PSIHOLOGIE

EXPERIMENTALĂ
CUPRINS
Capitolul 1
Metoda experimentală în psihologie 2
1.1. Consideraţii introductive 2
1.2. Observaţia 5
1.2.1. Coeficientul de concordanţă K (Cohen) 9
1.3. Stabilirea ipotezelor 11
1.4. Experimentul 12
1.4.1. Elaborarea design-ului (planului) experimental 17
1.4.1.1. Operaţionalizarea variabilelor 17
1.4.1.2. Design-uri experimentale de bază 18
1.4.1.3. Design-uri experimentale factoriale 19
1.4.1.4. Design-uri experimentale mixte 20
1.4.2. Selecţia şi repartizarea subiecţilor 21
1.4.3. Design-uri experimentale defectuoase 22
1.5. Testul 25

Capitolul 2
Organizarea colecţiei de date 29
2.1. Evaluarea şi măsurarea în psihologie 29
2.2. Colecţia de date brute 34
2.3. Ordonarea şi gruparea datelor 36
2.4. Condensarea datelor brute în tabele şi grafice 37

Capitolul 3
Indici statistici de start 41
3.1. Determinarea “valorii centrale” sau a “tendinţei centrale” 41
3.2. Determinarea indicilor de dispersie 44
3.3. Semnificaţia abaterii standard 48
3.4. Frecvenţa 50

Capitolul 4
Inferenţa statistică 51
4.1. Proprietăţile distribuţiei normale 51
4.2. Probleme de estimare 54
4.2.1. Semnificaţia unei medii 54
4.2.2. Semnificaţia frecvenţei 55
4.3. Sarcini sau probleme de comparaţie 56
4.3.1. Semnificaţia diferenţei între două medii în cazul eşantioanelor 58
independente 61
4.3.2. Semnificaţia diferenţei între două medii în cazul eşantioanelor 63
perechi
4.3.3. Semnificaţia diferenţei între frecvenţe. Criteriul χ2
67
Capitolul 5 67
Studiul corelaţiei 69
5.1. Noţiunea de corelaţie 69
5.2. Coeficienţi de corelaţie parametrici 69
5.2.1. Coeficientul de corelaţie 74
5.2.2. Coeficientul de corelaţie biserial şi triserial 74
5.3. Coeficienţi de corelaţie neparametrici 75
77
5.3.1. Coeficientul de corelaţie φ
5.3.2. Coeficientul de corelaţie a rangurilor (ρ)
5.4. Interpretarea unui coeficient de corelaţie 79

Probleme 83
84
Anexa 1.1. 85
Anexa 1.2.
Anexa 1.3.

3
 Capitolul 1

METODA EXPERIMENTALĂ ÎN PSIHOLOGIE

1.1. CONSIDERAŢII INTRODUCTIVE

O psihologie naivă, în forma cunoaşterii de altul şi de sine, a apărut

probabil o dată cu dezvoltarea contactelor interumane, cu omul social.
Activităţile comune au plasat indivizii în relaţii “faţă în faţă” impunându-le o
ajustare continuă în raport cu reacţiile celorlaţi. Observaţiile ocazionate de
existenţa cotidiană s-au fixat în replici, proverbe, zicale – deci în folclor – iar
mai târziu în scrieri literare, încercări de portretizare, judecăţi de valoare etc.
În chip firesc, oamenii nu au aşteptat constituirea unei ştiinţe psihologice
pentru a-şi pune întrebări referitoare la viaţa psihică, la modul de
comportare al semenilor, la însuşirile personale. Simţul comun a devenit
depozitarul acestei psihologii naive, pe care individul a împrumutat-o odată
cu limba, obiceiurile de viaţă etc. Se spune astfel despre psihologie că are un
trecut lung, dar o istorie scurtă (Ebbinghaus).
În jumătatea a doua a secolului trecut, psihologia devine o ramură de
sine stătătoarea a ştiinţei. Prima lucrare cu caracter ştiinţific în acest
domeniu – ceea ce a însemnat studierea unor fapte psihice cu mijloace
precise- a apărut în 1860 şi aparţine lui Th. Fechner, care a fost mai întâi
medic, apoi fizician. Lucrarea se intitulează “Elemente de psihofizică”
(Elemente der Psychophysik) şi studiază, în principal, raportul dintre modificările
stimulului fizic şi variaţiile corespunzătoare în planul senzaţiei. Aceste prime
experienţe au fost sistematizate într-o lege matematică, numită legea
psihofizică, în care se stabileşte raportul dintre modificările senzaţiei (s) în
funcţie de mărimea stimulului extern (I), sub forma expresiei cunoscute:
s = k logI + c
În anul 1879, la Leipzig (Germania), ia fiinţă primul institut de
psihologie din lume- creat de W. Wundt - care îşi propune să studieze cu
mijloace precise fenomene psihice mai simple: senzaţia, percepţia, asociaţia,
memoria etc. În acest institut s-au format pionierii psihologiei experimentale
pe diferite meridiane ale globului, inclusiv România.
Să amintim că termenul de psihologie apăruse mai demult, şi anume
într-un fragment din opera lui Leibniz, puţin ulterior anului 1696. Noul termen
(“psihologie”) va oferi titlul a două lucrări ale lui Chr. Wolff- Psychologia empirica
şi Psychologia rationalis- prima apărută în 1732, iar a doua în 1734, care au
contribuit la răspândirea noii denumiri şi a preocupărilor despre “suflet”.
Autorul, elev al lui Leibniz, admitea posibilitatea unei psihologii propriu-zise
şi avansează chiar ideea de măsurare a fenomenelor psihice.
Punctul de plecare al multor cercetări de psihologie este prefigurat în
datele simţului comun. H. Kelley (1992) ne propune să acceptăm pentru
simţul comun un anumit nivel al cunoaşterii psihologice. Este vorba de
observaţii şi concluzii asupra comportamentului direct observabil, care se
dezvăluie mai ales în relaţiile interpersonale, în activităţile îndreptate spre
scop ale individului. Acesta este nivelul comportamentului moral, desfăşurat
în secvenţe temporale de ordinul minutelor până la al zilelor, comportament
care devine vizibil în relaţiile de faţă în faţă - în perimetrul grupului mic – şi
care prezintă antecedente şi consecinţe concret reperabile. În schimb,
fenomenele care se desfăşoară la macro şi micro-nivel nu pot intra în raza de
competenţă a simţului comun. În primul caz este vorba de fenomene psihice
care implică mai mulţi oameni în intervale mai mari de timp ( de ex. tendinţe
pe parcursul unei vieţi, schimbări sociale etc.). La micronivel este vorba de
evenimente psihice care se desfăsoară rapid (în secunde sau milisecunde), la
scară mică de mărime (sacade oculare sau mici contracţii ale muşchilor feţei
etc); ele pot fi detectate, de pildă, cu mijloacele electrofiziologiei. Nivelul
mediu – al comportamentului manifest – ar constitui nişa cognitivă a simţului
comun (p. 6-7).
Din datele invocate de H. Kelley în sprijinul tezelor sale reţinem
rezultatele unor testări asupra oamenilor de pe stradă. Un autor (J. Houston)
a întocmit un chestionar referitor la memorie şi învăţare. Itemii (în număr de
21) au fost formulaţi în limbajul curent, oferind răspunsuri la alegere.
Chestionarul a fost propus unui lot de 50 de studenţi din anul I înaintea
cursului de Introducere în psihologie. Presupunând că subiectul nu dispune de
cunoştinţe într-un domeniu este de aşteptat ca răspunsurile sale la
întrebările chestionarului să se distribuie în mod aleator. La 15 itemi din 21,
subiecţii interogaţi au răspuns însă corect, în proporţii superioare hazardului.
Pe un lot de alte 50 de persoane, selecţionate aleatoriu dintr-un parc public,
s-a obţinut – de asemenea – proporţii de răspunsuri excte superioare
hazardului la 16 itemi (din 21). De aici concluzia care atribuie simţului comun
un nivel al cunoaşterii psihologice. Pe de altă parte, eforturile oricărui
cercetător de a operaţionaliza conceptele duce adesea la o scufundare a lor
în simţul comun, ca poziţie de plecare. Psihologia cuprinsă în simţul comun
oferă o bază utilă pentru dezvoltarea cunoaşterii. Este imposibil să eviţi
efectele simţului comun – încheie Kelley – dar este uşor să nu fii conştient de
ele. Problema este a atitudinii lucide şi echilibrate.
În perioada în care psihologia începea să se afirme ca disciplină
independentă, în jumătatea a doua a secolului XIX, modelele de investigaţie,
“paradigmele” ştiinţelor naturale erau deja cristalizate. O trăsătură
caracteristică subliniată de L. Blaga (1969) în dezvoltarea ştiinţei moderne
este aceea de a alcătui “ cupluri metodologice”, în care matematica figura
de fiecare dată ca unul dintre factorii constitutivi (p.88). O asemenea
îmbinare de metode funcţiona ca o opţiune tacită în comunitatea oamenilor
de ştiinţă. Experimentul, în cuplul metodologic cu matematica, a făcut
carieră remarcabilă de-a lungul istoriei ştiinţei, impunându-se în definiţia
însăşi a spiritului ştiinţific modern.
Constituirea demersului investigativ în psihologie a avut loc aşadar sub

5
influenţa paradigmei înfăţişate mai sus. De pildă, când Fl. Ştefănescu-
Goangă înfiinţează în 1922 primul institut de psihologie din ţara noastră, el
militează pentru un program de lucru care să îmbine sistematic în activitatea
de cercetare- experimentul şi metoda statistică, termenul de experiment
fiind luat în accepţia largă.
Prin lucrările sale, “ Elemente de psihometrie” şi “Analiza factorilor psihici”, N.
Mărgineanu oferea termenii concreţi ai unei asemenea abordări a
fenomenului psihic. Desigur, acest început era marcat de o doză exagerată
de optimism, pe care deceniile următoare au retuşat-o în mod sensibil.
Rămâne valabilă ideea de bază: asocierea între observaţie / experiment şi
metoda statistică.
Conform programului pozitivist al oricărei ştiinţe, psihologia pleacă de
la fapte- fapte de conştiinţă şi de conduită. Datele autoobservaţiei au şi ele
statut de fapte. Conduita nu se reduce la actul fizic, la reacţia externă
( mişcare, gest, faptă,…). Conduita poate să nu capete uneori expresie externă,
motorie; ea poate consta tocmai în suspendarea sau amânarea reacţiei. De
asemenea, faptele ce le consemnăm în studii experimentale sau anchete pot
fi date comportamentale propriu-zise sau date hârtie-creion cum este cazul multor probe
psihologice. În consecinţă, noţiunea de fapt psihic are un sens larg. B. F.
Skinner vorbeşte de “conduite interiorizate” în înţelesul de operaţii sau acte
mintale în genere. Relatarea introspectivă se utilizează în combinaţie cu alte
date, mai ales cu înregistrări obiective. De exemplu, raportul introspectiv al
subiectului se asociază adesea cu date electrofiziologice (EEG) pentru a
studia stări afective, activităţi intelectuale etc.
Latura externă a conduitei, luată în ea însăşi, nu califică în mod univoc
conţinutul psihologic intern; aceleaşi acte de comportare pot avea motivaţii
diferite. De aceea nu ne putem mărgini- în cunoaşterea psihologică- numai la
consemnarea formei externe a acţiunii, aşa cum procedează behaviorismul
clasic; trebuie surprins şi conţinutul psihologic intern, sensul său, luminat de
întreg contextul de viaţă în care se manifestă. Acelaşi context - contextul
vieţii şi activităţii omului - include atât datele comportării, cât şi trăirile
subiective într-o conexiune indisolubilă. Cunoaşterea psihologică se
desfăşoară în principiu ca orice cunoaştere ştiinţifică: ea se ridică de la date
la ipoteză pentru a verifica acestea din urmă pe baza unor noi date de
control; ea trece de la fapte care cuprind întotdeauna o parte de
interpretare, de inferenţă, spre a verifica apoi aceste inferenţe cu ajutorul
unor noi fapte. În psihologie, ca şi în alte domenii, fenomenul şi esenţa nu
coincid ( S. L. Rubinstein).
Ştiinţa porneşte de la fapte, dar nu se reduce la colectarea de fapte
disparate. Faptele o dată identificate servesc şi ca pretexte pentru o
cunoaştere explicativă…” Aspiraţiile cognitive ale omului trec dincolo de
“fapte” ca atare, în vederea unei cunoaşteri de adâncime. “Faptul” devine cu
aceasta o “problemă”, ceea ce impune căutarea unui răspuns, a unei
“soluţii”; inteligenţa propune un model, o teorie, care este într-un sens o
“plăsmuire teoretică” (L. Blaga, p. 180).
Pe măsură ce obiectul unei ştiinţe se conturează, ea îşi crează un
univers de semnificaţii (noţiuni, ipoteze).
Se pune întrebarea: ce constituie “fapt ştiinţific”? Cl. Bernard sublinia: un
fapt nu este nimic în el însuşi, el nu valorează decât prin ideea care i se
ataşează sau prin proba pe care o furnizează. Un fapt intră în câmpul atenţiei
graţie problemei care este pusă sau se pune.
J. Piaget (1970) propune în această privinţă trei caracteristici:
● un fapt ştiinţific este un răspuns la o întrebare, ceea ce presupune o
întreagă elaborare, solidară cu sistemul de informaţii care au dus la acea
întrebare;
● un fapt este apoi o constatare sau o ”lectură” a experienţei, care nu se reduce
la simpla “citire” a datelor, ci comportă o întreagă structurare;
●“un fapt nu există niciodată în stare pură …; el este întotdeauna solidar
cu o interpretare”. Această caracteristică subliniază importanţa orizontului
de informaţie, a cadrului interpretativ, atât în punerea întrebării, cât şi în
“lectura experienţei.” Există o deosebire între faptul brut, neanalizat – fruct
al unei percepţii globale – şi faptul ştiinţific, plasat în contextul unei idei şi a
unei observaţii analitice.

1.2. OBSERVAŢIA

O cercetare concretă îşi are originea – de regulă- într-un proces de

observaţie. După cum spune Piaget într-un interviu: “Pleci de la observaţie,
descoperi un fapt interesant; urmează să reproduci apoi situaţia respectivă
facând să varieze factorii implicaţi… .Aici începe experimentarea”.
Observatorul are şansa de a descoperi un fapt inedit sau demn de
atenţie numai dacă inspectează realul, fiind înzestrat cu un fond larg de
cunoştinţe, fond de ipoteze latente, în măsură să înlesnească formularea unei
ipoteze locale, care să fie supusă experimentării şi verificării. (P.Fraisse,1982).
Demersul experimental, comportă, în genere, o suită de momente sau
faze: observaţia, stabilirea ipotezelor, experimentarea propriu-zisă şi
analiza/interpretarea datelor. Fireşte nu orice cercetare psihologică urmează
acest ciclu complet; unele se limitează la observaţie şi la analiza datelor,
altele constau din experiment şi interpretarea materialului obţinut ş.a.m.d.
Aşadar, anumite momente sau faze pot dobândi o semnificaţie autonomă.
Ca metodă de investigaţie, observaţia nu este reductibilă la simpla
impresie asupra unui fapt sau a unei persoane. În observaţia curentă,
adeseori, reprezentări colective sau clişee însuşite de individ din grupul de
apartenenţă devin într-un fel filtru sau ecran în abordarea faptelor, a
persoanelor din ambianţă. Datorită acestora, individul ia act din câmpul
perceptiv, din contactele cu alţii, numai de anumiţi indici sau însuşiri,
ignorând alte aspecte; însăşi percepţia devine selectivă, ca să nu mai
amintim de interpretarea datelor observaţiei pe linia acestor reprezentări,
uneori clişee.

Exemplu:

7
 Unui lot de cadre didactice( în număr de 164) i s-a cerut să facă
descrierea concisă a elevilor din clasele cu care lucrează. Pentru a uşura
sarcina, li s-au oferit şi mijloace de expresie strict necesare -atribute sau
propoziţii descriptive scurte, având ataşate scale cu gradaţii - care să se
refere la inteligenţă, memorie, mod de exprimare, sârguinţă, dexteritate,
etc., precum şi la trăsături de caracter, de personalitate. S-au obţinut în
acest fel peste 1500 de caracterizări sau profile ale elevilor, material care a
fost supus apoi analizei ( M.Gilly,1972 ).
Constatarea: atributele care diferenţiază elevii, în profilele întocmite de
profesori - sunt cele legate nemijlocit de reuşita şcolară: inteligenţă,
memoria, atenţia, sârguinţa, vocabularul, stilul de lucru. Dincolo de aceste
aspecte, contururile personalităţii elevului se şterg; el rămâne parcă un
“necunoscut”; portretele încep să se asemene destul de mult între ele,
trăsăturile fiind prea puţin diferenţiate. Copilul este privit adesea prin prisma
statutului său şcolar, în esenţă, prin prisma unei optici profesionale care face
ca datele să fie selectate şi filtrate în lumina exigenţelor profesiunii
didactice. Spre exemplu, un copil este disciplinat dacă stă cuminte în bancă,
dacă nu dă de lucru profesorului. Dar conceptul de disciplină nu are doar un
“conţinut negativ”; în primul plan trebuie să fie ceea ce face, deci activitatea
elevului, şi nu doar inhibiţia sau reţinerea ei. Pe de altă parte, conformismul
şi docilitatea sunt preţuite de profesor, dar repudiate de elev.
Alături de observaţia curentă, ocazională, practicată de profesor în clasă,
de inginer în intreprindere, de ziarist în viaţa socială etc., distingem
observaţia sistematică, străină de clişee obişnuite, care urmăreşte
înregistrarea obiectivă a faptelor, înscriindu-se într-un program explicit, ce
restrânge câmpul studiat şi impune selectarea datelor relevante.
Strict vorbind, observaţia este percepţia unui eveniment, a unei conduite,
a unui document ( P.Fraisse). Dar ea nu se reduce practic la simpla “lectură”
a faptului brut, ci se prelungeşte într-un act de clasificare, de încadrare a
informaţiei în anumite concepte şi de anticipare a unor relaţii.
Acelaşi autor atrăgea atenţia asupra dualităţii modului de percepţie asupra
propriei personalităţi. Omul este capabil – în opinia autorului – de o dublă
cunoaştere: una, prin care el sesizează propriile gânduri, sentimente,
senzaţii etc, şi a doua, prin care se vede pe sine trăind şi acţionând aşa cum
îi vede trăind şi acţionând pe ceilalţi şi, sub acest unghi, el se cunoaşte pe
sine în acelaşi chip în care îi cunoaşte pe alţii (p. 74).
Autoobservaţia este observaţia aplicată asupra propriei persoane,
ceea ce înseamnă nu numai (introspecţia) cunoaşterea gândurilor,
sentimentelor şi aspiraţiilor intime, ci şi cunoaştera prin activiatea proprie,
din succese şi eşecuri, din actele relaţiilor cu semenii, din încercările vieţii
etc. Introspecţia este numai o latură a autoobservaţiei.
Autoobservaţia poate fi valorificată în forma unor itemi de chestionar.
După cum se poate vedea din exemplul de mai jos, în acest caz subiectul
este solicitat să aprecieze gradul de acord cu o serie de afirmaţii, răspunsul
său fiind cuantificat cu ajutorul unei scale numerice. Răspunsul său va
presupune accesul la datele autoobservaţiei.
 Aproape Uneori Adesea Aproape
niciodata totdeauna
Sunt înclinat sa iau lucrurile prea în serios. 1 2 3 4
Sunt o persoana ferma, constanta. 1 2 3 4
Sunt calm, impasibil si su “sânge rece”. 11 2 2 3 3 5 4

Fig. 1.1. Exemplu de itemi din cadrul unui chestionar de anxietate:

Instrumente de observaţie. Pe baza documentării prealabile şi a

unei anchete preliminare se schiţează o grilă de observaţie, adică o
listă de rubrici care să ofere cadrul de clasificare a datelor brute. O
grilă de observaţie nu este indicat să cuprindă, în medie, mai mult de
10 categorii, deoarece nu se poate opera simultan cu mai multe rubrici
de clasificare. Aceste categorii trebuie să fie disjuncte şi să epuizeze
aspectele principale ale fenomenului. Lista lor se stabileşte pe baza
unui material empiric strâns în faza preliminară şi condensat în
concepte. Avantajul acesteia este de a oferi acelaşi cadru de referinţă
unor observaţii diferite.

Exemple:
1o.Bakeman & Brownlee (1980) au studiat comportamentul de joc la preşcolari. Pe
baza unui studiu prealabil, ei au determinat cinci categorii de joc, ce au
constituit cadrul de clasificare pentru observaţia efectuată. Astfel, reacţiile
subiecţilor au fost încadrate în una dintre următoarele tipuri:
Neocupat: copilul nu face nimic, sau îi priveşte pe ceilalţi;
A fi împreună: copilul se află laolaltă cu alţi copii fără a fi ocupat cu
vreo activitate;
Joc solitar: copilul se joacă singur dar nu este interesat sau afectat de
activităţile celorlalţi copii;
Joc paralel: copilul se joacă alături de alţi copii, dar nu se joacă cu ei;
Joc colectiv: copilul se joacă cu ceilalţi, şi participă la activităţile de joc
organizat, ca membru al grupului.
Observaţia era structurată atât în funcţie de timp cât şi de vârsta subiecţilor.
(tabelul 1.1)

Tabel 1.1 Grila de observaţie a jocului la preşcolari

COMPORTAMENTE
Durata
Vârsta observaţ
iei

9
 Neocupat A fi Joc solitar Joc paralel Joc colectiv
împreu
nă
1 min

Subiect
1
(4 ani)
2 min
3 min
4 min
--------
10 min
1 min
Subiect
2
(5 ani)
2 min
3 min
4 min
-----------
10 min
--------- -----------

În cadrul cercetării, autorii au fost în mod particular interesaţi de

secvenţa sau ordinea în care copiii s-au angajat în diferite comportamente. Ei
au constatat, de exemplu că rareori copiii au trecut de la comportamentul
“neocupat”, la cel de “joc paralel”. De asemenea, odată cu avansarea în
vârstă, ei au trecut frecvent de la jocul paralel la cel colectiv, ceea ce indică
faptul că jocul paralel reprezintă o stare tranzitorie în cadrul dezvoltării. Grila
de observaţie expusă poate fi utilizată atăt în plan sincronic (transversal), cât
şi diacronic (longitudinal).

2o.Pentru a identifica un tip temperamental sau altul căruia îi aparţine o

persoană vom putea găsi în activitatea şi în viaţa cotidiană situaţii relevante.
De exemplu, o situaţie tipică de aşteptare, o situaţie competiţională, o
activitate cuprinzând un element imprevizibil şi de dificultate (de pildă, un
traseu mai greu de excursie), o sarcină de reprezentare a colectivului într-o
confruntare (de opinii) sau în faţa autorităţii etc, toate acestea constituie
situaţii-test pentru că pun în evidenţă particularităţi sau diferenţe individuale
uşor de clasificat-
Asemenea situaţii cuprind indicii de temperament pe care-i putem
sistematiza prin condensarea experienţei într-o grilă de observare a
comportamentului (Tabelul 1.2), arătând în dreptul faptelor de conduită
ipotezele plauzibile cu privire la categoria prezumtivă de temperament. Se
notează cu “XX” clasificarea, respectiv ipoteza cea mai plauzibilă, şi cu “X”
încadrarea doar plauzibilă în studierea unui caz sau altul. Un asemenea
document este susceptibil de îmbunătăţire continuă. Prin însumări pe
coloane decidem asupra apartenenţei la un anumit tip sau altul. Preocuparea
de cuantificare este aici minimă.
Tabel 1.2. Grilă de observare a comportamentului *
TEMPERAMENT
FAPTE DE CONDUITĂ

Cole- Sang- Fleg- Mel

ric vinic matic an-
coli
c

Doreşte să fie primul care încearcă, îi place parcă să X XX

înfrunte necunoscutul
Se decide greu pentru acţiune, are gesturi şovăielnice X XX
Îşi pierde răbdarea aşteptând să-i vină rândul, se agită XX X
Este vădit emoţionat înainte de probe X XX
Precipitat în acţiune, se corectează cu viteza actului XX
reflex, execuţia lipsită de acurateţe îndeosebi spre
sfârşit
Execută activitatea în ritm lent, dar cu destulă acurateţe XX X
Reacţii verbale abundente, se îndeamnă pe sine X XX
(“haide!”, “nu te lăsa!”, “acuma-i acum!”)
Reacţii motorii abundente, devine nervos când greşeşte, XX
apar violenţe verbale, plusul de energie se descarcă cu
fiecare act
Execută activitatea/proba în tăcere, gesturile şi XX XX
cuvintele sunt aproape absente
Execută proba cu încordare nervoasă, mobilizarea XX
excesivă în raport cu sarcina; tensiunea, plusul de
energie se descarcă la încheierea acţiunii
Tendinţa de supraevaluare proprie şi subestimare a XX X
sarcinii
Tendinţa de supraestimare a sarcinii, dar de XX
subapreciere personală
În caz de eşec nu se dă bătut, persistă, reia XX X
proba/activitatea de la capăt încurajându-se; duce la
bun sfârşit sarcina
În caz de eşec se pierde, are nevoie de încurajare pentru XX
a relua lucrul

11
Cu fiecare succes exclamă de bucurie, bate din palme X XX
Rămâne indiferent la reuşită, schiţează doar un zâmbet XX X
Abandonează la primul eşec, se închide în sine şi “se XX
blochează” total
Abandonează când eşecurile se acumulează XX X
Tăcut în momentele critice (dificile) prezintă reacţii XX
vegetative, dă semne de oboseală
Derută emoţională sub presiunea timpului X XX
După terminarea lucrului relatează colorat cele X XX
petrecute
Eşecul produce un “halo afectiv” de durată XX

(*după I. Radu)
După un exerciţiu simplu de aplicare a acestei grile de observaţie, se
poate evidenţia acordul semnificativ între evaluatori. Acest exemplu ne
orientează asupra noţiunii de fidelitate definită prin gradul de consens dintre
evaluatorii ce utilizează acelaşi instrument. În cazul utilizării observaţiei ca
metodă de cercetare autonomă, fidelitatea ei se va verifica pe baza
coeficientului de concordanţă Cohen (K).

1.2.1. Coeficientul de concordanţă K (Cohen)

Coeficientul de concordanţă interevaluatori a fost propus de Cohen

pentru a verifica fidelitatea evaluării unor comportamente prin grile de
observaţie. Se utilizează în situaţia în care grila de observaţie folosită are la
bază o scală nominală. În cazul în care grila de observaţie are la bază o scală
de măsură ordinală sau hiperordinală, fidelitatea ei se verifică prin
coeficientul de concordanţă a rangurilor (Kendall) sau prin coeficientul de
corelaţie parametric (Pearson).
Exemplu:
Belsky & Rovine (1988) au investigat relaţia dintre timpul petrecut de
copil în creşă şi modul de dezvoltare a ataşamentului copil–părinte. Ei au
folosit în acest sens o grilă de observaţie a comportamentului matern
(securizant - în sensul întăririi ataşamentului, sau insecurizant). Doi
observatori au verificat grila, observând independent, într-un mod sistematic
(la intervale de 10 minute) o pereche mamă-copil. S-au realizat în total 20 de
observaţii rezultatele obţinute fiind notate mai jos sub forma celor două grile
de observaţie.
 Observatorul 1 Observatorul 2
nr. obs.Securizant Insecurizant nr. obs. Securizant Insecurizant
1 I 1 I
2 I 2 I
3 I 3 I
4 I 4 I
5 I 5 I
6 I 6 I
7 I 7 I
8 I 8 I
9 I 9 I
10 I 10 I
11 I 11 I
12 I 12 I
13 I 13 I
14 I 14 I
15 I 15 I
16 I 16 I
17 I 17 I
18 I 18 I
19 I 19 I
20 I 20 I
Fiecare observaţie s-a realizat simultan de către cei doi observatori,
pentru aceeaşi pereche mamă –copil. Rolul observatorilor a constat în a
atribui, pe baza definiţiilor grilei, categoria “securizant” sau “insecurizant”
pentru comportamentul mamei. Se poate remarca faptul că observatorii nu
pot atribui decât o singură categorie unei perechi mamă–copil la un moment
dat (cele două categorii sunt disjuncte). Se trece la calculul coeficientului K
utilizând formula:

Po - P e
K=
1 - Pe
unde Po reprezintă proporţia concordanţelor observate dintre categoriile celor doi
observatori (din numărul total de observaţii) şi Pe proporţia concordanţelor
care ar putea apărea întâmplător în cazul rezultatelor date. Pentru a
înţelege Pe să ne imaginăm că cei doi observatori ar obţine aceleaşi date, dar
nu ar folosi grila de observaţie, ci ar decide la întâmplare (fară să observe
comportamentul mamei).
Pentru calculul valorilor Po şi Pe se condensează frecvenţa concordanţelor şi
discordanţelor dintre cei doi observatori în matricea de mai jos, numită
matrice de concordanţe. Prin definiţie, observaţiile se consideră
concordante atunci când cei doi observatori atribuie aceeaşi categorie unei
perechi mamă – copil (adică securizant – securizant sau insecurizant –
insecurizant), şi discordanţe atunci când observatorii atribuie categorii diferite

13
(securizant – insecurizant sau insecurizant – securizant).

