconveniente printre care faptul c nu
depinde de toate valorile variabilei X , ci numai de cele extreme i nu arat modul de repartizare
n jurul centrului de grupare, pentru uurina de calcul, extinderea este utilizat n statistica
controlului de fabricaie n serie.
Abaterea. Abaterea absolut medie
Definiia 3.5.
36
Fie variabila aleatoare X i o valoare oarecare din intervalul de variaie respectiv,

se numete abatere a variabilei X , variabila aleatoare , al crui argument este dat de
diferena dintre argumentul lui X i , adic:
xi
,
f ( xi )
(3.5)
dac X este variabil aleatoare discret, respectiv
x
,
(x)
(3.6)
dac X este variabil aleatoare continu.

n practic se lucreaz de regul cu variabila aleatoare = X M ( X ) numit abaterea
variabilei aleatoare X de la media sa = M ( X ) .
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
f ( xi ) n cazul variabilei aleatoare discrete, respectiv
i =1
x ( x)dx, n cazul variabile aleatoare continue,
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)
Dispersia variabilei aleatoare X se noteaz de regul fie cu x2 , fie cu D(X). n

consecin avem:
x2 = D( X ) = M ( 2 ) = M [( X M ( X )) 2 ] = M ( X 2 ) M 2 ( X )
Dac variabila aleatoare X este discret, atunci:
D ( X ) = ( xi ) 2 f ( xi ) ,
(3.8)
i =1
Dac variabila aleatoare X este continu, atunci:

+
D( X ) = ( x ) 2 ( x)dx.
(3.9)
Dispersia are proprietile:

Dispersia unei constante este nul: D( K ) = 0 . Aceast proprietate decurge din
proprietatea mediei unei constante M ( K ) = k , de unde rezult: D( K ) = (k k ) 2 1 = 0
Dispersia sumei a dou variabile aleatoare independente este egal cu suma dispersiilor
fiecrei variabile n parte
D( X + Y ) = D( X ) + D(Y ) .
innd seama de proprietile mediei i de definiia dispersiei avem

D( X + Y ) = M (( X + Y ) 2 ) 2 M ( X + Y ) M ( X + Y ) + M 2 ( X + Y ) =
= M (( X + Y ) 2 ) M 2 ( X + Y ) = M ( X 2 + 2 XY + Y 2 ) M 2 ( X + Y ) =
= M ( X 2 ) + M ( X ) M (Y ) + M (Y 2 ) M 2 ( X ) M ( X ) M (Y ) M 2 (Y ) =
= M ( X 2 ) M 2 ( X ) + M (Y 2 ) M 2 (Y ) = D( X ) + D(Y )
Dispersia diferenei a dou variabile aleatoate independente este egal cu suma

dispersiilor lor
38
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 )
Orice translaie aplicat argumentului unei variabile aleatoare nu schimb dispersia

variabilei.
D( X + K ) = D( X ) + D( K ) = D( X ), sau x + k = x2
Dispersia produsului dintre o constant i o variabil aleatoare este egal cu produsul

dintre dispersia variabilei i ptratul constantei
D( K X ) = k 2 D( X ) sau kx2 = k 2 k2
Pentru orice transformare liniar aplicat asupra argumentului, de forma: Y = aX + b ,

avem:
2
2
2
D(Y ) = a 2 D( X ) . sau aX
+b = a x .
Generaliznd pentru un sistem { X k } de n variabile mutual independente, asupra crora

se aplic transformarea liniar a k X k + bk avem:
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
Abaterea medie ptratic

Definiia 2.15.
39
Se numete abaterea medie ptratic a variabilei X sau
abaterea medie tip
(standard) valoarea medie de ordinul doi a abaterii, adic:
x = M ( 2 ) = D ( X )
(3.10)
Consecina teoremei 2.2.
Abaterea medie ptratic a mediei aritmetice a n variabile

independente X j , j = 1, n care urmeaz aceeai lege de distribuie, este dat de relaia
X = D( X ) =
D( X )
=
n
D( X )
n
x
n
(3.11)
Covarian
Definiia 2.16.
Se numete covarian a dou variabile aleatoare X i Y , i se noteaz cu

cov( X , Y ) = xy , moment centrat mixt al celor dou variabile
xy = M [( X x ) (Y y )] , unde x = M ( X ), y = M (Y )
(3.12)
Dezvoltnd produsul valorilor centrate i aplicnd operatorul de medie, se obine formula

de calcul:
xy = M ( X Y ) M ( X ) M (Y )
(3.13)
Observaie: Dac variabilele X i Y sunt independente, atunci xy = 0 .
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
Normarea unei variabile aleatoare

Definiia 2.17.
Fiind dat variabila aleatoare X , transformata

40
(3.14)
Z=
X x
(3.15)
este numit normarea variabilei X la variabila Z .
Variabila normat Z are proprietile:

- valoarea medie a variabilei normate este nul.
X M (X )
M (Z ) = M
= 0.
=
(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)
Particulariti ale formei de distribuie

Principalele caracteristici ale formei distribuiei unei variabile aleatoare sunt:
simetria i asimetria
boltirea
Simetria i asimetria
Distribuia unei variabile aleatoare X definit de funcia f(x), este simetric fa de

valoarea medie m, dac este satisfcut de relaia f ( ) = f ( + ) , pentru orice abatere
= 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)
n cazul simetriei 1 = 0, 2 = 0, Reciproca nu este adevrat.

Boltirea (Turtirea)
Curbele de distribuie pot avea boltiri sau turtiri diferite. Coeficientul de boltire folosit
este
4
(Fisher).
4
(3.20)
Boltirea unei distribuii oarecare se compar de obicei cu distribuia normal9 pentru

care = 3.
Diferena E = 3 este numit excesul distribuiei.
Dac E > 0, (deci > 3), distribuia este numit de tip leptokurtic.
Dac E < 0, (deci < 3), distribuia este numit de tip platykurtic.
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
6. Cum se definete dispersia?

7. Cum se definete abaterea medie ptratic?
cresctor;
cresctor;
tabelul de mai jos:
Vrsta (ani)
15-25
25-35
35-45
45-55
55-65
Nr. Pers.
12
20

a. Media 32,6 ani, mediana 33,25 ani i modulul 35 ani.
b. Media 38,25 ani, mediana 39 ani i modulul 37,6 ani;
c. Media 37,6 ani, mediana 38,25 ani i modulul 39 ani;
d. Media 35,6 ani, mediana 37,25 ani i modulul 38 ani.
tabelul de mai jos:
43
Vrsta (ani)
15-25
25-35
35-45
45-55
55-65
Nr. Pers.
12
20

a. dispersia medie liniar 9,58 ani, dispersia 10,68 ani i abaterea medie 114,24
ptratic ani.
b. dispersia medie liniar 8,58 ani, dispersia 114,24 i abaterea medie ptratic 10,68
ani;
a. dispersia medie liniar 9,58 ani, dispersia 100,18 i abaterea medie ptratic 12,18
ani;
c. dispersia medie liniar 10,68 ani, dispersia 9,58 i abaterea medie ptratic 114,24
ani.
5. n scopul analizei situaiei financiare a unui lan hotelier, la un moment dat, se
efectueaz un sondaj simplu pe un eantion de 30 de angajai, privind numrul de ore
suplimentare lucrate de acetia i s-au obinut urmtoarele date:
Grupe de angajai dup numrul 2-6
6-10
10-14
14-18
18-22
10
de ore suplimentare lucrate

Nr. angajai

b. Media 8,3 angajai, mediana 9,6 angajai i modulul 5,66 angajai.
c. Media 9,3 angajai, mediana 8,6 angajai i modulul 6,66 angajai.
d. Media 8,6 angajai, mediana 9,3 angajai i modulul 6,66 angajai.
e. Media 6,66 angajai, mediana 8,6 angajai i modulul 9,3 angajai.
6. Pentru analiza de la ntrebarea numrul 5 putem afirma urmtoarele:

44
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

a. Media 15,04 absene, mediana 15 absene i modulul 15 zile;
b. Media 17,04 absene, mediana 17 absene i modulul 17 zile;
c. Media 17,04 absene, mediana 16,5 absene i modulul 17 zile;
d. Media 17,04 absene, mediana 17,5 absene i modulu5l 17, zile.
85-95
95-105
105-115
115-125
10
15
14
valoarea vnzrilor
Nr. firme

a. Media 101,2 firme, mediana 102 firme i modulul 103,3 firme;
b. Media 102 firme, mediana 101,2 firme i modulul 101,2 firme;
c. Media 101 firme, mediana 102 firme i modulul 102 firme;
d. Media 101 firme, mediana 101 firme i modulul 101,2 firme;
85-95
95-105
105-115
115-125
10
15
14
valoarea vnzrilor
Nr. firme
45

a. dispersia 132,16 i abaterea medie ptratic 12,8 firme;
b. dispersia 11,6 i abaterea medie ptratic 134,56 firme;
c. dispersia 134,56 i abaterea medie ptratic 11,6 firme;
d. dispersia 13,56 i abaterea medie ptratic 1,6 firme.
10. Pentru studiul de la ntrebarea numrul 9 putem afirma urmtoarele:
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

Principalii indicatori ai tendinei centrale a distribuiei variabilei aleatoare sunt: valoarea
medie, mediana (acea valoare pentru care, variabila aleatoare are aceeai probabilitate de a fi
mai mic sau mai mare ca ea) i modulul (valoarea cea mai probabil).
Gradul de mprtiere a distribuiei variabilei aleatoare este analizat n principal cu
ajutorul indicatorilor: extinderea sau intervalul de variaie,abaterea, abaterea absolut medie,
dispersia, abaterea medie ptratic i coeficientul de mprtiere.
Pentru evidenierea anumitor particulariti ale formei distribuiei variabilelor aleatoare se
utilizeaz parametrii: simetria (asimetria) i boltirea (turtirea).
De asemenea pentru o variabil aleatoare discret X , se definete transformata Z =
X x
numit normata variabilei X . Variabila aleatoare normat (Z) are media zero i abaterea medie
ptratic egal cu 1.
46
Bibliografie
M.
Pecican t. E.

Bucureti, 2007
Stewart J.
erban R.

Dacia Nova, 2001
Voineagu V, ian E.,

erban R., Ghi S.,
Pele D.

2007
47
Unitatea de nvare 4
DISTRIBUIILE CLASICE N VERIFICAREA IPOTEZELOR
STATISTICE
Cuprins
STATISTICE ................................................................................................................................ 48
4.1 Repartiia normal normat (Z ) .......................................................................................... 53
4.2 Repartiia
...................................................................................................................... 53
4.3 Repartiia Student ( t ) .......................................................................................................... 55

4.4 Repartiia Fisher-Snedecor ( F ) ......................................................................................... 56
Rezumat ..................................................................................................................................... 60
Bibliografie................................................................................................................................ 61

Repartiia normal normat Z ;
Repartiia
Repartiia Student t
Repartiia Fisher-Snedecor F
4.1
Repartiia normal normat (Z )
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 !
coeficeni de asimetrie i boltire: B1 = 0 i B2 = 3

PN2. Suma unor variabile independente repartizate normal este tot o variabil aleatoare
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
independente repartizate normal cu media
i dispersia
i2 , atunci suma
1 X 1 + 2 X 2 + ... + K X K = X este o variabil aleatoare repartizat normal X~N ( , 2 ),

K
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
asimptotic spre axa absciselor Ox.

- distribuia fiind unimodal, valoarea maxim va fii atins pentru x = n punctul:
a) deplasare spre
b) deplasare spre stnga
Figura 4.1. Deplasarea curbei repartiiei normale
pentru constant i variabil

- punctele de inflexiune ale graficului sunt ( - ) i ( + ), deoarece n respectivele
punce convexitatea curbei se modific n concavitate.

- dac abaterea standard este constant , modificarea mediei ( ) determin o translaie
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
modificare a formei curbei (figura 4.2); modificarea const n ascuiunea sau

aplatzarea acesteia, dup cum are loc micorarea sau creterea valorii parametrului
50
Figura 4.2. Modificarea curbei repartiiei normale
pentru variabil i m constant

Un exemplu de curb Gauss-Laplace pentru o repartiie normal X ~ N (1,5;1) prezentat n
figura 4.3
0,4
0,2
-0,5
0,5
1,5
2,5
3,5
Figura 4.3. Curba normal10 cu = 1,5 i = 1
Ultima proprietate a repartiiei normale prin transformarea de variabil definit

Z=
(4.2)
reprezint fundamentul formrii repartiiei normale reduse (normat) Z

Definiia 4.1.
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 )
Figura 4.4. Graficul funciei de repartiie normal normat
Funcia de repartiie a variabilei aleatoare normal normat este:

F ( 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
Figura 4.5. Graficul funciei (z )
Valorile funciilor de repartiie F (z ) i ( z ) sunt tabelate.
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
Ea reprezint o repartiie a unei variabile aleatoare determinat ca o sum a ptratelor

unor variabile aleatoare independente repartizate normal standard:
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.
Densitatea de probabilitate ( 2 ; a, g) a repartiiei 2 este:
( x) =
1
g
2
g
2 a
2
x2 e
x
2a2
, x 0
(4.5)
unde: g gradele de libertate ale repartiiei

- repartiia Gamma
n cazul repartiiei 2 ntlnim urmtoarele situaii:
dac a=1 i x 0 , atunci densitatea de repartiie devine:
( x, g ) =
1
g
2
g
2
2
g
1
2
x
2
(4.6)
dac x < 0 , atunci ( x, g ) =0.

x
F ( x) = (t , g )dt
Graficul repartiiei 2 se construiete n funcie de valorile parametrilor a i g .

Parametrul g reprezint numrul gradelor de libertate, adic numrul variabilelor independente
care au n vedere mrimea luat n considerare, a cror variaie nu admite nici o restricie.
53
Pentru a = 1 i g = 2, 4, 6, 15 graficul repartiiei 2 se prezint n figura 4.6.

Indicatorii statistici caracteristici sunt: M ( 2 ) = g i D 2 ( 2 ) = 2 g
Observaie
Dac g > 30 , atunci 2 se apropie de graficul distribuiei normale.

Pentru repartiia 2 , valoarea tabelar sau teoretic este de forma: 12 ,n 1 , 2
1 , n 1
2
2
2
, n 1
, 2 , n 1 , unde n 1 = g reprezint numrul gradelor de libertate.
f (x : g ,1)
g =2
0,2
g =4
g =6
g = 15
0,1
10
20
Figura 4.6. Graficul distribuiei 2
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
, n locul su fiind utilizat 2
1 ,n 1
2
54
4.3
Repartiia Student ( t )
Aceast repartiie a aprut din necesitatea de a studia n profunzime informaiile privind

colectivitile statistice prin caracteristica de a admite probabiliti mai mari de eroare.
Ca i n repartiia 2 , repartiia Student depinde de un singur parametru denumit numrul
gradelor de libertate notat cu g.
Definiia 2.20.
Distribuia Student este acea distribuie a crei densiti de probabilitate este dat de
funcia:
g +1
1
1
2
,
(4.7)
(t , g ) =
g +1
g
g
2
t 2
2 1 +
g
unde ( x ) = funcia gamma.
Funcia de repartiie a distribuiei Student este:

x
F ( x) = (t , g )dt
(4.8)
Principalii indicatori statistici caracteristici ai repartiiei Student sunt:

M (t) = 0
g
2
D (t) =
, unde g > 2
g 2
Observaie
Dac g > 30 , atunci
lim f (t , g ) N (t ;0,1) , deci repartiia Student (figura 4.7) este

g
aproximativ o repartiie normal.
55

0,4
distribuia
distribuia N (x;0,1)
0,2
x
-2
-1
Figura 4.7. Graficul distribuiei t pentru g > 30
Valorile pentru care P( t < t , g ) = exist ( t ,n 1 , t

2
, n 1
) i pot fi preluate din Tabelul
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 )
Aceast repartiie are n vedere compararea mediilor populaiilor normale lund n

considerare mprtierea datelor ambelor colectiviti (dispersiile colectivitilor).
Dac repartiiile 2 i t depind de un parametru g , repartiia F se stabilete n funcie de
doi parametri g1 i g 2 avnd semnificaia unor grade de libertate. Acestea se formeaz pe baza
unei variabile aleatoare ce are valoarea ctului altor dou astfel de variabile ( g1 - numrul
gradelor de libertate pentru numrtor, g 2 - numrul gradelor de libertate pentru numitor).
Repartiia F reprezint o variabil aleatoare X care se formeaz astfel:
y g
X = 1 2 ,
y 2 g1
unde: y1 , y 2 sunt variabile aleatorii independente repartiiei 2 , cu g1 i g 2 grade de libertate.
Definiia 2.21.
Vom spune despre o variabil aleatoare c are distribuie Fisher-Snedecor dac funcia
densitatea de probabilitate a acesteia este de forma:
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
g1 i g 2 - numrul gradelor de libertate

P( F > F0 ) = ( F )dF =
0
ale crei valori se regsesc n Tabelul repartiiei F (Fisher-Snedecor) prezentat n Anexa 4.