Observatorul 1
securiz. insecuriz .

Observatorul 2 securiz.
16 0
insecuriz. 1 3

Valoarea Po va fi dată de raportul dintre numărul total de concordanţe

(securizant şi insecurizant) şi numărul total de observaţii realizate:

16 + 3
Po = = 0.95
20
Indicele Pe se calculează prin determinarea probabilităţii de concordanţă
întâmplătoare a alegerilor celor doi observatori. De exemplu, în acest
exemplu, observatorul 1 a ales de 17 ori opţiunea “securizant” din 20 de
observaţii. Deci probabilitatea ca această opţiune să fie dată de
observatorul 1 este 17/20. Observatorul 2 a ales opţiunea “securizant” de 16
ori; probabilitatea ca el să dea această opţiune este 16/20.
Ca urmare, probabilitatea pentru ca opţiunea “securizant” să coincidă
din întâmplare este:
17 x 16
P=
20 20
Similar se calculează probabilitatea de coincidenţă pentru opţiunea
“insecurizant”:
3 x 4
P=
20 20
Valoarea Pe se obţine însumând cele două probabilităţi:
17 16 3 4
Pe = x + x = 0,71
20 20 20 20
Valoarea coeficientului K este deci:

0,95 - 0,71
K= = 0,83
1 - 0,71
Interpretarea coeficientului K este similară unui coeficient de corelaţie (cu
valori între -1 şi +1). Este evident că din punct de vedere practic vom fi
interesaţi doar de valorile pozitive ale K (cele negative indicând o
“concordanţă” inferioară celei întâmplătoare).
Calculul semnificaţiei valorilor K fiind laborios, Cohen propune valoarea –
prag de 0.7 pentru coeficienţi semnificativi. Deci orice valoare K egală sau
mai mare decât 0,7 este semnificativă. În cazul nostru, valoarea calculată
este 0,83, mai mare deci decât valoarea prag. Grila de observaţie are deci o
bună fidelitate.

1.3. STABILIREA IPOTEZELOR

Datele observaţiei conduc – în cadrul informaţiei existente – la anumite

ipoteze, supoziţii, cu privire la anumite relaţii cauză – efect. Aceste
presupuneri sunt sugerate de observarea faptelor şi de cunoştinţele
anterioare, fără să fie o simplă prelungire a datelor amintite. Ipoteza este
operă de gândire, constituind momentul creator în cercetarea experimentală.
Ea traduce ideea într-o propoziţie testabilă, adică “operaţionalizează”
reflexia. În acest domeniu nu se pot formula reguli generale; pe baza
experienţei se pot schiţa doar anumite cerinţe utile
Datele observaţiei arată de exemplu, că într-o situaţie de aşteptare
conduita oamenilor este foarte diferită, “efectul aşteptării” nu-l suportă toţi
la fel. De la o atitudine plină de calm până la agitaţie motorie sau verbală
există o gamă largă de reacţii posibile în aceste situaţii. Observaţia
consemnează “tabloul comportării” la diferite persoane, iar analiza şi
interpretarea datelor conduce la stabilirea unor grupe sau tipuri de reacţii.
Se face imediat supoziţia (HS ), că aceste deosebiri se datoresc unor factori
legaţi de personalitate, situaţia externă fiind în esenţă aceeaşi pentru toţi.
Analiza datelor scoate în evidenţă anumite note comune în cadrul
deosebirilor constatate, fapt care permite o clasificare, o grupare
aproximativă a persoanelor. Prin ipoteză, această clasificare este pusă în
relaţie cu un anumit parametru care defineşte tipul de sistem nervos şi
anume, cu echilibrul proceselor nervoase fundamentale. Această ipoteză,
care anticipează o corelaţie determinată, urmează să fie supusă verificării
instituindu-se un experiment.
Prin urmare, ipoteza se naşte din observarea faptelor, dar se
formulează în termenii oferiţi de dezvoltarea ştiinţei contemporane, de
ansamblul de informaţii existente. Elaborarea ipotezei presupune astfel o
solidă informaţie în domeniu, care oferă cadrul conceptual al ipotezei. Într-un
stadiu avansat al cercetării, ipotezele pot fi deduse din cunoştinţele
existente, din teoriile ce generalizează relaţiile cunoscute.

15
 1.4. EXPERIMENTUL

Experimentul reprezintă, în primul rând, un mijloc de analiză. Cu

ajutorul său, situaţii de viaţă sunt miniaturizate, aduse în formă concentrată
în condiţii de laborator, punând sub control factorii implicaţi. Aducerea în
laborator înseamnă reducerea numărului de variabile (cel mult 3 – 4);
precizia fiind astfel, obţinută cu preţul simplificării. O situaţie complexă –
cum este, de regulă, cea din teren – nu poate fi studiată dintr-o dată, în toată
complexitatea ei .

Exemple:
1o. Obsevaţia ne arată un declin al rezultatelor învăţării sub influenţa
oboselii. Ne propunem să studiem efectul oboselii asupra păstrării
materialului învăţat. Experimentul va fi centrat pe evidenţierea relaţiei dintre
oboseală (=cauză) şi rezultatul învăţării (=efect), relaţie ce poate fi notată
pe scurt y=f(x), unde y este efectul şi x este cauza. Putem adăuga imediat: x
este variabila independentă şi are statutul de cauză iar y este variabila
dependentă având statutul de efect.
Notăm în continuare variabila independentă cu A iar pentru cea
dependentă păstrăm notaţia utilizată. Deci y=f(A). În general, factorul
experimental, adică variabilele independente le notăm cu literele mari
alfabet A, B, C.
Să observăm că oboseala poate avea grade diferite, de exemplu:
uşoară, medie şi accentuată. Notăm aceste modalităţi cu a1, a2, a3.
Desfăşurarea experimentului până la acest nivel sugerează un plan unifactorial.
Dacă în continuare, materialul care se învaţă va fi prezentat prezenta ca
material figural, (concret) sau pe suport pur verbal, va apare o a doua
variabilă. Notăm cu B natura materialului, care va prezenta două modalităţi;
b1 şi b2. Presupunem că efectul oboselii va fi diferit în cazul celor 2 tipuri de
material. Rezultatul învăţării (y) este pus în relaţie cu doi factori: gradul de
oboseală (A) şi natura materialului (B). Avem de-a face cu un experiment bifactorial.
Practic nu putem studia oboseala în mod global, ci luăm măsuri ale oboselii
după cum nu considerăm învăţarea în general ci măsurări ale rezultatului
învăţării. Intervine deci operaţionalizarea conceptelor ceea ce înseamnă
transpunerea în termenii unei operaţii de evaluare, măsurare cu ajutorul
unor probe psihologice adecvate. Aşadar luăm o măsură a învăţării pe care o
punem în relaţie cu anumite măsuri ale oboselii. Rezultatul învăţării îl
verificăm adesea prin probe de reactualizare liberă din memorie, iar pentru
evaluarea oboselii utilizăm un test de atenţie sau de eficienţă vizuală (proba
flicker). Dar pentru a cunoaşte efectul oboselii, va trebui să considerăm o
situaţie de contrast sau o situaţie-martor de “ne-oboseală” ori de oboseală
zero. Convenim să numim aceasta “condiţia zero”, notată a0 şi care prezintă
situaţia de control. Aşadar, variabila independentă (A) va fi prezentă în
experiment prin patru modalităţi: a1, a2, a3 şi a0. Rezultatul învăţării ne va
apare diferit în cele patru condiţii şi se vor compara în final măsurări ale
efectelor oboselii în condiţiile a0, a1, a2, a3 (figura 1.2.).
Pe scurt vom avea:
conditia a0 conditiile a1, a2, a3

situatie de control situatii experimentale

Fig. 1.2
Urmează să comparăm rezultatele învăţării în condiţia zero, apoi în
condiţiile experimentale a1, a2, a3, mai concret o măsură a învăţării în condiţia
zero cu măsurări ale învăţării în condiţiile a1, a2 respectiv a3. Rezultatul final ne
va apare sub forma unor diferenţe între aceste măsurări luate perechi sau
grupat (figura 1.3.).

a0 a1 a2 a3

Fig.1.3.

Aşadar, pentru a răspunde la întrebarea iniţială – referitor la învăţarea

în condiţii de oboseală – vor trebui efectuate mai multe comparaţii. Acestea
vor reprezenta în formă condensată măsurări ale rezultatului învăţării în
condiţiile a0, a1, a2, a3 în combinaţii sugerate de experiment.

2o.Să considerăm o situaţie de aşteptare, cunoscută de fiecare din

experienţa cotidiană: aştepţi un tren în gară, rândul la dentist, intrarea la un
examen etc. Datele observaţiei arată că “efectul aşteptării“ este suportat în
mod diferit de oameni: de la atitudinea calmă, reţinută până la agitaţia
motorie sau verbală putem întâlni o gamă întreagă de reacţii posibile. Pe
măsură ce aşteptarea se prelungeşte, tensiunea psihică se accentuează şi
creşte cota de reacţii dezadaptate. Să supunem, în continuare, această
situaţie de viaţă unui proces de decantare pentru a desprinde factorii
relevanţi prezenţi în contextul dat.
Simplificând puţin lucrurile, avem pe de o parte o situaţie externă de
aşteptare (S) - caracterizată prin doi parametri ( durată şi tensiune psihică ) –
iar pe de altă parte avem reacţii comportamentale diferite ( R1,,R2 , … , Rn ) ale
persoanelor plasate în acest context. Se poate scrie, ca primă aproximaţie: R
= f (S). Întrucât situaţia obiectivă este aceeaşi, este firesc să punem
diversitatea reacţiilor pe seama unor trăsături individuale, deci pe seama
unui factor de personalitate (P). Într-adevăr, o situaţie de aşteptare instituie
un conflict între excitaţie şi inhibiţie, între impulsul spre acţiune şi
necesitatea de a suspenda acţiunea până la momentul necesar. Aceasta
conduce la ipoteza: echilibrul emoţional/temperamental determină
diversitatea reacţiilor, ceea ce vom numi ipoteză specifică (HS ). Altfel spus, într-

17
o situaţie de aşteptare, individul este pregătit pentru acţiune, dar răspunsul
însuşi este amânat pentru un timp mai lung sau mai scurt, fapt care pune la
încercare echilibrul dintre excitaţie şi inhibiţie ; mai general, echilibrul
emoţional al unei persoane în condiţiile unei stări de tensiune nervoasă. În
consecinţă, diversitatea comportamentelor trebuie pusă pe seama
combinaţiei celor doi factori “S” şi “P”,ceea ce putem scrie: R = f(S, P).
Reluând pentru precizare, putem spune că o situaţie de aşteptare “combină”
trei factori: durata aşteptării, tensiunea psihică implicată şi echilibrul
emoţional al persoanelor cuprinse în contextul respectiv. Luând alternative
extreme, situaţia de aşteptare poate fi scurtă sau prelungită, tensiunea
psihică poate fi minoră sau accentuată, iar persoanele aflate în această
situaţie se pot caracteriza prin echilibru emoţional precar sau marcat. Toţi
aceşti factori au statutul de cauze sau condiţii determinante; efectul acţiunii
lor aparând în cota de reacţii dezadaptate ce caracterizează conduita
persoanelor observate .
Pentru a disocia acţiunea fiecărui factor şi apoi a combinaţiei lor,
pornind de la anumite ipoteze se instituie experimentul care miniaturizează
situaţia concretă, o reproduce în laborator în formă simplificată în vederea
analizei şi înregistrării precise a datelor. În această etapă intervine
operaţionalizarea variabilelor.În cadrul experimentului se modifică sistematic
un factor sau un grup de factori, pe baza ipotezei avansate, şi se notează
paralel efectele acestei modificări asupra activităţii şi conduitei subiectului
sau grupului. Factorul controlat sau manipulat de către exprimentator s-a
numit variabilă independentă, iar efectele acestei modificări, adică variaţiile
paralele survenite în răspunsurile sau prestaţia subiectului au căpătat
denumirea de variabilă dependentă. Ceea ce urmărim nemijlocit şi notăm în
cursul experimentului este efectul, rezultatul - adică variabila dependentă, în
funcţie de condiţiile sau factorii mânuiţi ori dinainte cunoscuţi. În final, se
stabilesc relaţii de tipul y = f(x) între efectele constatate şi variaţiile imprimate
factorilor manipulaţi de către experimentator. Scopul experimentului este
stabilirea unei legităţi sau regularităţi care să permită apoi dezvelirea unei
relaţii cauză – efect.
Miniaturizarea, în condiţii de laborator, a unei situaţii de aşteptare poate
lua o înfăţişare simplă: determinarea timpului de reacţie în condiţii diferite
de aşteptare. Timpul de reacţie este timpul scurs între apariţia stimulului şi
declanşarea reacţiei necesare la stimul. În mod obişnuit, prezentarea
stimulului este precedată de un semnal de avertizare. Variind intervalul între
avertizare şi aplicarea stimulului, se creează o stare de aşteptare având
durate diferite. De asemenea, prin asocierea răspunsului cu un şoc electric
de intensitate controlabilă se induce o stare de tensiune variabilă. În sfârşit,
pe baza unei probe precise, se constituie grupe diferite de experienţă, având
echilibrul emoţional precar sau marcat. În consecinţă, experimentatorul are
sub controlul său trei factori: durata aşteptării, tensiunea indusă şi echilibrul
emoţional al persoanelor cuprinse în experienţă. Primii doi factori pot fi
modificaţi nemijlocit de cercetător, în timp ce al treilea factor se află sub
controlul său prin compoziţia grupelor de experienţă. Aceşti trei factori sunt
supuşi unor variaţii sistematice controlate: de la durata scurtă a aşteptării la
una prelungită, de la o tensiune minimă la una accentuată ş.a.m.d. Variabila
dependentă este timpul de reacţie, determinat cu mijloace de laborator
(cronoscop) . Întreg mersul experienţei poate fi anticipat într-un tabel care
prevede combinaţiile posibile între modalităţile variabilelor independente
implicate în situaţia respectivă (Tabelul 1.3.).

Tabelul 1.3. Design-ul experimental

Tensiunea Durata Echilibru emoţional
Psihică Aşteptării
Precar Marcat

Minimă Scurtă I II
Prelungită III IV

Accentuată Scurtă V VI
Prelungită VII VIII

Un asemenea tabel care reuneşte toate combinaţiile posibile ale

factorilor consideraţi se numeşte plan multifactorial. Fiecare căsuţă din tabel
realizează o anumită combinaţie, sugerând totodată loturile de experienţă
necesare. De exemplu, căsuţa III reuneşte “tensiune minoră”, “durata
aşteptării prelungită” şi “echilibru emoţional precar”.
Rezultatele finale, adică valorile timpului de reacţie condensate în cifre
medii înscrise în tabel, vor permite comparaţii pe coloane şi pe linii, înlesnind
desprinderea acţiunii fiecărui factor în parte şi apoi efectul lor reunit. În
exemplul dat se poate urmări cum se modifică timpul de reacţie sub
influenţa variabilelor controlate în experiment.

Din consideraţiile expuse mai sus nu trebuie să rezulte că întotdeauna

montajul experimental este foarte complex.
Uneori, în psihologie, experienţe relativ simple – cum sunt cele realizate
de Piaget – s-au soldat cu o bază importantă de date. Nimic mai simplu ca
procedeul “transvasării”: două recipiente A şi B de aceeaşi formă, capacitate
etc, sunt umplute cu un lichid până la acelaşi nivel. În timp ce A rămâne
martor, lichidul din B se varsă, sub ochii copiilor în B1, B2 şi B3, întrebându-se
asupra conservării cantităţii de substanţă. Experienţa se desfăşoară în faţa
unor copii de diferite vârste ani. Variabila independentă este vârsta care este o
variabilă clasificatorie. Intervine o “manipulare” – transvasarea lichidului – şi
dialogul scurt cu copiii. Variabila dependentă este răspunsul verbal al
subiectului reunit sub 3 etichete: “nonconservare” (0), “intermediar” (1), “conservare” (2).

19
 A B
B1 B2 B3

Fig. 1.4. Experienţa de transvasare a lichidului

Tot aşa, în probele piagetiene cu bulgării de plastilină.

Aceste experienţe i-au permis lui Piaget stabilirea unor regularităţi în
apariţia şi succesiunea noţiunilor de conservare la 7, 9 şi 11 ani. Einstein
asculta cu interes relatările lui Piaget şi se minuna de simplitatea
experienţelor, dar şi de complexitatea fenomenului: de ce apar noţiunile de
conservare abia de la 6 – 7 ani, când contactul cu obiectele fizice există de la
început? Piaget explica acest lucru prin mecanismul reversibilităţii: o acţiune
directă T se compune pe plan mintal cu inversa ei T-1 , făcând superfluu recursul la
experienţă.

Putem cita un experiment care se plasează la extrema contrară.

În laboratorul de experimentări al Şcolii politehnice din Lausanne
(Elveţia) – relatează Droz (1982) – se construiesc machete arhitecturale care
merg până la scara 1:1. Cercetătorii psihologi şi arhitecţi caută să studieze
interacţiunile dintre comportamentul uman şi spaţiile construite. S-a urmărit,
de pildă, aprehensiunea conotativă şi emoţională a spaţiilor de trecere (uşi,
holuri de intrare, culoare etc.) – cu ajutorul unui test de personalitate adaptat
(Adjective Check List a lui Gough) – în condiţiile simulării la scara 1 : 1, apoi
ale prezentării de diapozitive şi în spaţii reale. Reacţiile subiecţilor s-au
dovedit sensibil apropiate în cele trei condiţii. Important este că instrumentul
de analiză psihologică furnizează profiluri conotative diferenţiate în funcţie
de categoriile de obiect evaluate înainte de transpunerea în beton, staţiile
construite sunt supuse acestui test psihologic funcţional cu beneficiarii.

Pe baza exemplelor prezentate se poate desprinde o schemă generală ce

surprinde principalele faze ale demersului experimental (figura 1.5.)
 OBSERVAŢIE
CURENT Ă IDEE DOCUMENTARE

RAŢIONAMENT
DEDUCTIV FORMULAREA UNEI
IPOTEZE TESTABILE

ELABORAREA UNUI DESIGN

EXPERIMENTAL

SELECŢIA SUBIECŢILOR

DESFĂŞURAREA
EXPERIMENTULUI

ANALIZA ŞI
INTERPRETAREA DATELOR
Figura 1.5. Fazele demersului experimental

Pornind de la schema de mai sus vom studia în continuare modul de

alcătuire al design-ului experimental.

21
 1.4.1. Elaborarea design-ului (planului) experimental

Trebuie să distingem între variabilele modificate, “manipulate” efectiv

de experimentator – în exemplul nostru A şi B – şi variabilele independente etichete
sau clasificatori care sunt caracteristici naturale ce permit să reperăm, să
descriem subiecţii. În exemplul dat nivelul de şcolarizare (C) constituie o
asemenea variabilă – etichetă şi serveşte la repartizarea subiecţilor în
diferite grupe. În general, datele de clasificare – vârsta, sexul, nivelul de
motivare, CI, nivelul socio – cultural, gradul de instruire etc. – au acest statut
de variabilă etichetă, pe care subiecţii le posedă încă din start, înaintea
experienţei.
Se vorbeşte de variabile independente, care se notează cu litere mari
(A, B) şi modalităţi ale acestora, care se notează cu litere mici: a1, a2…sau b1, b2,
…ş.a.m.d.
Întreg mersul experiennţei poate fi anticipat într – un tabel – care este
expresia planului stabilit mintal – şi care prevede combinaţiile relevante între
modalităţile variabilelor inndependente implicate în situaţia considerată.
Un plan factorial reuneşte toate combinaţiile posibile de factori relevanţi.
Fiecare căsuţă din tabel realizează o anumită combinaţie, sugerând şi
schema de eşantionare, adică numărul de grupe de subiecţi care vor fi
formate în vederea experienţei.
Există planuri de experienţă elementare sau de bază cu un singur factor de
variaţie şi planuri factoriale – mai exact multifactoriale – cu mai mulţi factori.

1.4.1.1. Operaţionalizarea variabilelor

Variabilele independente (VI) sunt reprezentate de orice stimul care poate

avea o influenţă relevantă (cauzală) asupra unor prestaţii sau
comportamente, care devin variabile dependente (VD). Modalităţile VI pot fi
fixate anticipat (“factori fixaţi”) sau pot fi selectate aleator (“factori
aleatori”). De exemplu, într–un experiment care vizează detectarea influenţei
zgomotului asupra performanţelor mnezice se pot alege zgomote de 40, 60,
80 dB pentru a vedea efectul lor asupra memoriei. Într–un experiment
ulterior pentru o generalizare a rezultatelor se pot lua alte modalităţi VI (de
ex.: zgomote de 30, 50, 70, 90 dB). În capitolele lucrării de faţă se vorbeşte
mai frecvent de grupe aleatoare şi de grupe sistematice, referindu–se mai
ales la modul cum sunt considerate grupele cuprinse în studiu.
Experimentele din prima categorie presupun că, nu numai compoziţia
grupelor în parte este aleatoare, dar şi alegerea lor în studiu se face la
întâmplare.
În cea de-a doua categorie, grupele sunt alese pe baza unui criteriu
precis, compoziţia lor rămânând aleatoare. Această dihotomie a variabilelor
sau grupelor nu este una scolastică, efectul ei văzându–se în proceduri
diferite de calcul şi mai ales de interpretare a rezultatelor în cazul analizei de
varianţă.
 Variabilele dependente sunt, de regulă, performanţele comportamentale.
Destul de rar reuşim să sesizăm nemijlocit efectul VI asupra VD, ca atare. Nu putem
studia comportamentul global în mod calitativ şi trebuie să desprindem faţete. De
multe ori, VD sunt operaţionalizări ale unui construct teoretic. Dificultatea
apare în faptul că multe dintre constructele psihologice – de exemplu,
memoria, gândirea, “depresia”,etc - nu au o singură definiţie operaţională.
De exemplu, depresia se poate operaţionaliza sub mai multe forme:
• Scale de evaluare psihometrică- ex. MMPI.
• Zile de spitalizare- pentru depresia severă
• Modificări biochimice- un deficit la nivelul neurotransmiţătorilor.

Anxietatea, de pildă, poate fi operaţionalizată sub formă de variabilă

dependentă ca :● Schimbări psihofiziologice (ritm cardiac, transpiraţia
mâinilor, răspuns electrodermal etc.);
● Prin senzaţii subiective resimţite de subiect (de exemplu “vertij”,
“teamă”);
● Prin comportamente specifice (evitarea situaţiilor de risc, evitarea
confruntărilor, performanţe scăzute în situaţii de stres).
Uneori variabila dependentă (VD), nu operaţionalizează ceea ce am
stabilit noi să operaţionalizeze; este cazul răspunsului electrodermal – în
cazul detectorului de minciuni – care este mai curând o rezultantă. De
regulă, reţinem ca VD anumite faţete ale comportamentului global. De
exemplu, reacţia oamenilor într-o situaţie de aşteptare (o barieră prelungită
pe şosea) prezintă mai multe faţete: agitaţie, violenţe verbale, reacţii
vegetative (creşterea pulsului, a tensiunii sangvine), creşterea
catecolaminelor ş.a.m.d. Se reţine numai o componentă a acestui
comportament global.
Enumerăm câteva dintre condiţiile pe care trebuie să le îndeplinească
variabila dependentă pentru a avea un bun experiment:
● să fie sensibilă la variaţiile sau manipulările variabilei independente. De
exemplu, dificultatea unei probleme poate fi operaţionalizată prin
coeficientul de reuşite şi abandonuri obţinute. Ea poate fi operaţionalizată
însă şi prin timpul necesar pentru rezolvarea problemei respective. Evident,
vom opta pentru a doua variantă de operaţionalizare, deoarece e mult mai
sensibilă şi pune în evidenţă mult mai subtil dificultatea problemei în cauză.
● variabila dependentă trebuie să fie uşor de măsurat şi clar definită,
pentru a putea fi măsurată şi de un alt cercetător în acelaşi fel.
● să fie fiabilă, adică să dea efecte statornice, nu fluctuante episodice.

1.4.1.2. Design-uri experimentale de bază.

Planurile experimentale de bază vizează situaţiile în care manipulăm

experimental un singur factor. Rezultatele obţinute de grupul experimental
devin semnificative prin compararea lor cu scorurile obţinute (la post-test) de
grupul de control. Schema generală a planurilor experimentale de bază e
prezentată în tabelul 1.4.

23
 Tabelul 1.4. Schema planului experimental de bază
S ge gc Legendă
A
a1 A = factorul manipulat experimantal
a1, a2, ...an = modalităţile lui A
S = subiecţii participanţi la experiment
ge = grupul experimental
gc = grupul de control

a2

an

Exemple:
1o.Se instituie un experiment pentru a cunoaşte efectul unor
tranchilizante asupra activităţii de conducere auto. În acest scop se
admninistrează tranchilizante cu nume diferite sau doze diferite (5 mg, 10
mg, 15 mg, 20 mg) la patru loturi de persoane stabilite după regulile
selecţiei aleatoare. Se introduce şi un grup de control, căruia nu i se
administrează nici un drog. Notăm variabila independentă (administrarea
unui tranchilizant) cu A şi vom avea în studiu patru modalităţi a1, a2, a3, a4, la
care se adaugă grupa de control a0. Avem, practic, un singur factor de variaţie,
prezent sub 5 modalităţi. Nu facem nici o altă diferenţiere a subiecţilor, decât
cea oferită de administrarea în doze diferite a drogului. Efectul fiecărui medicament
aplicat se dezvăluie în diferenţele sau variaţiile apărute în comportamentul la
volan. Acesta din urmă îl considerăm printr-o faţetă particulară: timpul de
reacţie (TR). Ne aşteptăm ca drogul în doze diferite sau purtând nume
diferite să diferenţieze grupele cuprinse în studiu, să apară deosebiri în ceea
ce priveşte TR între grupele de experienţă şi cea de control. Sursele acestor
deosebiri sau variaţii sunt bine precizate.
În cadrul acestui exemplu avem de-a face cu un singur factor de variaţie (A).
Pentru a răspunde la întrebarea iniţială, urmează să se instituie în final
comparaţii multiple.

2o. Sugerăm un experiment care să verifice ipoteza: ”cuvintele al căror

conţinut poate fi imaginat se memoreaza mai uşor“(Paivio, 1982) ;în acest
caz factorul manipulat (cuvintele), prezintă două modalităţi fixate de
experimentator : cuvinte cu conţinut imagistic (a1) şi fără conţinut imagistic
(a2). Aceeaşi listă de cuvinte se prezintă atât grupului experimental cât şi
grupului de control, dar subiecţilor din grupul experimental li se sugerează
să-şi imagineze cuvintele memorate.