Indicatorii statistici caracteristici ai repartiiei F sunt:
g2
M (F) =
(4.10)
g2 2
D 2 (F) =
2 g 22 ( g1 + g 2 2)
, pentru g 2 > 2
g 1 ( g 2 4)( g 2 2) 2
Deoarece repartiia F nu este simetric, ntre valorile critice exist relaia:

1
F1 ; g1 ; g 2 =
F ; g1g 2
(4.11)
(1.12)
Aplicabilitatea repartiiilor teoretice este evideniat n urmtoarele capitole pentru a reflecta

necesitatea cunoaterii lor ct mai profunde, n vederea utilizrii lor corecte, n diferite ipostaze
practice ale fenomenelor i proceselor economice.
1. Cum definii repartiia normal normat Z ?
2
2. Cum definii repartiia ?
3. Cum definii repartiia Student ?

4. Cum definii repartiia Fisher-Snedecor F?
1. Repartiia normal normat este ntlnit i sub numele de:
a.
repartiia normal standard sau repartiia normal redus;

57
b. distribuie normal;
c. repartiia Gauss-Laplace;
d. repartiia student.
2. Variabila aleatoare Z are o repartiie normat cu:

a. modulul 1 i dispersia 2;
b. media 1 i dispersia 2;
c. media 0 i dispersia egal cu 1;
d. modulul 0 i dispersia 1.
3. Care afirmaie este adevrat:

a. repartiia normal normat se prezint grafic printr-o curb normal care se
numete i clopotul lui Gauss;
b. repartiia normal normat se prezint grafic printr-o linie dreapt denumit i
dreapta de regresie;
c. repartiia normal normat se prezint grafic printr-o curb normal care se
numete i curba lui Koch;
d. repartiia normal normat se prezint grafic printr-o linie dreapt denumit i
dreapta de regresie.
4. Repartiia 2 este ntotdeauna:
a. pozitiv;
b. negativ;
d. cuprins ntre -1 i 1.
5. Repartiia 2 reprezint o repartiie a unei variabile aleatoare determinate ca o:
a. dieferen a ptratelor unor variabile aleatoare independente repartizate normal
standard;
b. sum a ptratelor unor variabile aleatoare independente repartizate normal
standard;
58
c. sum a unor variabile aleatoare independente repartizate normal standard;

d. dieferen a unor variabile aleatoare independente repartizate normal standard.
6. Pentru repartiia 2 , valoarea tabelar sau teoretic este de forma:
a. 12 ,n , 2 , 2 , 2 ,n ;
1 , n
2
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
7. Ce afirmaie este adevrat:

a. repartiia 2 este ntotdeauna negativ, neexistnd ramura ei pozitiv, ceea ce
determin o notare inversat a valorilor critice din dreapta graficului;
b. repartiia 2 poate lua att valori positive ct i valori negative;
c. repartiia 2 este ntotdeauna pozitiv, neexistnd ramura ei negativ, ceea ce
determin o notare inversat a valorilor critice din stnga graficului;
d. repartiia 2 ia valori cuprinse n intervalul [0;1].
8. Repartiia Student depinde de un singur parametru denumit:

a. numrul gradelor de libertate;
b. nivel de ncredere;
c. variabil aleatoare;
d. coeficient de ncredere.
9. Repartiia F (Fisher-Snedecor) are n vedere:

a. compararea mediilor populaiilor normale lund n considerare dispersiile
colectivitilor;
59
b. compararea mediilor populaiilor normale lund n considerare modulul

colectivitilor;
c. nsumarea mediilor populaiilor normale;
d. compararea mediilor populaiilor normale lund n considerare mprtierea
datelor ambelor colectiviti.
10. Repartiia F (Fisher-Snedecor) se stabilete n funcie de:

a. doi parametrii;
b. un parametru;
c. 3 parametrii;
d. nici un parametru.
Rezumat
Principalele repartiii de probabilitate utilizate n testarea i studiul ipotezelor i
modelelor econometrice sunt distribuia normal normat (Z), distribuia Student (t), distribuia
i distribuia Fisher-Snedecor (F).

Funcia de repartiie a variabilei aleatoare normal normat este F ( z ) =
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
Repartiia 2 este ntotdeauna pozitiv. Valoarile tabelate ale repartiiei 2 , sunt de

forma 2 , n1 , unde n 1 = g este numrul gradelor de libertate i sunt prezentate n Anexa 2.
Repartiia Student (ale crei valori tabelate se gsesc n Anexa 3)este utilizat atunci cnd
numrul numrul gradelor de libertate este relativ mic (uzual) sub 30. Dac g tinde ctre infinit
repartiia Student converge ctre repartiia normal normat.
Repartiia F caracterizeaz o variabil aleatoare X de forma: X =
y1 g 2
, unde: y1 , y 2 sunt
y 2 g1
variabile aleatorii independente de repartiie 2 , cu g1 i g 2 grade de libertate. Valorile tabelate

ale acesteia se afl n Anexa 4.
60
Bibliografie

D.

Clocotici V.

Bucureti, 2000

D.

Dougherty Ch.

2007
Gogonea R.M.
HsiaoJohnston J.,
Dinardo J.,
C.,
Voineagu V.

Jaba E.
Jaba E.

Bucureti, 2002
61
Unitatea de nvare 5
IPOTEZE STATISTICE-ASPECTE TEORETICE
Cuprins

5.1 Inferena statistic ..................................................................................................................... 62
5.2 Metodologia testrii ipotezelor statistice ................................................................................. 64
5.3 Tipuri de teste utilizate la testarea ipotezelor statistice .......................................................... 70
Rezumat ........................................................................................................................................... 76
Bibliografie ...................................................................................................................................... 77

5.1
Inferena statistic;
Ipoteza statistic;
Inferena statistic
62
Metodologia corelaiei simple liniare a cercetrii tiinifice este precedat de o treapt

esenial care vizeaz stabilirea i confirmarea sau infirmarea unor ipoteze ce cuprind anumite
aspecte importante necesar a fi studiate n legtur cu procesul sau fenomenul analizat.
Aceast treapt include metode denumite infereniale deoarece, prin intermediul acestora,
se estimeaz caracteristicile unor colectiviti statistice.
Definiia 5.1. Inferena este o operaiea logic de trecere de la un enun la altul i n care
ultimul enun este dedus din primul.

Din punctul de vedere al acestei lucrri enunurile sunt reprezentate prin ipoteze
statistice, iar inferena este reprezentat de procesul de extindere la nivelul colectivitii generale
a unor rezultate obinute dintr-o subcolectivitate reprezentaiv (figura 5.1).
Subcolectivitatea reprezentativ este rezultatul unor observaii efectuate prin aplicarea

unui procedeu de extragere adecvat cerinelor.
Definiia 5.2. Prin ipotez vom nelege o presupunere cu caracter provizoriu, formulat pe baza
unor date exterimentale existente la un moment dat

Ipoteza statistic este reflectat
printr-o presupunere enunat pe baza unei aciuni
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
Figura 5.1. Procesul inferenei statistice
Practic, ipoteza statistic vizeaz o caracteristic a populaiei (colectivitii statistice)

pe care, pe baza datelor din eantionul reprezentativ i a unor metode specifice, este valiat
(adoptat) sau nu (respins).
Aplicarea inferenei statistice are la baz procedeul testrii ipotezelor statistice, care va fi
descris pe larg n continuare.
5.2 Metodologia testrii ipotezelor statistice
Testarea ipotezelor statistice reprezint o component a influenei prin circuitul pe care-l

descrie ca urmare a aplicrii metodologiei (figura 5.2.)
64
Verificare
IPOTEZE
Colectivitate
general
METODOLOGIA
Eantion cu date
experimentale
TESTRII
Stabilire
IPOTEZE
Figura 5.2. Circuitul metodologiei testrii
n general, presupunerea vizeaz un parametru (medie, dispersie11, etc.) sau o lege de

repartiie a unor variabile aleatoare.
Testarea are n vedere urmtoarele aspecte:
se formeaz ipotezele : H 0 (nul), H 1 (alternativ);
se stabilete i valorile critice corespunztoare tipului de test aplicat;
se precizeaz regiunea de respingere sau critic ( Rr ), n funcie de tipul testului;
se aplic statistica testului;
se ia o decizie n funcie de modul cum se ncadreaz rezultatul, n interiorul sau

exteriorul regiunii de respingere.
Ipoteza nul i ipoteza alternativ
11
Vezi Capitolul II 2.2. Caracteristicile distribuiei variabilei aleatoare.
65
Cele dou ipoteze (nul i alternativ) formeaz o pereche nelipsit n cadrul

metodologiei testrii.
Definiia 5.3. Se numete
ipotez nul i se noteaz cu H 0 acea presupunere prin care se
formuleaz supoziia conform creia nu exist diferen semnificativ ntre parametrii

comparai (primeaz caracterul ntmpltor).
Alternativa la H 0 , apare ca o alt alternativ care poate fi adevrat n condiiile
respingerii ipotezei nule.
Definiia 5.4. Se numete ipotez alternativ i se noteaz cu H 1 presupunerea conform creia
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).
Limit de semnificaie i valori critice de respingere
Metodologia testrii are n vedere dou evenimente compuse:
evenimentul realizat ( E R ) - care include i celelalte evenimente auxiliare i conduce la

respingerea ipotezei H0
evenimentul contrar celui realizat ( E CR ) evenimentul care evideniaz ndeplinirea

ipotezei nule H0.
Principiile eseniale pentru realizarea celor dou evenimente sunt:
probabilitatea evenimentului realizat ( E R ) sub H0 este reprezentat de evenimentele

elementare care sunt egal probabile doar n condiiile ipotezelor nule i se poate
determina numindu-se probabilitate critic
PC = P(E R ) = PH 0 (E R )
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
nivel denumit prag sau limit de semnificaie notat cu .

Regula de decizie se stabilete n funcie de probabilitatea critic ( PC ) astfel:
dac PC este mai mic de ( PC ), atunci H0 se respinge (evenimentul realizat se

consider neateptat n contextul ipotezei H0, n timp ce ipoteza H1 i asigur o
probabilitate mai mare de aspiraie).
Dac PC este mai mare de , atunci H0 nu se respinge (evenimentul realizat se

consider ateptat s se ntmple).
Limita de semnificaie poate lua valori cuprinse ntre 0,5 i 0,0001 (cele mai utilizate
fiind 0,05 i 0,01), acestea fiind stabilite teoretic.

Dac = 0,05 sau altfel spus = 5% nseamn c riscul de respingere al ipotezei nule
H0 este de 5% (cnd respingem ipoteza nul H0 este posibil s se greeasc n proporie de 5%).
Limita de semnificaie ( ) are un rol esenial n cadrul testrii ipotezelor statistice
reprezentnd acel prag sau linie care separ rezultatele ce resping ipoteza nul de celelalte care
nu resping.
n acest context apare acea regiune de respingere (regiunea critic) notat Rr n care sunt
incluse rezultatele ce resping ipoteza nul.
Definiia 5.5. Punctele care determin regiunea de respingere se numesc valori critice ale
testului i sunt reprezentate de Quantilele distribuiei utilizate n aplicarea respectivului test.

Valorile critice de respingere vC .R sunt valori tabelare sau teoretice ale testelor ( Z , Z ,
2
t , ... , etc), care se preiau din tabele teoretice prezentate n Anexele 1- 4.
Regiunea de respingere (critic):
Valoarea critic delimiteaz n cadrul repartiiei o regiune reprezentnd regiunea critic.

Definiia 5.6. Regiunea de respingere ( Rr ), denumit i regiune critic, este reprezentat de
aceea arie din graficul de repartiie, n care ipoteza nul se respinge.
67
Regiunea include probabilitatea de realizare a evenimentului alternativ, deci este

adevrat ipoteza alternativ H 1 .
n procesul de decizie al unui test statistic se pot produce erori care apar sub dou forme
(tabelul 4.1).
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
Decizie precis (1-p)
Acceptare H 0
Decizie precis (1- )
Eroare de tip II (risc )
Legtura dintre probabilitile i este prezentat n figura 5.3.

Definiia 5.7. Statistica testului este acea relaie ce prezint ntr-o form matematic, tipul
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
Figura 5.3 Legtura dintre probabilitile i
12
Statistica testului
Testarea ipotezei
Verificarea ipotezei const n compararea rezultatului obinut prin aplicarea statisticii

testului la valorile calculate cu valoarea critic i stabilirea deciziei finale ca find una din
situaiile :
dac valoarea calculat intr n regiunea de respingere, atunci ipoteza nul H 0 se
respinge (se consider adevrat ipoteza alternativ H 1 ).

dac valoarea calculat este n afara regiunii de respingere, atunci ipoteza nul
H 0 este adevrat (se respinge ipoteza alternativ H 1 ).

Din punct de vedere teoretic, testarea ipotezelor statistice presupune parcurgerea unor
etape ilustrate n figur 4.4.
Succint, aceste etape constau n:
se precizeaz ipoteza nul ( H o ) prin care se specific: nu exist diferen semnificativ
ntre parametrii comparai (medii, dispersii etc).

se stabilete ipoteza alternativ ( H 1 ): exist diferen semnificativ ntre parametrii
comparai (medii, dispersii etc).

se precizeaz tipul testului statistic utilizat n raport cu datele aplicaiei, cu ipoteza
alternativ i cu volumul eantionului; se ncepe schiarea graficului.

n funcie de nivelul de ncredere ( 1 ), se determin limita de semnificaie ( ), cu
ajutorul creia se stabilete:
valoarea critic de respingere (valoarea testului statistic tabelar sau teoretic),
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
Figura 5.4 Etapele testrii ipotezelor statistice

se determin valoarea statistic a testului calculat, aplicndu-se relaia de calcul adecvat
tipului testului utilizat, iar valoarea obinut se plaseaz pe grafic.

se compar valoarea testul statistic tabelar sau teoretic cu valoarea statistic a testului
calculat i se stabilete dac rezultatul statistic al testului calculat intr sau nu n regiunea
de respingere Rr , lundu-se decizia adecvat situaiei.
5.3
Tipuri de teste utilizate la testarea ipotezelor statistice

n funcie de sensul abaterii inclus n ipoteza alternativ H 1 apar trei tipuri de teste:
Test unilateral stnga
Test bilateral
70
Test unilateral dreapta
Testul unilateral stnga

Testul unilateral snga are urmtoarele caracteristici:
- ipotezele testului sunt:
H 0 : x1 = x 2
H 1 : x1 < x 2
H 0 : 12 = 22 sau H 0 :
12
=1
22
H 1 : 12 < 22 sau H 1 :
12
<1
22
figura 5.1
RR
vC . R
Figura 5.1 Baza teoretic grafic a testului unilateral stnga
Testul bilateral
Pentru testul bilateral avem:

-
ipotezele testului :
71
H 0 : x1 = x 2
H 1 : x1 x2
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
RR
RR
vC . R
vC .R
negativ
pozitiv
Figura 5.2. Baza teoretic grafic a testului bilateral
Testul unilateral dreapta
Testul unilateral dreapta, se mai numete i testul direcional dreapta. El se poate descrie
prin urmtoarele caracteristici:
-
ipotezele testului sunt:

H 0 : x1 = x 2
H 1 : x1 > x 2
72

H 0 : 12 = 22 sau H 0 :
12
=1
22
12
H 1 : > sau H 1 : 2 > 1
2
2
1
2
2
Regiunea de respingere ( RR ) i valoarea critic de respingere ( vC . R ) sunt prezentate
n figura 5.3
-
Limita de semnificaie este
RR
vC . R
pozitiv
Figura 5.3. Baza teoretic grafic a testului unilateral dreapta
Procedeul testrii ipotezelor statistice are n vedere nu numai tipul ipotezei alternative,
dar i urmtoarele dou elemente:
volumul eantionului ( n ), cu cele dou cazuri: eantion de volum mic ( n < 30 ) i

eantion de volum mare ( n 30 );
dispersia colectivitii generale ( 2 ) din care se extrag eantioanele, cu cele dou

situaii: 2 cunoscut i 2 necunoscut.
1. Ce reprezint inferena statistica?
2. Cum se definete ipoteza statistic?
73
3. Ce nelegei prin procedeul de testare a ipotezelor statistice?