1.4.1.3. Design-uri experimentale factoriale.

Planurile factoriale sunt experimentele în care intervin două sau mai

multe variabile controlate sau factori de variaţie. În acest caz se vizează nu
numai influenţa fiecăruia dintre aceşti factori, ci şi influenţa interacţiunii lor
asupra variabilei dependente. Cele mai frecvente sunt planurile bi- şi
trifactoriale. Planurile factoriale cu mai mult de trei factori sunt greu de
realizat şi nepractice. În cazul
unui plan cvadrifactorial, de pildă, dacă presupunem că fiecare factor are
numai două modalităţi, ajungem la un plan factorial 2 x 2 x 2 x 2 = 16, ceea
ce inseamnă că avem nevoie de 16 grupuri. Deşi calculul statistic nu ridică
probleme, constituirea practica a 16 grupuri de subiecţi este o sarcină
extrem de dificilă.
Cel mai simplu plan factorial este planul bifactorial (2 x 2). Schema lui
generală este prezentată în tabelul 1.5.

Tabelul 1.5. Plan factorial

B
A b1 b2 Legenda

A1 A, B – factorii de variaţie
a, b – mod. factorilor A, respectiv B

A2

Exemplu:
1o. S-a iniţiat un experiment de instruire programată în care s-au
utilizat, în grupuri paralele, programe liniare (PL) şi programe ramificate (PR).
De asemenea, s-a menţinut, pentru comparaţie, în alte grupe, lecţia orală
clasică (LC). Pentru o urmărire diferenţiată a efectelor, grupele au fost
dihotomizate în funcţie de CI şi anume: CI > m şi CI < m. Aşadar, avem două
variabile independente: A, metoda de instruire şi B, nivelul de inteligenţă (CI).
Prima variabilă prezintă trei modalităţi (PL, PR şi LC), iar a doua variabilă are
două modalităţi: CI > m şi CI < m.
Datele de bază sunt condensate în tabelul 1.6.

Tabel 1.6.
Nivel de Metoda de instruire (A)
inteligenţ
ă.
(B)

25
 PL (a1) PR (a2) LC (a0)

(b1)
CI > m
(b2)
CI < m

În planul factorial apare adeseori grupuri de control prin care se

realizează condiţia zero. Planurile factoriale pun în evidenţă relaţii mult mai
complexe decât planurile de bază. Ca urmare, rezultatele obţinute pe baza
lor au o mai mare validitate ecologică (= reflectă mai exact realitatea din
afara laboratorului, în care trăieşte subiectul uman). Datele obţinute dintr-un
experiment probează ipoteza care a stat la baza lui dacă sunt semnificativ
statistic (lucru dovedit prin testele statistice, ANOVA etc). La baza acestor
teste se află comparaţiile intergrupale şi cele intragrupale.

1.4.1.4. Design-uri experimentale mixte.

Planurile mixte vizează cercetările în care variabila dependentă este

pusă în relaţie: a) cu unul sau mai mulţi factori manipulaţi şi b) cu o variabilă
clasificatorie.
O variabilă clasificatorie sau variabilă etichetă constă în repartizarea
subiecţilor care participă la experiment în clase diferite pe baza unor
caracteristici imanente ale acestora (sexul, vârsta, statutul social etc.).

Exemplu:
Presupunem că dorim să studiem eficacitatea a două metode de
învăţare a limbilor străine. Variabila manipulată are deci două modalităţi:
metoda nouă, metoda tradiţională. Lansăm ipoteza că eficacitatea acestor
metode depinde de vârsta subiecţilor. În acest caz, clasificăm subiecţii după
vârstă, selectând subiecţii de 5, 7, 9 şi 11 ani (deci variabila clasificatorie are
patru modalităţi). Planul experimental arată ca în tabelul 1.7.

Tabelul 1.7.
Variabila
Clasificatoare
(vârsta)

5 ani 7 ani 9 ani 11 ani

Variabila
Manipulată
(metoda)
 metoda tradiţională

metoda nouă

Aşadar, în planul experimental variabila clasificatorie ocupă acelaşi loc

ca şi factorul manipulat într-un plan factorial. Nu trebuie însă uitat că
variabila clasificatorie nu face obiectul manipulării! Prin urmare, relaţia dintre
variabila clasificatorie şi variabila dependentă nu este una cauzală, ci de
simplă covarianţă. Dar interpretarea acestei covarianţe ridică aceleaşi
probleme ca şi în cazul coeficientului de corelaţie.
În exemplu de mai sus dacă, de pildă, metoda nouă s-a dovedit mai
eficace faţă de metoda tradiţională pentru subiecţii de 7, 9 şi 11 ani, dar cu
eficacitate egală pentru subiecţii de 5 ani, nu putem spune că vârsta (de 5
ani) este cauza acestor rezultate. Eventual, putem presupune că procese
subiacente, specifice vârstei de 5 ani, influenţează rezultatele obţinute. Probarea
acestei supoziţii se face printr-un alt design factorial, în care presupuşii
factori subiacenţi sunt explicitaţi.
Utilizarea designurilor mixte este adesea extrem de utilă, deoarece:
● sporeşte senzitivitatea, constatabilă experimental, a variabilei
dependente faţă de factorul manipulat;
● oferă informaţii despre gradul de generalitate a rezultatelor obţinute

1.4.2. Selecţia şi repartizarea subiecţilor.

Orice experiment presupune selectarea unei mulţimi de subiecţi. Din

păcate, selecţia subiecţilor nu este la discreţia cercetătorului. De multe ori
ea se face pe bază de voluntariat din subiecţii pe care cercetătorul îi are la
îndemână. Or, această situaţie poate induce de la început distorsiuni. Aşa
cum s-a remarcat deja (McNemar, 1946) o mare parte a datelor psihologiei
se bazează pe cercetări asupra şoarecilor albi de laborator şi a studenţilor
din anul I – psihologie. Idealul ar fi ca selecţia subiecţilor să fie aleatoare, dar
această pretenţie este exagerată faţă de posibilităţile reale. Adesea utilizăm
grupuri naturale intacte, în compoziţia lor datorată hazardului. De exemplu, o
clasă de elevi ca atare ar satisface această exigenţă numai că trebuie să fim
atenţi la faptul dacă actuala ei compoziţie nu este rezultanta unor selecţii
pregătitoare. Situaţia trebuie totuşi avută în vedere la interpretarea
rezultatelor. Într-o cercetare clinică asupra coeficientului de recidivă la
fumători s-a constatat că în urma tratamentului 80-90 % dintre fumători
recidivează (Schacter, 1982). Datele experimentale intrau în contradicţie cu
numeroase statistici care arătau că proporţia celor care au abandonat
fumatul fără recidivă este foarte mare. În acest caz, rezultatele obţinute în
clinică s-au dovedit nerelevante, pentru că lotul clinic, era format tocmai din
pacienţi care recidivau.
Repartizarea subiecţilor în grupul de control şi în grupul sau grupurile

27
experimentale se face aleatoriu (randomizat). Randomizarea se poate face
prin mai multe tehnici (vezi Nunally, 1967, pag 95). Mai importante fiind:
● randomizarea simplă (“tragerea la sorţi “, metoda loteriei).
● randomizarea stratificată( în care populaţia este împărţită pe “straturi”,
după unul sau mai multe criterii, pentru fiecare strat, realizându-se o
eşantionare aleatoare).

1.4.3. Design-uri experimentale defectuoase.

Rezultatele experimentale sunt considerate statistic semnificative sau

nesemnificative pe baza efectuării unor comparaţii inter şi intragrupale.
Erorile comise în procesul comparaţiilor pun în evidenţă planurile
experimentale defectuoase.

Erori posibile în comparaţiile intragrupale

Erori posibile în comparaţiile intragrupale pot apărea la compararea

scorurilor subiecţilor unui grup experimental înainte şi după manipularea
experimentală sau pe parcursul unor măsurări repetate.

● Efectul de maturare. Pe parcursul desfăşurării unui experiment subiecţii

sunt implicaţi în procesul propriei lor evoluţii, normale, naturale. În aceste
condiţii, se poate întâmpla ca diferenţele dintre două măsurări repetate ale
aceloraşi subiecţi să se datoreze maturării ce a avut loc pe parcursul
experimentului, nu manipulării experimentale. Un plan experimental care
neglijează aceste aspecte duce la rezultate eronate.

Exemple:
1. Să presupunem că dorim să vedem eficacitatea unei metode de
îmbunătăţire a lecturii pentru elevii din clasa a II-a. Se aplică metoda
respectivă timp de un an. În acest sens se fac măsurări ale performanţelor
de lectură ale elevilor la începutul şi şfârşitul fiecărui trimestru. După un an
se compară scorurile obţinute de fiecare subiect şi se constată îmbunătăţirea
treptată a scorurilor, deci a performanţelor. Rezultatele se pot datora
metodei practice, dar tot la fel de bine se pot datora maturizării elevilor pe
parcursul anului respectiv sau interacţiunii dintre metodă şi maturare, astfel
că interpretarea rezultatelor este pusă sub semnul întrebării.

2.Evaluarea eficacităţii unui tratament psihoterapeutic poate cădea în

aceeaşi eroare.

● Efectul testării repetate. Diferenţele de scoruri dintre mai multe

măsurări succesive se pot datora administrării repetate a aceluiaşi test.

Exemplu:
Procedăm la un experiment pentru a testa eficacitatea unei probe
formative pentru dezvoltarea inteligenţei. În acest sens, înainte şi după
proba respectivă subiecţilor li se administrează un test de inteligenţă. În
general vom observa o creştere a QI de la pre-test la post-test. Acest fapt se
poate datora probei formative, dar se poate datora şi readministrării testului.
După cum se ştie (vezi Anastasi, 1974) se constată o creştere a scorurilor de
inteligenţă între două administrări succesive, în lipsa oricărei alte intervenţii.

● Degradarea instrumentelor de măsură. Între două sau mai multe

măsurări repetate, validitatea instrumentului de măsurare scade. Relevanţa
unor teste de personalitate, de pildă, scade în cazul readministrării lor faţă
de prima administrare (Neale, 1986).

● Regresia statistică constă în tendinţa, observată deja de Galton, de

regresie spre medie a scorurilor extreme odată cu repetarea unei măsurări.

Exemplu:
Presupunem că dorim să evaluăm eficitatea unei metode
psihoterapeutice asupra anxietăţii. În acest sens, se aplică un test de
anxietate (STAI, MAS etc.) în urma căruia sunt selectaţi numai pacienţii cu
scoruri extrem de ridicate. Se aplică terapia respectivă după care subiecţii
sunt retestaţi. Cu siguranţă se va constata o scădere a nivelului anxietăţii, pe
baza tendinţei de regresie statistică, chiar în absenţa oricărei eficacităţi a
tratamentului respectiv.

● Evenimente externe cu relevanţă asupra evenimentului investigat pot

distorsiona rezultatele obţinute experimental.

Exemplu:
Procedăm la un experiment pentru a detecta influenţa unor emisiuni
T.V. saturate în scene de agresivitate asupra agresivităţii subiecţilor. Timp de
10 zile subiecţii vizionează programe cu conţinut agresiv. Se măsoară nivelul
de agresivitate înainte şi după manipularea experimentală. În răstimp se
declanşează un război sau alt fenomen de agresivitate colectivă extremă.
Aceste evenimente, deşi exterioare subiecţilor participanţi la experiment îşi
pot pune pecetea în mod decisiv asupra rezultatelor. Efectul unor astfel de
evenimente este şi mai vizibil în cazul unui experiment asupra atitudinilor.

Erori posibile în cazul comparaţiilor intergrupale

● Erori de selecţie. Aşa cum s-a arătat, selecţia subiecţilor care

participă la experiment nu este aleatoare. Ca urmare, rezultatele
experimentale pot fi nerelevante pentru populaţia în cauză.

Exemplu:
În vederea testării eficacităţii unor psihoterapii sugestive asupra
"nevrozei cardiace" se face selecţia subiecţilor pe bază de voluntariat. Ei

29
sunt randomizaţi în grupuri diferite cărora li se aplică tehnici sugestive
diferite. La post-test apar diferenţe semnificative între grupurile
experimentale pe de o parte şi grupul martor, pe de altă parte. Se poate
conchide că aceste diferenţe se datorează metodelor sugestive. Dar, selecţia
pe bază de voluntariat poate fi determinată, putându-se presupune că s-au
prezentat subiecţii convinşi de eficacitatea metodei. Rezultatele pot deveni
valide prin procedarea la un plan factorial în care se introduce şi variabila
"încredere în metodele sugestive". Vezi, mai sus, şi exemplul oferit de
cercetarea lui Schachter asupra redicivei fumătorilor.

● "Moartea experimentală" (= "pierderea" unor subiecţi pe parcursul

deşfăşurării experimentului, datorită oboselii, lipsei de motivaţie etc.). În
acest caz, lotul de subiecţi pe care se administrează post-testul poate să nu
mai posede aceleaşi caracteristici ca şi lotul iniţial.

Exemplu:
Să presupunem că dorim să cercetăm eficacitatea unei metode de
tratare a alcoolismului. Pe parcursul tratamentului mulţi subiecţi din grupul
experimental părăsesc tratamentul, în vreme ce grupul de control rămâne
aproximativ acelaşi. Compararea rezultatelor obţinute la post-test de grupul
experimental şi grupul de control poate fi nerelevantă din cauza modificării
compoziţiei grupului experimental.

● Efectul difuziunii costă în răspândirea efectului manipulării de la grupul

experimental la cel de control.

Exemplu:
Dorim să cecetăm influenţa cunoaşterii datei administrării unui test de
memorie asupra fidelităţii memoriei. Subiecţii sunt solicitaţi să memoreze o
listă de cuvinte. Grupului experimental i se spune că vor fi testaţi asupra
capacităţii lor mnezice după o săptămână, în vreme ce subiecţilor din grupul
de control nu li se spune nimic în legătură cu data când vor fi testaţi. Ambele
grupuri sunt testate după o săptămână. Rezultatele pot fi distorsionate prin
răspândirea informaţiei furnizate grupului experimental şi la grupul de
control.
Difuzarea prezintă un factor de distorsionare a rezultatelor mai ales
atunci când experimentul presupune oferirea unei informaţii pentru grupul
de control.

● Efectul compensării. Acest efect studiat amănunţit de Adler (vezi

Adler, 1987) constă în efortul compensatoriu pe care îl pot manifesta
membrii grupului de control simţindu-se frustraţi că nu fac parte din grupul
experimental.

Exempul:
Să presupunem că – în condiţiile respectării tuturor cerinţelor
experimentale – se aplică două metode de învăţare a aritmeticii: una
tradiţională, alta modernă, la elevii a două clase paralele. Aceste clase sunt
cunoscute în şcoală ca fiind clase rivale. În acest caz, lipsa unor diferenţe
semnificative între performanţele la aritmetică în urma aplicării celor două
metode se poate datora efortului compensatoriu al grupului de control
(căruia i s-a aplicat metoda tradiţională) stimulat de rivalităţile anterioare
dintre clasele de elevi respective.

● Efectul resemnării, este invers efectului de compensare. Subiecţii din

grupul de control pot obţine rezultate mai slabe datorită demotivării ce o
resimt ca urmare a excluderii lor din grupul experimental.

Pe lângă erorile rezultate din comparaţiile inter sau intragrupale,

rezultatele experimentului pot fi distorsionate inconştient de experimentator
sau subiecţii care participă la experiment. Într-un studiu retrospectv
Rosenthal trece în revistă 21 de studii oferind dovezi serioase că
expectanţele sau ipotezele eperimentatorului influenţează, uneori decisiv,
colectarea şi interpretarea datelor (Rosenthal, 1978).
Pe de altă parte, pe parcursul desfăşurării experimentului subiecţii îşi
formează propriile lor ipoteze asupra rezultatelor experimentului, uneori exercitând în
acest fel o influenţă puternică asupra lor. Ambele situaţii pot fi ilustrate de
studii psihofarmacologice, cu substanţe placebo. Evitarea unor astfel de
distorsiuni se poate realiza, aşa cum este cunoscut, prin metoda dublu-
oarbă, în care nici experimentatorul, nici subiecţii nu cunosc scopul în care se
efectuează experimentul.

● Efectul Pygmalion şi efectul Hawthorne sunt situaţii cunoscute de

distorsiune a rezultatelor experimentale.
În finalul acestui subcapitol ne mărginim să atragem atenţia cititorului
asupra "efectului cumulativ"! Inventarierea erorilor la care poate fi expus un
experiment făcut cu cea mai mare bună-credinţă poate, prin urmare, să
creeze cititorului impresia că experimentul este pândit de atâtea erori încât
cel mai înţelept lucru este să privim cu scepticism rolul experimentului în
cercetarea psihologică. Or, această impresie este eronată şi neproductivă.
Mai întâi, pentru că un experiment nu este obliterat concomitent de toţi
aceşti factori de distorsiune. Apoi, practica ştiinţifică face dovada unei
cantităţi imense de date experimentale certe. Ca oriunde, şi în cercetarea
psihologică singura atitudine viabilă este construcţia, nu scepticismul!

1.5. TESTUL

În prima aproximaţie, testul este un gen de experiment standardizat .

Noţiunea de test psihologic ar putea fi sumar ilustrată recurgând din
nou la exemplul unei situaţii de aşteptare puse sub semnul unei tensiuni
nervoase. În esenţă, o situaţie de aşteptare în forma sa acută împinge la
limită conflictul dintre excitaţie şi inhibiţie, punând în relief diferenţe

31
individuale de comportare. Un test este un mijloc de evaluare a persoanei în
raport cu anumite repere de comparaţie. O situaţie obiectivă capătă
caracteristicile unui test psihologic, atunci când pune în evidenţă în chip
concludent diferenţe individuale între oameni şi permite evaluarea acestor
diferenţe. Dacă studiem, de pildă, un grup numeros de persoane într-o situţie
tipică de aşteptare, putem ajunge la o clasificare a persoanelor, la o tipologie
având la bază echilibul proceselor nervoase.O asemenea tipologie oferă un
cadru de clasificare, pe baza căruia putem situa ulterior o persoană sau alta
la rubricile stabilite, pornind de la indici de comportament înregistraţi în
condiţii identice.În cadrul testului situaţia, odată precizată, trebuie menţinută
constantă.
Tot aşa, dacă alcătuim un grupaj de probleme de judecată, prezentate
în formă grafică sau verbală şi le aşezăm într-o ordine de dificultate
crescândă, putem obţine un test de gândire pe baza unor tatonări practice.
Este vorba de aplicarea acestui lot de probleme bine alese la un grup
reprezentativ de persoane având aceeaşi vârstă şi formaţie şcolară. Pe baza
punctajelor constatate se vor preciza anumite repere pe o scală ordinală,
care să indice nivele diferite de capacitate intelectuală în domeniul
respectiv.O asemenea scală de repere numerice, stabilite pe un grup de
referinţă, devine un fel de etalon la care raportăm rezultatele individuale
obţinute ulterior de o persoană sau alta.
Testul psihologic reprezintă – după P. Pichot – “o situaţie experimentală
standardizată, servind drept stimul unui comportament. Acest comportament
este evaluat printr-o comparaţie statistică cu acela al unor indivizi plasaţi în
aceeaşi situaţie, ceea ce permite clasificarea subiectului examinat fie
cantitativ, fie tipologic”. Prin conţinutul său , testul acoperă practic numai un
fragment din situaţiile reale; el constituie întotdeauna numai un decupaj din
activitatea generală a subiectului. În termeni mai precişi :”Un test psihologic
este, în esenţă, o măsură obiectivă şi standardizată a unui eşantion de
comportament”.Această caracterizare enunţă totodată o constatare, dar şi o
cerinţă. Dacă se urmăreşte, spre exemplu, să se determine vocabularul unui
copil la o anumită vârstă, se va utiliza în acest scop o listă de cuvinte, alese
la întâmplare din dicţionar sau alese după anumite criterii, astfel încât să
constituie un eşantion reprezentativ. Rezultatul la acest test trebuie să
oglindească vocabularul general al copilului pentru a putea considera nota
sau cota obţinută drept un indicator real.
În această ordine de idei, cu greu s-ar mai putea numi, de pildă,
“problemă de imaginaţie” o activitate mecanică de compunere de cuvinte din
3 – 4 litere date, aşa cum
s-a propus cândva. Simplificarea situaţiei şi a activităţii în probele
psihologice nu trebuie să depăşească o limită,dincolo de care se pierd notele
definitorii ale fenomenului psihic examinat.
Orice test psihologic concretizează cunoştinţele dobândite în
cercetarea psihologică referitoare la domeniul respectiv (inteligenţă,
creativitate, aptitudini tehnice etc.). Cum aceste cunoştinţe se îmbogăţesc
necontenit, înseamnă că şi probele psihologice urmează să fie mereu
amendate, încorporând achiziţiile cercetării ştiinţifice. Utilizarea unui test, pe
lângă tehnicitatea aplicării, presupune cunoaşterea datelor psihologice care
fundamentează proba şi permite interpretarea corectă a rezultatelor. Cum
este şi firesc, aplicarea testelor impune o competenţă precisă, care îmbină o
anumită tehnicitate cu fineţea observaţiei.
O precizare este esenţială: testul, ca mijloc de evaluare a prestaţiei sau
conduitei umane, se elaborează pe bază statistică. Rezultatul obţinut de o
persoană la o probă standardizată, capătă semnificaţie prin raportarea sa la
rezultatele obţinute de un grup mai larg – grupul de referinţă – prin
examinarea căruia în condiţii identice se stabileşte un tabel de norme sau o
tipologie. Aşadar, un test psihologic este inseparabil de tabelul de norme sau
cadrul de clasificare oferit de o tipologie. Situarea persoanei examinate în acest cadru de
clasificare – expresie a grupului de referinţă – constituie scopul final al testării.

S-ar putea schiţa o paralelă între experiment şi test:

33
 Experimentul
• instrument de cercetare;
• situa ţia (S) este supusă unei variaţii
sistematice (deci S variabil);
• urmăreşte evidenţierea unei legităţi sau
regularit ăţi: legea de variaţie a lui y în
funcţie de r, z, ...
• stabilirea unei rela ţii cauză – efect;
• nu vizeaz ă judecata de valoare,
evaluarea

Testul
• instrument de evaluare;
• situa ţie standardizată (S – constantă);
de aici: testul = experiment
standardizat;
• relev ă diferenţele individuale şi
urmăreşte evaluarea acestor diferenţe;
• evaluarea în raport cu un tabel de
norme (etalon) sau o tipologie stabilit ă
pe o colectivitate de referin ţă;
• urmăreşte situarea individului în
reperele unei sc ări (tabel de norme ), în
cadrul de clasificare prestabilit

Pentru a exemplifica aspectele prezentate ne oprim la un test verificat în

practică, numit “Matrici progresive”, care a fost propus de J. C. Raven .
Testul se compune din 60 de probe simple grupate în cinci serii de dificultate crescândă.
Fiecare probă elementară – numită şi item – constă dintr-un desen sau “matrice”, care
aminteşte noţiunea algebrică de matrice. Este vorba de un grupaj de figuri, dispuse pe linii şi
coloane, în interiorul căruia anumite relaţii sau criterii de organizare a elementelor pot fi
desprinse. Fiecare matrice comportă o lacună, un termen de completat. În figură este redat
un model de acest gen. Subiectului i se cere să examineze matricea de bază şi să decidă
care din figurile ataşate (în partea de jos a planşei) se potriveşte pentru a completa desenul.
Cota globală a testului rezultă din totalizarea răspunsurilor exacte.

Figura 1.8. Item din testul “ Matrici Progresive Standard “

Evident, pentru a răspunde corect, subiectul trebuie să desprindă

anumite relaţii sau criterii care stau la baza organizării interioare a matricii
(pe linii şi coloane) şi să aleagă figura ce întregeşte în mod logic desenul. Cu
alte cuvinte, subiectul trebuie să analizeze materialul, să compare, să
combine, uneori să generalizeze, adică să facă efort de gândire. Rezolvarea
unei probe elementare este foarte uşoară, în timp ce soluţionarea altora este
un fenomen rar. Compoziţia testului a fost inspirată de analiza teoretică a
inteligenţei.
În sfârşit, o remarcă finală: testele psihologice au creditul de a fi
mijloace de măsură. Or, în psihologie, putem vorbi de măsurare numai într-
un sens foarte larg. Experienţa psihologică nu ne furnizează decât relaţii de
ordine (J.Piaget). În psihometrie, convertim aceste relaţii de ordine în
distanţe sau intervale având conştiinţa că realizăm doar o aproximare ce
poate fi practic suficientă în numeroase situaţii. Altfel, cine ar putea admite,
de exemplu că “un elev de zece” s-ar putea compune din “doi elevi de
cinci,”deşi 5 + 5 = 10. Fenomenele psihice nu sunt aditive, în psihologie nu
există unităţi de măsură ca în fizică. În lipsa unităţilor obiective de măsură
se alege o metrică arbitrară, care poate satisface din punct de vedere practic.
Când psihologul francez A.Binet lansa prima “Scară metrică a inteligenţei”, el
observa cu mult bun simţ: “…calităţile intelectuale nu se măsoară ca
lungimile, ele nu sunt superpozabile”; scara metrică permite “un clasament
ierarhic între inteligenţe diferite; şi pentru nevoile practicii acest clasament
echivalează cu măsurare”(p.194-195).

35
 Capitolul 2

ORGANIZAREA COLECŢIEI DE DATE

2.1. EVALUAREA ŞI MĂSURAREA ÎN PSIHOLOGIE

Datele obţinute prin diferite forme de investigaţie psihologică se

prezintă adesea în formă numerică sau sunt aduse, graţie unei operaţii de
codare, la o formă numerică, astfel încât se pretează la o prelucrare
matematică, în particular, statistică. Spre exemplu, într-o experienţă de
laborator se înregistrează frecvenţa, durata ori amplitudinea unei reacţii în
funcţie de stimulii aplicaţi; într-o activitate sau o probă practică se numără
răspunsurile exacte, ca şi erorile; altădată, se notează timpul de execuţie a
unei mişcări sau acţiuni, timpul de reacţie pentru răspuns, timpul de evocare
a unui material din memorie ori de asociere a unor cuvinte etc. De
asemenea, în probe de învăţare se marchează numărul de repetiţii sau
încercări necesare până la obţinerea curbei cu platou, precum şi volumul
materialului reţinut în diferite unităţi de timp ş.a.m.d.
Când este vorba de influenţa unor factori fizici (stimuli vizuali, acustici,
tactili) se măsoară – pe baza aparatelor cunoscute – anumiţi parametri fizici:
intensitate, frecvenţă, greutate ş.a. De notat că variabilele brute, adică şirul
de numere cu care operează psihologul rezultă fie în mod direct din citirea
aparatelor – cum este cazul indicilor de timp sau al parametrilor fizici –, fie din însumarea de
puncte, cum este cazul testelor creion – hârtie sau alte probe. Alteori, datele
apar din totalizări pe rubrici ordonate ale unui tabel sau protocol de
observaţie, cum va reieşi din exemplul ce urmează.

Exemplu:
Un proces de investigare ce ia forma observaţiei pune, de regulă, în joc
o grilă de observaţie, care oferă cadrul de clasificare a datelor, rubricile
tabelului de înregistrare a faptelor urmărite.
Pentru a surprinde, de pildă, anumite trăsături de temperament în
comportarea preşcolarului sau a şcolarului mic se organizează un joc –
denumit convenţional "transportul cuburilor" – căruia i se impun anumite
cerinţe. Copilul trebuie să transporte cu lopăţica pe un traseu dat (dus şi
întors) un număr crescând de cuburi (3, 4, 5, ... 10), purtând coloana
acestora cu mâna dreaptă fără să o sprijine cu cealaltă mână. În caz de eşec
(pierderea vreunui cub, răsturnarea coloanei etc.) proba se reia de la
început. Se înregistrează succesiunea probelor, reacţiile verbale şi motorii
care însoţesc îndeplinirea sarcinii, conţinutul sau felul acestor reacţii în
funcţie de succes/insucces, reluarea probei etc. Tabelul 2.1., adaptat după I.
A. Samarin (1954), redă un fragment dintr-un asemenea protocol. Rubricile
tabelului alcătuiesc grila de observare a comportamentului.