4. Ce reprezint ipoteza nul ntr-un proces de testare de ipoteze statistice?
5. Care este diferena dintre H0 i H1?
7. Ce reprezint testul sau criteriul de semnificaie?
8. Ce reprezint regiunea critic?
9. Cnd se comite o eroare de gradul nti?
10. Cnd se comite o eroare de gradul al doilea?
11. Care sunt paii n construirea unui test statistic?
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.
2. Testul sau criteriul de semnificatie este:

a. procedeul de verificare a unei ipoteze statistice.
b. eroarea de genul intai;
c. riscul de genul intai;
d. procedeul econometric de gradul nti.

a. valorile tabelare sau teoretice ale testelor Z , Z ;
2
b. valorile tabelare sau teoretice ale testelor Z 1 , Z 1 ;

2
c. valorile tabelare sau teoretice ale testelor F 1 , F 1 ;

2
d. valorile tabelare sau teoretice ale testelor F , F ;

2
74
4. n funcie de sensul abaterii inclus n ipoteza alternativ H 1 apar:

a. dou tipuri de teste;
b. trei tipuri de teste;
c. patru tipuri de teste;
d. un singur test.
5. Dac se compar mediile a dou eantioane ( x1 i x 2 ), ipotezele testului unilateral dreapta
sunt:
a. H 0 : x1 = x2 i H 1 : x1 < x 2 ;
b. H 0 : x1 = x2 i H 1 : x1 > x2 ;
c. H 0 : x1 > x 2 i H 1 : x1 < x 2 ;
d. H 0 : x1 x 2 i H 1 : x1 < x 2 .
6. Procedeul testrii ipotezelor statistice are n vedere:
a. Tipul ipotezei alternative;
b. Dispersia colectivitii generale;
c. Media colectivitii generale;
d. Volumul eantionului.
A=a+b+d; B=a+c+d; C=b+c+d.
7. Dac se compar dou dispersii ( 12 i 22 ), ipotezele testului bilateral sunt:
a. H 0 : 12 = 22 i H 1 : 12 22 ;
b. H 0 : 12 = 22 i H 1 : 12 > 22 ;
c. H 0 : 12 = 22 i H 1 : 12 < 22 ;
d. H 0 : 12 22 i H 1 : 12 > 22 .
8. Dac se compar dou dispersii ( 12 i 22 ), limita de semnificaie este:
a. ;
b. 2 ;
75
c.
d.
;
.

d. nici un test.
RR
vC . R
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
H 1 , disjuncte i exhaustive), pragul (limita) de semnificaie, valoarei critic, regiune de

respingere (critic), statistica testului.
La testarea ipotezelor statistice sunt utilizate trei tipuri de teste: testul bilateral (dou
valori critice i dou regiuni de respingere) utilizat pentru o ipotez alternativ de genul difer
semnificativ de, test unilateral stnga (o regiune de respingere) utilizat pentru o ipotez
alternativ de genul semnificativ mai mic dect i testul unilateral dreapta (o regiune de
respingere) utilizat pentru o ipotez alternativ de genul semnificativ mai mare dect.
Bibliografie
Andrei T.

2003
Bdi M., Baron T.,

Korka M.
Biji M., Biji E.

Bucureti, 1979

D.


M.
77
Unitatea de nvare 6
EANTIOANE DE VOLUM MARE
Cuprins

6.1 Compararea mediei eantionului cu media colectivitii generale ........................................ 78
6.2 Compararea mediilor a dou eantioane .................................................................................. 83
6.3 Compararea proporiei eantionului cu a colectivitii generale ............................................ 86
Rezumat ........................................................................................................................................... 96
Bibliografie ...................................................................................................................................... 97

testarea ipotezei statistice privind compararea mediei eantionului cu media


volum mare;
testarea ipotezei statistice privind compararea proporiei eantionului cu a

6.1
Compararea mediei eantionului cu media colectivitii generale

Stabilirea volumului fiecrui eantion cu care se lucreaz n cadrul testrii ipotezelor
statistice, permite aplicarea unui anumit tip de test statistic.
78
n condiiile utilizrii unor eantioane de volum mare ( n 30 ) s-a demonstrat necesitatea

aplicrii statisticii Z
Aplicarea testului Z n cazul comparrii mediei eantionului de volum n cu media
colectivitii generale presupune studierea unei populaii statistice, de variabilitate constant,
pentru a stabili dac valoarea mediei a acestuia este aceeai cu a eantionului utilizat n cercetare
Repartiia normal redus care st la baza testului Z are n vedere funcia de repartiie
2
N ( , 2 ) , cu parametri = 0 i = 1
Statistica testului calculat se stabilete n raport cu gradul de cunoatere a dispersiei

colectivitii generale ( ):
2
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
2 - dispersia colectivitii generale
- abaterea medie ptratic a colectivitii generale

s 2 - estimaia dispersiei colectivitii generale
s - estimaia abaterii medii ptratice a colectivitii generale

n raport cu direcia abaterii inclus n ipoteza alternativ, testul Z aplicat poate
a. unilateral stnga
fi: b. bilateral
c. unilateral dreapta
79
Testul Z unilateral stnga

Acest tip de test este utilizat n situaia practic ce direcionesz abaterea spre stnga, mai
precis ipoteza alternativ precizeaz c media populaiei eantionului este mai mic dect a
populaiei.
Pe grafic (figura 6.1), densitatea de probabilitate este limitat la stnga de aria regiunii de
respingere a ipotezei nule. Aceast regiune este demarcat de valoarea critic Z . Pentru o
limit de semnificaie , valoarea lui Z denumit i Z tabelar sau teoretic se preia din anexa 1,
tabelul cu valorile funciei Gauss Laplace.
RR
H 0 se respinge
Figura 6.1 Elementele teoretice ale testului Z unilateral stnga
Etapele aplicrii testului:

1.
- se precizeaz ipoteza nul :
H 0 : = ip
2.
- se stabilete ipoteza alternativ :
H 1 : < ip
3.
- se precizeaz tipul testului statistic utilizat n raport cu volumul eantionului n 30 , datele

aplicaiei i H 1 (se aplic testul Z unilateral stnga) i se ncepe schiarea graficului;
4.
- n funcie de nivelul de ncredere ( 1 ), se determin limita de semnificaie ( ), cu

ajutorul creia se stabilete :
Z tabelar sau teoretic: - Z (Anexa 1), iar valoarea se trece pe grafic
regiunea de respingere ( Rr ) : dac Z calculat < Z , atunci H o se respinge i este
80
5.
- se calculeaz valoarea statistic a testului cu una din relaiile 4.2 sau 4.3, iar valoarea
6.
- se compar valoarea lui Z c cu - Z i se stabilete dac rezultatul statistic al testului
calculat Z c intr sau nu intr n regiunea de respingere Rr , lundu-se decizia adecvat

situaiei.
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
Figura 6.2. Elementele teoretice ale testului Z unilateral bilateral
Utilizarea testului presupune parcurgerea urmtoarelor etape:

1. Ipoteza nul:
H 0 : = ip
H 1 : ip
3. Deoarece n 30 , din datele aplicaiei i H 1 , atunci se aplic testul Z bilateral i se ncepe

schiarea graficului.
81
Z tabelar sau teoretic: Z i - Z (anex 1 cu valorile funciei Gauss Laplace), iar

2
valorile se plaseaz pe grafic
regiunea de respingere ( Rr ): dac Z c < - Z sau Z c > Z , atunci H o se respinge i este

2
5. Se calculeaz valoarea statistic a testului cu una din relaiile 4.2 sau 4.3,
iar valoarea

6. Se compar Z c cu Z i/sau cu - Z , astfel urmrindu-se dac se verific una din relaiile Rr
2
i se ia decizia adecvat situaiei.
Testul Z unilateral dreapta

Ipoteza alternativ a acestui test const n afirmaia c media eantionului este mai mare
dect cea a colectivitii generale.Aceast remarc se evideniaz n reprezentarea grafic n care
se prezint o limitare a densitii de probabilitate la dreapta, printr-o arie de regiuni de respingere
a ipotezei nule.
n cazul acestui test regiunea de respingere este demarcat prin valoarea critic Z
(figura 6.3).
RR
H 0 se respinge
Figura 6.3. Elementele teoretice ale testului Z unilateral dreapta
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
H 1 : ip
3. Deoarece n 30 , din datele aplicaiei i H 1 , atunci se aplic testul Z unilateral dreapta i se

ncepe schiarea graficului.
Z tabelar sau teoretic: Z (anexa 1) i valorile se plaseaz pe grafic
regiunea de respingere ( Rr ) : dac Z c > Z , atunci H o se respinge i este adevrat
ipoteza H 1 .
5. Se calculeaz valoarea statistic a testului cu una din relaiile 4.2 sau 4.3, iar valoarea

6. Se compar Z c cu Z , astfel urmrindu-se dac se verific relaia Rr i se ia decizia adecvat
situaiei.
6.2 Compararea mediilor a dou eantioane

n anumite situaii practica necesit realizarea unei analize statistice prin compararea a
dou medii ce reprezint dou eantioane care trebuiesc studiate.
Principalele caracteristici ce permit aplicarea testului Z pentru compararea mediilor ce
revin celor dou eantioane sunt:
1. - eantioanele sunt de volum mare ( n1 30 i n2 30 )
2. variabilele au tendine de normalitate: X 1 N 1 , 12 i X 2 N 2 , 22
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:
n1 volumul primului eantion

n 2 volumul celui de-al doilea eantion
x1 - media eantionului 1
x2 media eantionului 2
12 - dispersia primului eantion

22 - dispersia celui de-al doilea eantion
s12 - estimaia dispersiei primului eantion
s 22 - estimaia dispersiei celui de-al doilea eantion
Cazuri particulare:
1.
- dac dispersiile celor dou populaii eantionate sunt egale, 1 2 = 2 2 = 2 , atunci

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
2.1. - 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
(dac n>30, atunci se aplic testul z) , H 1 i se ncepe schiarea graficului.

cruia se stabilete:
Z tabelar sau teoretic Z (Anexa 1) i valoarea cu semnul - se
plaseaz pe grafic .
Regiunea de respingere Rr : dac Z c < Z , atunci H o se respinge i este
Z tabelar sau teoretic Z (Anexa 1) i valorile cu semnele + i - se plaseaz

2
pe grafic.
85
Regiunea de respingere Rr : dac Z c < - Z sau Z c > Z atunci H o se respinge i e

2

grafic.
Regiunea de respingere Rr : dac Z c > Z , atunci H o se respinge i este adevrat

ipoteza H 1 .
5. Se calculeaz valoarea statistic a testului calculat cu una din relaiile 4.4 4.9, iar valoarea

6. Se compar valoarea lui Z c cu una din valorile lui: - Z , - Z , Z , sau Z , i se stabilete
2
dac rezultatul statistic al testului calculat, Z c , intr n regiunea de respingere Rr , lundu-se

decizia adecvat situaiei.
6.3 Compararea proporiei eantionului cu a colectivitii generale

n practic apar cazuri care necesit testarea proporiei unui eantion cu testarea
proporiei colectivitii generale.
Aspectele pe care le vizeaz aplicarea testului Z n cazul comparrii proporiei
eantionului cu cea a colectivitii generale sunt:
distribuia repartizrii proporiilor trebuie s fie o distribuie dihotomic ale crei

caracteristici sunt modelate n general prin variabile repartizate binominal;
distribuia binominal este normal dac:

n p 5, n(1 p ) 5 ,
unde p reprezint proporia (media) eantionului.

n rapot cu volumul eantionului apar urmtoarele situaii:
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
printr-o sum a probabilitilor de apariie a evenimentelor caracterizate de un numr de

succese mai mare sau egal cu r.
n
PH 0 = C n P0 (1 p 0 ) n i
i
i=r
Aceast relaie conduce la obinerea probabilitilor critice, situaie n care distribuia de

eantionare a proporiei va fi tot una de tip Z, ceea ce implic aplicarea aceluiai tip de test i
anume, testul Z.
Zc =
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.
Aplicarea testului presupune parcurgerea urmtoarelor etape:

1. Se prezint ipoteza nul: H 0 : p = p o
2.1. -testul unilateral stnga: H 1 : p < p ip
2.2. -testul bilateral: H 1 : p pip
2.3. -test unilateral dreapta: H 1 : p > pip
3. Se precizeaz tipul testului statistic utilizat n raport cu datele aplicaiei, H 1 i volumul
eantionului (dac n>30, atunci se aplic testul Z) i se ncepe construcia graficului.
87
cruia se stabilete:
Z tabelar sau teoretic Z (anexa 1) i valoarea cu semnul - se plaseaz pe grafic

.
regiunea de respingere Rr : dac Z c < Z , atunci H o se respinge i este adevrat

ipoteza H 1 .
Z tabelar sau teoretic Z (anexa 1) i valorile cu semnele + i - se plaseaz

2
pe grafic.
regiunea de respingere Rr : dac Z c > - Z sau Z c > Z , atunci H o se respinge i

2
4.1.- test unilateral dreapta:

grafic.
regiunea de respingere Rr : dac Z c > Z , atunci H o se respinge i este adevrat

ipoteza H 1 .
5. Se calculeaz valoarea statistic a testului calculat cu relaia (3.21), iar valoarea obinut se
plaseaz pe grafic.
6. se compar valoarea lui Z c cu una din valorile lui: - Z , - Z , Z , sau Z , i se stabilete

2
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
se obine Z = Z 0.001 = 3,085

5 Valoarea statistic a testului (valoarea calculat) este:
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
Figura 6.4. Verificarea ipotezei H 0
(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 ,
atunci H o se respinge i este adevrat ipoteza H 1 , deci concluzia este c, managerul a

anticipat bine: cheltuiala medie pe angajat este mai mare de 980 UM.
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.
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
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
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.
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.
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.
92
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
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
d. Zcalculat = 1,16, se admite ipoteza nul i putem trage concluzia c nu exist
turism i la nivelul regiunii.
angajat
cheltuiala
este
distribuit
normal
cu
medie
de
1090
UM.
99,9%, valoarea statistic a testului (valoarea calculat) este:
a. 2,83
b. 2,53
c. 1,53
93
d. -2,55
angajat
cheltuiala
este
distribuit
normal
cu
medie
de
1090
UM.
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
Dup cumprarea aparatului:

n 2 = 30 de zile
x 2 = 2030 UM
s2 = 323 UM
n urma testrii acestei ipoteze pentru o probabilitate de 99% , putem afirma c:

94
a. deoarece, Z c > Z (1,15 > 1,645) , rezult c ipoteza H0 se admite, ceea ce

b. deoarece, Z c < Z (11,15 < 1,645) , rezult c ipoteza H0 se admite, ceea ce
c. deoarece, Z c < Z (11,15 < 1,645) , rezult c ipoteza H0 se respinge i este
este mai mare dup cumprarea aparatului;
d. deoarece, Z c < Z (12,5 < 1,645) , rezult c ipoteza H0 se respinge i este
difer semnificativ dup cumprarea aparatului;
9. ANAT a propus o modificare a reglementrilor statutului salariailor din ageniile de
turism. Modificarea poate fi efectuat numai n condiiile n care mai mult de 51% dintre
reprezentanii angajailor sunt de acord cu ea. Pentru a stabili dac aceast modificare
poate fi indus n statut s-a selectat aleatoriu un eantion de 150 reprezentani ai
angajailor, dintre care 80 de persoane au rspuns c sunt de acord cu respectiva
modificare. n urma testrii ipotezei conform creia proporia reprezentanilor din
eantion nu difer semnificativ de cea a tuturor celor din ANAT, putem afirma c:
a. Deoarece
Z c (0,5) < Z (1,645) ,
atunci
se
respinge
H0,
deci
proporia
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
c. Deoarece Z c (0,5) > Z (0,45) , atunci se respinge ipoteza H0, deci proporia
95
d. Deoarece Z c (0,5) > Z (0,45) , atunci se admite ipoteza H0, deci proporia
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

b. deoarece Z c (2,25) > Z (0,5) , atunci ipoteza H0 se respinge, deci se accept
2

c. deoarece Z c (1,25) < Z (1,96) , atunci ipoteza H0 se admite, prin urmare, afirmaia
2

cea presupus.
d. deoarece Z c (2,25) > Z (0,5) , atunci ipoteza H0 se admite, prin urmare, afirmaia
2

cea presupus.
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).
zc =
x1 x 2
12
n1
22
sau z c =
n2
x1 x 2
2
, iar pentru testatrea proporiilor Z c =
s1
s
+ 2
n1
n2
f p ip
f (1 f )
n
Bibliografie
D.


M.
Hapenciuc C.V.

Junimea, Iai, 2004

C.,
Voineagu V.
Jaba E.
Pecican t. E.

Bucureti, 2007
97
Unitatea de nvare 7
EANTIOANE DE VOLUM MIC
Bibliografie

7.1 Compararea mediei unui eantion de volum redus cu media colectivitii generale .......... 98
7.2 Compararea mediilor a dou eantioane de volum redus .................................................. 102
Rezumat................................................................................................................................... 114
Bibliografie.................................................................................Error! Bookmark not defined.

testarea ipotezei statistice privind compararea unui eantion de volum redus cu

media colectivitii generale;

volum redus;
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
Caracteristicile ce stau la baza aplicrii testului Student ( t ) care includ imposibilitatea

stabiliri dispersiei colectivitii generale, deci implicit a abaterii medii ptratice, precum i
formarea unor eantioane de volum redus, cu mai puin de 30 de componente, reprezint
principalele elemente necesare n derularea analizei de comparare a mediei unui eantion cu cea
a colectivitii generale.
Testul
poate fi aplicat pornind de la considerentul c distribuia normal redus
caracterizeaz colectivitatea general.

Deoarece n general, pentru astfel de eantioane nu prea se cunoate dispersia
colectivitii generale, deci nici abaterea medie ptratic, se va utiliza testul (t ) numai n condiia
estimrii abaterii standard a colectivitii generale cu cea a eantionului.
Fiind este vorba de un eantion redus (n < 30 ) , abaterea medie ptratic (standard)
estimat se determin cu relaia:
n
s = s2 =
(x
x)2
i =1
n 1
(7.1)
Statistica testului calculat va fi:

tc =
x ip
s2
n
x ip
s
(7.2)
unde:
x media eantionului
ip - media ipotetic a colectivitii generale

s abaterea standard estimat
n volumul eantionului
Deoarece, ca i n celelalte cazuri, la testului Student se ine seama de direcia abaterii

stabilit n ipoteza alternativ, atunci deciziile se formeaz tot n raport cu tipul testului studiat:
unilateral stnga, bilateral, unilateral dreapta.
n acest context, ipotezele testului Student i regiunile de respingere sunt asemntoare
cu cele ale testului Z .
99
Observaie
De remarcat c, deoarece la repartiia Student vorbim de gradele de libertate, atunci

valorile critice care limiteaz densitatea de probabilitate, deci valorile repartiiei Student (Anexa
3) au formele
t , n 1 , pentru testul unilateral drepta, stnga
t
2
, n 1
n aceste condiii, avem urmtoarele etape:

H 0 : = ip
1. Se prezint ipoteza nul:

2.1. - testul unilateral stnga: H 1 : < ip
2.2. - testul bilateral: H 1 : ip
2.3. - test unilateral dreapta: H 1 : > ip
3. Se precizeaz tipul testului statistic utilizat n raport cu datele aplicaiei, H 1 , volumul
t ) i se ncepe schiarea graficului.
creia se stabilete:
4.1. - testul unilateral stnga (figura 7.1)
valoarea lui
t tabelar
sau teoretic t (Anexa 3), cu semnul - se plaseaz pe
grafic .
regiunea de respingere Rr : dac t c < t , n 1 , atunci H o se respinge
Rr
H 0 se respinge
t ;n 1
100

valorile lui
tabelar sau teoretic t (Anexa 3), cu semnele + i - se plaseaz

2
pe grafic.

2
, n 1
sau t c > t
2
Rr
, n 1
Rr
H 0 se respinge
H 0 se respinge
t
2
;n 1
; n 1

4.3. - test unilateral dreapta (figura 7.3)
tabelar sau teoretic t , n1 (Anexa 3) i valoarea cu semnul + se plaseaz pe

grafic.
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
rezultatul statistic al testului calculat t c intr n regiunea de respingere Rr , lundu-se decizia

adecvat situaiei.
7.2
Compararea mediilor a dou eantioane de volum redus

De multe ori deciziile din activitatea economic, din afaceri, trebuiesc stabilite prin
compararea unor informaii destul de reduse.

n aceste condiii, se poate vorbi despre compararea a dou eantioane de volum mic (n<
30) caracterizate astfel:
un eantion de volum n1 < 30 cu media x1 i dispersia s12 este extras dintr-o colectivitate

alt eantion de volum n2 < 30 , cu media x 2 i dispersia s 22 este extras dintr-o colectivitate

Dou cazuri cu aplicabilitate practic prezint interes pentru analiza econometric:

standard egale.

standard diferite (inegale).

cu abateri standard egale
n practic pot s apar situaii n care trebuie s se formeze dou eantioane

independente care provin din colectiviti generale cu dispersii egale.
1 2 = 2 2 = 2 , deci 1 = 2 =
102
Repartiia Student tabelar sau teoretic va avea n1 + n2 2 grade de libertate, iar

x1 x2
tc =
1
1
s e2 +
n1 n 2
x1 x 2
=
se
1
1
+
n1 n 2
(7.3)
unde s e este abaterea standard estimat determinat cu relaia:

(n1 1) s12 + (n 2 1) s 22
n1 + n2 2
se =
(7.4)
Att ipotezele testului Student, ct i regiunile de respingere sunt asemntoare cu cele

prezentate anterior, exceptnd valorile critice n care apare testul
t ; n1 +n2 2 , pentru testul unilateral, respectiv t
2
, n1 + n2 2
tabelar care apar de forma:

2.1. - testul unilateral stnga: H 1 : x1 < x 2
i se construiete graficul.
creia se stabilete:
valoarea lui
tabelar sau teoretic t ; n1 +n2 2 (Anexa 3), cu semnul - se plaseaz pe
grafic.
regiunea de respingere Rr : dac t c < t ; n1 + n2 2 , atunci H o se respinge i este

103
Rr
H 0 se respinge
t ;n1 + n2 2

valorile lui
tabelar sau teoretic t

2
; n1 + n2 2
(Anexa 3), cu semnele + i - se plaseaz
pe grafic.
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

4.3.
tabelar sau teoretic t ;n1 +n2 2 (Anexa 3) i valoarea cu semnul + se plaseaz pe

grafic
ipoteza H 1 .
104
Rr
t ; n1 +n2 2 H 0 se respinge
Figura 7.6. Aplicarea testului t unilateral dreapta

5. Se calculeaz statistica testului cu relaia (3.29), iar valoarea obinut se plaseaz pe grafic.
6. Se compar valoarea lui t c cu una din valorile - t ; n1 +n2 2 , - t
, t
, t ; n1 +n2 2 i se
2
; n1 + n2 2
; n1 + n2 2
stabilete dac rezultatul statistic al testului calculat t c intr n regiunea de respingere Rr ,


cu abateri standard inegale
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)
Statistica testului Student calculat va fi:

tc =
x1 x 2
2
s1
s
+ 2
n1
n2
105
(7.7)
Ipotezele testului Student i regiunile de respingere vor fi similare celor prezentate n

ipostaza anterioar, pentru eantioanele independente provenind din colectiviti generale cu
abateri standard egale.
2.1. -testul unilateral stnga: H 1 : x1 < x 2
eantionului (dac n>30, atunci se aplic testul t ) i se construiete graficul.
cruia se stabilete:
4.1. - testul unilateral stnga (vezi figura 7.4):
t tabelar sau teoretic t ;n1 + n2 2 (Anexa 3) i valoarea cu semnul - se plaseaz pe grafic.
regiunea
de respingere Rr : dac t c < t ;n1 + n2 2 , atunci H o se respinge i este adevrat
ipoteza H 1 .
4.2. - testul bilateral (vezi figura 7.5):
(Anexa 3) i valorile cu semnele + i - se plaseaz pe
2
; n1 + n2 2
grafic.
regiunea
de respingere Rr : dac t c < - t

2
; n1 +n2 2
sau t c > t
2
; n1 +n2 2
i este adevrat ipoteza H 1 .

4.3. - test unilateral dreapta (vezi figura 7.6):
t tabelar sau teoretic t ;n1 +n2 2 (Anexa 3) i valoarea cu semnul + se plaseaz pe
grafic.
5.
6.
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
se stabilete dac rezultatul statistic al testului calculat t c intr n regiunea de respingere
Rr , lundu-se decizia adecvat situaiei.
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
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
2.
Ipoteza alternativ H 1 : x1 x 2
(exist diferen semnificativ ntre cheltuielile medii de ntreinere ale pensiunilor
3.
Dac n1 = 6 i n 2 = 4, ambele mai mici de 30, atunci se aplic testul t (testul t bilateral)
4.
Fiind
test
" t " bilateral
= 0,02 t
2
; n1 + n2 2
probabilitatea
de
98%
va
fi
evideniat
prin
= t 0,02;8 = 2,896
Regiunea de respingere Rr este: t c < t

2
; n1 + n2 2
sau t c > t
2
; n1 + n2 2
H o se respinge, deci

5.
Valoarea statistic a testului (valoarea calculat) se determin cu relaia 4.16, dup

determinarea abaterii standard estimat, astfel:
107
(n1 1) s12 + (n2 1) s 22

=
n1 + n2 2
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
(2,896) < t c ( 1,82) < t

2
; n1 + n 2 2
(2,896) ,
atunci t c este n afara Rr , rezult c H o este adevrat.
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.
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.
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
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
109
b.

H 1 : < 0 (greutatea medie a unei piese din ntregul lot este mai mic
c.


d.

H 1 : < 0 (greutatea medie a unei piese din ntregul lot este mai mica
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
b. deoarece t c ( 3,50) < t , n 1 (1,711) , rezult c ntre cheltuielile medii
c. deoarece t c (4,13) > t , n 1 (1,711) , rezult c ntre cheltuielile medii
d. deoarece t c (4,13) t , n 1 (1,711) , rezult c ntre cheltuielile medii
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
Eantionul persoane de sex feminin

nM = 20 biei
xM = 30 ani
s M = 4 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:
n1= 6
x1 = 4,5 mii UM
s1 = 0,15 mii UM
n2 = 4
x2 = 4,84 mii UM
s 2 = 0,44 mii UM
Rezultatele testrii sunt:

a. nu exist diferen semnificativ ntre cheltuielile medii de ntreinere ale
111
b. exist diferen semnificativ ntre cheltuielile medii de ntreinere ale

c. exist diferen semnificativ ntre cheltuielile medii de ntreinere ale
margarete deoarece (t calculat = 2,896);
d. cheltuielile medii de ntreinere ale pensiunilor turistice rurale de o margaret
sunt mai mari dect cele ale pensiunilor de dou margarete deoarece (t calculat =
-2,896);
Metoda actual
n 1 = 20
x1 = 27,1 minute
s1 = 3,7 minute
Noua metod
n 2 = 22
x 2 = 25,4 minute
s2 = 3,1 minute
Se testeaz, cu o probabilitate de 95%, ipoteza conform creia noua metod duce la un

consum de timp semnificativ mai mic.

a. Ipoteza nul: nu exist diferen semnificativ ntre consumul de timp realizat
semnificativ mai mare dect cel realizat de vechea metod;
b. Ipoteza nul: nu exist diferen semnificativ ntre consumul de timp realizat
Ipoteza alternativ: nu exist diferen semnificativ ntre consumul de timp
c. Ipoteza nul: nu exist diferen semnificativ ntre consumul de timp realizat
112
d. Ipoteza nul: exist diferen semnificativ ntre consumul de timp realizat de

noua metod i cel realizat de vechea metod;
Metoda actual
n 1 = 20
x1 = 27,1 minute
s1 = 3,7 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:
a. se admite ipoteza nul, nu exist diferen semnificativ ntre consumul de

timp realizat de noua metod i cel realizat de vechea metod;
b. se respinge ipoteza nul, exist diferen semnificativ ntre consumul de timp
realizat de noua metod i cel realizat de vechea metod;;
c. se respinge ipoteza nul, consumul de timp realizat de noua metod este
d. se admite ipoteza nul, exist diferen semnificativ ntre consumul de timp
8. Se dorete testarea ipotezei conform creia ntre dou mrci de imprimante nu exist
diferene semnificative privind cheltuielile de funcionare. Pentru aceasta, 20 de posesori
de imprimante (8 posesori ai primei mrci, 12 posesori ai celei de a doua) sunt rugai s
in evidena cheltuielor de funcionare pe o perioad de un an de zile. Rezultatele
prelucrrii datelor sunt:
Marca 1
n1= 8
x1 = 56,96 UM
s1 = 4,9
Marca 2
n 2 = 12
x 2 = 52,73 UM
s2 = 6,4
113
Pentru o probabilitate de 90%, putem spune c:

a. nu exist diferene semnificative privind cheltuielile de funcionare ale celor
dou mrci de imprimante;
b. exist diferene semnificative privind cheltuielile de funcionare ale celor dou
mrci de imprimante;
c. cheltuielile de funcionare cu prima marc de imprimant sunt semnificativ
mai mari dect cheltuielile de funcionare cu cea de-a doua marc de
imprimant;
d. cheltuielile de funcionare cu prima marc de imprimant sunt semnificativ
mai mici dect cheltuielile de funcionare cu cea de-a doua marc de
imprimant;
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
. Regiunile critice sunt determinate n
funcie de pragul de semnificaie ales, numrul gradelor de libertate (g=n-1) i de enunurile

concrete ale ipotezelor H 0 (nul) i H 1 (alternativ).
sau t c =
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
Bdi M., Baron T.,

Cristache S.E.


M.
Econometrie cu aplicaii n activitatea de comer-turismservicii, Editura Universitar, Bucureti, 2008.

Voineagu V, ian E.,

erban R., Ghi S.,
Pele D.