Tabelul 2.1.
Suc-
ce-
Cu-
buri
Pre-
zenţ
Caracterul Pre-
zenţa
Caracterul reacţiilor Alte
Obser
siu- trans- a reacţiilor verbale reac- motrice -vaţii
nea por- reac- ţiilor
pro- tate ţiilo mo-
belor r trice
ver-
bale
Auto- Se Re- Alte pre- Refuz Distra- Reac-
stimu- plân- fuz re- cipi- pasiv geri ţii
lare ge de acţii tare mo- vege-
greu- ver- ener- trice tative
tatea bale vare
sar-
cinii
1 3 +! + - - - + - - + -

2 4 + +! - - - - - - - -

3 5 +!! + + - - + - - - +

( Adaptat după I. A. Samarin, 1954)

După cum se vede, este vorba de strângerea unei informaţii mai mult
calitative:
s-a notat prezenţa sau absenţa reacţiilor verbale şi motorii (cu "+", respectiv
"-"), apoi felul sau conţinutul acestora, manifestarea cu insistenţă a unei
trăsături (marcată cu semnul exclamării). Documentul care consemnează
datele obţinute şi modul de recoltare se numeşte protocol. Efectuând
totalizări pe coloane în tabelul de date, se obţin frecvenţe diferite pentru
anumite tipuri de reacţii, care se pun în corelaţie cu tipul temperamental al
subiectului. Datele observaţiei ne apar condensate sub formă de efective sau
frecvenţe, corespunzător unor tipuri de răspuns.
Sub presiunea unor cerinţe de ordin practic, nevoia de măsurare s-a
extins, după cum se vede, de la măsurarea fizică la cea psihologică. Trebuie
însă precizat că psihologia nu dispune de unităţi de măsură aşa cum se
întâlnesc ele în fizică. Spre exemplu, un copil reţine dintr-o probă de
memorie 8 cuvinte din 15 sau patru trasee dintr-un labirint. Rezultatul
testelor se exprimă numeric prin însumarea elementelor memorate. Nu este
precizat însă dacă traseele respective sau cuvintele sunt echivalente între
ele pentru a fi doar numărate, totalizate în cota atribuită subiectului. De
asemenea, nu este precizat modul de comparare între memoria cuvintelor şi
aceea a traseelor pentru a le "compune" într-un indice cantitativ unic.
Aşadar, nu sunt conturate aici unităţi de măsură (cf. J. Piaget, 1972).

37
 Conceptul de măsurare este luat în psihologie în conţinutul său cel mai
larg şi anume, în sensul de operaţie prin care se atribuie numere datelor
discrete sau continue ce urmează a fi evaluate. Un exemplu familiar în
această privinţă ar fi evaluarea şi notarea şcolară, care reprezintă în final un
mod de codare numerică (de la 1 la 10) a rezultatelor la învăţătură. Numai că
notele finale presupun un act de apreciere care comportă oricum un grad de
subiectivitate. În schimb investigaţiile psihologice tind şi reuşesc în
numeroase situaţii să obţină date obiective, independente de persoana care face
cercetarea. Montajele de laborator, tehnica de notare a probelor psihologice,
analiza produselor activităţii, ca şi observarea sistematică permit – cum s-a
arătat mai sus – înregistrarea unor fapte precise, colectarea în cele din urmă
a unei informaţii numerice. Exprimând anumite date în formă numerică,
suntem tentaţi să facem în continuare operaţii aritmetice cunoscute:
adunarea, înmulţirea, împărţirea etc. Or, fenomenele psihice – cum vom
vedea – impun anumite restricţii în această privinţă; trebuie să existe un
paralelism (izomorfism) între tratarea numerică şi proprietăţile faptelor
studiate.
Măsurarea psihologică, luată în sensul larg de aplicare a numărului la
datele obţinute, prezintă o anumită gradaţie, definită de tipurile de scale
întâlnite în investigaţiile concrete. Folosind terminologia lucrărilor de
metodologie psihologică (Stevens, 1951; Suppes şi Zinnes, 1963; Coombs,
1963; Faverge, 1965; Reuchlin, 1963; Rouanet, 1987 ş.a.) vorbim de diferite
tipuri de scale: scale nominale, scale ordinale, scale de intervale ş.a. Între
acestea se găsesc şi tipuri intermediare, de exemplu scale hiperordinale
(între scale ordinale şi scale de interval). Felurile amintite de scări sau scale
denumesc trepte succesive de măsurare într-un domeniu dat.

● Scale nominale sau calitative – definesc primul nivel al măsurării, de

fapt al pre-măsurării. Acesta este nivelul curent în observaţie şi anchete.
A utiliza o scală nominală înseamnă a clasifica sau repartiza datele
(rezultatele), după o serie de nume sau categorii diferite (disjuncte), astfel încât
fiecare element (răspuns, observaţie etc.) să-şi găsească locul într-o
categorie şi numai într-una singură. Orice tipologie constituie în acest sens o
scală nominală. În locul denumirii categoriilor se utilizează de regulă un cod
numeric (01, 02, ... ) care nu formează propriu-zis obiectivul calculelor, ci
serveşte la individualizarea acestor grupări, la repetarea lor în cursul
prelucrării statistice. Aşadar, nivelul nominal al măsurării comportă atribuire
de numere doar pentru a denumi clase de echivalenţă. Desigur, calculele
obişnuite au loc, dar ele se fac asupra efectivelor sau frecvenţelor ce se
stabilesc în cadrul diverselor categorii (clase), individualizate prin cod numeric.

Exemplu:
Se dă un chestionar referitor la orientarea profesională la o
colectivitate de şcolari. Elevii sunt solicitaţi să răspundă în scris asupra
profesiunii spre care doresc să se îndrepte. Se obţine un ansamblu de
răspunsuri care vor fi grupate, repartizate în diferite categorii după o listă
sau repertoriu de profesiuni care va constitui cadrul de clasificare. Aşadar,
efectuând ancheta, mulţimea de răspunsuri obţinute se va repartiza într-un
număr de clase disjuncte, indicate prin denumirea profesiei ori un simbol
ales în mod convenţional (cod numeric) care, evident, nu face obiectul
calculului. Fiecare răspuns în parte consemnat în chestionar va fi repartizat
în una din aceste categorii sau profesii. În ancheta concretă, opţiunile
exprimate nu acoperă în mod necesar întreg repertoriul de profesiuni
existent la un moment dat într-o societate; acest repertoriu este de regulă
mai larg decât protocolul obţinut. În final se numără răspunsurile din fiecare
categorie sau rubrică întâlnită şi se stabilesc frecvenţele corespunzătoare sau
efectivele. Datele astfel obţinute se pretează în continuare la o tratare
numerică, utilizându-se mai ales indicii din teoria informaţiei.

● Nivelul cel mai răspândit al măsurării în cercetarea psihologică este

acela al scalelor ordinale sau, pe scurt, nivelul ordinal. Variabilele psihologice –
notează Faverge (1965) – sunt în majoritatea lor variabile, având valori simplu
ordonate. Caracteristică acestui nivel – pe lângă propietăţile treptei anterioare
– este posibilitatea de a stabili relaţii de ordine totală între lucruri (date); fiind
date elementele A, B, C, ... semnul ">" aşezat între ele poate însemna:
A superior lui B, B superior lui C etc., sau A este preferat lui B, B
preferat lui C ş.a.m.d. Notând în general Pxxy vom citi "x superior lui y", "x preferat lui
y" sau "x înaintea lui y" etc. Probele sau criteriile de care ne servim conduc la
clasamente ierarhice: scări de capacitate, scări de preferinţe, scări de
produse, scări de atitudini ş.a.m.d.
Când Alferd Binet lansa în 1905 cunoscuta sa "scală metrică a
inteligenţei", el pornea de la următoarele consideraţii: "... calităţile
intelectuale nu se măsoară ca lungimile, ele nu sunt superpozabile" (în
limbajul nostru, ele nu satisfac cerinţa aditivităţii); scala metrică permite –
spunea Binet – "un clasament ierarhic între inteligenţe diferite; şi pentru
nevoile practicii acest clasament echivalează cu o măsurare" (p.194-195).

Exemplu:
Ordonarea subiecţilor cu privire la atitudinile pe care le adoptă într-un
domeniu sau altul presupune o ordonare a întrebărilor ce le sunt adresate.
De aici ideea de a întocmi şi prezenta anumite grupaje sau baterii de
întrebări care se referă la aceeaşi temă, la acelaşi domeniu, pe scurt, la
aceeaşi variabilă. Un asemenea grupaj, numit test sau scală de atitudini
trebuie să constituie el însuşi o scală ordinală. Răspunsurile posibile se
grupează şi ele într-o ierarhie.

● Cel de-al treilea nivel al măsurării este definit de scalele de intervale.

Acest nivel nu constituie practic nivelul curent în psihologie. Relaţiei de
ordine i se adaugă, în acest caz, mărimea exactă a intervalelor sau a
distanţei care separă toate elementele situate pe scală, ceea ce presupune o
unitate de măsură comună şi constantă (L. Coombs,1963). O procedură
experimentală care să traducă practic exigenţa amintită nu este uşor de

39
realizat. Ea se întâlneşte în domeniul psihofiziologiei senzoriale, în experienţe
de laborator în care se înregistrează timpul de reacţie, numărul de erori,
forţa sau amplitudinea reacţiei motrice etc. De asemenea, în anumite
probleme de psihologie aplicată, cum sunt cele legate de producţie – când
interesează exclusiv performanţele comparabile, făcându-se abstracţie de
orice alte considerente, utilizarea scalelor de intervale este posibilă. În cadrul
scalei de interval se conturează şi elementul compus.

● Scalele "hiperordinale", sunt caracterizate nu numai printr-o relaţie

de ordine între date (elemente), ci şi între intervalele care le separă. Aceste
intervale însă nu sunt reductibile la compuneri de unităţi (echivalente între
ele), dar pot fi evaluate cu o anumită precizie. Distanţa poate fi relevată nu
în termeni numerici, ci în formă intuitivă.

Exemplu:
Prezentăm unui grup de şcolari un lot de probleme de gândire, în total
20, dispuse în ordinea greutăţii lor crescânde, formând deci cum se spune o
scală de dificultate. Într-o asemenea probă, se presupune, dacă testul este
omogen, că toţi subiecţii care au rezolvat o întrebare de dificultate p, rezolvă
de asemenea toate întrebările de dificultate inferioară lui p. Acordăm un timp
limitat pentru rezolvare, aceeaşi pentru fiecare subiect în parte. Din
ansamblul de rezultate individuale să reţinem patru performanţe; să zicem: A
rezolvă 10 probleme, B rezolvă 8 probleme, C rezolvă 16 probleme şi D
rezolvă 6 probleme. Punctajul întrunit de fiecare – pe care îl vom nota cu
litere mici corespunzătoare (a=10; b=8; c=16; d=6) – este diferit şi ia, după
cum se vede, o formă numerică. Variabila brută ia naştere prin însumarea
punctelor.
Operând în continuare asupra numerelor atribuite am fi tentaţi să
spune c=2b (întrucât 16=2 x 8), că d=c - a (întrucât 6=16 - 10), că a + d=c
(pentru că 10 + 6=16) ş.a.m.d. Asemenea operaţii ar fi din punct de vedere
psihologic incorecte, deşi aritmetic ele sunt corecte. Cine ar accepta, de
pildă – vorbind în limbajul notelor şcolare – că "un răspuns de 10" s-ar putea
compune din "două răspunsuri de 5", deşi 10=5 + 5. Fenomenele
psihologice nu sunt aditive. Ceea ce putem spune în exemplul dat este că C
este superior lui A sub aspectul cercetat, că A este superior lui B, iar acesta
se află înaintea lui D (pe scurt: C>A>B>D). În plus, putem adăuga în mod
intuitiv intervalul sau distanţa care le separă: astfel, intervalul sau distanţa
care-l separă pe C de D este mai mare decât distanţa CB, că intervalul
CA<CB ş.a.m.d. Stabilim, cu alte cuvinte, o relaţie de ordine, o ierarhie a
elementelor şi a intervalelor care le separă, relaţie care subzistă statistic la a
doua, a treia examinare, eventual la a n-a examinare, în condiţii identice.
Corespunzător tipurilor de scale vom avea de-a face cu variabile
nominale, variabile ordinale, variabile numerice etc. Când vorbim de
variabile avem în vedere pe de o parte, domeniul de variaţie, adică registrul
de valori posibile, şi, pe de altă parte, domeniul de definiţie, adică mulţimea
de indivizi susceptibili de a prezenta aceste modalităţi. De exemplu, o
atitudine considerată ca variabilă presupune că putem preciza o mulţime de
modalităţi posibile ale acesteia şi, totodată, o populaţie care să prezinte
aceste modalităţi. Putem face ca fiecărui individ din domeniul de definiţie să-
i corespundă o modalitate şi una singură, din domeniul de variaţie.
Un protocol este o particularitate a variabilei, pentru care domeniul de definiţie este
mulţimea de indivizi I şi domeniul de variaţie o mulţime de observabile U.
Noţiunea de variabilă este mai generală: un protocol este mulţimea de
observaţii (date) efective, în timp ce o variabilă poate fi o mulţime de
observaţii potenţiale (H. Rouanet, 1987, p. 50). Prin urmare putem distinge
între mulţimea de date sau observaţii efectiv înregistrate şi mulţimea de
observabile, de date ipotetice (prezumtive). Tipurile de scale descrise mai
sus reprezintă structuri pe mulţimea de date observabile.
Rezumând: în majoritatea situaţiilor, variabilele întâlnite în psihologie
sunt variabile având valori simplu ordonate (Experienţa psihologică –
notează Piaget – nu ne furnizează decât relaţii de ordine). Valorile numerice
constituie repere menite să pună în evidenţă o relaţie de ordine totală. Se
introduce însă, în mai multe cazuri, o distanţă între valorile unei variabile. În
prelucrarea datelor, în funcţie de cerinţele studiului şi pentru a ne înscrie
într-o schemă statistică, noi introducem astfel o metrică, adică tratăm datele
ca şi cum s-ar situa la nivelul scalei de interval. Suprapunem deci – nu fără
artificiu – scalei hiperordinale o scală de intervale şi utilizăm operaţiile de
calcul cunoscute. Se comite astfel o eroare, care practic este adesea
neglijabilă. S-a constatat că paralelismul între modul de prelucrare a datelor
ordinale şi tratarea aceloraşi date în scala de intervale a fost de ordinul lui
0,90, adesea mai mare ca 0,90, ceea ce face acceptabilă transformarea
respectivă. Decisiv din punct de vedere practic, este faptul dacă o asemenea
tratare dă loc la predicţii valide, fapt deja verificat în psihologia aplicată.

2.2. COLECŢIA DE DATE BRUTE

De regulă, un experiment, o testare psihologică, o suită de observatii, o

anchetă psiho – socială etc. pornesc de la o întrebare chiar şi mai puţin
însemnată, îşi propun deci să rezolve o problemă.

Exemplu:
Cu ajutorul unui aparat flicker se determină în laborator frecvenţa
critică de fuziune a luminii intermitente. O suită de măsurări asupra aceluiaşi
subiect ne oferă un indice asupra eficienţei vizuale. Pentru discuţie să
reţinem rezultatele obţinute de doi subiecţi:
N.V. C.M.

41
 47 48 50 52
47 47 50 51
48 46 52 52
49 48 48 50

Prima remarcă este că variabila rezultă direct din lectura aparatului şi că

acelaşi subiect se caracterizează prin valori care oscilează destul de puţin în
jurul unei cifre – reper, motiv pentru care volumul colecţiei de date recoltate
poate fi mai restrâns.
Se pune întrebarea: care este în populaţie registrul de variaţie, al
pragului de fuziune? – ceea ce presupune extinderea determinărilor pe o
colectivitate mai largă, numită colectivitate sau grup de referinţă. Se
constată că în condiţii de repaus întinderea variaţiei este cuprinsă între 40 şi
70 Hz. Scăderea cu 3 – 4 Hz a pragului după un efort psihofiziologic este un
indiciu concret al apariţiei oboselii vizuale.
Să observăm că proba ca atare constituie într-un fel o “fereastră
deschisă” spre mai multe faţete ale fenomenului considerat. Remarca este
valabilă şi pentru alte probe psihologige. Ne poate interesa în exemplul de
mai sus o măsură a stării de oboseală, un indice asupra eficienţei vizuale la
diferiţi subiecţi, fluctuaţii datorate stimulării concrete a altor analizatori. De
asemenea, poate fi vorba de studiul lateralitaţii, pornind de la difernţa dintre
pragul de fuziune al ochiului conducător în raport cu celălalt. Volumul de
date, ca şi organizarea lor internă vor depinde de problema pusă spre
rezolvare şi de gradul de împrăştiere sau variabilitate a datelor. De pildă,
determinarea pragului discriminării tactile – cu ajutorul unui esteziometru –
duce la o colecţie de date având o variabilitate de–a dreptul deconcertantă.
În consecinţă, volumul colecţiei de date – având o variabilitate sau o
dispersie mare, - va trebui să fie mult mai mare. Se poate estima acest lucru pe
baza unor formule stabilite.
În psihologia aplicată cum este şi cazul exemplelor de mai sus – sunt
frecvente situaţiile în care ne interesează poziţia relativă a unui individ, respectiv
a unui rezultat specific, în cadrul unui grup mai larg. Este situaţia tipică a testării
psihologice. Spre exemplu, într-o examinare psihologică problema care se
pune este situarea individului în raport cu grupul de referinţă, a cărui
investigaţie furnizează un tabel de norme sau o tipologie. Un rezultat, o cotă
individuală, luată singură reprezintă un bit de informaţie care nu ne spune
mare lucru. Trebuie să ştim ceva despre rezultatele celorlalţi subiecţi.
Interpretarea unei măsuri, a unei cote depinde de cunoaşterea poziţiei ei
relative într-un grup de referinţă, ceea ce presupune strângerea prealabilă
(sau simultană) de date asupra acestei colectivităţi şi întocmirea unui tabel
de norme sau unei tipologii pe această colectivitate. Investigarea grupului,
respectiv a individului devin astfel complementare.

Exemplu:
Se pune întrebarea dacă o stare de tensiune psihică de încordare
produce modificări în rezultatele obţinute la un test de inteligenţă. Pentru a
răspunde la această întrebare se constituie două grupe dintr-un lot mai mare
de subiecţi cuprinşi într-o testare anterioară a inteligenţei făcută cu alt scop.
În noua experienţă, fiecare subiect este supus din nou, în mod individul, la
unele probe din bateria iniţială de teste, primul grup este retestat în condiţii
de testare psihică graţie motivării date repetării examenului: s-a explicat, de
pildă, fiecărui subiect că rezultatul (CI) obţinut de el la prima testare a fost
neaşteptat de slab şi că i se oferă ocazia de a-şi îmbunătăţi scorul.
Componenţii celui de-al doilea grup sunt trataţi altfel şi anume într-o
atmosferă emoţională neutră, motivându-se că experimentatorul este
interesat pur şi simplu de rezultatele unei retestări cu probe identice.
Într-o experienţă efectivă, din subtestele aplicate, cercetătorul a
reţinut datele referitoare la volumul memoriei de numere, probă care s-a
dovedit mai sensibilă la factorul implicat: tensiunea psihică. Aceste date iau
forma numerică (după Spencer şi colab., 1968). Variabila se constituie prin
însumare de puncte, de răspunsuri exacte. Cu s1, s2,…, sn, se notează
subiecţii cuprinşi în experienţă (Tab. 2.2.).
Tabel 2.2.
Grupul neutru (N) Grupul anxios (A)

(s1) 11 (s9) 11 (s17) 9 (s25) 13

(s2) 10 (s10) 11 (s18) 10 (s26) 4

(s3) 16 (s11) 14 (s19) 16 (s27) 10

(s4) 13 (s12) 16 (s20) 10 (s28) 11

(s5) 11 (s13) 13 (s21) 10 (s29) 13

(s6) 9 (s14) 10 (s22) 10 (s30) 11

(s7) 13 (s15) 13 (s23) 17 (s31) 13

(s8) 17 (s16) 17 (s24) 14 (s32) 11

În protocolul brut apar aşadar subiecţii (indivizii) reperaţi printr-un

indicator (s1, s2, …) şi rezultatele corespunzătoare fiecăruia. Transcrierea
acestui protocol pe un suport informatic va duce la constituirea unui fişier de
date.
În continuare se pune întrebarea: cum să extragem informaţie din
datele brute? Trebuie să scoatem la lumină aspecte sau relaţii ascunse în
colecţia de date. Asemenea aspecte ar putea fi:
• dacă, în medie grupul N diferă de grupul A;
• dacă diversitatea s-au dispersia datelor creşte în condiţia A;
• ce rol joacă diferenţele individuale?
● dacă diferenţele constatate pot fi generalizate?

43
 Iată suma de întrebări pe care urmeaza să le rezolve prelucrarea
statistică.
Dintr-un unghi de vedere, cercetarea este practic încheiată o dată cu
consemnarea datelor experimentale; într-un alt sens, ea abia acum începe.
Analiza datelor va extrage informaţia psihologică pentru a răspunde la
întrebarea pusă. Statistica oferă mijloace pentru a desprinde informaţia
relativă cuprinsă în colecţia de date; concluziile acestei prelucrări se situează
de fapt între frontiere largi, care pendulează între cunoaşterea exactă şi
empirismul pur.
.
2.3. ORDONAREA ŞI GRUPAREA DATELOR

După cum s-a arătat, în urma unui experiment, a unei observaţii

sistematice sau a unei anchete, se obţine de regulă o colecţie de date, care
nu pot fi cuprinse şi examinate printr-o simplă “inspecţie” vizuală. Trebuie să
intervină o operaţie de clasificare, ordonare şi condensare a datelor brute,
care să permită relevarea unor legităţi sau dependenţe cât mai precise.

Exemplu (după I. Radu):

Într-o experienţă efectuată cu 24 de elevi s-au consemnat răspunsurile
exacte date de aceştia în rezolvarea unei probe de verificare în cadrul unei
discipline şcolare. Rezultatele brute, redate în tabelul 2.3. indică numărul de
răspunsuri corecte constatat la fiecare elev. Transcris pe un suport informatic, acesta
devine fişier de date.
Se poate observa cum datele brute, care sunt valorile unei
variabile x – în cazul nostru numărul de răspunsuri exacte – se înşiruie la
întâmplare, iar din examinarea lor imediată nu rezultă nimic precis. Se
impune ordonarea şi gruparea valorilor, prezentarea materialului într-o formă
clară şi condensată. Ca prim pas este necesar să întrevedem modul de
organizare a datelor, distribuţia lor.
Dacă aruncăm o privire asupra şirului de date putem uşor constata că
anumite valori se repetă şi astfel – renunţînd la identificatori – putem
sistematiza materialul scriind într-o coloană valorile diferite în ordine
crescândă (2, 3, 4, …, 8) şi notând în dreptul fiecăreia – prin puncte, bare
transversale sau steluţe – de câte ori se repetă acesta în şirul iniţial. S-au
determinat astfel – numărând punctele sau barele trasate – efectivele
corespunzătoare fiecărei valori din ansamblul rezultatelor, stabilindu-se o
situaţie mai clară a datelor obţinute, practic o distribuţie de efective. (Tab.
2.4.).

Tabelul 2.3. Tabelul 2.4

(s1) 5 (s9) 6 (s17) 7 •.
 (s2) 2 (s10) 4 (s18) 4 •
N=24
(s3) 5 (s11) 3 (s19) 5 • •
(s4) 3 (s12) 7 (s20) 6 • • •
(s5) 6 (s13) 5 (s21) 6 • • • •
(s6) 8 (s14) 5 (s22) 4 • • • • • •

(s7) 5 (s15) 6 (s23) 8 • • • • • • •

(s8) 7 (s16) 4 (s24) 5 x 1 2 3 4 5 6 7 8

Ne aflăm în faţa unui protocol sistematizat, clasificat: diagrama de

steluţe. Sistematizarea, clasificarea unui protocol şi constituirea colecţiei de
date, a grupului de observaţii reprezintă proceduri statistice liminare, în sensul că
se situează în pragul analizei statistice, pregătind aplicarea tehnicilor
ulterioare de prelucrare.
După cum s-a văzut, constituirea colecţiei de date, a grupei de
observaţii este însoţită de suprimarea indicatorilor şi totdeauna fără pierdere
de informaţie.
Datele primare odată grupate pot fi centralizate în anumite tabele, sau pot
fi prezentate sub diferite forme grafice (diagrama în dreptunghiri, în steluţe
etc).
Este necesar să reamintim că cercetările experimentale au loc pe loturi
sau grupe de indivizi extrase dintr-o populaţie. Tot aşa, observaţia şi metodele de
anchetă cuprind în aria investigaţiilor colectivităţi mai restrânse dintr-o
populaţie mai largă. Pe de altă parte, analiza produselor activităţii supune
aprcierii o mulţime de produse, lucrări piese etc. Alteori se efectuează un lot
de măsurări asupra aceleaşi persoane, practicându-se un număr de
înregistrări succesive. În toate situaţiile amintite, se obţine o colecţie de date
care constituie un fragment reprezentativ, un eşantion din multimea datelor sau
măsurătorilor posibile. Se impune astfel distincţia între eşantion şi populaţie
sau colectivitatea mai largă. Termenul de populaţie ori colectivitate nu are aici
un sens sociologic sau demografic, ci indică pur şi simplu ansamblul statistic
vizat prin cercetare. Evident, o investigaţie ştiinţifică recoltează efectiv o
colecţie reprezentativă sau un eşantion de date, dar extinde concluziile sale
asupra populaţiei. Pentru ca o asemenea generalizare sau inferenţă să fie
justificată, se cere ca lotul sau grupul să fie constituit după regulile selecţiei
aleatoare, precizate în îndreptarele curente de statistică.

2.4. CONDENSAREA DATELOR ÎN TABELE ŞI GRAFICE

În fiecare tabel distingem coloane şi linii sau rânduri. Fiecare linie şi fiecare

45
coloană are un titlu, o explicaţie prescurtată, precizându-se totodată unităţile
de măsură. Tabelul însuşi poartă un titlu - notat deasupra -, care redă concis
conţinutul său. De regulă, variabilele independente sunt acelea care servesc
la gruparea populaţiei, iar datele cifrice din tabel reflectă variabila
dependentă.
Pentru a nu fi prea încărcate, în tabele reducem uneori numărul
claselor sau categoriilor stabilite, contopind intervale sau categorii
învecinate. Precizarea numărului de subiecţi care compun grupele studiate
este obligatorie pentru orice tabel. Când N este mic nu se recurge la exprimarea
procentuală, pentru că aceasta ar exagera proporţiile.
Plecând de la datele sistematizate în tabel, urmează să preciză forma
distribuţiei servindu-ne de reprezentarea grafică a ansamblului de date.
Graficul de bază este - aşa cum s-a spus - histograma.

Exemplu:
În tabelul 2.5, sunt prezentate rezultatele unei probe de memorie
efectuată pe un eşantion de 51 subiecţi (N=51).Variabila prezintă valori între
3 şi 26. Deci întinderea varianţei este: (Xmax- Xmin ) +1, (26-3)+1=24. Datele se vor
condensa în grupuri de câte trei:
3,4,5,
6,7,8
.......
deci intervalul (I), este 3. Valorile aflate la mijlocul fiecărui interval se
notează cu xk.

Tabelul 2.5. Rezultatele obţinute de studenţi în cadrul probei de memorie

X Xk Determinarea efectivelor n

3–5 4 III 3

6–8 7 IIIII 5

9 – 11 10 IIIII IIII 9

12 – 14 13 IIIII IIIII IIIII I 16

15 – 17 16 IIIII IIIII 10

18 – 20 19 IIII 4

21 – 23 22 III 3

24 - 26 25 I 1

N = 51

Pe axa abciselor (Ox) marcăm opt intervale continue egale, deoarece

avem opt clase de efective. Fiecărui interval îi corespunde o clasă, care se
notează în dreptul său (3 - 5, 6 - 8 etc). Pe ordonată( Oy) formăm 16 diviziuni
corespunzător efectivului celui mai mare. Pe fiecare din intervalele marcate
pe abcisă se construiesc apoi dreptunghiuri având înălţimi proporţionale cu
efectivele distribuţiei (Fig. 2.1.). Întreaga procedură se poate executa pe
calculator. Dacă unim acum mijlocul bazelor superioare ale dreptunghiurilor
histogramei prin segmente de dreaptă, se obţine poligonul efectivelor /
frecvenţelor (Fig. 2.2.).
Pe această bază, putem formula o ipoteză cu privire la forma
distribuţiei caracteristicii studiate în sânul populaţiei sau a colectivităţii mai largi,
ceea ce constituie un bit de informaţie valoros despre distribuţie. O
asemenea ipoteză se poate enunţa şi pe baza unor studii anterioare, deci a
informaţiei acumulate în domeniul respectiv (de exemplu, despre distribuţia
CI).

Fig.2.2. Poligonul frecvenţelor.

În investigaţiile psihologice se întâlnesc mai frecvent trei tipuri de
forme ale unei distribuţii sau histograme experimentale şi anume: distribuţii
simetrice sau normale, distribuţii asimetrice şi distribuţii în formă de i.
Distribuţiile simetrice, numite şi normale, se caracterizează prin aceea
că valorile efectivelor situate de o parte şi de alta a clasei cu efectivul maxim
sunt egale sau diferă destul de puţin între ele. Un exemplu de acest gest îl
oferă datele din tabelul 2.5 reprezentate grafic în histograma din figura 2.1.
Se poate observa că intervalul cu efectivul maxim este 12 - 14, iar de o parte
şi de alta efectivele, respectiv frecvenţele descresc în aceeaşi manieră
(diferă puţin între ele). Dacă s-ar mări volunul de date, uşoara asimetrie a
poligonului de efective s-ar retuşa treptat. La limită, s-ar putea trasa o curbă
în formă de clopot (Fig. 2.3), numită curbă normală, a cărei expresie

m)2
y= 1 e ( x−
− 2
2σ
σ 2π
47
matematică (ecuaţie) este:
în care π şi e sunt două numere a căror valoare este cunoscută, iar m şi σ
reprezintă media respectiv abaterea standard la nivelul eşantionului studiat.

Fig. 2.3. Distribuţia normală Fig. 2.4. Distribuţii

asimetrice

Fig. 2.5. Distribuţie în formă de I Fig. 2.6. Distribuţie bimodală Fig. 2.7.
Diagramă de
comparaţie

În practică dispunem însă de un volum limitat de date, iar histograma

obţinută este mai mult sau mai puţin simetrică. Redând forma de organizare
a datelor concrete, histograma ne sugerează însă aspectul sau forma
distribuţiei teoretice. După cum am văzut, un grafic în formă aproximativă de
clopot şi cu o tendinţă netă de simetrie sugerează o lege normală de
repartiţie. Proprietăţile distribuţiei normale sunt precizate din punct de
vedere matematic şi ne bazăm pe ele în inferenţa statistică.
În cazul distribuţiilor asimetrice sau disimetrice, redate în formă stilizată
prin graficele din Fig. 2.4, majoritatea efectivelor se polarizează în mod
evident de o singură parte, fie în partea dreaptă, fie în partea stângă a clasei
centrale.
`Aşa se întâmplă, de exemplu, când se înregistrează timpul de reacţie
simplă a unui subiect sau timpul de execţie a unei lucrări (operaţii de
muncă). În aceste cazuri se obţin de cele mai multe ori histograme
asimetrice, clasele cu efective mai mari corespunzând timpilor inferiori
mediei. Este posibil să se ajungă în anumite situaţii la distribuţii normale
dacă se modifică proba prin care se obţin datele sau se schimbă condiţiile de
administrare (de exemplu, se elimină elementele grele, se prelungeşte
timpul de examinare etc). Alteori se pot înlocui datele brute prin logaritmul
lor (de exemplu în cronometrări) şi se retuşează asimetria. Există situaţii în
care disimetria este caracteristică fenomenului studiat; "corectarea"
iregularităţilor ar însemna aici distorsionarea datelor. Metodele de prelucrare
statistică vor fi diferite.
La distribuţiile în formă de i curba este constant descrescătoare.
De pildă, curba erorilor în seria exerciţiilor de formare a deprinderii este
constant descrescătoare (Fig. 2.5). La fel, timpul de execuţie al unei acţiuni
în procesul exerciţiului prezintă aceeaşi alură de variaţie.
În anumite cazuri particulare putem întâlni şi distribuţii având
efectivele polarizate în două grupe: clasele cu efective mari se împart în
două grupe despărţite de clase cu efective mici. Este vorba atunci de o distribuţie
bimodală, care sugerează ipoteza existenţei a doi factori diferiţi sau grupe
diferite (Fig.2.6).
Când rezultatele sunt grupate doar în câteva categorii sau procente, se
folosesc diagramele de comparaţie, care constau adeseori în coloane
(dreptunghiuri) paralele având aceeaşi bază sau lăţime. Un exemplu în acest
sens oferă figura 2.7. Coloanele, proporţionale ca înălţimea cu efectivele sau
procentele pe care le reprezentăm, pot fi aşezate vertical sau orizontal,
având alăturată o scară cu diviziuni marcate.
Tipurile de grafice menţionate cuprind situaţii consemnate la un
moment dat. Alături de acestea, există grafice care redau evoluţia în timp a
unor procese, punând în evidenţă anumite tendinţe, schimbări de alură,
"denivelări", evoluţia spre platouri etc. De exemplu, desfăşurarea unui
proces de învăţare este urmărită cu ajutorul unor asemenea grafice.

Capitolul 3

INDICI STATISTICI DE START

Pe lângă posibilitatea de a prezenta datele unei cercetări sub formă de

49
tabele şi reprezentări grafice, prelucrarea statistică utilizează şi metoda
exprimării sintetice a ansamblului de date, servindu-se de anumite valori numerice: media m,
abaterea standard σ, , frecvenţa f. Pe această cale rezultatele imediate sunt reduse la
câteva valori caracteristice.

3.1. DETERMINAREA "VALORII CENTRALE"

SAU A "TENDINŢEI CENTRALE"

În exemplul analizat în Capitolul 2 (Fig. 2.2. şi Tab. 2.5.) s-a putut

constata cum datele tind să se concentreze parcă în jurul unei valori
centrale; efectivele cele mai mari (16 şi 10, respectiv 9) corespund în acest
caz claselor situate la mijlocul şirului.
Acest aspect îl întâlnim destul de frecvent în experimentele
psihologice. În anumite situaţii, majoritatea rezultatelor pot să graviteze fie
în partea dreaptă, fie în partea stângă a seriei de variaţie. Se vorbeşte atunci
de distribuţii asimetrice. Şi în aceste cazuri datele tind să graviteze în jurul
unor valori. Indicii prin care se determină în mod curent "tendinţa centrală" a
rezultatelor sunt media, mediana şi modul.
Media, pe care o notăm cu m, nu este altceva decât suma valorilor, a
datelor numerice, împărţită la numărul acestora. Formula ei de definiţie este
m=∑x/N, în care ∑ înseamnă "sumă de", x reprezintă valorile sau rezultatele
individuale, iar N constituie efectivul grupei studiate. În capitolele ce urmează
va fi vorba de formule de definiţie, necesare pentru înţelegerea unui indice
statistic şi de formule de calcul, care indică procedurile statistice aplicabile
pentru determinarea unui indice (media, abaterea standard, varianţa etc).
Psihologul care beneficiază de serviciile unui calculator, dotat cu programe
informatice pentru prelucrarea statistică a datelor, se poate dispensa de
cunoaşterea şi stăpânirea formulelor de calcul. Calculatorul oferă la cerere,
rezultatul calculului, indiferent de procedura aplicată. Ca exerciţiu preliminar,
parcurgerea acestor tehnici este utilă pentru a ne da seama de
transformarea ce se produce asupra datelor brute. De asemenea, în absenţa
serviciilor unui calculator sau a programelor informatice necesare, stăpânirea
formulelor de calcul devine necesară, eventual în vederea improvizării unui
program.
Revenind la formula de definiţie a mediei, întrucât N este totdeauna
dat, urmează să stabilim procedee de calcul pentru ∑x (suma valorilor numerice), pe
care o notăm cu T (iniţiala cuvântului "total").
Când volumul datelor noastre este destul de restrâns, pentru a-l determina pe T facem o
simplă adunare fără să mai grupăm valorile. Având însă datele grupate,
putem utiliza două metode de calcul pentru determinarea lui T.
Prima metodă presupune o distribuţie statistică dată, ca aceea din
tabelul 3.1. Precizăm că, pentru a păstra notaţia acreditată de lucrări clasice
în domeniu, cu f am notat efectivele şi nu frecvenţa relativă (proporţiile),
raportată la întreg.
Vom avea trei coloane: valorile lui x grupate în clase, valorile centrale xk, şi efectivele
corespunzătoare f. Pentru calcularea lui T adăugăm o coloană în plus cu
produsele fxxk. Aşadar înmulţim fiecare valoare centrală xk cu efectivul
corespunzător clasei respective, iar produsele înscrise în coloana fxxk le
adunăm şi obţinem totalul T.
Ştiind că m = T/N, vom efectua împărţirea şi vom obţine media.
În exemplu nostru: m = 672/51 = 13,17.
Metoda a doua evită calculele laborioase pe care le comportă primul
procedeu, mai ales dacă avem de lucrat cu cifre mari. Ea pare mai dificilă la
prima vedere, deoarece presupune o operaţie de "codare", în care distingem
o serie de paşi.

Tabelul 3.1
Calcularea mediei prin metoda I.

x xk f fxxk

3-5 4 3 12

6-8 7 5 35

9-11 10 9 90

12-14 13 16 208

15-17 16 10 160

18-20 19 4 76

21-23 22 3 66

24-26 25 1 25

N = 51 T = 672

Având datele ordonate, se alege o medie de lucru notată cu m0, aceasta va fi de

regulă valoarea de la mijlocul şirului sau valoarea centrală a clasei centrale.
Când oscilăm între două valori apropiate, preferăm valoarea căreia îi
corespunde efectivul cel mai mare (marcăm media de lucru, cuprinzând-o
într-un chenar). În exemplul ales mai sus media de lucru va fi 13.
În continuare, adăugăm în tabel o nouă coloană pentru valorile codate, pe
care le notăm cu u şi procedăm în felul următor: în dreptul mediei de lucru
marcăm 0 şi completăm celelalte valori din coloană prin simpla numărare (1,
2, 3, ...) în sus şi în jos faţă de zero (luat ca punct de referinţă), având grijă
să atribuim semnul minus valorilor codate ce corespund intervalelor,
respectiv valorilor centrale ce descresc faţă de media de lucru (Tab. 3.2.).
Procedeul aduce o mare simplificare a calculelor. Se trece de la

51
variabila iniţială x la o nouă variabilă u graţie formulei de transformare: u=(x-
m0)/i. Practic, se înlocuiesc valorile iniţiale x cu abaterile lor de la media de lucru. (x-
m0) simplificate cu i (intervalul de clasă). Se poate verifica acest lucru în tabelul
3.2. calculând pentru fiecare interval câtul (xk-m0)/i.
Mai departe se lucrează cu valorile codate u. Pentru diferenţiere vom nota
cu mx media valorilor iniţiale x, şi cu m0 media valorilor codate. Vom determina mu pe
baza expresiei ∑fxu/N, pentru ca în final să revenim la variabila brută x pe baza
formulei mx=m0+imu.
În tabelul 3.2. alături de coloana valorilor codate u, se adaugă o nouă
coloană pentru produsele fxu, având grijă să respectăm riguros regula
semnelor la efectuarea înmulţirii. Apoi însumăm algebric produsele respective,
adică facem ∑fxu, rezultat pe care îl notăm cu litera θ, spre a-l deosebi de T. Pentru
a nu greşi, însumăm separat numerele negative şi cele pozitive (Tab. 3.2.).
Tabelul 3.2.
Calcularea mediei prin metoda a II-a
x xk f u fxu

3-5 4 3 -3 -9
6-8 7 5 -2 -10
9-11 10 9 -1 -9

12-14 13 16 0 0(-28)

15-17 16 10 +1 10
18-20 19 4 +2 8
21-23 22 3 +3 9
24-26 25 1 +4 4

N = 51 (+31)

Interval de clasă i= 3 θ = -28 + 31 = 3

În exemplul ales, mu =3/51 =0,058 (se calculează totdeauna cu 3

zecimale). Făcând produsul mu x i vom obţine 0,058 x 3 = 0,174, care adăugat
la 13, adică la m0, rezultă mx=13,17 (acelaşi rezultat ca şi în procedeul
anterior).
De notat este faptul că mu poate fi un număr negativ dacă θ a fost
negativ. În cazul acesta produsul i x mu va fi tot negativ şi în consecinţă îl vom
scădea din m0 pentru a afla valoarea mediei mx.
Aşa cum s-a precizat, media pune în evidenţă tendinţa centrală a
rezultatelor constate într-o experienţă. Prin calcularea mediei obţinem o
măsură a nivelului mediu relativ la un eşantion studiat, fapt care permite apoi
comparaţii între grupe.
Mediana este un alt indice al tendinţei centrale, care se utilizează mai
ales când avem de-a face cu distribuţii asimetrice. De exemplu, în
cronometrări se înregistrează succesiv timpul de execuţie a unei operaţii de
producţie la un muncitor; distribuţia empirică obţinută este, de regulă,
asimetrică şi atunci se reţine mediana ca măsură a timpului de lucru.
Pentru a găsi mediana - pe care o notăm cu med - trebuie să aranjăm,
în cazuri mai simple, toate datele (valorile) în ordine crescândă sau
descrescândă.
Mediana este acea valoare care împarte şirul ordonat în două grupe
egale ca număr. Cu alte cuvinte, mediana se găseşte la mijlocul şirului:
jumătate din valori se află deasupra, iar cealaltă jumătate dedesubt. Locul sau
rangul pe care îl ocupă mediana în şirul ordonat se detrmină cu ajutorul
formulei (N+1)/2 (care nu este formula de definiţie pentru med).
Când valorile constituie un număr fără soţ, mediana va corespunde
determinantei din mijloc. Astfel, în seria valorilor: 4, 4, 5, 6, 6, 7, 7, 7, 7, 8, 9,
med = 7 pentru că 7 este valoarea care împarte şirul ordonat exact în două.
Formula (N + 1)/2 ne indică locul pe care se găseşte mediana. În cazul nostru
med este valoarea situată pe locul al 6- lea în şirul ordonat [(11 + 1)/2 = 6].
Dacă valorile ordonate sunt în număr cu soţ, mediana se va găsi la
mijlocul şirului, între două valori consecutive.
Fie datele ordonate: 3, 4, 4, 5, 6, 7, 7, 8, 8, 9; deci 10 valori. Mediana
se va găsi pe locul 5,5 deoarece (N + 1)/2 este în cazul acesta (10 + 1/2)
adică 5,5. Căutând în şirul dat valoarea situată pe locul 5,5 constatăm că ea
se găseşte între două valori consecutive:6 şi 7. În consecinţă vom face
media celor două valori: med va fi egală cu 6,5.
Când datele sunt grupate ca în tabelul 3.2 localizăm mai întâi intervalul
în care se găseşte mediana luând ca reper N/2. În exemplul citat N/2 = 51/2 =
25,5 deci mediana se află în intervalul (12 - 14) ale cărui limite exacte sunt
11,5 şi 14,5 (variabila fiind considerată continuă). Formula care ne dă
valoarea medianei este următoarea:
N
− Fs
med = l + 2 ×i
fi
în care:
l este limita inferioară a intervalului reperat,
Fs este totalul frecvenţelor situate sub l (în exemplul dat 3 + 5 + 9 = 17),
fi= frecvenţa corespunzătoare intervalului localizat, iar N şi i sunt notaţii
cunoscute
În exemplul ales vom avea:
25,5 − 17
med = 11,5 + × 3 = 13,09
16
Spre deosebire de medie, mediana prezintă avantajul de a nu fi
afectată de variaţiile extreme - uneori înspăimântătoare - ale seriei, fapt care

53
o face potrivită pentru studiul distribuţiilor asimetrice.
Modul este valorea care se repetă mai des într-un şir de rezultate, adică
valoarea care prezintă frecvenţa cea mai mare.
De exemplu, în seria de date 4, 5, 6, 6, 7, 7, 7, 7, 8, 9, modul este 7,
deoarece 7 este valoarea cu frecvenţa cea mai mare.
Când datele sunt grupate, modul este clasa care reuneşte cei mai mulţi din
subiecţi, mai precis - valoarea centarală a acestei clase. De exemplu, în
tabelul 3.2., clasa care întruneşte frecvenţa maximă este 12 – 14, a cărei
valoare centrală este 13.
După cum se vede, modul poate fi determinat prin simpla examinare a
valorilor, fără să fie necesare operaţii de calcul. Ca indice al tendinţei
centrale, modul este foarte aproximativ şi se ia în considerare mai ales la
prima inspecţie a datelor. În cazul distribuţiilor normale modul, mediana şi
media coincid sau prezintă valori foarte apropiate.

3.2. DETERMINAREA INDICILOR DE DISPERSIE

Media, mediana şi modul caracterizează un singur aspect al distribuţiei

statistice: tendinţa generală a datelor. Este necesar să cunoaştem şi modul
în care se repartizează diferite rezultate în jurul "valorii centrale", adică
organizarea interioară a distribuţiei. De exemplu, două distribuţii statistice -
cum sunt cele redate în figura 3.1. - pot avea aceeaşi medie, dar ele să fie
totuşi foarte diferite sub aspectul variabilităţii, respectiv al omogenităţii.

Figura 3.1.

Se pune deci problema de a găsi indicatori prin intermediul cărora se

poate măsura variaţia sau împrăştierea datelor în jurul mediei. Aceşti
indicatori sunt: dispersia sau varianţa, şi abaterea standard.Cu ajutorul lor se obţin
informaţii asupra variabilităţii grupului studiat.
Dispersia şi abaterea standard
Dispersia sau varianţa se notează cu σ2 sau cu s2 şi are ca formulă de
definiiţie:

σ =s =
2 2 ∑ ( x − m) 2
N −1
în care (x-m) reprezintă abaterea fiecărei valori de la media calculată, iar N este
efectivul grupei de măsurări.
Abaterea standard sau abaterea tip - care se notează cu σ sau cu s - nu
este altceva decât rădăcina pătrată din valoarea dispersiei: σ = σ Aşadar,
2

pentru a determina abaterea standard trebuie oricum să aflăm mai întâi

dispersia σ2.
Indicele de dispersie cel mai exact şi mai des utilizat este de fapt abaterea
standard, având avantajul de a fi exprimat în aceleaşi unităţi ca şi datele
iniţiale pe care le prelucrăm. De exemplu, dacă studiul se bazează pe note,
abaterea standard este exprimată tot în note, permiţând să se analizeze mai
corect gradul de variabilitate al grupului.
Abaterea tip se foloseşte, de asemenea, în discutarea distribuţiilor
normale. Dispersia are avantajul de a nu cuprinde radicalul în expresia ei
algebrică şi astfel se pretează mai uşor la calcule teoretice.
Dacă analizăm formula de definiţie a dispersiei ne dăm seama că
numai expresia de la numărător, adică suma pătratelor abaterilor de la
medie, ridică probleme mai dificile pentru calcul. Vom numi pe scurt această
expresie suma pătratelor.
Determinarea sumei pătratelor nu se face utilizând expresia de
definiţie Σ(x-m)2 deoarece comportă operaţii laborioase şi de cele mai multe
ori cu numere zecimale. Transformând expresia de definiţie, se obţine o
formulă convenabilă de calcul:
T2
∑ ( x − m) = ∑ x − N
2 2

în care notaţiile sunt deja cunoscute. Σx2 reprezintă totalul pătratelor celor N
rezultate (valori) care compun grupul iniţial de date.
Formula de calcul a dispersiei devine astfel:
T2
∑ x 2
−
N
σ2 =
N −1
De notat că T2 şi Σx2 sunt valori cu totul diferite, ceea ce se poate verifica în tabelul
3.3.
În ceea ce priveşte determinarea disprsiei, având datele grupate, ne
referim din nou la cele două metode utilizate pentru calculul mediei.
Prima metodă, ilustrată la calculul mediei prin tabelul 3.3, ne-a condus
la determinarea lui T prin însumarea produselor fxx, ştiind că Σfxx'T. Ridicând acum
la pătrat pe T şi împărţind apoi cu N (efectivul grupei), avem stabilit T2/N din formula
de calcul a sumei pătratelor stabilită mai sus. Ne rămâne să calculăm doar
Σx2. Pentru aceasta la tabelul care a condus la determinarea lui T mai adăugăm o coloană
fxx2 în care vom înscrie produsele (fxx) x x (adică produsele fxx notate în coloana
precedentă se mai înmulţesc o dată cu valorile x).
Pentru ilustrare să urmărim exeplul din tabelul 3.3.

Tabelul 3.3.
Note, x f fxx (fxx)xx

55
 3 2 6 18

4 2 8 32

5 3 15 75

6 7 42 252

7 10 70 490

8 8 64 512

9 4 36 324

10 2 20 200

N = 38 T = 261 ∑x2 = 1903

Însumând produsele înscrise în coloana (f x x) x x sau, pe scurt fxx2, se obţine Σx2 şi

în felul acesta avem asigurate toate elementele necesare pentru
determinare sumei pătratelor potrivit formulei.
Exemplul ales constituie oarecum un caz particular, având ca interval de grupare i = 1.
Valorile centrale xk coincid cu valorile lui x. Aceasta este situaţia seriilor de variaţie
mai mici, când distanţa dintre valorile extreme nu este mai mare şi permite o
grupare mai simplă a datelor (de pildă, în cazul notelor şcolare).
Când intervalul de grupare este mai mare decât 1 şi lucrăm cu valori
centrale xk, produsele vor fi fxxxxxk, adică fxxk2.
Făcând înlocuirile necesare în exemplul dat vom avea:
68121
∑ ( x − m) 2 = 1903 − 38 = 110,4
Pentru a determina dispersia sau varianţa, împărţim rezultatul obţinut
la N - 1.
110,4
σ2 = =3
37
În continuare extragem rădăcina pătrată din σ2 sau s2 şi obţinem abaterea tip:
σ = 3 = 1,7
Se poate observa că pentru determinarea dispersiei în tabelul de calcul
utilizat la medie se adaugă doar încă o coloană fxx2. Pentru uşurarea
caculelor trebuie utilizate tabele matematice uzuale, care ne dau n2 şi n pentru
orice numere până la 10.000.
Metoda a II-a simplifică destul de mult calculele, graţie procesului de
codare,. Transformarea făcută modifică şi formula de calcul pentru dispersie.
Pentru diferenţiere vom nota cu σx2 dispersia valorilor iniţiale x şi cu σu2
dispersia valorilor codate. Aceasta din urmă se determină pe baza formulei:
θ2
∑ u 2

N
σu =
2

N −1
(Observăm că în locul lui x2 din formula de mai sus apare u2, iar în locul lui T2
apare θ2 ştiind că θ=Σfxu).
Pentru a ajunge la dispersia variabilei brute σx2 vom înmulţi în final cu i2:
θ2
∑u 2

N
−
σ x2 = i 2 × σ u2 , sau desfăşurat: σ x = i × N − 1
2 2

Reluând tabelul 3.2. întocmit pentru calcularea mediei, constatăm că

aceasta ne-a condus la calcularea lui θ prin însumarea algebrică a produselor din
coloana fxu.O dată obţinut θ îl ridicăm la pătrat - conform ultimei formule - şi
împărţim rezultatul la N, care este dat. În felul acesta am determinat θ2/N din ultima
formulă. Din aceeaşi relaţie ne rămâne să mai calculăm Σu2. Pentru aceasta
în tabelul amintit adăugăm o nouă coloană fxu2 rezultată din înmulţirea (f x u)
x u, şi însumăm produsele respective, care devin toate pozitive.
Pentru ilustrare, în tabelul 3.4. transcriem exemplul analizat la determinarea mediei prin
metoda a II-a.
Tabelul 3.4.
x xk f u fxu fxu2

3-5 4 3 -3 -9 27

6-8 7 5 -2 -10 20

9-11 10 9 -1 -9 (-28) 9

12-14 13 16 0 0 0

15-17 16 10 1 10 10

18-20 19 4 2 8 16

21-23 22 3 3 9 27

24-26 25 1 4 4 (31) 16

i =3 N = 51 θ=3 ∑u2 = 125

Observăm că în vechiul tabel 3.2. s-a adăugat doar o nouă coloană (f x

u) x u . Faţă de prima metodă, cifrele cu care se lucrează sunt în mod evident mai
mici.
Facem înlocuirile necesare în formulă şi vom avea:

57
 32
125 −
σ x2 = 32 × 51
50
Efectuând calculele, obţinem:
σx2=1123,51/50=22,47
Extragem rădăcina pătrată din numărul găsit şi obţinem abaterea standard:
σ = 22,47 = 4,74

În încheiere sunt necesare două precizări esenţiale:

● În prezent, determinarea indicilor statistici se face cu ajutorul
calculatorului, care preia munca de rutină a cercetătorului. Acesta din urmă
decide însă ce indici va calcula, ce tabele şi grafice sunt necesare în funcţie
de natura datelor, va întrevedea forma distribuţiei şi obiectivele cercetării.
Programele informatice aplicate vor sugera modul în care trebuie pregătit şi
organizat materialul brut pentru prelucrarea statistică; psihologul -
cercetător stăpâneşte datele de intrare şi "citeşte" datele de ieşire pe care le
interpretează.
● Datele numerice sunt culese pe loturi sau grupuri extrase dintr-o colectivitate mai
largă numită populaţie. Elementele unui lot sau grup trebuie alese după
regulile selecţiei aleatoare pentru a putea formula concluzii valabile. Notăm
indicii obţinuţi pe eşantion cu m şi respectiv cu σ

3.3. SEMNIFICAŢIA ABATERII STANDARD

Distingem: σ abaterea standard în populaţie; σ abaterea standard

obţinută pe o colecţie de date (eşantion dintr-o populaţie).
Distingem, de asemenea, variabilitatea inter-individuală (între indivizi)
şi variabilitatea intraindividuală (pentru acelaşi individ). De exemplu,
distribuţia CI pe o colectivitate reflectă varianţa inter iar distribuţia timpilor de
reacţie la un singur individ arată varianţa intra. Fenomenul variabilităţii inter
şi intra este atât de obişnuit şi nu ne mai întrebăm asupra cauzei sau sursei
deoarece se îmbină aici mai multe surse.
Abaterea standard poate fi luată ca unitate de măsură pe abscisa unui
poligon sau a unei curbe de frecvenţă, în cazul unei histograme
experimentale simetrice
Dorim deci, să luăm abscisa în unităţi σ . Pentru aceasta pornim de la
medie în dreapta şi în stânga. Adăugăm 1 σ =5 la m =25 şi obţinem 30.
Distanţa dintre 25 şi 30 este de 1 σ , ea are o întindere de 5 unităţi brute. La fel
este situat 35 la distanţa de +2 σ deasupra mediei şi-i corespunde o
întindere în unităţi brute de 10. Mai adăugăm 1 σ la 35 şi obţinem 40;
observăm că distanţa totală între m şi 40 este de +3 σ Într-o distribuţie
simetrică ideală, aproximativ 3 σ acoperă distanţa între m şi cota cea mai
mare a distribuţiei.
În acelaşi fel procedăm în partea stângă, adică sub medie. Scădem
succesiv 5 din 25, şi apoi 5 din 20, şi 5 din 15, adică întâi -1 σ apoi -2 σ şi -3 σ .
Deci într-o distribuţie simetrică tipică există numai aproximativ 3 σ deasupra
mediei şi -3 σ sub medie, ceea ce putem scrie ± 3 σ . Înseamnă că amplitudinea sau
întinderea variaţiei - notată cu V - este de aproximativ 6 σ sau că abaterea
standard este a şasea parte din V. Abaterea standard devine o unitate de
măsură pentru întinderea variaţiei. Relaţia arătată se verifică pe măsură ce N
creşte (de exemplu la N = 50, raportul V/ σ este de cca 4,5, la N = 90, raportul devine 5
etc).
Să reţinem două idei:
• σ măsoară distanţa la care se află o cotă oarecare în raport cu m ,
• σ devine unitate de măsură pentru V.
În practică, este necesară utilizarea unor registre diferite de variaţie.
De exemplu în cazul inteligenţei se operează în mod curent cu registrul 70-
140, într-o probă de memorie se obţin valori între 2-12, în cazul măsurării
timpului de reacţie se înregistrează fracţiuni de secundă. Se pune problema
comparării şi combinării acestor date heterogene. Soluţia este oferită de
cotele z.