2007
115
Unitatea de nvare 8
TESTAREA IPOTEZELOR PRIVIND DISPERSIILE POPULAIILOR
Cuprins

8.1 Compararea dispersiei eantionului cu dispersia colectivitii generale ........................... 116
8.2 Compararea dispersiei a dou colectiviti ........................................................................ 119
Rezumat ................................................................................................................................... 125
Bibliografie.............................................................................................................................. 126


8.1
Compararea dispersiei eantionului cu dispersia colectivitii generale

Cei mai utilizai indicatori n procesul inferenei statistice sunt: media, dispersia i
proporia. Un rol important n cadrul inferenei o au i testrile ipotezelor statistice aplicate n

condiiile comparrii dispersiilor.
Repartiia 2 este utilizat cu preponderen n testarea ipotezelor statistice permind
studierea mai detaliat, chiar i sub aspect calitativ, a colectivitilor statistice.
116
c2 =
(n 1) s 2
(5.1)
n aceste condiii, etapele de aplicare a testului 2 sunt urmtoarele:

1. Se prezint ipoteza nul: H 0 : 2 = i2
2.1. - testul unilateral stnga: H 1 : 2 < i2
2.2. - testul bilateral: H 1 : 2 i2
2.3. - test unilateral dreapta: H 1 : 2 > i2
3. Se precizeaz tipul testului statistic utilizat n raport cu datele aplicaiei i ipoteza alternative
( H 1 ), iar apoi se ncepe schiarea graficului.

cruia se stabilete:
se determin 2 tabelar (Anexa 2) sub forma 12 , n 1 , iar valoarea se plaseaz pe

grafic.
regiunea de respingere Rr : dac 2 c < 21 , n 1 , atunci H o se respinge i este

Rr
H 0 se respinge
12 ; n1
Figura 5.1 Elementele teoretice ale testului 2 unilateral stnga

se determin 2 tabelar (Anexa 2), adic valorile pentru 2
1 ; n 1
2
117
i 2
2
;n 1
regiunea de respingere Rr : dac c2 < 2
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
Figura 5.2. Elementele teoretice ale testului 2 bilateral

4.3. - test unilateral dreapta (figura 5.3.):
se determin 2 tabelar (Anexa 2), adic 2 , n1 iar valoarea se plaseaz pe

grafic.
regiunea de respingere Rr : dac, c2 > 2 ,n 1 , atunci H o se respinge i este

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
6. Se compar valoarea lui c2 cu una din valorile 12 , n 1 , 2
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
Compararea dispersiei a dou colectiviti

Compararea dispersiilor a dou colectiviti se poate realiza fie direct, fie utiliznd
raportul acestora.
Aplicarea testului presupune urmtoarele:
colectivitile comparate s fie formate din variabile aleatoare: X 1 i X 2 ;
variabilele utilizate s fie repartizate normal: X 1 ~ N (m1 , 12 ) i X 2 ~ N (m 2 , 22 );
eantioanele de volum n1 i n 2 extrase din colectivitile comparate s permit
stabilirea estimaiilor dispersiilor S12 i S 22 .

Stabilirea statisticii testului Fisher calculat:
Fc =
S12 22
S 22 12
(5.2.)
Observaie: Dac 12 = 22 , atunci statistica testului calculat devine:

Fc =
S12
.
S 22
(5.3.)
Testul F se aplic i el n toate cele trei situaii:

test unilateral stnga,
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
- pentru testul unilateral dreapta: F ; n1 1; n2 1 ,

n care:
- 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):
F tabelar sau teoretic F1 ; n1 1; n2 1 (Anexa 4) i valoarea se plaseaz pe grafic.
regiunea de respingere Rr : dac Fc < F1 ; n1 1; n2 1 , atunci H o se respinge i este

Rr
F1 ; n1 1; n2 1
H 0 se respinge
Figura 5.4 - Elementele teoretice ale testului
unilateral stnga
testul bilateral (figura 5.5.):
F tabelar sau teoretic F
1 ; n1 1; n2 1
2
i F
2
; n1 1; n2 1
regiunea de respingere Rr : dac Fc < F
(Anexa 4) se plaseaz pe grafic.
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
F tabelar sau teoretic F ; n1 1; n2 1 (Anexa 4) i valoarea se plaseaz pe grafic.

regiunea de respingere Rr : dac Fc > F ; n1 1; n2 1 , atunci H o se respinge i este
Rr
F ; n1 1; n2 1H 0 se respinge
unilateral dreapta
n practic cele mai utilizate teste sunt: bilateral i unilateral dreapta.
Exemplul 8.1.
Departamentul de vnzri al unei firme comerciale dispune de urmtoarele date privind

cererea unui produs. 80, 59, 66, 83, 36, 58, 55, 64, 63, 66. Datele u fost selectate dintr-o
colectivitate normal distribuit. pentru o probabilitate de 95% s se testeze ipotezele:
H0: 2=100, respectiv H1: 2>100.
121
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.
5. Valoarea statistic a testului (valoarea calculat):

Cunoatem
i trebuie s determinm dispersia eantionului s2.
Deoarece n=10 < 30
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
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?
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
H 0 : 2 = 4 , respectiv H 1 : 2 > 4 .
Regiunea de respingere (Rr ) este:

a. c2 > 2 ;n ;
b. c2 > 2 ;n 1 ;
c. c2 > 2
2
; n 1
123
d. c2 > n21 .
H 0 : 2 = 4 , respectiv H 1 : 2 > 4 .
Valoarea statistic a testului este:

a. 6,1;
b. 5,9;
c. 6,5;
d. 5,5.

i 2 stele i alta care le include pe cel e de 3 i 4, eventual 5 stele). Acest aspect a fost
22 = 0,43 UM, n condiiile n care probabilitatea rezultatelor este de 95%.

Unitile de 1 i 2 stele
n 1 = 46
Uniti de 3, 4, 5 stele
n 2 = 55
12 = 1,42 UM
22 = 0,43 UM

a. H 0 :
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

i 2 stele i alta care le include pe cele de 3 i 4, eventual 5 stele). Acest aspect a fost
22 = 0,43 UM, n condiiile n care probabilitatea rezultatelor este de 95%. Testul

statistic are valorea:
a. 9,9;
b. 11,9;
c. 10,9;
d. 10,5.
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
. Regiunile critice sunt determinate n funcie de pragul de semnificaie ales,
numrul gradelor de libertate (g=n-1) i de enunurile concrete ale ipotezelor H 0 (nul) i H 1

(alternativ).
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
Bibliografie
Jaba E.
Mitru C., erban D

Bucureti, 2002
Bucureti, 2003


M.
126
Unitatea de nvare 9
ANALIZ DISPERSIONAL (ANOVA)
Cuprins
9.1 Analiza dispersional unifactorial ................................................................................... 127
9.2 Analiza dispersional bifactorial ..................................................................................... 133
Rezumat ................................................................................................................................... 146
Bibliografie.............................................................................................................................. 146


9.1
utilizarea intrumentelor Excel n aplicarea testului ANOVA.
Analiza dispersional unifactorial

Studierea legturilor dintre fenomenele i procesele economice include i aplicarea
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
variabil dependent reprezint variabila rezultativ, obligatoriu cantitativ, dup care

se compar grupele i este supus analizei;
variabila independent este exprimat prin factorul care influeneaz ntr-o anumit
msur variabila dependent.
n fucie de numrul factorilor, analiza dispersional poate fi:
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
ANOVA, adic a testului Fisher (testul F ), care se bazeaz pe urmtoarele considerente:

1. - populaiile din care se extrag k eantioane trebuie s fie normal distribuite;
2. - dispersiile populaiilor trebuie s fie egale
( 12 = 22 = 32 = ... = k2 = );
3. - 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.
Testul F stabilete dac mediile eantioanelor comparate difer semnificativ.
Ipoteza nul ( H 0 ) este cea prin care se menioneaz c mediile eantioanelor comparate
sunt egale (figura 5.7) sau altfel spus, 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, 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
Figura 9.1 - Evidenierea ipotezelor H 0 i H 1

Dac dintr-o populaie au fost extrase eantioane j sub forma grupelor, acestea pot
mbrca urmtoarele forme:
forma seriilor simple;
forma seriilor cu frecvene.
Serii simple
n cazul seriilor simple, datele statistice apar ntr-o tabel a crei form general este
dat n tabelul 5.1.
Tabelul 9.1. - Forma teoretic a tabelului distribuei simple pe grupe

Volumul
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
Mediile utilizate sunt:

- media de grup ( y1 , y 2 , y 3 , ..., yi , ..., y r ) :
ni
ij
j =1
yi =
(9.1.)
ni
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.
Tabelul 9.2. Forma teoretic a tabelului unei distribuii bidimensionale

Grupe dup factorul x
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:
- media de grup ( y1 , y 2 , y 3 , ..., yi , ..., y r )
130
y n
j
yi =
ij
j =1
(9.3.)
ij
j =1
m
y n
j
y0 =
yn
i
j =1
j =1
i =1
r
(9.4.)
i
i =1
Schema structural de aplicare a analizei dispersionale unifactoriale se poate reduce la

relaii, ale cror rezultate pot fi prezentate ntr-o form de tipul celei ilustrate n tabelul 9.3
Tabelul 9.3. Forma teoretic a tabelului pentru ANOVA unifactorial
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
Aplicarea statisticii testului F are n vedere determinarea lui Fcalculat, astfel:

Fc =
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
S1 = variana factorial (variana dintre grupe, determinat ca suma ptratelor

abaterilor mediilor de grup yi , de la media general y 0 )
r 1 = numrul gradelor de libertate calculat ca numrul total al grupelor r
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
S 2 = variana rezidual (variana din interiorul grupelor determinat ca sum a

ptratelor abaterilor valorilor individuale y ij de la valorile mediilor de grup y
n r = numrul gradelor de libertate calculat ca diferen ntre volumul eantionului n

i numrul total al grupelor r .
n continuare, dup compararea valorii calculate a statisticii testului F ( Fc ) cu cea

teoretic sau tabelar ( Ft ), se ia decizia privind validitatea presupunerii (ipotezei). Valoarea
tabelar ( Ft ) se stabilete pentru o limit de semnificaie i g1 respectiv g 2 grade de libertate
(unde: g1 = r 1 , g 2 = n r ) i se preia din tabelul cu valorile funciei F (Anexa 4).
n funcie de raportul dintre valorile Fc i Ft avem urmtoarele concluzii:
1.
- dac Fc < F , r 1, n r , atunci se accept ipoteza nul H0, deci:

ipoteza nul ( H 0 ) este considerat adevrat;
132
nu exist diferene semnificative ntre mediile de grup comparate (nu exist
diferene semnificative ntre eantioanele comparate);

factorul x nu este semnificativ statistic, adic nu influeneaz semnificativ variabila
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
semnificative ntre eantioanele comparate);

factorul x este semnificativ statistic, adic influeneaz semnificativ variabila
rezultativ
9.2
Analiza dispersional bifactorial

Modelul de analiz dispersional bifactorial se bazeaz pe acelai principiu al nsumrii
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
In tabelul 9.4. apar urmtoarele elemente:

F.I i F.II reprezint doi factori principali de influen asupra unei variabile rezultative y ; x
variabila dependent, cu valori ale caracteristicii rezultative xijk ;

F.I are h niveluri (grupe, eantioane);
F.II are q niveluri (grupe, eantioane);
n numrul celulelor tabelului, corespunztoare fiecrui nivel (grup, eantion);
xijk - valorile caracteristicii rezultative, adic a - k - a informaie (dat statistic) din
eantionul corespunztor grupei nivelului i al primului factor (F.I) i nivelului j al celui deal doilea factor (F.II)
Tabelul 9.5. Forma teoretic a tabelului pentru ANOVA bifactorial
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 )
- se determin ca sum a abaterilor ptrate ale mediilor liniilor de la media general,

datorate primului factor (F.I);
h
S1 = qn ( xi* x )
(9.10.)
i =1
Variana factorului F.II ( S2 )
- se calculeaz ca sum a abaterilor ptrate ale mediilor coloanelor de la media general,

datorate celui de-al doilea factor (F.II);
2
S 2 = hn (x* j x )
(9.11.)
j =1
Variana interaciunii factorului F.I cu factorul F.II ( S1_2 )
- se calculeaz ca sum a ptratelor, datorate interaciunii ambilor factori (F.I i F.II);

- este indicator de comensurare a variaiei explicate de interaciunii celor doi factori (F.I
i F.II);
S1 _ 2 = n (xij xi* x* j x )
h
(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;
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.)
Gradele de libertate corespunztoare factorului F.II ( df2 )
df 2 = q 1
(9.16.)
Gradele de libertate corespunztoare interaciunii factorului F.I cu factorul F.II ( df1_2)

df 1 _ 2 = (h 1) (q 1)
(9.17.)
Gradele de libertate corespunztoare rezidual ( df3 )
df 3 = hq (n 1)
(9.18.)
Gradele de libertate corespunztoare total ( df0 )
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.)
Dispersia corectat a factorului F.II ( S 22 )
Dispersia corectat a interaciunii factorului F.I cu factorul F.II ( S12_ 2 )

S12_ 2 =
Dispersia corectat rezidual ( S 32 )
136
S1 _ 2
df1 _ 2
(9.22.)
S 32 =
S3
df 3
(9.23.)
Completarea tabelului (9.5) cu rezultatele obinute prin aplicarea formulelor prezentate

permit continuarea metodologiei de aplicare a testului F prin testarea ipotezelor privind
semnificaia contribuiei factorilor la precizarea variaiei variabilei dependente.
n cazul analizei dispersionale bifactoriale apar trei seturi de ipoteze care, n funcie de
factorii la care se refer, sunt:
Pentru factorul F.I:
H0: factorul F.I nu este semnificativ (mediile determinate la nivelul liniilor nu difer
semnificativ)
H1: factorul F.I este semnificativ (mediile determinate la nivelul liniilor difer n mod
semnificativ)
Pentru factorul F.II,
H0: factorul F.II nu este semnificativ (mediile determinate la nivelul coloanelor nu
difer semnificativ)
H1: factorul F.II este semnificativ (mediile determinate la nivelul coloanelor difer n
mod semnificativ)
Pentru interaciunea dintre factori (factorul F.I i F.II),
H0: interaciunea factorilor nu este semnificativ (mediile determinate la nivelul
celulelor nu difer semnificativ)
H1: interaciunea factorilor este semnificativ (mediile determinate la nivelul celulelor
difer n mod semnificativ)
Deciziile de respingere a ipotezei nule au n vedere urmtoarele reguli prezentate pe cele
trei seturi de ipoteze:
a. FF.I > F1 , h 1,hq (n 1)
b. FF.II > F1 , q 1, hq (n 1)
c. FF.I_F.II > F1 ,(h 1)(q 1), hq (n 1)
n aceast situaie, rezultatele obinute se vor concluziona n verdictul conform cruia,
ambii factori au o influen semnificativ asupra variabilei rezultative.
137
Analiza dispersional bifactorial, n raport cu modul de formare a nivelurilor factorilor,

cuprinde urmtoarele modele:
model cu efecte sistematice reprezentat de modelul n care datele statistice ale
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
de analiz dispersional (ANOVA). Nivelul de
semnificaie ales este = 0,05.
138
Tabelul 9.6. Tarifele practicate de dou categorii de pensiuni

Medii
Valoarea tarifelor practicate ( lei )
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)
y variabila rezultativ (valoarea tarifelor practicate)
( 1 ) = 95 %
1.
Ipoteza nul H 0 : R = U
(valoarea medie a tarifelor practicate n mediul rural nu difer semnificativ de valoarea medie a
2.
Ipoteza alternativ H 1 : R U
(valoarea medie a tarifelor practicate n mediul rural difer semnificativ de valoarea medie a
3.
Datele aplicaiei conduc la utilizarea testului Fisher (testul F unilateral dreapta)
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.
Valoarea statistic a testului (valoarea calculat) se determin cu relaia (5.27) astfel:

Se determin, cu relaiile (5.28) i (5.29), dispersia corectat sistematic:
15
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 =
(141,13 141,48)2 15 + (142 141,48)2 10 = 4,54

2 1
139
Se determin, cu relaiile (5.30) i (5.31), dispersia corectat rezidual:
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
Statistica testului va fi: Fc =
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.
Tabelul 9.7. Preferinele clienilor privind pachetele turistice

Zona montan
Zona balnear
Zona de litoral
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
H 1 : cel puin dou medii sunt diferite.