Cote z
O distanţă, un interval dat în cote brute poate fi exprimat în unităţi σ ,
împărţind distanţa respectivă (x- m ) cu σ . În felul acesta avem un punct de
referinţă zero. Luând σ drept unitate trecem de la cotele brute x la cote transformate z.
Această nouă variabilă z se numeşte variabilă standardizată.
Cota z: o valoare care ne arată cât se distanţează, în unităţi σ , o cotă brută
de media distribuţiei respective.
Formula de trecere de la variabila brută x la variabila normată sau
standardizată z este următoarea:
x−m
z=
σ
Într-o distribuţie tipic normală, în care există trei abateri standard
deasupra mediei şi trei dedesubt, cea mai mare cotă z pe care o putem
obţine este + 3, iar cea mai mică - 3. Amplitudinea cotelor z este între + 3 şi
- 3 trecând evident prin zero.

Exemplu:
Avem un test de inteligenţă şi altul de aptitudine mecanică. Rezultatul
final condensat este:

59
 Tabelul 3.5.
m σ

Aptitudinea mecanică 100 10

Inteligenţă 60 6

Transpunerea cotelor brute x în cote z permite compararea lor directă. Cu

ajutorul cotelor z avem abaterea unei valori de la medie în termeni de unităţi σ .
Odată cu acestea, variabile diferite sunt aduse la un numitor comun, fiind
exprimate în aceleaşi unităţi, devin deci comparabile.
Media şi abaterea standard servesc la interpretarea datelor;
semnificaţia lor se stabileşte în cadrul unor raţionamente bine precizate, care
vor fi prezentate în Capitolul 4.
În încheiere trebuie să precizăm că valorile caracteristice studiate
(m, med , σ ) nu se determină pentru orice distribuţie statistică. Dacă distribuţia
rezultatelor este normală sau aproape normală, se deterină media, dispersia
şi abaterea standard; dacă distribuţia este asimetrică, se determină
mediana. În cazul distribuţiilor particulare, în formă de i sau j de exemplu,
este bine să ne mulţumim cu un grafic (P.Fraisse, 1963) şi să determinăm
modul, respectiv frecvenţa.

3.4. FRECVENŢA

Alături de medie şi abaterea standard, un indice statistic adesea

utilizat este frecvenţa. Într-o colecţie de date, fiecare element fie că prezintă
o caracteristică A, fie că nu. Notăm cu N efectivul total al unui grup şi cu n
numărul de elemente care prezintă caracteristica A. Frecvenţa caracteristicii
A în lotul studiat este n din N sau n/N, care se mai numeşte şi frecvenţă relativă.
Se vorbeşte, de pildă, de frecvenţa accidentelor de circulaţie,
clasificându-le după diferite criterii, sau de frecvenţa muncitorilor accidentaţi
într-o uzină ş.a.m.d. De asemenea, când se aplică un test se vorbeşte de
frecvenţa persoanelor care au obţinut un anumit rezultat, o cotă
determinată.
Procentajele se obţin plecând de la frecvenţe conform formului:
n/N x 100.
Exemplu (după Faverge):
Într-o statistică asupra erorilor de la casierie, s-au observat 134 erori în
plus şi 289 erori în minus. Frecvenţa f a erorilor în plus este:
f = 134/423 = 0,32; (423 = 134 + 289).
De reţinut: distincţia dintre frecvenţe absolute sau efective - notate, de
regulă, cu n - şi frecvenţe relative sau proporţii, notate cu f. În exemplul de
mai sus se poate urmări modul de trecere de la frecvenţa absolută la cea
relativă.

Capitolul 4

INFERENŢA STATISTICĂ

4.1. PROPRIETĂŢILE DISTRIBUŢIEI NORMALE

După cum s-a arătat, datele obţinute în cursul unei experienţe, a unei
observaţii sistematice sau anchete, constituie un eşantion pe care îl
considerăm extras dintr-o “colectivitate” mai largă sau populaţie. În final,
extrapolăm de la eşantion la populaţie, extindem concluziile asupra întregii
colectivităţi vizate prin cercetare.

Să luăm câteva exemple:

1o. Ne propunem să determinăm, pe baza unor metode precizate,
volumul vocabularului la copiii de 5 ani. Prin enunţul ei, sarcina sau problema
stabileşte populaţia pe care o avem în vedere: copiii de 5 ani. Ancheta
noastră nu poate cuprinde în mod practic decât o subcolectivitate limitată,
un eşantion de populaţie, în care un număr de N copii sunt aleşi la
întâmplare. Înregistrările făcute pe acest lot stabilesc un volum al
vocabularului să zicem de 2024 de cuvinte. Un alt cercetător, propunându-şi
aceeaşi problemă, ajunge la o cifră uşor diferită, să zicem 1936 de cuvinte.
Repetând procedura, un al treilea cercetător găseşte 2000 de cuvinte.

61
 2o. Cerinţe de ordin practic ne impun determinarea procentului
tulburărilor de vorbire în clasele I-II, pentru a aproxima schema de organizare
a reţelei logopedice.
Determinările efectuate pe câteva eşantioane ne evidenţiază un procent de
circa 12-13 %.
Se ridică întrebarea dacă această frecvenţă caracterizează populaţia şcolară
din clasele menţionate.

3o. Pentru organizarea reţelei de învăţământ special se ridică problema

estimării proporţiei de deficienţi mintali pentru palierul de vârstă 6-7 ani.
Determinările arată un procent de circa 2%, dacă se consideră ca prag
psihometric al debilităţii mintale IQ = 70. Dacă se fixează un prag mai sever,
evident procentul va fi mai mare.
Aceste diferenţe de la un eşantion la altul se datoresc hazardului şi se
numesc fluctuaţii de eşantionare. Situaţia este identică şi în alte condiţii.
Compoziţia eşantioanelor prezintă variaţii, diferenţe întâmplătoare în diferite
studii pe aceeaşi populaţie. Dacă vom lua de pildă, şase clase paralele de
elevi dintr-o şcoală şi le vom supune aceleiaşi probe vom constata diferenţe
sau fluctuaţii în rezultatele obţinute de la o clasă la alta. Este vorba despre
fluctuţii de eşantionaj datorate factorilor aleatori. Un grup natural intact, luat
în compoziţia sa dată, constituie un eşantion la întâmplare, dacă nu au
intervenit factori de selecţie controlaţi de noi.
Prelucrarea statistică, aşa cum am văzut, reduce datele brute la câteva
valori caracteristice: frecvenţe sau procente, medii, abateri standard etc. Se
pune întrebarea: în ce măsură datele obţinute sunt relevante pentru
populaţie. Această operaţie se numeşte inferenţă statistică.
Datele obţinute asupra eşantionului se apropie de indicii adevăraţi ai
populaţiei, această apropiere sau aproximaţie fiind cu atât mai mare cu cât
volumul eşantionului N este mai mare.
Practic, nu reuşim să determinăm exact indicii caracteristici ai
populaţiei. Indicii eşantionului constituie estimări ale parametrilor populaţiei.
În exemplul ales mai sus, volumul mediu m – stabilit pe baza studierii grupului
de copii – reprezintă o estimare a mediei adevărate a colectivităţii generale.
Întrucât nu se pot cerceta toţi copiii de 5 ani ne bazăm în afirmaţiile noastre
pe datele asupra eşantionului cercetat. Luând ca bază indicii eşantionului,
extrapolându-i deci la populaţie, comitem o anumită eroare, a cărei valoare
probabilă trebuie să fie, evident, cât mai mică.
În felul acesta, în legătură cu indicii stabiliţi asupra eşantionului – medii
sau frecvenţe – se pune problema erorii probabile pe care o comitem
bazându-ne pe ei în extrapolarea la populaţie.
Raţionamentul se întemeiază pe proprietăţile distribuţiei normale,
schiţate deja în capitolul precedent în legătură cu semnificaţia abaterii
standard. În psihologie, ca şi în alte domenii, modelul distribuţiei normale
este un model privilegiat, pentru că îl regăsim în numeroase situaţii.
S-a stabilit că ±2σ, mai exact ±1,96σ, în raport cu media acoperă 95%
din rezultate (elemente). Cu alte cuvinte, 95% din elemente cad în intervalul m ±
1,96σ, iar 5% cad în afara acestui interval. Procentul de 5% se compune din
2,5%, respectiv 2,5% de o parte şi de alta a mediei spre extremităţile
distribuţiei.De asemena, s-a stabilit că 99% din rezultate (elemente) sunt
cuprinse în intervalul m ± 2,58σ , în timp ce 1% (0,5% + 0,5%) din elemente sunt exterioare
acestui interval. (Fig. 4.1.).

Figura 4.1. Proprietăţile distribuţiei normale

Pentru a evita o anumită variabilitate a situaţiilor se introduce o

distribuţie – standard. Variabila brută x se înlocuieşte cu variabila normată z pe
baza formulei de transformare deja amintite:
x−m
z=
σ ,
prin care se împarte fiecare abatere de la medie (x – m) cu abaterea standard σ. Graţie
transformării amintite, orice distribuţie normală, are media egală cu zero şi
varianţa egală cu 1. Pentru această ultimă distribuţie s-a întocmit un tabel,
care permite să avem proporţia de elemente pentru care variabila este
exterioară unui interval oarecare centrat pe medie.
Este vorba de tabelul legii normale reduse , care ne permite să vorbim
în cele din urmă în limbajul şanselor, al probabilităţilor. Variabila redusă | z |
prezintă de regulă valori între 0 şi 3,00 (cu două zecimale). Figura 4.2 redă
un exemplu pentru | z | = 1,00. Variabila iniţială x este înlocuită cu variabila
standardizată z, având m = 0. Din punctele z, respectiv - z, ridicăm ordonatele
corespunzătoare, care indică punctele de inflexiune ale curbei şi haşurăm
spre cele două extremităţi suprafaţa exterioară benzii cuprinse între cele
două ordonate (Fig. 4.2).

Fig. 4.2.

63
 Pentru | z | = 1,00 corespunde o valoare de 0,317, ceea ce înseamnă că
pentru un element extras la întâmplare din mulţime există 317 şanse dintr-o
mie ca acesta să cadă în una din suprafeţele haşurate – într-o parte sau alta-
deci să-i corespundă o valoare | z | >1,00. Reţinem în continuare două repere:
pentru | z | =1,96 corespunde 0,05 , iar pentru
| z | = 2,58 , valoarea 0,01. Cu alte cuvinte, există 5 şanse din 100 ca unui
element considerat la întâmplare din mulţime să-i corespundă o valoare | z | >
1,96, după cum există o şansă din 100 ca | z | să fie mai mare decât 2,58. De
aceste două repere, frecvent utilizate, se leagă deci şanse sau probabilităţi
precizate: 5%, respectiv 1%.
Rezumând: într-o distribuţie normală standard avem 95% din valorile z
cuprinse între –1,96 şi + 1,96; de asemenea avem 99% din valorile z cuprinse
între –2,58 şi +2,58.
De aici se poate face pasul spre o distribuţie normală oarecare având media
m şi abaterea standard σ. Întrucât variabila standardizată z s-a obţinut –
plecând de la variabila iniţială x – graţie formulei:
x−m
z=
σ ,

reiese că: a spune că z este cuprins între –1,96 şi +1,96 înseamnă a spune
că
-1,96 < (x-m)/σ < 1,96
sau
(m – 1,96σ) < x < (m + 1,96σ),
ceea ce s-a enunţat la început.
Cu alte cuvinte, există 95% din valorile x interioare intervalului :
[m – 1,96σ; m +1,96σ],
după cum există 99% din valorile x interioare intervalului:
[m – 2,58σ; m + 2,58σ].
Afirmaţiile făcute anterior au devenit astfel propoziţii motivate.

4.2. PROBLEME DE ESTIMARE

Aşa cum s-a arătat, marcăm indicii eşantionului cu o bară aşazată

deasupra m , f , σ , iar parametrii populaţiei îi notăm în mod obişnuit: m, f, σ.
Pornind de la indicii eşantionului stabilim cu o anumită probabilitate valoarea
parametrilor. În mod obişnuit nu putem determina exact valoarea
parametrului, ci stabilim un interval în care se găseşte cu certitudine practică
parametrul respectiv. Cu cât acest interval este mai mic, cu atât informaţia
noastră asupra adevăratei valori în populaţie este mai precisă . Se cere deci
o concentrare a masei de probabilitate într-o regiune restrânsă. Intervalul
menţionat se numeşte interval de încredere.

4.2.1. Semnificaţia unei medii

Semnificaţia unei medii depinde pe de o parte de volumul eşantionului

studiat (N), iar pe de altă parte, de variabilitatea populaţiei (σ) din care s-a
extras grupul dat. Cu cât volumul datelor creşte, cu atât media devine mai
stabilă şi deci mai reprezentativă.
S-a numit eroarea standard a mediei cantitatea σ/ N care se notează cu E.
Aceasta ne oferă un etalon pentru a evalua eroarea ce o comitem luând
drept bază media eşantionului m în locul mediei adevărate m a colectivităţii
generale (pe care practic nu reuşim de cele mai multe ori să o determinăm).
În relaţia de mai sus σ reprezintă abaterea standard a colectivităţii
generale, care rămâne aproape întotdeauna necunoscută, fiind înlocuită în
calcule cu σ determinată pe baza datelor eşantionului (când N este destul de
mare).
Reluând tabelul din tabelul 3.4, avem:
N=51; m = 13,17 ; σ = 4,74 ;

Făcând înlocuirile:

4,74
E= = 0,66
51 .
În mod curent nu ne putem aştepta să determinăm valori punctuale
pentru parametrii populaţiei. În acest sens se stabilesc intervale. Pe baza
erorii standard a mediei E se stabilesc limitele între care se găseşte, cu o
probabilitate dată adevărata valoare m a colectivităţii generale. Aceste limite
se numesc limite de încredere, iar intervalul delimitat de ele este intervalul de încredere.
Întrucât mediile prezintă distribuţie normală, se stabilesc drept limite de
siguranţă : m -1,96E şi m +1,96E.
În exemplul menţionat vom avea: L1 = 13,17 - (1,96 x 0,66) şi L2 = 13,17
+ (1,96 x 0,66). Efectuând înmulţirile obţinem: 13,17 +/- 1,29, adică 11,88 şi
14,46. Acestea sunt limitele între care se găseşte aproape sigur (cu o
probabilitate de 95%) adevărata medie m a colectivităţii generale.Afirmând
că media adevărată se va găsi între 11,88 şi 14,46 riscăm totuşi să greşim în
5% din cazuri.
Se obişnuieşte să se noteze şi riscul pe care ni-l asumăm de a greşi
făcând o aserţiume sau alta. Aceasta a căpătat denumirea de prag sau nivel
de semnificaţie. Astfel, intervalul ( m -1,96E; m +1,96E) se numeşte interval de
încredere la pragul de p = 0,05, ceea ce înseamnă că în 5% din cazuri adevărata
medie se află în afara intervalului ales. În practică, se ia adeseori pragul p =

65
0,01, ceea ce indică riscul de a greşi în 1% din cazuri. Limitele de încredere
vor fi atunci L = m -2,58E şi L = m +2,58E.
1 2

4.2.2. Semnificaţia frecvenţei

Transpunând noţiunile prezentate anterior, putem spune că eroarea -

tip a frecvenţei este:
p×q
E=
N
şi că limitele de încredere, la pragul de p = 0,05vor fi:
p× q p× q
f −1,96 ;f + 1,96
( N N . )
Practic, N fiind mai mare (>100), vom comite o eroare foarte mică
înlocuind în calculul limitelor de încredere pe p prin f , şi pe q prin 1- f. După
înlocuire vom avea:
f × (1 − f ) f × (1 − f )
( f − 1,96 , f + 1,96 )
N N .
Exemplu (după Faverge)
Să considerăm un exemplu.
Într-o statistică a erorilor de la casierie s-au observat 134 de erori în
plus şi 289 de erori în minus. Frecvenţa f a erorilor în plus este:
134
f = = 0,32
423 (423 = 134 + 289).

Vom avea:
f (1 − f ) 0,32(1 − 0,32)
E= = = 0,020
N 423 .
La pragul de semnificaţie de p = 0,05, limitele de încredere se obţin
calculând:
1,96 x 0,020 = 0,04.

Ele sunt:
0,32 + 0,04 = 0,36,
0,32 - 0,04 = 0,28.
Cu alte cuvinte, admiţând că eşantionul nostru face parte din cele 95%
pentru care parametrii se situează în intervalul de încredere, putem afirma
că procentajul erorilor în plus va fi cuprins între 36% şi 28%.
 4.3. SARCINI SAU PROBLEME DE COMPARAŢIE

În chip frecvent intervin în cercetările psihologice probleme de

comparaţie. Astfel, se compară între ele mediile obţinute într-o experienţă şi
se pune întrebarea dacă diferenţele constatate sunt semnificative sau nu, se
pot extinde la populaţie sau nu.

Exemplu (după I. Radu):

Într-o experianţă de instruire programată au fost cuprinse două clase
paralele. La probele de control date în post- test s-a constatat la clasa
experimentală - cu un efectiv de 33 elevi - o medie a notelor de 7,7, iar în clasa de control
(N = 34), media la aceleaşi teste a fost de 6,7. Diferenţa dintre medii este
1,00. Se pune întrebarea dacă această diferenţă este semnificativă, dacă
putem extrapola la populaţie, ceea ce ne indică dacă metoda de instruire
încercată este mai bună decât cele curente.
Rezultatele unei investigaţii pot să apară exprimate şi sub formă de
frecvenţe sau proporţii. În exemplul citat mai sus rezultatele experimentului
ar putea fi exprimate şi în frecvenţe, indicând proporţiile consemnate de
răspunsuri corecte şi de răspunsuri greşite. Şi în cazul acesta se pune
întrebarea dacă diferenţele constatate sunt semnificative sau nu. Răspunsul
la întrebarea pusă s-ar putea obţine repetând experienţa. Dacă rezultatele se
menţin statornice vom putea conchide asupra semnificaţiei lor. Cum
experienţele nu se pot repeta indefinit - procedeu de altfel neeconomic - s-a
conturat un mecanism logic prin care se infirmă ipoteza hazardului, notată
H0.
În condiţiile experienţei obişnuite ne-am putea mulţumi cu diferenţe
între medii de 0,5 sau 0,7 ori 0,9 ş.a.m.d., după cum diferenţe de 5%, 7% etc
între frecvenţe ar părea doveditoare.
Experimentul ştiinţific nu poate face extrapolări la populaţie bazate
doar pe simpla evaluare intuitivă. Întrebarea este: de la ce nivel (0,5 sau 0,7,
respectiv 5%; 7%;...) diferenţele pot fi considerate semnificative?
În orice experienţă studiem procesul dat în anumite condiţii, într-un
anumit context: la lecţie, la joc, în activităţile practice, în condiţii de laborator
etc. Trebuie să admitem că, într-un fel sau altul, întâmplarea poate interveni
în desfăşurarea fenomenului cercetat prin condiţii neaşteptate, prin
compoziţia grupului, prin deosebiri în personalitatea profesorului etc. Datele
obţinute sunt afectate în felul acesta de un element aleator (întâmplător). În
consecinţă, alături de ipoteza specifică (Hs), ce stă la baza experienţei
respective şi care este o ipoteză psihologică sau pedagogică se poate
formula şi o altă ipoteză care să atribuie numai întâmplării tendinţele sau
diferenţele constatate. Aceasta din urmă este "ipoteza întâplării"sau ipoteza
nulă (H0) şi se enunţă pentru toate cazurile în aceiaşi termeni. De notat că
atât ipoteza nulă (H0) cât şi ipoteza alternativă (Hs) se referă la populaţie, nu
la eşantioane ca atare.
Preocupat să dovedească în mod temeinic justeţea ipotezei specifice,

67
cercetătorul va admite în mod provizoriu –în raţionamentul său – ipoteza nulă
şi va determina şansele (probabilitatea) ca diferenţele obţinute în
experiment să aibă loc numai pe baza " legilor întâmplării" (care sunt legi de
probabilitate bine studiate). Ştim că probabilitatea ia valori între 0 şi 1, iar
transcrisă în procente – între 0 şi 100%.
Dacă probabilitatea obţinerii diferenţei date, în baza ipotezei nule,
este foarte mică (de pildă, mai mică decât 0,05 ceea ce se scrie p < 0,05),
atunci respingem ipoteza hazardului şi arătăm toată încrederea ipotezei
specifice. Dacă însă, probabilitatea determinată în lumina ipotezei nule este
mai mare (de pildă, p > 0,10 putând merge până la 1), atunci nu ne putem
asuma riscul respingerii ipotezei nule şi vom considera diferenţele efectiv
obţinute ca fiind încă nesemnificative.
Prin urmare se acceptă ca semnificative acele rezultate care au
şansele de a se produce prin simpla întâmplare numai într-un număr mic de
cazuri: sub 5% din cazuri, uneori sub 10%. Şansele de a obţine rezultatele
respective prin simplul joc al factorilor aleatori se află în acest caz sub 10%,
respectiv 5% ( ceea ce se scrie p < 0,10 respectiv p < 0,05). Înseamnă că, acceptând
rezultatele unei experienţe drept proba justeţei ipotezei specifice, ne
asumăm totodată riscul de a greşi în mai puţin de 10%, respectiv 5% din
cazuri. Fiecărei aserţiuni i se asociază astfel un prag de semnificaţie, care
indică riscul de a greşi pe care ni-l asumăm.
Rezumând: mecanismul logic al ipotezei nule permite infimarea ipotezei
hazardului şi acceptarea în consecinţă a ipotezei alternative (Hs). Ipoteza
nulă şi ipoteza alternativă sunt contradictorii; a respinge ipoteza nulă
înseamnă a accepta ipoteza specifică. Dacă plasăm pe o axă probabilităţile
amintite vom avea situaţia din figura 4.3.

1 0,05 0,01 p
|-------------------- . . . -----------------|------------------|------------------>
H0 nu se consideră infirmată | H0 se consideră infirmată
şi se suspendă decizia | şi se acceptă Hs
limita semnificativităţii
Fig. 4.3

Respingând ipoteza nulă şi accepând existenţa unui efect al variabilei

independente – ceea ce susţine Hs - ne asumăm un risc de a greşi destul de mic:
5% respectiv 1%. Măsurarea acestui risc, notată cu α, constituie pragul de
semnificaţie, care însoţeşte fiecare aserţiune.
Se poate întâpla ca ipoteza nulă să nu fie infirmată, z cal fiind mai mic
decât 1,96 (deci p > 0,05). În cazul acesta nu se conchide că H0 ar fi validată, ci,
pur şi simplu, că nu se poate decide; intervine o zonă de suspendare a
judecăţii. Valoarea | z | care separă cele două zone - zona de respingere a
ipotezei nule şi zona de suspendare a judecăţii - se numeşte valoare critică.
Ea corespunde valorii z cal având o probanbilitate asociată egală cu α. Riscul de a
greşi α se poate lua 10%, 5%, 1%. Tradiţia a acreditat pragul de p≤ 0,05 sau p≤
0, 01. În funcţie de cerinţele cercetării se alege pragul indicat.
De notat că ipoteza nulă nu poate fi niciodată acceptată; a nu se
respinge H0 nu echivalează cu acceptarea ei. În schimb, ipoteza specifică nu
poate fi niciodată respinsă. Fiind o ipoteză statistică imprecisă nu se poate
calcula distribuţia de eşantionaj sub ipoteza alternativă (Abdi, 1987).
Valorile cririce ale criteriului z, t, ş.a. au fost calculate pentru diferite praguri
α fiind prezentate sub formă de tabele ce urmează doar a fi consultate.
Regula de decizie este precizată:
- dacă criteriul z, calculat pe eşantionul experimental este mai mare
sau egal cu valoarea critică (z critic), probabilitatea sa asociată este mai
mică sau egală cu pragul α (se decide respingerea H0);
- dacă criteriul z cal, calculat pe eşantionul experimental, este mai mic
decât valoarea critică (z critic), probabilitatea asociată este mai mare decât
pragul α. În consecinţă intervine suspendarea judecăţii: nu se va respinge
nici accepta H0. În sens strict, se va decide de a nu se decide ...(Abdi, 1987).
În probleme de comparaţie statistică urmează să se facă disticţia între
eşantioane independente şi eşantioane perechi.
O clasă de elevi, spre exemplu, poate fi considerată practic ca un
eşantion la întâmplare extras dintr-o colectivitate mai largă. Dacă se
consideră o altă clasă, paralelă, în vederea unei experienţe determinate,
atunci alegerea poate fi făcută în două feluri. Se pot alege în mod
independent cele două eşantioane: faptul că un element sau altul din primul
eşantion a fost ales nu are nici o influenţă asupra alegerii elementelor din
eşantionul al doilea. Compoziţia celor două grupe nu este reglementată pe
baza unei probe prealabile; cele două clase sunt considerate în compoziţia
lor stabilită prin " legile întâmplării". În acest caz este vorba despre eşantioane
independente.
Se poate proceda şi altfel. Se pot constitui eşantioane perechi. În cazul
acesta, fiecare element dintr-un eşantion corespunde unui element dintr-un
alt eşantion (formează o pereche cu el). De exemplu, pentru a compara două
metode de instruire se constituie două grupe cu acelaşi număr de elevi,
astfel ca fiecărui elev dintr-o grupă să-i corespundă un elev din cealaltă
grupă, având acelaşi nivel de cunoştinţe, eventual acelaşi C.I. În felul acesta,
compoziţia grupelor este precizată pe baza unei probe anterioare, în virtutea
căreia elementele celor două eşantioane nu se determină la întâmplare.
Fiecare individ dintr-o grupă are "corespondent” în grupa a doua, având
aceeaşi notă (sau acelaşi nivel) în proba preliminară. Situaţia este identică şi
în cazul când acelaşi grup de subiecţi este supus de două ori la probe diferite
(de exemplu, înainte şi după acţiunea unui anumit factor experimental). Se
obţin atunci două grupe de măsurări efectuate pe aceiaşi subiecţi, care
constituie perechi.
Prin urmare putem alege grupele de studiu în mod independent şi
atunci este vorba de o alegere la întâmplare a elementelor; sau putem

69
asocia într-un anumit fel - pe baza unui criteriu precis - elementele celor
două eşantioane, două câte două, şi atunci compoziţia lor este determinată
de regulă în virtutea unei probe prealabile: test de inteligenţă, test de
cunoştinţe etc.

4.3.1. Semnificaţia diferenţei între două medii în cazul

eşantioanelor independente

Probele de semnificaţie diferă în funcţie de două situaţii:

●când numărul de măsurători (N) în fiecare eşantion este destul de mare
(mai mare ca 30);
●când numărul de măsurări sau volumul eşantionului este mai mic dacât
30.
În experimentele cu caracter instructiv de la care am pornit N1= 33 şi N2 = 34, deci
ne aflăm în prima situaţie.
Pentru a vedea dacă cele două medii constatate diferă semnificativ,
facem raţionamentul care urmează.
Admitem pentru moment ipoteza nulă şi stabilim care este şansa de a
fi verificată. Cu alte cuvinte presupunem că diferenţa între cele două medii
m1 şi m 2 se datoreşte întâmplării şi că nu există diferenţe reale între
eşantioanele considerate. În limbaj statistic înseamnă că cele două grupe
constituie eşantioane extrase la întâmplare din aceeaşi populaţie.
Pentru a testa ipoteza nulă se utilizează criteriul sau raportul:
m1 − m 2
z=
2 2
σ1 σ 2
+
N1 N 2
,
în care notaţiile sunt deja cunoscute.
Calculând valoarea raportului de mai sus, notat cu | z |, ne vom referi la
proprietăţile curbei normale schiţând valorile calculate (z cal) în raport cu
valorile critice (1,96 şi 2,58). Dacă valoarea ce va corespunde indicelui z cal
este mai mare decât 1,96, atunci diferenţa între cele două medii este
semnificativă la pragul de p < 0,05, iar dacă z cal > 2,58, atunci diferenţa
este semnificativă la pragul de p < 0,01. Bineînţeles, dacă vom avea z cal <
1,96, atunci ipoteza nulă nu va fi infirmată, iar diferenţa obţinută în cadrul
experienţei nu va fi considerată concludentă pentru a proba justeţea ipotezei
specifice (vom suspenda decizia).
În exemplul considerat trebuie să cunoaştem cu privire la fiecare grup
2
m , N şi σ .
m1 =
7,7; N 1 =
33; 1 =σ 2
3,15;
2
m 2 = 6,7; N 2 = 34;σ 2 = 3,5;
 Utilizând formula stabilită obţinem:
7,7 − 6,7
= 2,33
3,15 3,5
+
33 34 .
Raportul găsit este mai are decât 1,96 şi mai mic decât 2,58, deci p <
0,05. Făcând un calcul de interpolare se află p = 0,02; deci diferenţa este net
semnificativă, ipoteza nulă fiind infirmată.

Când volumul datelor obţinute în fiecare eşantion este mai mic (numărul
de măsurări este mai mic decât 30) se utilizează un procedeu întrucâtva
diferit.
Ipoteza nulă se enunţă la fel: presupunem că cele două grupe de date
sunt două eşantioane întâmplătoare ce provin din aceeşi colectivitate
generală. Verificăm apoi şansa acestei ipoteze pe baza criteriului t:
m1 − m 2
t =
1 1
s2 ( + )
N1 N 2
.

Pentru a obţine o estimare a dispersiei colectivităţii - care este notată

în formulă cu s2 - se combină datele celor două eşantioane:
2
s =
∑ ( x − m1 ) 2 + ∑ ( x − m 2 ) 2
N1 + N 2 − 2
Formulele de la numărător ne sunt cunoscute de la calcularea
dispersiei (sumei de pătrate referitoare la cele două grupe), iar N1 şi N2 sunt
efectivele celor două eşantioane.
Există un tabel special (întocmit de Student) în care figurează
probabilităţile raportului | t | corespunzător numărului "gradelor de libertate"
care depinde de volumul eşantioanelor (vezi Anexa 1.1.). În cazul nostru
numărul acesta - notat n - este:
n = N1 + N2 - 2.

Să luăm un exemplu.
În procesul învăţării eşalonarea repetiţiilor este mai productivă decât
concentrarea lor. Într-o experienţă se ia câte o grupă formată fiecare din
câte 10 subiecţi şi se experimentează în cele două situaţii prevăzute:
repetiţii eşalonate sau concentrate în timp. Încă din prima perioadă subiecţii
manifestă o diferenţă. Vrem să ştim dacă ea este semnificativă (după P.
Oleron).
Datele consemnate de autor sunt:
m1 = 13,3; N1 = 10; ∑ ( x − m1 ) 2 = 82,1;
m 2 = 14,2; N 2 = 10; ∑ (x − m 2 ) 2 = 97,6;

71
 2 82,1 + 97,6
s = = 9,98
18

14,2 − 13,3
t = = 0,63
1 1
9,98 + 
 10 10 

| t | fiind calculat, ne referim la tabelul distribuţiei | t | întocmit de Student.

Acest tabel prezintă o coloană n sau v, care corespunde gradelor de libertate. În tabelul
de mai sus n = 10 +10 - 2 = 18. Căutăm în coloana n pe 18. După ce l-am fixat,
mergem pe rândul respectiv şi căutăm valoarea lui | t | la pragul de 0,05 şi
0,01 (probabilitatea o citim în prima linie de sus a tabelului unde găsim de la
dreapta spre stânga: 0,01; 0,02; 0,05; 0,10). În cazul nostru tabelul indică
2,10 pentru | t | la pragul de 0,05 respectiv 2,88 la oragul de 0,01. Valoarea
calculată în exemplul ales este 0,63, deci este mult mai mică decât 2,10
căreia îi corespunde p = 0,05. Putem spune atunci că pentru | t | = 0,63 avem p
> 0,05. şi astfel ipoteza nulă nu este infirmată. Considerăm diferenţa dintre
medii ca nesemnificativă, mai exact suspendăm decizia.
În general, dacă valoarea găsită prin calcul este mai mică decât
valoarea | t | indicată în tabel la pragul p = 0,05, atunci considerăm că
ipoteza nulă nu este infirmată, iar diferenţele obţinute în experienţă ca
nesemnificative. Dacă valoarea calculată de noi este mai mare decât
valoarea | t | la pragul 0,05, dar mai mică dacât valoarea lui | t | la pragul de
0,01, vom spune că diferenţa este semnificativă la pragul de 0.05. În sfârşit,
dacă valoarea găsită de noi este mai mare decât valoarea | t | indicată în
tabel pentru
p = 0,01, atunci vom spune că diferenţa este semnificativă la pragul de 0,01.
Observăm că respingerea ipotezei nule se face considerând un prag de
semnificaţie ales în prealabil (cel mai riguros este p = 0,01). De reţinut este
faptul că ipoteza nulă nu se consideră niciodată demonstrată; ea poate fi
doar infirmată. Efectul admiterii sau respingerii ipotezei nule se răsfrânge
asupra ipotezei specifice. Neinfirmarea ipotezei nule pune sub semnul
întrebării ipoteza specifică, infirmarea ipotezei nule consolidează foarte mult
ipoteza specifică. Cele două ipoteze H0 şi Hs sunt, cum s-a spus, contradictorii.

4.3.2. Semnificaţia diferenţei între două medii în cazul

eşantioanelor perechi

Când elementele celor două eşantioane sunt asociate într-un anumit

mod două câte două (de exemplu, rezultatele înregistrate înainte şi după
acţiunea unui factor experimental), procedeul cel mai simplu constă în a
raţiona asupra diferenţelor pe care le prezintă fiecare pereche de date
asociate, corelate.
Să notăm cu x rezultatele din primul grup de măsurări (eşantion) şi cu
x' valorile asociate din eşantionul al doilea. Diferenţa corespunzătoare
fiecărei perechi de note x - x' o însemnăm cu d. Se obţin astfel patru coloane.

Exemplu:
Cu o grupă de 10 elevi s-a încercat la geografie, în decursul
trimestrului II al anului şcolar, o metodă nouă de învăţare individuală, pe
baza unor întrebări de control fixate pe cartonaşe. S-au înregistrat notele
elevilor la geografie la începutul experienţei, adică la sfârşitul trimestrului I şi
apoi la încheierea trimestrului II. Vrem să ştim dacă metoda respectivă aduce
o îmbunătăţire semnificativă a situaţiei şcolare.
Pentru a determina acest lucru întocmim un tabel în care vom înscrie
subiecţii, rezultatele obţinute în cele două situaţii şi vom calcula diferenţele
dintre ele (Tab.4.1.).
Se observă din tabel că avem diferenţe nule, pozitive şi negative.
Formulăm ipoteza nulă, adică atribuim numai întâmplării diferenţele
constatate, Dacă s-ar datora numai întâmplării, aceste diferenţe ar fluctua în
jurul lui 0 într-un sens sau altul, iar media lor ar fi egală cu zero md= 0 (cu md
am notat media diferenţelor).
Tabelul 4.1
Note trim. II Note trim. I
Subiecţi x` x d d2

A 8 6 +2 4

B 7 5 +2 4

C 5 5 0 0

D 6 4 +2 4

E 5 6 -1 1

F 6 4 +2 4

G 6 5 +1 1

H 5 4 +1 1

I 4 6 -2 4

K 7 5 +2 4

N=10 Σd = +9 Σd2 = 27

Vom însuma algebric coloana d (ţinând deci seama de semne) şi vom afla
∑d = T. Apoi, făcând raportul T/N, vom afla media diferenţelor md.
În exemplul ales, md = T/N = 0,09, deci md diferă de zero; nu ştim dacă
diferenţa aceasta este suficient de mare pentru a putea fi considerată

73
semnificativă sau nu.
Se utilizează criteriul:
md
t =
σd
N

în care cunoaştem m d şi N, dar nu cunoaştem σ d (abaterea standard a

diferenţelor).
Tratăm diferenţele aşa cum am considerat înainte datele brute.
Calculăm mai întâi dispersia diferenţelor:
T2
2 ∑ d 2
−
N
σd =
N −1
şi
2
σd = σd
În exemplul ales adăugăm în tabel o coloană d2, pe care însumând-o
obţinem Σd2=27.

Făcând înlocuirile:
2 27 − 81 / 10
σd = = 2,1
9
de unde
σ d = 2,1 = 1,4
Deci
0,9
t = = 2,0
1,4
10
Căutăm în Anexa 1.1. | t | ţinând seama de faptul că în acest caz
numărul gradelor de libertate este N - 1 (şi nu N1+N2- 2, ca în primul caz).
În exemplul de mai sus, N - 1 = 9. Căutând în tabel găsim pentu 9 grade de
libertae,la pragul de p = 0,05 cifra 2,26. Valoarea calculată de noi este
inferioară acestei cifre. Înseamnă că nu s-a demnostrat falsitatea ipotezei
nule şi, în felul acesta nu se poate spune că rezultatele experienţei sunt
semnificative.
Când N este destul de mare (>60) putem raporta valoarea găsită prin
calcul la valorile z (1,96 şi 2,58) fără să mai facem apel la Tabelul lui Student.
Trebuie reamintit în încheiere că atât raportul | z | cât şi criteriul | t |
presupun drept condiţie aspectul normal al distribuţiilor supuse comparaţiei.

4.3.3. Semnificaţia diferenţei între frecvenţe. Criteriul χ2

 După cum s-a arătat, rezultatele unei experienţe se pot prezenta
adeseori sub forma unei frecvenţe. De pildă, se consemnează reuşita sau
nereuşita la o probă şi se împart subiecţii în două categorii, ori se
înregistrează atitudinea pozitivă sau negativă faţă de un eveniment şi se
obţine o clasificare dihotomică a subiecţilor etc. Dacă înscriem într-un tabel
datele constatate la două grupe paralele, obţinem în acest caz un tabel cu
patru căsuţe.

Exemplu:
Într-o uzină s-a înlocuit comanda manuală cu prese cu o comandă
automată. Interesează dacă această modificare are vreo influenţă asupra
accidentelor de muncă. În acest scop s-a urmărit în cursul unei perioade date
frecvenţa accidentelor la prese cu comandă manuală şi automată.
Rezultatele apar consemnate în tabelul 4.2. (după J.M..Faverge).
Tabelul 4.2.
Comandă manuală Comandă automată Total

Accidentaţi a 25 b 23 48

Neaccidentaţi c 183 d 112 295

Total 208 135 343=T

Pentru compararea datelor s-a întocmit un tabel cu 4 căsuţe, trecând

în fiecare căsuţă câte un număr constant. Aceste numere reprezintă de fapt
frecvenţele observate (f0), adică pe de o parte frecvenţa cazurilor de accidente,
iar pe de altă parte numărul celor neaccidentaţi din rândul muncitorilor care
lucrează la prese. În legătură cu diferenţele care apar între comanda
manuală şi cea automată se pune întrebarea dacă acestea sunt
semnificative sau se datoresc întâmplării. O apreciere directă nu poate da
răspunsul necesar. Vom admite ipoteza nulă şi vom determina probabilitatea
de a fi verificată, servindu-ne de criteriul χ2.

Exemplu, care comportă trei modalităţi sau categorii în clasificarea

datelor (după I. Radu):
Două grupe de şcolari (A şi B) au urmat un curs de activităţi practice.
La grupa A s-a urmărit formarea deprinderilor de autocontrol, în timp ce la
grupa B această preocupare a avut loc numai sporadic. Proba practică prin
care s-a încheiat experienţa a fost identică la cele două grupe. S-a apreciat
precizia dimensiunilor produsului finit, înregistrându-se abaterile faţă de
cerinţele prevăzute. Rezultatele comparative exprimate în frecvenţă apar în
tabelul 4.3.
Se pune întrebarea dacă grupa A se detaşează semnificativ de grupa
B; cu alte cuvinte, dacă formarea deprinderilor de autocontrol asigură o
precizie dimensională sensibil mai bună decât în condiţiile obişnuite.

75
 Tabelul 4.3
Grupa Abaterea în mm
Total

0,0 – 0,2 0,2 – 0,5 0,5 – 1,0

A a 63,5 b 20,0 c 16,5 100

B d 33,7 e 18,3 f 48,0 100

Total 97,2 38,3 64,5 200 = T

Discuţia se referă numai la datele înscrise în căsuţele a, b, c, d, e, f, la

care se adaugă totalurile marginale efectuate orizontal şi vertical. Este vorba
propriu-zis de un tabel cu 6 căsuţe dispuse pe două rânduri şi trei coloane.
În diferite căsuţe sunt înscrise proporţiile observate , pe care le notăm
f0.
Formulăm ipoteza nulă, adică presupunem că grupele considerate sunt
eşantioane extrase la întâmplare din aceeaşi colectivitate, iar diferenţele
constatate sunt pur aleatoare, cu alte cuvinte, dacă ipoteza aceleiaşi
colectivităţi pentru cele două eşantioane este admisibilă sau nu.
Admiţând pentru moment această ipoteză, ar trebui să ne aşteptăm la
aceleaşi proporţii în ambele eşantioane (diferenţa fiind nulă), adică ar trebui
să regăsim în cele două grupe proporţiile existente în colectivitatea care le
înglobează. Dar aceste proporţii ne sunt necunoscute şi nu putem decât să le
estimăm plecând de la datele eşantioanelor considerate, combinând aceste
date.
În exemplul ales putem estima proporţia abaterilor din primul interval
(0,0 – 0,02) în colectivitatea presupusă, bazându-ne pe totalurile marginale.
Această estimare este 97,2/200,00.
În continuare, pentru fiecare număr găsit în mod practic vom calcula
numărul "teoretic" corespunzător în cadrul ipotezei aceleiaşi colectivităţi.
În acest scop ne servim de regula de trei simplă.
Dacă din totalul de 200 (cele două grupe) proporţia abaterilor situate
în primul interval este 97,2, atunci pentru 100 (grupa A), care ar fi proporţia
aşteptată?
De aici proporţia abaterilor (situate în primul interval) la care ne
aşteptăm în grupa A se stabileşte uşor:
100 × 97,2 97,2
= = 48,6
200 2
Am stabilit astfel numărul teoretic pentru prima căsuţă (a).
 În mod analog se determină frecvenţele (proporţiile) teoretice pentru
fiecare căsuţă din tabel. Vom nota frecvenţele teoretice ft. Procedeul general
prin care se obţine un nummăr teoretic este următorul: înmulţim totalul
rândului cu totalul coloanei şi împărţim apoi la totalul general.
De exemplu, frecvenţa teoretică pentru căsuţa e va fi:
100 × 38,3 38,3
= = 19,15
200 2
Cifrele teoretice obţinute se înscriu în căsuţe corespunzătoare, între
paranteze.
În exemplul ales se obţine tabelul 4.4.
Pentru a compara frecvenţele teoretice (ft) cu cele observate (f0) ar trebui să
ne bazăm pe diferenţele dintre ele. Cum însă suma diferenţelor ar fi în mod
necesar nulă,
s-ar ajunge în impas. Şi atunci, pentru a se face abstracţie de semn, s-au luat
pătratele acestor diferenţe, creându-se un simbol (χ2) definit astfel:
( f − f )2
χ2 = ∑ 0 t
ft

Tabelul 4.4.
Grupa Abaterea în mm
Total

0,0 – 0,2 0,2 – 0,5 0,5 – 1,0

A a 63,5 b 20,0 c 16,5 100

(48,6) (19,15) (32,25)
B d 33,7 e 18,3 f 48,0 100
(48,6) (19,15) (32,25)
Total 97,2 38,3 64,5 200 = T

În exemplul nostru, calculul se face în felul următor:

(63,5 − 48,6) 2 (20,0 − 19,15) 2 (16,5 − 32,25) 2 (33,7 − 48,6) 2 (18,3 − 19,15) 2 (48,0 − 32,25) 2
χ2 = + + + + +
48,6 19,15 32,25 48,6 19,15 32,25
Deci însumăm atâţia termeni câte căsuţe avem.
Efectuînd calculele în exemplul ales, vom avea:
222,01 0,73 248,06 222,01 0,73 248,06
χ2 = + + + + + = 24,42
48,6 19,15 32,25 48,6 19,15 32,25
Valoarea obţinută prin calcul se raportează la valorile χ2 cuprinse într-
un tabel special (vezi Anexa 1.2.). Acest tabel indică probabilitatea
corespunzătoare diverselor valori ale lui χ2 sub ipoteza nulă, ţinând seama
de numărul gradelor de libertate, care depinde de numărul de clase
(categorii) stabilite. În exemplul stabilit este vorba de şase căsuţe. Numărul
gradelor de libertate se stabileşte după formula (r - 1)(c - 1), în care r este

77
numărul de rânduri (linii) din tabel, iar c este numărul de coloane. În tabelul
nostru avem două rânduri şi trei coloane, deci r =2 şi c = 3. Numărul gradelor
de libertate (notat cu n sau v) va fi: (2 - 1)(3 - 1) = 1 x 2 = 2.
Citim în tabel valorile χ2 care corespund diverselor probabilităţi. Dacă
valoarea obţinută prin calcul este mai mică decât cea indicată în tabel pentru
probabilitatea 0,05, atunci nu putem respunge ipoteza nulă şi considerăm
datele noastre semnificative. Dacă valoarea calculată este superioară celei
indicate pentru probabilitatea de 0,01, atunci vom considera diferenţele
puternic semnificative. (α = 0,01)
În tabelul nostru χ2 = 24,42, iar n = 2.
Căutăm valoarea tabelată pentru p = 0,05 şi găsim 5,99. Valoarea
calculată de noi fiind mai mare decât 5,99, vom respinge ipoteza nulă şi vom
considera diferenţele în experienţă ca fiind semnificative. La pragul de p = 0,01,
în tabel se indică 9,21.Or, valoarea găsită de noi este mai mare. Vom spune
că diferenţele sunt semnificative la pragul p < 0,01.
În cazul tabelului cu 4 căsuţe, cum este în exemplul dat la început,
valoarea χ2 se poate determina numai pe baza frecvenţelor observate (f0), şi
anume:
(ad − bc) 2 T
χ2 =
(a + b)(c + d )(a + c )(b + d )
În această formulă a, b, c, d, sunt frecvenţele observate , T este totalul
general, iar numitorul este produsul de la cele patru totaluri marginale.
În exemplul citat vom avea:

χ =
2 [ (25 ×112) − ( 23 ×183)]
2
× 343 = 1,71(nesemnificativ )
48 × 295 × 208 × 135
Criteriul χ2 se poate generaliza la tabele comportând un număr mai
mare de căsuţe, rămânând valabile aceleaşi procedee de lucru.
În general, criteriul χ2 se utilizează când se pune problema să se
compare distribuţii de frecvenţe constatate cu distribuţii "teoretice", la care
ne aşteptăm în baza unei ipoteze.
Se determină astfel dacă abaterea ce se constată prin calcul este
cuprinsă în limitele fluctuaţiilor întâmplătoare sau, dimpotrivă, le depăşeşte.
Pentru a utiliza formulele studiate se cere ca eşantioanele să fie destul
de mari, iar frecvenţele înscrise în căsuţele tabelului să nu fie prea mici (este
mai bine să nu fie mai mici decât 10).
 Capitolul 5

STUDIUL CORELAŢIEI

5.1. NOŢIUNEA DE CORELAŢIE

În capitolele precedente s-a lucrat cu distribuţii având o singură

variabilă. În cele ce urmează ne referim la distribuţii bivariate. În legătură cu
acestea, apare problema studierii relaţiilor, a modului de asociere între procese şi
atribute psihice. De pildă, sunt urmărite paralel notele obţinute de elevi la
matematică şi la fizică şi se constată că acestea prezintă de regulă valori
apropiate la aceiaşi elevi. Pe această bază se fac ipoteze cu privire la relaţia
dintre aptitudinile la matematici şi la fizică. Sau se aplică o serie de probe
experimentale la aceeaşi grupă de subiecţi şi se pune întrebarea dacă există
vreo relaţie sau legătură între rezultatele obţinute. Analiza acestor legături
nu poate rămâne, desigur, la impresia generală. Se pune problema de a
evalua gradul de legătură dintre aceste variabile (rezultate), de a-l exprima
numeric. În acest scop se utilizează coeficienţi de corelaţie, pe care-i notăm
cu r.
În studierea relaţiei dintre anumite înşuşiri plecăm de la variaţia

79
simultană sau covarianţa datelor şi căutăm să desprindem legătura sau modul
lor de asociere pe baza unei analize aprofundate. Corelaţia exprimă deci
covarianţa a două sau mai multe variabile. Spre deosebire de experiment,
care dezvăluie relaţii cauză-efect, studiul de corelaţie nu ne oferă nemijlocit
o măsură a cauzalităţii, ci, pur şi simplu, una a modului de asociere,
covarianţa unor însuşiri, urmând să se dezvăluie prin aprofundare natura
relaţiei. În timp ce într-un studiu experimental relaţia este unidirecţională (x
determină y), într-un studiu de corelaţie variabilele sunt date, nu manipulate,
iar relaţia nu este vectorizată. Variaţia simultană sau covarianţa notelor la
matematici şi la fizică duc la ideea unei aptitudini comune, în timp ce
covariaţia rezultatelor la învăţătură şi în activităţile aplicative la aceiaşi elevi
ne face să ne gândim la însuşiri de caracter, cum ar fi sârguinţa, disciplina,
conştiinciozitatea, care s-ar afla în spatele acestui paralelism.
Determinarea corelaţiei se face luând în considerare de fiecare dată
câte două variabile. Spre exemplu, dacă avem trei variabile x, y şi z, vom calcula
succesiv rxy, rxz, şi ryz.. Rezultatele pot fi exprimate în date cantitative – pe care le
putem numi "note" – ori sub formă de ranguri sau poziţii într-o clasificare.
Protocolul brut sau tabelul de corespondenţă de la care plecăm
cuprinde indivizii (subiecţii) pe linii şi însuşirile sau variabilele pe coloane. În
fişierul de date trebuie să avem bine reperaţi subiecţii, pentru că se iau în
calcule perechi de valori ale aceloraşi subiecţi.

Exemplu:
Vrem să studiem dacă există vreo legătură între CI al copiilor şi al
părinţilor. Pentru aceasta considerăm un lot de 10 copii, determinăm
coeficientul lor de inteligenţă (CI) cu un test acreditat şi, paralel, CI al
mamelor (Tab. 5.1.):

Tabelul 5.1.
C.I. – copii (x) C.I. – mame (y)
S1 97 90
S2 104 96
S3 86 111
S4 120 150
S5 101 98
S6 115 110
S7 112 110
S8 136 124
 X X X
X
X X
S9 X90
X X 82
X X
S10 X99X X 107

Pentru a avea o idee sumară asupra legăturii dintre cele 2 variabile (CI-
copil,
CI-mame) am putea reprezenta fiecare subiect prin câte un punct în plan în cadrul unui
sistem de coordonate. În diagrama de corelaţie (Fig. 5.1.) avem 10 puncte
corespunzător celor 10 subiecţi. Coordonatele fiecărui punct sunt valorile-
perechi corespunzătoare, notate x şi y. Norul de puncte rezultat are tendinţa
de a se orienta – cu mici excepţii – de-a lungul unei drepte. Se spune că avem
de-a face cu o relaţie liniară, că cele două variabile au tendinţa de a se
modifica paralel, în acelaşi sens.

*
*
*

Fig. 5.1. Diagramă de corelaţie

Aşadar, având o distribuţie de două variabile, în legătură cu care ne

punem problema legăturii sau relaţiei dintre aceste variabile, începem prin a
întocmi diagrama de corelaţie şi de a aproxima pe baza acesteia aspectul
norului de puncte rezultat. Dacă putem ajusta norul de puncte printr-o
dreaptă, vorbim de o relaţie liniară. În particular, acesta este tipul de relaţie
mai frecvent postulat. Coeficientul de corelaţie poate lua valori între -1 şi +1
trecând prin zero. Când norul de puncte este orientat ca în figura 5.1. vorbim
de o corelaţie directă, pozitivă (r > 0), când norul de puncte este orientat
invers (ca în figura 5.2.) vorbim de o corelaţie negativă, inversă iar când
aspectul norului de puncte nu sugerează nici o formă (se orientează fără nici
o ordine) vorbim de corelaţie nulă, eventual de intedependenţă (Fig. 5.3.).
Inspecţia vizuală a norului de puncte ne spune ceva despre forma relaţiei:
rectiliniară, curbiliniară, neliniară etc.
Coeficienţii r mai des utilizaţi se întemeiază pe modelul relaţiei liniare.
Se cunosc două categorii de indici de corelaţie: coeficienţii de corelaţie
parametrici şi coeficienţii de corelaţie neparametrici.

81
X
X
X X

X X
X yX y
X
X
X
X
X
X

Fig.5.2 x Fig. 5.3. x

5.2. COEFICIENŢII DE CORELAŢIE PARAMETRICI

5.2.1. Coeficientul de corelaţie

Expresia tipică a coeficientului de corelaţie este cea dată de Bravais -

Pearson:
Σ( x − m )( y − m1 )
r= 2
Σ( x − m ) Σ( y − m1 )
2
,
în care x şi y sunt rezultatele obţinute în cele două probe sau înregistrări, iar m
şi m1 reprezintă mediile celor două distribuţii. Cantitatea de la numărător
Σ( x − m )( y − m1 ) se numeşte suma produselor. La numitor avem sume ale
pătratelor abaterilor, care ne sunt cunoscute de la calcularea dispersiei.
Să precizăm că având o distribuţie normală teoretică de 2 variabile x şi
y, aceasta este caracterizată prin valorile a 5 parametri: mediile şi varianţele
distribuţiilor marginale şi coeficientul de corelaţie r. Coeficientul de corelaţie
Bravais - Pearson este cea mai bună estimare a parametrului r.
Alături de formula de definiţie se propun formule de calcul care au
inspirat deja programe informatice. Posesorul unui calculator, respectiv al
unor programe de prelucrare statistică datelor poate recurge la serviciile
ordinatorului care-l dispensează de operaţii laborioase de rutină.
Când asistenţa tehnică lipseşte este indicat să stăpânim tehnica de
calcul. Acelaşi lucru este necesar când dispunem doar de un calculator uzual
cu cele 4 operaţii aritmetice, la care se asigură ridicarea la pătrat,
extragerea rădăcinii pătrate etc. În orice caz trebuie cunoscută varietatea
situaţiilor întâlnite în practica investigaţiilor psihologice pentru a decide ce
coeficient urmează să fie determinat în funcţie de natura datelor, de forma
distribuţiei etc; de asemenea, trebuie bine stăpânit modul de interpretare.

Pentru sumele de pătrate care figurează la numitor sunt cunoscute

formulele de calcul:
 T2
Σ ( x − m ) = Σx 2 −
2

N ;
TT
Σ( y − m1 ) = Σy 2 − 1
2

N
Pentru suma produselor care figurează la numărător se stabileşte de
asemenea, o formulă de calcul:
TT
Σ( x − m )( y − m1 ) = Σxy − 1
N
Formula de calcul pentru coeficientul de corelaţie devine:
TT
Σxy − 1
r= N
 2 T  2 T12 
2
 Σx −  Σy − 
 N  N 
După cum rezultă din această formulă, pentru determinarea valorii r
trebuie să avem: x, y, x2, y2, şi xy. În consecinţă se va întocmi un tabel având
coloanele arătate.

Exemplu:
S-au înregistrat în paralel notele obţinute la matematici şi la fizică de
către elevii unei clase din învăţământul special cu un efectiv de 14 copii.
Pentru determinarea corelaţiei dintre cele două serii de note se
întocmeşte tabelul de calcul ( Tab.5. 2.)