140
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:
la Input Range se selecteaz datele de la A1 la C16
se activeaz Labels in First
se specific Grouped by Columns
se activeaz Output Range i se selecteaz o csu n care se dorete s se

poziioneze rezultatele
OK
Rezultatele sunt ilustrate n tabel 9.8:
Tabelul 9.8. Tabelul ANOVA cu rezultatele analizei

Anova: Single Factor
SUMMARY
Groups
Z.Montan
Z.Balnear
Z.de Litoral
ANOVA
Source of Variation
Between Groups
Within Groups
Total
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
Explicarea elementelor ce apar n tabel 9.8:
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 varianta factorial, Between Groups (ntre grupe): S1 = 353,7333
pe varianta rezidual, Within Groups (n interiorul grupelor): S 2 = 191,4667
pe total: S 0 = 545,2 = S1 + S 2
df sunt gradele de libertate
pe varianta factorial, Between Groups (ntre grupe): df1 = r 1 = 3 1 = 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
MS dispersia corectat (media ptratelor notat cu S 2 n tabelul 5.3)
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
Interpretarea rezultatelor prezentate n tabel 9.8:

Rezultatele tabelului SUMMARY indic prezena celor mai multe pachete vndute n
zona montan, n timp ce zonei balneare i corespunde cea mai mare mprtiere a
datelor.
ANOVA prezint Statistica F cu valoarea de 38,797 ca fiind mult mai mare dect cea
critic de 3,2199, cea ce nseamn c cel puin dou medii difer semnificativ, fapt
142
confirmat i prin valoarea pragului de semnificaie P-value de 0,00000000028595 care

este mai mic dect 0,05.
1. Cnd se recomand utilizarea metodei de analiz dispersional?
2. Prin ce se exprim variabila independent n cazul testului ANOVA?

3. Cum se numete indicele de mrime a efectului pentru testul ANOVA?
4. La ce se refer dispersia intragrup?
5. Pentru a aplica testul ANOVA ce indicatori auxiliari se calculeaz?
6. Care sunt tipurile de varian utilizate n ANOVA i ce reprezint ele?
7. Ce sunt dispersiile corectate?
8. Cum se stabilete regiunea critic pentru testul F?
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
Valoarea vnzrilor (mil. RON)

27; 22; 21; 20; 28; 29; 22; 20; 16
15; 20; 23; 23; 25
9; 15; 13; 18; 12; 10
Nr. magazine
9
5
6
S se stabileasc dac zona de amplasare a magazinelor influeneaz valoarea vnzrilor.

n urma aplicrii metodei ANOVA de analiz dispersional a rezultat urmtoarea
concluzie:
a. zona de amplasare nu influeneaz valoarea vnzrilor (Statistica F este
12,10);
b. zona de amplasare influeneaz valoarea vnzrilor (Statistica F este 12,10);
c. zona de amplasare influeneaz valoarea vnzrilor (Statistica F este 3,59);
d. zona de amplasare nu influeneaz valoarea vnzrilor (Statistica F este 3,59);
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
b. Statistica F este 5,87, gradele de libertate df1 pentru varianta factorial este 2
c. Statistica F este 5,87, gradele de libertate df1 pentru varianta factorial este 1
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
S se stabileasc dac utilizarea platformei e-learning a influenat rezultatele obinute la

examene de ctre studeni (nivel de semnificaie 5%).
a. Deoarece Fc (3,29) < F0, 05;18;19 (4,42) , iar Fc intr n Rr , concluzia este c,
de ctre studeni.
b. Deoarece Fc (5,19) > F0, 05;17;19 (3,49) , iar Fc nu intr n Rr , concluzia este c,
ctre studeni.
c. Deoarece Fc (5,19) > F0, 05;18;19 ( 4,42) , iar Fc nu intr n Rr , concluzia este c,
ctre studeni.
d. Deoarece Fc (3,29) < F0, 05;17;19 (3,49) , iar Fc intr n Rr , concluzia este c,
de ctre studeni.
4. O firm de cercetri de marketing dorete s stabileasc n ce mod tipurile de publicitate
influeneaz vnzrile unui anumit produs. n acest scop se analizeaz vnzrile pentru
obinute exclusiv prin reclame TV i prin reclame radio pentru 10 produse alimentare.
Tipul de publicitate
TV
Radio
Vnzrile obinute
27; 22; 21; 25; 24
15; 13; 14; 20;19
S se stabileasc dac tipul de publicitate utilizat a influenat vnzrile obinute (nivel de

semnificaie 5%).
a. tipul de publicitate nu influeneaz valoarea vnzrilor (Statistica F este 4,7);
b. tipul de publicitate nu influeneaz valoarea vnzrilor (Statistica F este
18,75);
c. tipul de publicitate influeneaz valoarea vnzrilor (Statistica F este 15,01);
d. tipul de publicitate influeneaz valoarea vnzrilor (Statistica F este 18,75);
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
M.

146
DETERMINAREA I TESTAREA CORELAIILOR LINIARE DINTRE
VARIABILELE ECONOMICE
Cuprins
10.1 Corelaia liniar simpl ................................................................................................ 147
10.2 Corelaia multipl ......................................................................................................... 152
Rezumat ................................................................................................................................... 158
Bibliografie.............................................................................................................................. 158

aplicabilitatea modelelor econometrice de analiz a legturilor prin intermediul

coeficienilor de corelaie;
testarea coeficientului de corelaie;
10.1 Corelaia liniar simpl

Coeficientul de corelaie ( r ) reprezint un indicator statistic de analiz a legturii dintre
dou sau mai multe variabile statistice. El este utilizat, n cazul studierii liniaritii dintre o
variabil rezultativ i alta factorial (sau mai multe factoriale), scopul aplicrii lui derivnd
tocmai din capacitatea acestuia de a stabili direcia i gradul de intensitate a respectivei legturi.
n cazul corelaiei simple liniare, acest coeficient se determin n raport cu abaterile celor
dou variabile, variabila x (factorial) i variabila y (rezultativ), astfel:
147
pentru o serie bidimensional simpl:

n
r=
(x
x )( y i y )
i =1
cov( x; y )
n x y
xy
x y
x y
(10.1)
care, dup efectuarea calculelor are forma:

n
(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
unde: n - numrul variabilelor perechi (x, y ) incluse n analiz;
x - abaterea medie ptratic a variabilei factoriale x

y - abaterea medie ptratic a variabilei rezultative y
xy - abaterea medie ptratic corespunztoare ambelor
variabile xy
pentru o serie bidimensional cu frecvene:

n
r=
(x
x )( y i y )n xy
i =1
(10.4)
xy
x y
i =1
dup efectuarea calculelor relaia (6.4) devine:

n
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)
unde s x - estimatorul abaterii medii ptratice a variabilei factoriale x

s y - estimatorul abaterii medii ptratice a variabilei rezultative y
s xy - estimatorul abaterii medii ptratice corespunztoare
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 factorul x i rezultativa y este indirect

(variaia factorului x n sensul unei creteri determin o variaie a rezultativei y
n direcia unei scderi sau scderea lui x determin o cretere a lui y );
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.
Tabelul 10.1. Semnificaiile valorilor coeficientului de corelaie

Dac r = 0 , NU exist legtur ntre variabilele studiate
Legtur INVERS, dac r ( 1 ; 0)
Legtur DIRECT, dac r (0 ; 1)
Interval
Tipul legturii
Interval
Tipul legturii
invers
foarte
slab
direct
foarte slab
r ( 0,2 ; 0)
r (0 ; 0,2)
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
Determinarea coeficientului de corelaie la nivelul unui eantion i interpretarea acestuia,

reprezint o prima etap necesar aplicrii metodologiei econometrice de stabilire a semnificaiei
coeficientului de corelaie al colectivitii generale din care a fost selectat eantionul cercetat.
Procesul testrii semnificaiei coeficientului de corelaie ( ) n raport cu cel al
eantionului ( r ) se desfoar pornind de la urmtoarele aspecte:
variabila rezultativ y i cea factorial x s fie repartizate normal;
coeficientul de corelaie al colectivitii generale ( ) s-ar determina astfel:
(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:
- absolut corect cu: M (r ) = i 2 (r ) 0

- cu abaterea medie ptratic: s r =
1 r2
n2
1 r 2
- avnd distribuia normal: N ,

n2
1. Ipoteza nul H 0 : = 0 (coeficientul de corelaie al colectivitii nu este semnificativ

statistic, deci nu difer semnificativ de zero),
2. Ipoteza alternativ H 1 : 0 (coeficientul de corelaie al colectivitii este semnificativ

statistic, deci difer semnificativ de zero).
2.1. - testul unilateral stnga: H 1 : < 0 (coeficientul de corelaie al colectivitii este

semnificativ statistic, deci mai mic semnificativ de zero)
2.2. - testul bilateral: H 1 : 0 (coeficientul de corelaie al colectivitii este

semnificativ statistic, deci difer semnificativ de zero)
2.3. - test unilateral dreapta: H 1 : > 0 (coeficientul de corelaie al colectivitii este

semnificativ statistic, deci mai mare semnificativ de zero)
3. n raport cu datele i cerinele aplicaiei se utilizeaz testul t

150
( Student)
4. Se stabilete limita de semnificaie i regiunea de respingere

t tabelar sau teoretic t ; n 2 (Anexa 3) i valoarea cu semnul - se plaseaz pe
grafic.
regiunea de respingere Rr : dac t c < t ; n 2 , atunci H o se respinge, deci
coeficientul de corelaie este semnificativ mai mic dect zero.

2
; n2
(Anexa 3) i valorile cu semnele + i - se
plaseaz pe grafic.

2
; n2
sau t c > t
2
; n2
atunci H o deci
coeficientul de corelaie este semnificativ diferit de zero.
t tabelar sau teoretic t ; n 2 (Anexa 3) i valoarea cu semnul + se plaseaz pe

grafic.
regiunea de respingere Rr : dac t c > t ; n 2 , atunci H o se respinge, deci

coeficientul de corelaie este semnificativ mai mare dect zero.
5.
Statistica testului13 calculat este:
tc =
1 r2
n2
(10.8)
6. Concluzia se stabilete n funcie de regiunea de respingere i valoarea calculat t c , astfel: se

compar valoarea lui t c cu una din valorile - t ; n 2 , - t
2
; 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 ,
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
Testarea semnificaiei coeficientului de corelaie simpl liniar se poate realiza i cu

ajutorul testului Fisher14 (testul F ), utiliznd aceeai metodologie ca i n cazul testrii
raportului de corelaie, numai c, statistica testului este:
Fc =
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 .
10.2 Corelaia multipl

n studierea corelaiei din cadrul activitilor de comer-turism-servicii trebuie utilizai
indicatori care s permit o interpretare a modului n care se concretizeaz legtura.
Formarea unei legturi multiple liniare ntre caracteristicile studiate creeaz posibilitatea
utilizrii coeficientului de corelaie multipl.
Coeficientul de corelaie multipl se stabilete n raport cu coeficientul de corelaie
simpl i, n special pe baza relaiei de egalitate dintre raportul de corelaie i coeficientul de
corelaie simpl ( R = r ).
n funcie de tipul seriei bidimensionale, raportul de corelaie utilizat este:
pentru o serie bidimensional simpl
(y
n
R y / x1, , x2 ,..., xn = 1
i =1
y x1 , x2 ,..., xn
(y
y)
(10.10)
2
i =1
pentru o serie bidimensional cu frecvene
(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
n general, dac o caracteristic rezultativ este influenat de doi factori, atunci n

funcie de tipul factorilor, coeficientul de corelaie multipl are formele:
14
Ibidem,n subcapitolul 2.3 2.3.4. Repartiia Fisher-Snedecor
152
pentru factori interpendeni:

R y / x1 , x2 = ry / x1 , x2 =
1 rx21x2
(10.12)
pentru factori independeni, deoarece rx1x2 = 0 rezult:

R y / x1 , x2 = ry / x1 , x2 = ry2/ x1 + ry2/ x2
(10.13)
Utilizarea relaiei (10.13) are n vedere, n special, verificarea liniaritii funciei de

estimare. Subliniem c relaia (10.13) este adevrat (se verific) numai n cazul n care ntre
variabilele analizate exist o relaie de liniaritate.
Similar modului de definire a coeficientului de corelaie (relaia 6.1) se deduce imediat c
ry / x1 , ry / x2 , respectiv rx1x2 au expresiile:
n
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
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)
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)
Tendina de interaciune dintre factorii de influen ntre care exist o relaie de

interdependen i variabila rezultativ, precum i ierarhizarea caracteristicilor factoriale, poate fi
evideniat ca urmare a aplicrii metodologiei de calcul a unui tip de corelaie denumit corelaie
parial.
Corelaia parial se stabilete n raport cu valorile coeficientului de corelaie multipl, iar
coeficienii de corelaie pariali formai se determin astfel:
153
cnd caracteristica x 2 este constant, coeficientul de corelaie parial ntre y i x1

este:
ry / x1 ( x2 ) =
y2 / x x2 x
2
1 2
y2 / x
= 1
x2 x
1 2
y2 / x
(10.19)
sau
ry / x1 ( x2 ) =
(10.20)
(1 r )(1 r )
2
y / x2
2
x1 x2
Coeficientul de corelaie ry / x1 ( x2 ) ne indic gradul de influen a primului factor ( x1 )

asupra caracteristicii rezultative ( y ), n condiiile meninerii constante a celui de-al
doilea factor ( x 2 ).
cnd caracteristica x1 este constant, coeficientul de corelaie parial ntre y i x2

este:
ry / x2 ( x1 ) =
y2 / x x2 x
1
1 2
2
y / x1
= 1
x2 x
1 2
2
y / x1
(10.21)
sau
ry / x2 ( x1 ) =
(1 r )(1 r )
2
y / x1
2
x1 x2
(10.22)
Coeficientul de corelaie ry / x2 x1 ne indic gradul de influen a celui de-al doilea factor

( x 2 ) asupra caracteristicii rezultative ( y ), n condiiile meninerii constante a primei
caracteristici factoriale ( x1 ).
Studierea legturii dintre mai multe caracteristici factoriale i cea rezultativ, prin
utilizarea coeficienilor de corelaie pariali, presupune o reflectare a influenei fiecrei variabile
factoriale n parte, asupra celei rezultative, n condiiile meninerii constante a influenei
celeilalte variabile factoriale.
Ca i n cazul coeficientului de corelaie simpl liniar, determinarea coeficientului de
corelaie multipl are n vedere aplicarea indicatorului, printr-o metodologie econometric
adecvat i n cazul testrii semnificaiei acestuia la nivelul colectivitii generale din care a fost
selectat eantionul aflat n studiu.
154
Verificarea semnificaiei coeficientului de corelaie multipl, ct i a coeficienilor

pariali reprezint un proces de testare a valorii acestora n sensul de a stabili dac valorile
rezultate sunt reale sau se datoreaz n cea mai mare parte aciunii erorilor aleatoare care apar n
urma derulrii sondajului.
Metodologia testrii semnificaiei este aceeai cu cea utilizat la testarea coeficientului de
corelaie simpl liniar.
Dup stabilirea ipotezelor (nul i alternativ), se precizeaz limita de semnificaie i
regiunea de respingere, pentru ca n urmtoarea etap, s se aplice unul testele prezentate mai
sus:
o Testul Student ( t ), cu statistica (relaia 6.8):
tc =
r
1 r2
n2
o Testul Fisher Snedecor ( F ), cu statistica (relaia 6.9):

Fc =
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.

1. Ce reprezint coeficientul de corelaie?
155
2. Care sunt valorile coeficientului de corelaie ce stabilesc gradul de intensitate a

legturii dintre variabilele analizate?
3. Care sunt etapele ce trebuiesc parcurse pentru testarea semnificaiei coeficientului de
corelaie?
4. Care este formula cu care se calculeaz statistica testului coeficientului de corelaie?
5. Care este testul cu ajutorul cruia se testeaz semnificaia coeficientului de corelaie
simpl liniar?