Tabelul 5.2.
Subiecţ Nota la Nota la x2 y2 xy
i matemati fizică y
că x
A.G. 7 7 49 49 49
B.I. 9 8 81 64 72
C.D. 10 9 100 81 90
C.V. 6 7 36 49 42
D.A. 9 10 81 100 90
E.V. 8 7 64 49 56
F.I. 5 6 25 36 30
I.G. 3 4 9 16 12
I.M. 7 6 49 36 42
L.V. 8 7 64 49 56

83
 M.I. 6 7 36 49 42
N.P. 7 7 49 49 49
O.G. 6 6 36 36 36
R.T. 5 6 25 36 30

N = 14 T = 96 T1 = 97 Σx2= 704 Σy2= 699 Σxy=696

Facem înlocuirile necesare în formulă (după datele din tabel):

96 × 97
696 −
r= 14
 96 
2
97 2 
 704 −  699 − 
 14  14 
.
Pentru ridicarea la pătrat a diferitelor numere şi pentru extragerea
rădăcinii pătrate ne vom servi de tabele matematice uzuale.
Efectuând calculele necesare, vom avea:
9312
696 −
r= 14 =
 9216  9409 
 704 −  699 − 
 14  14 
696 − 665,1
r= =
( 704 − 658,3)( 699 − 672)
30,9 30,9
r= = = 0,88.
1233,9 35,1
Coeficientul de corelaţie găsit este destul de mare, ceea ce, în
exemplul ales, este un fapt cu totul firesc.
Valorile lui r pot fi situate între -1 şi+1, trecând prin zero care indică
absenţa corelaţiei. Dacă r este pozitiv, atunci vorbim de o corelaţie directă,
pozitivă. În cazul acesta, dacă una din variabile x creşte, atunci şi cealaltă
variabilă y va avea tendinţa de a creşte în medie, ca în exemplul de mai sus.
Când coeficientul de corelaţie este nul, se spune doar că variabilele x
şi y ale distribuţiei sunt necorelate, eventual independente.
Dacă r este negativ, atunci y va avea tendinţa de a varia în medie în
sens invers lui x. În acest caz corelaţia este negativă, inversă.
Dacă r = +1, atunci este vorba de o legătură funcţională liniară în
sensul obişnuit al cuvântului, y fiind exact determinat prin valoarea lui x.
Indicele de corelaţie în versiunea prezentată se utilizează când avem
de-a face cu două variabile continue, având registrul de variaţie suficient de
nuanţat (diferenţiat).

5.2.2. Coeficientul de corelaţie biserial şi triserial

Se pot ivi situaţii în care este vorba de o variabilă continuă pusă în

paralel cu o variabilă discontinuă, în particular dihotomică. În cazul acesta se
utilizează un coeficient de corelaţie biserial (rbis), care cere ca N să fie mai mare
ca 50.
De pildă, în situaţiile referitoare la validitatea unui test se întâlnesc
adesea situaţii în care variabila-criteriu se prezintă numai sub două variante
sau valori: admis/respins, bun/slab etc, în timp ce variabila-test este
continuă. Situaţii analoage se pot ivi şi în alte domenii.

Exemplu:
Înaintea unui examen de admitere la un curs de instruire profesională
candidaţii au fost supuşi unei testări psihologice. Cotele, obţinute la aceste
probe, merg de la 0 la 10. Pe de altă parte, la încheierea examenului de
admitere rezultatele finale apar în formă dihotomică: o parte din candidaţi au
fost declaraţi admişi iar ceilalţi respinşi.

Notăm cotele la test cu x iar variabila-criteriu cu y. Se observă că variabila-test ia

valori între 0 şi 10 în timp ce variabila-criteriu este dihotomizată:
admis/respins. Datele obţinute sunt sintetizate în tabelul 5.3. (după J.M.
Faverge). De notat că reuşita, respectiv eşecul nu permit o nuanţare sau
gradare mai fină.
Tabelul 5.3.
Cote 0 1 2 3 4 5 6 7 8 9 10 Total
la test

Rezultate
la examen
Admişi 0 1 0 3 5 10 16 11 6 3 1 59
Respinşi 1 2 4 7 13 12 9 4 2 - - 54

Total 1 3 4 10 18 22 25 18 8 3 1 113

Se poate stabili proporţia celor admişi în urma examenului:

59
p= = 0,52.
113

De asemenea, proporţia celor respinşi:

85
 54
q= = 0,48.
113
Se observă imediat cum q = 1 – p.
Din acelaşi tabel se poate urmări ce rezultate au obţinut în cadrul
testării psihologice canditaţii declaraţi admişi, se face o medie a acestora
rezultate, notată cu mp. De asemenea, se poate face acelaşi lucru pentru
categoria celor respinşi, notând media la test cu mq.
Formula de calcul este următoarea:
mp −mq pq
rbis = ×
σ y
În genere se notează cu mp media valorilor x pentru elementele clasei superioare (y
> y0) şi cu mq media valorilor x pentru elementele clasei inferioare (y < y0), y0 fiind punctul
de tăietură al variabilei. În formulă, y este ordonata corespunzătoare
punctului de separaţie (unii autori o notează cu z). Se menţionează în plus că
σ este abaterea standard a rezultatelor (cotelor) obţinute în cadrul testării
pq
psihologice a întregului lot de candidaţi. De asemenea raportul y se citeşte
dintr-un tabel special, luând ca reper fie p, fie q, pentru calcularea rbis şi rtris.
În exemplu dat:
359
mp = = 6,08;
media celor admişi: 59
241
mq = = 4,46;
media celor respinşi : 54
abaterea standard pe ansamblu:
σ = 1,88
pq
Valoarea y = 0,6264 ( la q = 0,48).
Înlocuind în formulă vom avea:
6,08 − 4,46
rbis = × 0,63 = 0,86 × 0,63 = 0,54
1,88

Când într-un studiu variabila y ne apare sub forma unei clasificări trihotomice -
de exemplu, buni, mijlocii şi slabi - în timp ce datele testării psihologice (x) se
prezintă într-o formă mai nuanţată- ca în exemplul precedent - atunci se
utilizează pentru calculul corelaţiei o formulă propusă de C. Burt:
m' −m" 1
rtris = ×'
σ y + y"
p ' p" ,
în care, m' şi m" reprezintă mediile la test (x) pentru cei buni şi cei slabi: p' şi p"
proporţia de "buni", respectivi de "slabi"
(p' + p" < 1);
y' şi y" sunt ordonatele curbei normale reduse potrivit împărţirii în 3 categorii;
σ abaterea standard a distribuţiei complete a datelor la test (x).
y
Valorile rapoartelor p sunt date într-un tabel special pentru calculul
coeficientului de corelaţie triserial luând ca reper p sau q. Figura 5.4.
ilustrează sensul notaţiilor utilizate. Se observă că grupul celor mijlocii nu
intră în calcule.

Fig. 5.4.

5.3. COEFICIENŢI DE CORELAŢIE

NEPARAMETRICI

Indicii de corelaţie examinaţi presupun ca o condiţie normalitatea

distribuţiei în colectivitatea din care s-a extras eşantionul. O asemenea
cerinţă nu poate fi satisfăcută totdeauna. De aici, necesitatea unor indici de
corelaţie neparametrici.

5.3.1. Coeficientul de corelaţie φ

Se întâmplă uneori ca două distribuţii să fie dihotomice, nu datorită

unei regrupări (efectuate pentru simplificarea calcului), ci prin însăşi natura
variabilei, adică prin operaţiile de măsurare care o definesc.
În acest caz, coeficientul de corelaţie se notează cu φ şi necesită o
anumită aşezare caracteristică a datelor. Variabilele se pot nota cu -, + sau
0,1 (având semnificaţia de absenţă sau prezenţă a caracteristicii respective).
Pe diagonală, conţinutul este de acelaşi sens (+ +,- -) sau (00,11).
Deci, căsuţele de pe diagonală sunt izotrope. Vom avea atunci, un tabel cu
patru căsuţe ( Tab. 5.4.).
Totalul liniei respective notat cu litera (a) şi totalul coloanei notat cu litera (b).
Îl vom calcula pe φ după formula:

87
 Iniţiativă
0 1
30 50
Rapiditate 1 (c)

0 55 9 = c − ab
ϕ
a (1 − a)b(1 − b)
sau
χ2
ϕ=
N

Tabelul 5.4.
y 0 1

1 01 11
(c) (a)

0 00 10

0 1
(b)

Pentru calcularea lui φ ne interesează căsuţa (11) notatăcu litera (c);

De notat că se lucrează cu frecvenţe relative sau proporţii.

Exemplu (după Faverge):

Să presupunem că dorim să stabilim relaţia dintre iniţiativă şi
rapiditatea adaptării la situaţie. Vom nota pentru variabila rapiditate cu 1
prezenţa rapidităţii şi cu 0 absenţa ei; iar pentru variabila iniţiativă vom nota
cu 1 subiecţii cu iniţiativă şi cu 0 pe cei fără iniţiativă. Pe un lot de 144 de
subiecţi (asupra cărora s-a făcut cercetarea) vom avea următoarea aşezare a
datelor (Tab. 5.5.)
Tabelul 5.5.

80
a=
144

59
b=
T=144 144
Ne interesează semnificaţia proporţiei sau a procentului. Vom lucra cu
frecvenţa relativă.
 Avem:
80 59 50
a= =0,55; b = = 0,40; c = =
0,34.
144 144 144
Înlocuind în formula lui φ vom avea:
ϕ =
0,55(
0,34 −
1−
0,55 ×
0,55)(×
0,40
0,40 1 −0,40)
Efectuând calculele obţinem:φ = 0,5.
Interpretarea lui φ se face ca şi cea a lui r, deoarece φ este în esenţă o
variantăa lui r.

5.3.2. Coeficientul de corelaţie a rangurilor (ρ)

Corelaţia rangurilor (Spearman) ne interesează atunci când volumul

eşantionului este destul de mic (mai mic decât 30) sau când datele le avem
sub formă de clasificări prin rang ale subiecţilor. De pildă, într-o experienţă
nu putem da o apreciere numerică rezultatelor obţinute de diferiţi subiecţi,
dar putem stabili care este primul, al doilea, al treilea etc, adică putem face
o clasificare prin rang. De pildă, dacă cerem unui profesor să-şi evalueze mai
întâi elevii prin note, apoi prin ranguri (care este primul, al doilea ... ),
reluând operaţia de mai multe ori vom constata că notele diferă în anumite
limite de la o evaluare la alta, în timp ce rangurile atribuite în ierarhizări
succesive sunt mult mai statornice.
Când efectivul grupei (N) este mai mic decât 30, înlocuim notele prin
ranguri, aşezând subiecţii în ordinea rezultatelor. Dacă doi subiecţi au
aceeaşi notă, se atribuie fiecăruia un rang intermediar (de exemplu, dacă doi
elevi se situează după notă pe locul 2, li se atribuie rangul 2,5, intermediar
între 2 şi 3). Trebuie să existe puţine cazuri de acest gen pentru a fi valabilă
operaţia de calcul.
Când rezultatele sunt exprimate nu prin note ci prin ranguri, atunci ne
bazăm pe clasificărule întocmite sub cele două aspecte. Fiecare subiect are
două ranguri, unul pentru fiecare aspect sau probă din cele considerate.
Diferenţele între rangurile obţinute în cele două clasificări ne pot furniza o
indicaţie asupra corelaţiei (legăturii) dintre cele două aspecte (variabile).
Calculele au loc asupra diferenţei între cele două ranguri, mai precis asupra
pătratului acestor diferenţe. Formula ce se aplică pentru determinarea
coeficientului respectiv - notat cu ρ (ro) - este următoarea:
6Σd 2
ρ = 1−
( )
N N 2 −1

unde s-a notat cu d diferenţa de rang.

Cu cât diferenţele sunt mai mari (în valoare absolută), cu atât este
vorba de o discordanţă mai mare între rezultatele obţinute sub cele două
aspecte, iar ipoteza unei legături între cele două variabile este mai puţin
plauzibilă.

89
 Pentru determinarea coeficientului de corelaţie ρ se întocmeşte un tabel cu 5
coloane (Tab. 5.6.)

Tabelul 5.6.
Clasificarea după
Subiecţi d d2

frecv. calitate
control (y)
(x)
A. L. 1 4 -3 9
U. C. 2 2 0 0
M. G. 3 10 -7 49
B. D. 4 5 -1 1
C. I. 5,5 1 4,5 20,25
P. L. 5,5 3 2,5 6,25
M. I. 7 8,5 -1,5 2,25
F. M. 8 8,5 -0,5 0,25
O. I. 9 7 2 4
R. V. 10 6 4 16
N = 10 Σd2 = 108,00

În prima coloană se enumeră subiecţii, eventual în ordinea indicată de

prima clasificare; în coloana a doua şi a treia se trec rangurile obţinute de
fiecare subiect în cele două clasificări; în coloana a patra se notează
diferenţele, iar în coloana a cincea se calculează pătratele acestor diferenţe.

Exemplu (după I. Radu):

S-a urmărit, în cadrul activităţilor practice, în ce măsură frecvenţa
ridicată a operaţiilor de control se răsfrânge pozitiv asupra calităţii
produsului finit. În acest scop s-a întocmit o clasificare a elevilor după
frecvenţa controlului produsului obţinut. Rezultatele sunt cuprinse în tabelul
5.6.
După cum ne indică formula de calcul, însumarea se face numai pentru
coloana d2. În cazul dat Σd2 = 108.
În continuare se fac înlocuirile necesare.
Se înmulţeşte mai întâi Σd2 cu 6 iar produsul obţinut se împarte la N(N2 -
1), unde N reprezintă numărul subiecţilor. Când lucrăm cu tabele matematice
este mai uşor să calculăm N3 - N, care nu este altceva decât N(N2 - 1).
În exemplul dat efectuăm:
6Σ d2 6× 108 648
1− =1− =
1− =1− 0,64 =0,36.
N −
3
N 10 −
3
10 990
Coeficientul de corelaţie obţinut este 0,36, fapt explicabil prin
discordanţa destul de mare a rangurilor în cele două clasificări. Ipoteza
produsului nu a fost confirmată. De fapt, grupul de studiu este mic, astfel
încât problema comportă investigaţii suplimentare.
Ca şi r, coeficientul de corelaţie ρ poate avea valori între -1 şi +1. Valorile
foarte mici ale lui ρ, apropiate de zero, nu sugerează ipoteze determinate. În
anumite cazuri este indicată mărirea efectivului grupei (N) pentru a obţine
corelaţii semnificative. Există tabele de echivalare între ρ şi r, care permit
interpretarea corectă a valorilor r (Tab. 5.7.).
De notat: valorile r şi ρ aparţin variabilelor ordinale. Nu se calculează deci
media lor, ci se ia mediana dintr-o colecţie de valori r referitoare la aceeaşi
temă.

Tabelul 5.7
Ρ r

0,00 0,000
0,10 0,105
0,20 0,209
0,30 0,313
0,40 0,416
0,50 0,518
0,60 0,618
0,70 0,717
0,80 0,813
0,90 0,908
0,95 0,954
1,00 1,000

91
 5.4. INTERPRETAREA UNUI COEFICIENT DE CORELAŢIE

(
În practică se stabilesc coeficienţi de corelaţie r , ρ ..... plecând de la)
datele unor eşantioane. Se pune întrebarea, în ce măsură coeficienţii stabiliţi
în acest fel se apropie de coeficientul de corelaţie r sau ρ ce caracterizează
colectivitatea generală din care s-a extras eşantionul sau grupul dat?
Stabilirea unui interval de siguranţă nu prezintă aici nici un interes
deosebit şi se utilizează un alt procedeu.
Întrebarea care se pune este următoarea: un coeficient de corelaţie
găsit în mod experimental permite oare să enunţăm existenţa unei corelaţii
reale sau nu? Alternativa este ipoteza nulă: r = 0. În acest scop, se introduce
coeficientul de corelaţie critic, care reprezintă valoarea minimă ce trebuie să
o ia un coeficient de corelaţie experimental pentru a fi socotit semnificativ.
S-a întocmit în acest sens un tabel special (Anexa) care stabileşte
coeficienţii de corelaţie critici pentru diferitele praguri de semnificaţie şi
pentru diferite valori ale lui n = N - 2. Întrucât coeficienţii de corelaţie pot fi
negativi, tabelul dă valorile absolute ale coeficientului critic.
Să luăm ca exemplu coeficienţii de corelaţie: r = 0,88, r = 0,71 şi r = 0,21 .
În primul caz, efectivul grupului (N) a fost 14, în al doilea 51, iar în al treilea caz 12.
Se pune întrebarea dacă aceşti coeficienţi indică o corelaţie reală sau
nu; cu alte cuvinte, dacă pot fi consideraţi semnificativi sau nu? Ipoteza
alternativă este r = 0 sau ρ = 0.
Pentru a vedea acest lucru, citim în tabelul valorilor semnificative pentru│r│. Prima
coloană cuprinde diferite valori ale lui n = N-2. Celelalte coloane indică
coeficienţii de corelaţie minimi la diferite praguri de semnificaţie (p = 0,10, p =
0,05, p = 0,01) corespunzător valorilor lui n.
În primul exemplu N = 14, deci n = N – 2 = 14 – 2 = 12. Citim în tabel, în dreptul lui n =
12 valorile semnificative a lui│r│ şi ne oprim la cifra cea mai apropiată de
coeficientul găsit de noi (0,88). Pentru a urmări mai bine operaţia, facem un
extras din Anexa (Tab 5.7. ).
Tabelul 5.7.
n p = 0,10 p = 0,05 p = 0,02 p = 0,01

12 0,46 0,53 0,61 0,66

Observăm că la pragul de semnificaţie cel mai riguros p = 0,01 se

indică drept coeficient de corelaţie critic 0,66. Or, coeficientul găsit de noi
este mult mai mare, ceea ce înseamnă că este “puternic semnificativ”.

Probleme

1.Rezultatele unei lucrări de control prin care s-a încheiat o experienţă

au fost exprimate în note. Datele obţinute au fost următoarele: 5, 7, 10, 4, 7,
7, 3, 9, 8, 6, 7, 8, 7, 4, 9, 10, 7, 5, 7, 6, 9, 6, 8, 6, 9, 8, 3, 7, 8, 5, 7, 6, 8, 7, 6,
8, 7, 6. (N = 38).
a. Să se efectueze ordonarea şi gruparea datelor.
b. Şă se întocmească histograma şi poligonul frecvenţelor.

2. Se dă distribuţia de mai jos, în care datele sunt prezentate în ordinea

crescătoare a valorilor (după J. Faverge).
a. Să se efectueze gruparea datelor în 12 clase.
b. Să se construiască histograma şi poligomul frecvenţelor.

x 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
f 1 2 0 4 1 1 4 3 1 2 3 2 3 4 2

x 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39
f 5 6 1 4 4 5 5 5 3 3 3 5 2 4 1

x 40 41 42 43 44 45 46 47 48 50 51 52 53 55 56
f 2 3 1 3 1 0 2 2 1 2 1 1 1 1 1
x 59 61 63 64 66 71 74 76 78 85 90 98
f 1 1 1 1 1 1 1 2 1 1 1 1

3. Într-o experienţă şcolară s-au înregistrat răspunsurile corecte

obţinute de elevi într-o anumită probă.

93
 S-a obţinut următoarea distribuţie finală a datelor:

Răspunsuri corecte (x) f

9 3
8 7
7 11
6 8
5 4
4 2
3 1
Să se determine media şi abaterea standard a datelor.

4.Fie distribuţia următoare:

x f
6– 9 1
10 – 13 0
14 – 17 6
18 – 21 8
22 – 25 10
26 – 29 12
30 – 33 14
34 – 37 9
42 – 45 7
46 – 49 8
50 – 53 2
Să se calculeze media şi dispersia datelor.

5. La încheierea unei experienţe s-a dat aceeaşi probă de control la

două clase paralele A şi B. Clasa A a fost clasă de experinţă. Rezultatele sunt
consemnate în tabelul de mai jos.
Răspunsuri corecte Clasa A (f)
Clasa B (f)

14 2 3

13 4 6

12 7 10

11 10 8

10 8 5

9 5 3

8 2 2
 7 - 1

Ce concluzii se pot formula asupra factorului cuprins în experienţă din

analiza rezultatelor obţinute în post-test? Ce probă de semnificaţie se aplică
în acest caz, ţinând seama de efectivele celor două clase?

6. Înaintea unei experienţe şcolare, rezultatele la învăţătură la o grupă

de elevi sunt date în prima coloană din tabel. După experienţă rezultatele
aceloraşi elevi sunt cele consemnate în coloana a doua, pentru fiecare elev
în parte.

Elevi Note

A 4 5

B 8 7

C 7 9

D 10 10

E 5 4

F 8 6

G 7 5

H 7 8

K 6 8

L 5 7

M 9 10

N 8 9

Să se stabilească dacă factorul cuprins în experienţă aduce o

îmbunătăţire semnificativă a situţiei şcolare sau nu?

7. Pentru a studia dinamica relaţiei dintre aspiraţie şi performanţă s-a

organizat – la copii şi adolescenţi şi adolescenţi – o experienţă care imi ta
jocul de baschet. Subiecţii sunt invitaţi să arunce mingea la coş de la
distanţe variabile, începând cu punctul 0 situat imediat sub coş şi terminând
cu distanţa de 700 cm. Odată cu creşterea dificultăţii, proba dădea loc la
manifestări comportamentale spontane foarte variate: faţă de succes /
insucces, faţă de uşurinţă / dificultatea sarcinii etc.
Faceţi decantarea situaţiei, desprindeţi factorii implicaţi, întocmiţi
planul experimental şi elaboraţi o grila de observaţie vizând determinarea

95
temperamentului.

8. Într-un studiu realizat de Humphreys şi Smith s-a urmărit

comportamentul prosocial la şcolarii mici (7 – 9 ani). Într-o primă etapă s-a
construit o grilă de observaţie privind categoriile de joc social la această
vârstă: jocul de rol (c1), jocul de acţiune (c2) şi jocul cu reguli (c3).

Grila a fost verificată de către 2 observatori independenţi:

Sub. O1 O2
C1 C2 C3 C1 C2 C3
1 X X
2 X X
3 X X
4 X X
5 X X
6 X X
7 X X
8 X X
9 X X
10 X X

Verificaţi fidelitatea grilei de observaţie.

9. Într-un experiment psihologic s-a aplicat proba Benton la trei grupe

de subiecţi:
Grupa A: elevi în clasa a V-a la şcoala ajutătoare;
Grupa B: elevi în clasa a II-a la şcoala de masă;
Grupa C: elevi în clasa a V-a la şcoala de masă.
Scopul experimentului a fost de a evidenţia diferenţele structurii
reprezentărilor imagistice la cele 3 grupe.
Rezultatele brute sunt prezentate în tabelul de mai jos ( efectivul
fiecărui eşantion a fost de N = 10). Distribuţia datelor se considera a fi
normală la nivelul populaţiei.
 Grupa A Grupa B Grupa C
4 3 10
6 9 5
1 10 6
5 2 10
3 7 9
2 5 8
3 6 7
1 4 9
2 8 8
3 6 8

1. Verificaţi semnificaţia diferenţelor dintre performanţele celor trei grupe

experimentale.
2. Comentaţi relaţia dintre grupa A şi grupa C.

10. Pe un lot de 40 de subiecţi s-a aplicat un chestionar de creativitate

Torrance. Rezultatele obţinute sunt consemnate mai jos. La itemul 34 figura
întrebarea: vă atrage noutatea ca pretext de aventură? Răspunsul era da (1)
şi nu (0)
Întrebarea: Există o relaţie între rezultatele la itemul 34 şi cele obţinute
pe ansamblul chestionarului?
Indice global Cota item 34 Indice global Cota item 34
6 0 8 0
8 1 9 1
9 1 4 1
7 1 6 0
6 1 9 1
1 0 8 1
4 1 4 1

97
10 1 4 0
3 1 6 1
5 0 7 1
9 1 8 1
4 0 6 1
5 1 6 1
6 1 4 0
7 1 5 1
8 1 8 1
4 0 8 1
7 1 6 1
7 1 8 1
4 1 6 1

ANEXA 1.1.

Distribuţia t

P 0.10 0.05 0.02 0.01

n
1 6.34 12.71 31.82 63.66

2 2.92 4.30 6.96 9.92

3 2.35 3.18 4.54 5.84

4 2.13 2.78 3.75 4.60

5 2.02 2.57 3.36 4.03

6 1.94 2.45 3.14 3.71

7 1.90 2.36 3.00 3.50

8 1.86 2.31 2.90 3.36

9 1.83 2.26 2.82 3.25

10 1.81 2.23 2.76 3.17

11 1.80 2.20 2.72 3.11

12 1.78 2.18 2.68 3.06

13 1.77 2.16 2.65 3.01

14 1.76 2.14 2.62 2.98

15 1.75 2.13 2.60 2.95

16 1.75 2.12 2.58 2.92

17 1.74 2.11 2.57 2.90

18 1.73 2.10 2.55 2.88

19 1.73 2.09 2.54 2.86

20 1.72 2.09 2.53 2.84

21 1.72 2.08 2.52 2.83

22 1.72 2.07 2.51 2.82

23 1.71 2.07 2.50 2.81

24 1.71 2.06 2.49 2.80

25 1.71 2.06 2.48 2.79

26 1.71 2.06 2.48 2.78

27 1.70 2.05 2.47 2.77

28 1.70 2.05 2.47 2.76

29 1.70 2.04 2.46 2.76

30 1.70 2.04 2.46 2.75

35 1.69 2.03 2.44 2.72

40 1.68 2.02 2.42 2.71

45 1.68 2.02 2.41 2.69

50 1.68 2.01 2.40 2.68

60 1.67 2.00 2.39 2.66

∞ 1.64 1.96 2.33 2.58

99
 ANEXA 1.2.

Distribuţia χ
2

n P=0.10 P=0.05 P=0.01

1 2.71 3.84 6.64

2 4.60 5.99 9.21

3 6.25 7.82 11.34

4 7.78 9.49 13.28

5 9.24 11.07 15.09

6 10.64 12.59 16.81

7 12.02 14.07 18.48

8 13.36 15.51 20.09

9 14.68 16.92 21.67

10 15.99 18.31 23.21

11 17.28 19.68 24.72

12 18.55 21.03 26.22

13 19.81 22.36 27.69

14 21.06 23.68 29.14

15 22.31 25.00 30.58

16 23.54 26.30 32.00

17 23.77 27.59 33.41

18 25.99 28.87 34.80

19 27.20 30.14 36.19

20 28.41 31.41 37.57

21 29.62 32.67 38.93

22 30.81 33.92 40.29

23 32.01 35.17 41.64

24 33.20 36.42 42.98

25 34.38 37.65 44.31

 26 35.56 38.88 45.64

27 36.74 40.11 46.96

28 37.92 41.34 48.28

29 39.09 42.56 49.59

30 40.26 43.77 50.89

ANEXA 1.3.

Valorile semnificative pentru r

n P=0.10 P=0.05 P=0.02 P=0.01

3 0.81 0.88 0.93 0.96

4 0.73 0.81 0.88 0.92

5 0.67 0.75 0.83 0.87

6 0.62 0.71 0.79 0.83

7 0.58 0.67 0.75 0.80

8 0.55 0.63 0.72 0.76

9 0.52 0.60 0.69 0.73

10 0.50 0.58 0.66 0.71

11 0.48 0.55 0.63 0.68

12 0.46 0.53 0.61 0.66

13 0.44 0.51 0.59 0.64

14 0.43 0.50 0.57 0.62

101
15 0.41 0.48 0.56 0.61

16 0.40 0.47 0.54 0.59

17 0.39 0.46 0.53 0.58

18 0.38 0.44 0.52 0.56

19 0.37 0.43 0.50 0.55

20 0.36 0.42 0.49 0.54

25 0.32 0.38 0.45 0.49

30 0.30 0.35 0.41 0.45

35 0.27 0.32 0.38 0.42

40 0.26 0.30 0.36 0.39

45 0.24 0.29 0.34 0.37

50 0.23 0.27 0.32 0.35