1. Verificarea intensitii legturii dintre variabilele economice cantitative presupune
utilizarea:
a. testului F;
b. coeficientului de contingen;
c. analizei dispersionale;
d. coeficientului de corelaie.
2. Coeficientul de corelaie arat:
a. ct de puternic este legtura dintre variabile;
b. omogenitatea legturii dintre variabile;
c. erorile seriei de date;
d. abaterile modelului econometric.
3. Intervalele de valori ale coeficientului de corelaie sunt:
a. ry/x
(0; 0,2) - legatura direct foarte slab;
b. ry/x
(0,2; 0,5) legatur direct slab;
c. ry/x
(0,5; 0,75) legatur direct de intensitate medie;
d. ry/x
(0,75; 0,95) - legatura este biunivoca si de inteensitate slaba
e. ry/x
(0,75; 0,95) - legatur direct puternic;
f. ry/x
(0,95; 1) legatur direct foarte puternic.
A: a, b, c, d, e; B: a, c, d, f; C: a, b, c, e, f; D: b, c, d, e.
156
4. Un agent economic urmrete creterea profitului activitii sale, prin utilizarea

optim a capacitilor de producie. Pentru analiz utilizeaz date din cinci luni,
astfel:
7
9
Profitul
Capacit de producie
9
12
11
14
12
11
14
16

a. 0,98;
b. 0,81;
c. 0,56;
d. 1.
5. Se cunosc urmtoarele date referitoare la venitul lunar i cheltuielile medii lunare cu
educaia efectuate de 10 familii incluse n eantionion:
Venit lunar
Cheltuieli medii
lunare cu educaia
1800
1900
1500
1700
2100
2500
1900
2200
2600
2000
400
450
450
600
800
700
500
600
700
500

a. 0,60;
b. 0,81;
c. 0,68;
d. 0,97.
6. Se cunosc urmtoarele date referitoare la vnzrile a 10 produse astfel:
Preul produselor
Cheltuieli cu
publicitatea
19
11
17
15
14
12
11
17
12
16

a. 0,89;
b. 0,83;
c. 0,68;
d. 0,75.
157
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
simple acesta are forma: r =
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 =

1 rx21 x2
pentru factori interpendeni, respectiv
ry / x1 , x2 = ry2/ x1 + ry2/ x2 pentru factori independeni, deoarece rx1 x2 = 0 .
Testarea semnificaiei statistice a valorii coeficientului de corelaie liniar simpl se poate

face utiliznd testul Student, cu statistica t c =
Fc =
r
1 r2
n 2 sau testul Fischer cu statistica
r2
(n 2) . Testrile se efectueaz parcurgnd secvenial etapele prezentate n unitatea
1 r2
de nvare 5.
Bibliografie
M.

Voineagu V, ian E.,

erban R., Ghi S.,
Pele D.

2007
158
MODELUL DE REGRESIE LINIAR UNIFACTORIAL
Bibliografie
Unitatea de nvare 11 Modelul de regresie liniar unifactorial ............................................. 159
11.1
Ipotezele modelului ...................................................................................................... 163
11.2
Determinarea i validarea parametrilor modelului linear unifactorial ......................... 155

Rezumat ................................................................................................................................... 183
Bibliografie.............................................................................................................................. 184

ipotezele modelului regresie unifactorial;
determinarea i validarea modelului de regresie unifactorial;
11.1 Ipotezele modelului

Conceptul statistic de regresie15 a fost utilizat pentru prima dat n 1886 de biologul
englez Francis Golton (1822-1894).
Utilizarea regresiei presupune aplicarea unei metode statistice care s vizeze depistarea,
stabilirea i comensurarea unei relaii constituite ntre dou sau mai multe variabile, n care una
15
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).
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
variabilei rezultative Y , de variabilele factoriale X x1 , x 2 , K , x n .

n acest context, funcia de regresie este o funcie de modulare sub forma ecuaiei medie
de tendin, ca rezultat a utilizrii unor ecuaii de estimare.
Funcia de regresie poate s apar sub forma unei reprezentri grafice i poate fi validat
prin intermediul testului F (Fisher Snedecor) de analiz dispersional.
Activitatea practic impune s se acorde o atenie deosebit n alegerea corect a funciei
de regresie pentru c, n studierea legturilor dintre fenomenele i procese economice este cea
mai important i exprim foarte clar relaia dintre variabilele studiate (rezultativ i factorial /
factoriale).
Tipul funciei de regresie este stabilit n raport cu reprezentarea grafic a norului de
puncte, corespunztoare distribuiei studiate (scalter diagram- diagrama mprterii punctelor
pe grafic).
Astfel, o analiz detaliat i ct mai exact a unui proces sau fenomen economic impune
o studiere clar a tipului funciei de regresie dup o clasificare realizat n raport cu
variabilele i parametrii inclui n model, dup cum urmeaz:
liniar n raport cu parametrii, n care att variabilele modelului ct i parametrii sunt la
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.
neliniar cu urmtoarele variante:
neliniar n raport cu variabilele dar liniar n raport cu parametrieste acea

reprezentare n care cel puin una dintre variabilele explicative este la o putere
diferit de putera nti de forme precum:
y = a 0 + a1 x + a 2 x 2 ; y = aX a Z ( a 1, 1 ),
(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)
neliniar n raport cu variabilele i cu parametrii - caz n care cel puin o variabil i

cel puin un parametru sunt la o putere diferit de puterea nti, cum ar fi:
y = a 2 x + a x 2 etc.
(11.5)
Importana deosebit acordat funciei regresiei se transpune printr-o eficien

ridicat n utilizarea metodelor regresiei la nivelul multor domenii de activitate.
Conjunctura n care se aplic modelul unifactorial de regresie liniar vizeaz atingerea
unor ipoteze sintezate prin patru aspecte:
1.
2.
Stabilirea soluiilor are n vedere ca date utilizate:
s fie obinute fr erori simetrice de observare;
s fie n numr suficient de mare (mai mare dect numrul parametilor astimai).
Variabila factorial (x)
este nestocastic;
are acelai valori n condiiile repetrii sondajului;
este evideniat datorit variabilitii nivelurilor nregistrate n cadrul eantionului

(dispersia x2 ).
3.
Modelul de regresie
este liniar n raport cu parametrii;
este corect stabilit prin:

161
alegerea potrivit a formei funcionale:

-
liniar
neliniar transformat n 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
Figura 11.116. Distribuia de probabilitate pentru i

4.
Variabila rezidual ( i )
este de medie zero i urmeaz o repartiie normal (figura 6.1):
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
Figura 11.2 Dispersie constant a rezidurilor (homoscedasticitate)
nu este corelat cu variabila factorial ( x ), deci:

Cov( i , xi ) = 0
nu este autocorelat n sensul c, abaterile observaiilor de la valorile presupuse nu

sunt corelate.
Cov ( i , j ) = 0
11.2 Determinarea i validarea parametrilor modelului linear unifactorial

Aplicabilitatea coeficientului de corelaie n econometrie este strns legat de regresia
liniar17 i n principal, de parametrii ce formeaz funcia de regresie liniar.
n raport cu modul de stabilire a parametrilor ecuaiei de regresie liniar, coeficientul de
corelaie poate fi determinat prin dou variante:
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)
Relaia (6.37) evideniaz mai bine legtura coeficientului de corelaie ( r ) cu coeficientul

de regresie ( b ), deci implicit cu metoda regresiei.
Deoarece, s x i s y sunt ntotdeauna pozitive, ambii coeficieni vor avea acelai semn
care va indica direcia legturii (vor avea aceeai interpretare n ceea ce privete direcia
legturii).
Tendina de liniaritate a legturii dintre o variabil rezultativ i alta explicativ, de tip
factorial, este reflectat nu numai printr-o reprezentare grafic nsoit de aplicarea modelului de
regresie liniar, dar i prin egalitatea dintre raportul de corelaie ( R ) i coeficientul de corelaie
( r ): R = r .
Regresia unifactorial liniar este reprezentat printr-un model n care:
asupra caracteristicii rezultative acioneaz n principal un singur factor variabil

(variabila explicativ sau independent), deci:
164
la nivelul colectivitii generale: Y = f ( X i )
la nivelul eantionului: y = f ( xi )
restul factorilor sunt considerai neeseniali i au o aciune constant i neglijabil

rezumat ntr-o valoare medie i pentru colectivitatea general i ei pentru eantion.
forma reprezentrii grafice i a funciei regresiei teoretice a distribuiei n raport cu cele

dou variabile este de tip liniar, astfel:
pentru colectivitatea general :
pentru eantion:
Yi = + xi
y i = a + b xi
Posibilitile de aplicare practic a modelului de regresie unifactorial liniar are n

vedere urmtoarea reprezentare grafic din figura 7.2.
y
3
= 0,5
0,5
1
y = 1 + 0,5 x
=1
1
Figura 7.2. Evidenierea grafic a parametrilor funciei de regresie liniar unifactorial
Graficul (11.8) ne arat c, pe colectivitatea statistic general, aplicarea modelului ce

reflect influena factorului x asupra rezultativei y presupune utilizarea ecuaiei de regresie
liniar
Yi = + xi + i
(11.8)
Notnd cu Y nfluena factorului determinist asupra variabilei rezultative Y , relaia

(11.9) devine:
165
Yi = Yi + i
(11.9)
unde Yi = + xi .
Interpretarea parametrilor i este dat de reprezentarea grafic (figura 11.8) astfel:
este punctul de intersecie al dreptei de regresie cu axa OY

este pant a dreptei de regresie; n analiz, apare sub denumirea de coeficient de
regresie, care ne arat cu cte uniti se modific y sub influena variaiei factorului x cu o
unitate.
De cele mai multe ori, n practic, modelul regresiei unifactoriale liniare se aplic pe un
eantion cu n perechi de observare: (x1 , y1 ) , ( x2 , y 2 ) , ( x3 , y 3 ) ,..., (x n , y n ) , astfel:

y i = a + b xi + ei
(11.10)
yi = y i + ei
(11.11)
care poate i scris i sub forma:
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:
pentru colectivitatea general
i = Yi i
(11.12)
pentru eantion
ei = yi y i
(11.13)
n ambele situaii, att eroarea aleatoare ( i ), ct i estimatorul elementului rezidual ( ei )

ne indic diferenele ce apar ntre valorile reale (empirice) i cele rezultate prin observare ( i
sau yi ).
Modelul unifactorial de regresie liniar poate fi aplicat la nivelul unui eantion numai
dac exist posibilitatea estimrii parametrilor inclui n respectivul model.
166
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:
s fie ct mai mare gradul de determinare ( R 2 );
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;
estimrile stabilite s reprezinte soluii nedeplasate, consistente i eficiente;
s fie minim costul necesar aplicrii metodei de estimare.
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
Notnd cu S = ( y i a bxi ) 2 , din condiiile de optim de ordinul nti:

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
obinem sistemul de ecuaii normale:
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)
Pentru determinarea expresiilor parametrilor a i b din sistemul de ecuaii normale

(11.16) aplicm metoda determinanilor astfel:
n
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
, de unde, pentru parametrul b rezult:
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
Utilizarea modelului regresiei unifactoriale liniare nu permite numai stabilirea funciei de

regresie i determinarea cu ajutorul sistemului de ecuaii normale a parametrilor acestuia, ci
permite i interpretarea estimatorilor determinai astfel:
168
Parametrul estimator a :
- este denumit i termen liber;

- are caracter de mrime medie indic valoarea variabilei rezultative y cnd toi
factorii neeseniali au o aciune constant (este nivelul mediu al variabilei y
determinat prin influena celorlali factori, n afara lui xi ).
- n reprezentarea grafic, indic punctul de ntlnire dintre axa OY i panta dreptei de

regresie.
- valoarea pozitiv ( a > 0 ) sau negativ ( a < 0 ) nu are nici o relevan n modelul
regresiei.
Parametrul estimator b :
- se numete coeficient de regresie;

- arat:
gradul
de influen a variabilitii factoriale x asupra rezultativei y (cu ct variaz n
medie y n condiiile modificrii cu o unitate a factorului x ).

direcia legturii:
b > 0 , legtur direct (creterea valorilor variabilei factoriale x determin o

cretere a valorilor ecuaiilor de regresie i invers).
b < 0 , legtur invers sau indirect (creterea valorilor variabilei factoriale x

determin o scdere a valorilor ecuaiilor de regeresie i invers).
b 0 , nu exist legtur; variabilele sunt independente valoarea medie a a

caracteristicii factoriale x este egal cu cea a caracteristicii rezultative).
- n reprezentarea grafic, parametrii exprim panta dreptei de regresie.

Odat cu interpretatrea parametrilor estimatori a i b se ncheie prima treapt a
modelului regresiei unifactoriale liniare prin care s-a stabilit i s-a aplicat metoda.
Verificarea validitii modelului unifactorial de regresie liniar

A doua treapt de analiz a modelului unifactorial de regresie liniar este reprezentat de
verificarea validitii metodei, prin intermediul creia se dorete o confirmare a stabilirii i
utilizrii respectivului model.
169
Confirmarea de alegere i utilizare corect a modelului unifactorial de regresie liniar

este complet numai dup parcurgerea urmtoarelor etape:
- testarea validitii modelul unifactorial de regresie liniar utiliznd metod ANOVA

- stabilirea i testarea semnificaiei raportului de corelaie (R).
-
testarea semnificaiei parametrii modelului regresiei unifactoriale liniare i estimarea lor pe

interval de ncredere.
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
S se stabileasc direcia i intensitatea legturii dintre salariul mediu acordat salariailor i

profitul nregistrat de respectivele supermarket-uri.
Testai semnificaia coeficientului de corelaie determinat
Rezolvare:
1. Stabilirea direciei i intensitii legturii presupune determinarea coeficientul de corelaie
simpl liniar.
Se identific cele dou variabile:
xi variabila factorial = profitul (mil. lei) nregistrat pentru fiecare supermarket

yi - variabila dependent = salariul mediu pe salariat (mii lei) acordat la nivelul fiecrui
supermarket
170
Determinarea coeficientului de corelaie presupune parcurgerea algoritmului din tabelul

11.3.
nlocuind valorile sumelor din tabelul 11.3 n relaia
n
r=
(x
x )( y i y )
i =1
n
n
2
2
( xi x ) ( y i y )
i =1
i =1
coeficientul de corelaie dintre salariul mediu acordat salariailor i profitul nregistrat de

respectivele supermarket-uri este:
r=
279,53
118 763,49
0,93
(11.18)
Valoarea coeficientului de corelaie, r = + 0,93 ne arat c, ntre salariul mediu acordat

salariailor i profitul nregistrat de respectivele supermarket-uri, exist o legtur direct
puternic, deoarece r (0,75 ; 0,95) .
Tabelul 11.3. Determinarea coeficientul de corelaie liniar simpl
Profit
(mil.lei)
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
2. Testarea semnificaiei coeficientului de corelaie

1.

3. Se utilizeaz testul t ( Student) - test unilateral dreapta

de semnificaie
tabelar sau
tc =
r
1 r2
n2 =
0,93
1 0,93 2
15 2 = 9,13

valoarea lui t c = 9,13 cu valoarea t ;n 2 = 2,16 i se observ c t c > t ;n 2 , deci H o se
respinge, prin urmare coeficientul de corelaie este semnificativ statistic (fiind semnificativ
mai mare dect zero).
Varianta 2 cu testul Fisher Snedecor ( F )

1.

3. Se utilizeaz testul F (Fisher Snedecor) - test unilateral dreapta.
172
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 ,
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
Valoarea ncasrilor (UM)
7,4
6,7
6,0
6,3
6,8
7,9
10,5
8,8
8,4
6,3
5,9
9,5
Numr turiti (mii)
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
Durata medie a sejurului

(zile)
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 = f (nr. turiti, durata medie a sejurului)

Notaii : yi - valoarea ncasrilor (caracteristic dependent)
x1i - numrul turitilor (caracteristic independent)

x2i - durata medie a sejurului (caracteristic independent)
Se stabilete gradul de dependen al fiecrei caracteristici.
Coeficientul de corelaie dintre valoarea ncasrilor i numrul de turiti se determin
cu valorile corespunztoare din ultima linie a tabelului 11.5.

Numr
turiti (mii)
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
12 271,44 33,5 90,5

12 118,41 33,5 2 12 706,93 90,5 2
= 0,76
rezultat care ne arat c, ntre
numrul turitilor i valoarea ncasrilor exist o legtur direct puternic, deoarece

ry / x1 (0,75 ; 0,95) .
Coeficientul de corelaie dintre valoarea ncasrilor i durata medie a sejurului se

determin cu valorile corespunztoare din ultima linie a tabelului 11.6:

Durata
medie a
sejurului
(zile)
x 2i
4,5
3,5
4,0
4,5
5,0
5,5
6,0
6,5
5,0
4,0
4,0
4,5
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
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
= 0,71 valoare care ne indic existena unei
12 279,50 57 2 12 706,93 90,50 2
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
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
12 164,45 33,50 57,00

12 118,41 33,50 2 12 279,50 57,00 2
= 0,36 rezultat care indic existena
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 =
0,76 2 + 0,712 2 0,76 0,71 0,36

= 0,89
1 0,36 2
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 ) =
(1 r )(1 r )
2
y / x2
2
x1 x2
0,76 0,71 0,36
(1 0,71 ) (1 0,36 )
2
0,77
In condiiile meninerii constante a duratei sejurului, coeficientul de corelaie cu valoarea

ry / x1 ( x2 ) = 0,77 , ne indic influena puternic numrului turitilor asupra valorii ncasrilor,
deoarece ry / x1 ( x2 ) (0,75 ; 0,95) .

Dac meninem constant factorul x2 atunci rezult:
ry / x2 ( x1 ) =
(1 r )(1 r )
2
y / x1
2
x1 x2
0,71 0,76 0,36
(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) .
2. Testarea semnificaiei coeficienilor de corelaie

1.

177
3. Se utilizeaz testul t ( Student) - test unilateral dreapta.

de semnificaie
tabelar sau

t c ry / x1 , x2 =
1 r
n2 =
0,89
1 0,89 2
12 2 = 6,17
pentru coeficientul de corelaie parial, cu factoriala x 2 constant ( ry / x1 ( x2 ) = 0,77 )
t c ry / x1 ( x2 ) =
r
1 r
0,77
n2 =
1 0,77 2
12 2 = 3,81
pentru coeficientul de corelaie parial, cu factoriala x1 constant ( ry / x2 ( x1 ) = 0,72 )
t c ry / x2 ( x1 ) =
r
1 r
n2 =
0,72
1 0,72 2
12 2 = 3,28
pentru coeficientul de corelaie multipl : t c (ry / x1 , x2 ) = 6,17 > 2,228 = t ;n 2 , deci

t c ry / x1 ( x2 ) = 3,81 > 2,228 = t ;n 2 , deci
factoriala
x2
constant :
dect zero).
pentru
coeficientul de
corelaie parial,
: t c (ry / x2 ( x1 ) ) = 3,28 > 2,228 = t ;n 2 , deci
178
cu
factoriala
x1
constant
dect zero).
Varianta 2 testul Fisher Snedecor ( F )

1.

3. Se utilizeaz testul F (Fisher Snedecor) - test unilateral dreapta

Fc = F ;k ;n k 1 = F0, 05;1;112 2 = F0, 05;1;10 = 4,96 i regiunea de respingere Rr : dac Fc > F ;1;n 2 ,

F ry / x1 , x2 =
pentru coeficientul de corelaie parial, cu factoriala x 2 constant ( ry / x1 ( x2 ) = 0,77 ):
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
pentru coeficientul de corelaie parial, cu factoriala x1 constant ( ry / x2 ( x1 ) = 0,72 ):
F ry / x2 ( x1 ) =
r2
0,72 2
(
)
2
=
(12 2) = 10,76
1 r2
1 0,72 2
6. Concluzia se stabilete n funcie de regiunea de respingere i valoarea calculat f c , astfel:
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
dect zero).
pentru
coeficientul de
corelaie parial,
cu
factoriala
x1
constant
: F (ry / x2 ( x1 ) ) = 10,76 > 4,96 = F ;1;n 2 , deci H o se respinge, deci H o se respinge,

prin urmare acest coeficient de corelaie parial este semnificativ statistic (fiind
semnificativ mai mare dect zero).

1. Ce presupune utilizarea metodei regresiei?
2. Care esete elementul fundamental n cadrul metodei regresiei?
3. Cum se valideaz modelul de regresie?
4.
Care sunt etapele parcurse pentru testarea semnificaiei coeficientului de corelaie?
5. Care sunt ipotezele modelului unifactorial de regresie liniar?

1. Metoda regresiei este metoda prin care
a. se poate explica forma legturii (liniara, curbilinie);
b. se poate previziona nivelul unui factor n funcie de valorile altor factori;
c. se poate stabili omogenitatea factorilor i legturilor;
d. se poate previziona forma legturii (liniara, curbilinie).
A: c; B: a,b; C: a,b,c; D:a,c.
2. Validarea modelului de regresie

a. se realizeaza aplicnd testul Z;
b. se realizeaza aplicnd testul Fisher-Snedecor (testul F);
c. se realizeaza aplicnd testul T;
180
d. se realizeaz aplicnd testul Student.

3. Legturile multiple studiaz:
a. dependena dintre o variabila cauzal x i o variabil y, unde y = f(x);
b. dependena dintre o caracteristic dependent y i dou sau mai multe
caracteristici independente;
c. dependena dintre dou variabile;
d. idependena dintre mai multe variabile.
4. Legturile directe exist n cazul n care:
a. coeficientul de regresie este negativ;
b. cele dou caracteristici se modific n sens invers;
c. coeficientul de determinaie este negativ;
d. caracteristica dependent se modific n acelai sens cu caracteristica
independent.
5. Pentru a analiza dependena dintre venituri i cheltuieli s-au nregistrat date
referitoare la aceste variabile pentru 10 gospodrii, astfel:
Venituri
(mii lei)
Cheltuieli
(mii lei)
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
n urma aplicrii modelului de regresie putem spune c:

a. legtura dintre venituri i cheltuieli este una de intensitate medie (R=0,72);
b. legtura dintre venituri i cheltuieli este una de intensitate puternic (R=0,85);
c. legtura dintre venituri i cheltuieli este una de intensitate medie (R=0,69);
d. legtura dintre venituri i cheltuieli este una de intensitate foarte puternic
(R=0,96);
Suprafaa locuit
Preul
1,6
2,5
1,7
2,6
181
1,9
2,7
2,05
2,7
2,27
2,8

a. Y=0,41+1,89 X
b. Y=0,32+1,22 X
c. Y=1,88+0,41 X
d. Y=2,33+1,56 X
1,6
2,5
Suprafaa locuit
Preul
1,7
2,6
1,9
2,7
2,05
2,7
2,27
2,8

puternic;
foarte puternic;
slab;
X (Nr absente)
Y (Nota)
8
4
3
8
0
10

a. Y=1,22+0,8178X
b. Y=-10,22+0,82X
c. Y= 10,22-0,8178X
d. Y=2.22-1,2X
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

puternic;
medie;
slab;
10. Se cunosc informatii cu privire la profitul si cheltuielile cu publicitatea pentru 5 firme
din judetul Prahova.
X (CHELTUIELI CU
PUBLICITATEA)
Y (PROFIT)
35
36
34
32
27
28
29
28
26
27

a. Y=20,76+0,21X
b. Y=20,76+0,21X
c. Y= 20,76+0,21X
d. Y=0,21+20,76X
Rezumat
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
dispersiilor, abaterilor standard, etc, aceasta reprezint o component a metodelor parametrice de

msurare i analiz a legturilor formate n cadrul derulrii unor procese sau fenomene
economice.
Forma general a modelului ce reflect influena factorului x asupra rezultativei y
este Yi = + xi + i . Notnd
cu Y nfluena factorului determinist asupra variabilei
rezultative Y , modelul devine Yi = Yi + i unde Yi = + xi .

maxime.
Testarea validitii modelului i a semnificaiei statistice a parametrilor acestuia se
efectueaz cu ajutorul ANOVA. De asemenea se determin i se testeaz raportul de corelaie i
coeficientul de detrminaie.
Bibliografie
M.

Voineagu V, ian E.,

erban R., Ghi S.,
Pele D.

2007
184
Rspunsuri la testele de autoevaluare

9. c;
10. c.
1. a;
2. A: a+b+c;
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;
10. a.
1. b;
2. b;
3. c;
1. a;
4. b;
2. a;
5. d.
3. a;
4. b;
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
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.
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
1. b;
2. b;
3. a;
4. d;
5. c.
1. b
186
Anexa 1
Distribuia normal.
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
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
Funcie de probabilitatea P ( 2 > 2 ) =
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
Funcie de probabilitatea P( 2 > 2 ) =
(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
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
(continuare)
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
(continuare)
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
201
Anexa 4
I1
= 0,05 nivelul de semnificaie
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
= 0,05 nivel de semnificaie
(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
I1
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
(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
I1
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
(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.

2003
Bdi M., Baron T.,

Korka M.
Bdi M., Baron T.,

Cristache S.E.

Bierens H.J.
Introduction to the Mathematical and Statistical

Foundations of Econometrics, Cambridge University
Press, Cambridge, 2004
Biji M., Biji E.

Bucureti, 1979
Box George E.P.,

Gwilym M Jenkins,
Gregory C. Reinsel
Time Series Analysis: Forecasting and Control,

Edgewood Cliffs, NJ: Prentice-Hall, 1994
Chow G.
Clocotici V.

Bucureti, 2000

D.

Dougherty Ch.

2007
Gogonea R.M.
Gogonea R.M.
Cercetarea statistic n turismul rural. Studiul turismului

rural din zona Bran-Moeciu, Editura Universitar,
Bucureti, 2006

M.

M., Hapenciuc C.V.
Sustainable Development in Barsa Land. A Correlation

st
Analysis and System Modeling , 31 International
Convention on Information and Communication
Technology, Electronics and microelectronics, MIPRO
2008, vol. V, Opatija, Croaia, 2008
Econometric Models Applied in Study of Unemployment
214
M.,
Rate Evolution in Romania, in Recent Advances in

Fuzzy Systems, Proceedings of the 10th WSEAS
Int.Conf. on Fuzzy Systems (FS09), p.116-121, Prague,
Czech Republic, 2009, (ISI/SCI)
Gujarati D.N.
Basic Econometrics, McGraw Hill, New York, 1995
Hannan E.J., Deistler

M.
The Statistical Theory of Linear Systems, New York:

Wiley, 1988
Hapenciuc C.V.
Cercetarea statistic n turism, editura Didactic i

pedagogic, Bucureti, 2003
Hapenciuc C.V.

Junimea, Iai, 2004
Harvey A.C.
Trends, Cycles and Autoregressions, Economic Journal,

Vol 107, 1997
HsiaoJohnston J.,
Dinardo J.,
C.,
Voineagu V.
Jaba E.
Jaba E.

Bucureti, 2002
Mihil N.,
Popescu O.
Mitru C., erban D
Matematici speciale aplicate n economie, Editura

Didactic i Pedagogic, 1978
Bucureti, 2003
Oprescu Gh.
Dinamic economic stochastic. Mecanisme de filtrare

i predicie, Editura ASE, Bucureti, 2007
Oprescu Gh., Spircu L.,

Zaharia M.
Bazele ciberneticii economice, Editura Inforec Bucureti,

1997
Pecican t. E.

Bucureti, 2007
Popescu Th.
Serii de timp. Aplicaii n analiza sistemelor, Editura

Tehnic, Bucureti, 2000
Reinsel G.C.
Elements of Multivariate Time Series Analysis, Springer

Varleg, New York, 1997
Stewart J.
erban R.

Dacia Nova, 2001
Voineagu V, ian E.,
215
erban R., Ghi S.,

Pele D.
2007
Wonnacott T.H.,
Wonnacott R.J.,
Introductory Statistics for Business and Economics, New

York:Wiley,1990
Zaharia M., Hapenciuc

C., Gogonea R.M.
Analysis of the Correlation Between the Existing

Accommodation Capacity and the Number of Tourists
Arrived in Suceava Country Structure of Tourist
Reception, Revista de Turism Nr.5/anul III/2008
Zaharia M., Hospodar

A.
Using Tar Models in Analyses of Stock Volatility, in

Economic Computing and Economic Cybernetics Studies
and Research, Nr.1 4/1997
Zaharia M., Zaheu I.,

Stan E. R.
Study Regarding SNP Petrom Stock List Evolution by

Using Autoregressive Models, International Conference
Economy and Business Sunny Beach Bulgaria, in
Economic & Business / International Scientific
Publications 2008, vol 2, Part 1, 2008
216

Econometrie Curs ID

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Econometrie Curs ID

Încărcat de

Drepturi de autor:

Formate disponibile

Econometrie

Prof. univ. dr. Zaharia Marian

Unitatea de nvare 2 NOIUNI PRIVIND VARIABILELE ALEATOARE ........................... 18

Unitatea de nvare 3 CARACTERISTICILE DISTRIBUIEI VARIABILEI

Unitatea de nvare 4 DISTRIBUIILE CLASICE N VERIFICAREA IPOTEZELOR

4.1 Repartiia normal normat (Z ) ................................................................................................... 48

4.3 Repartiia Student ( t ) .................................................................................................................. 55

Unitatea de nvare 5 IPOTEZE STATISTICE-ASPECTE TEORETICE ................................ 62

Unitatea de nvare 6 TESTAREA IPOTEZELOR PRIVIND MEDIILE POPULAIILOR

Unitatea de nvare 7 TESTAREA IPOTEZELOR PRIVIND MEDIILE POPULAIILOR

Lucrare de verificare 7A .................................................................................................................. 108

Unitatea de nvare 8 TESTAREA IPOTEZELOR PRIVIND DISPERSIILE

Unitatea de nvare 9 ANALIZ DISPERSIONAL (ANOVA) ........................................... 127

Unitatea de nvare 10 DETERMINAREA I TESTAREA CORELAIILOR LINIARE

Corelaia liniar simpl......................................................................................................... 147

Corelaia multipl ................................................................................................................. 152

Lucrare de verificare 10A ................................................................................................................ 155

Unitatea de nvare 11 MODELUL DE REGRESIE LINIAR UNIFACTORIAL ............ 159

Ipotezele modelului .............................................................................................................. 159

Determinarea i validarea parametrilor modelului linear unifactorial .................................... 163

Lucrare de verificare 11A ................................................................................................................ 180

Rspunsuri la testele de autoevaluare ......................................................................................... 185

Lucrare de verificare 1A ............................................................................................................... 14

Obiectivele Unitii de nvare 1

Principalele obiective ale econometriei.

Ce este modelul econometric.

Ce este modelul economic.

Diferena dontre modelele economice i modelele econometrice.

Tipologia modelelor econometrice.

Etapele crerii i utilizrii unui model econometric.

Tipurile de date utlizate n econometrie.

1.1. Econometria definiii i obiective

n anul 1930 la Cleveland un grup de cercettori, printre care I. Fisher, L.V.

este o variabil aleatoare care exprim influena factorilor ntmpltori asupra

Definiia istoric a econometriei:

Definiia restrictiv a econometriei:

economice numai cu ajutorul modelelor aleatoare (stochastice, probabilistice); ea include

Definiia extins a econometriei:

1.2. Modele econometrice

Definiie propus de Cowles Comission for Research n Econometrics.

Figura 1.1. Proces studiat prin prisma modelrii economice

Modelele economice sunt modele deterministe bazate pe abordarea determinist a

unde: X = (xi )i =1,n este vectorul vatiabilelor independente (cauzale)

este vectorul variabilelor dependente (rezultative).

Dup cum se poate observa, modelele economice nu conin elemente stochastice i

Figura 1.2. Proces studiat prin prisma modelrii econometrice

n cazul modelelor econometrice, pe lng influenele variabilelor independente, este

La construirea i utilizarea modelelor econometrice (figura 1.6) se pornete de la

Ipoteza ceteris paribus.

Modelele econometrice formeaz o submulime de modele inclus n mulimea modelelor

modele cu o singur ecuaie (conin o singur variabil rezultativ y , indiferent

modele cu mai multe ecuaii (conin mai multe variabile rezultative

o Dup numrul factorilor luai n considerare:

o Dup forma dependenei dintre variabilele independente (cauzale) i cele dependente

modele liniare (exist dependen liniar ntre variabilele rezultative i cele

modele neliniare (dependena este neliniar)

o n raport cu factorul timp:

modele statice (dependenele dintre variabilele modelului se refer la acelei

modele dinamice care, la rndul lor pot fi

modele dinamice cu variabila timpul (t ) explicit

Ca i n cazul general al modelelor economico-matematice, n structura unui model

- rezultative; variabile deterministe, variabile

stochastice; variabile endogene, variabile exogene) ne mai oprim asupra categorisirii

1 -necstorit, 2 casatorit, 3 divorat, 4 vduv.