Sunteți pe pagina 1din 43

STATISTICĂ

CUPRINS:

1. Statistica – instrument de cunoaştere şi conducere în economie


1.1. Obiectul statisticii
1.2. NoŃiuni fundamentale ale statisticii
1.3. Scale de măsurare folosite în statistică
2. Observarea statistică
2.1. Culegerea datelor statistice
2.2. Sistematizarea datelor statistice şi prezentarea lor
2.3. Indicatorii statistici
3. Analiza statistică a seriilor unidimensionale
3.1. Indicatorii tendinŃei centrale
3.1.1. Mărimile Medii
3.1.2. Indicatorii de poziŃie
3.2. Indicatorii variaŃiei
3.3. Analiza variaŃiei într-o serie de repartiŃie bidimensională
3.4. Analiza asimetriei repartiŃiilor empirice

4. Cercetarea prin sondaj


4.1. Sondajul aleator simplu
4.2. Sondajul tipic (stratificat)
5. Analiza statistică a seriilor multidimensionale

5.1. Tipuri de legături dintre fenomenele social-economice


5.2. Metode parametrice de măsurare şi analiză a legăturilor dintre
fenomenele şi procesele economice
5.3. Metode neparametrice de măsurare a intensităŃii legăturilor dintre
fenomene

6. Analiza statistică a seriilor cronologice

6.1. Concepte şi particularităŃi ale seriilor cronologice (SCR)


6.2. Sistemul de indicatori statistici ai seriilor cronologice

6.3. Ajustarea seriilor cronologice


6.4. Previzionarea indicatorilor prin extrapolare

7. Metoda indicilor
STATISTICA TEORETICĂ

Tema 1. Statistica – instrument de cunoaştere


şi conducere în economie
Ca disciplină ştiinŃifică, statistica, în funcŃie de scopul cunoaş-terii, se subdivide în:
Statistica descriptivă vizează descrierea stării şi variabilităŃii colectivităŃii statistice, după una sau mai
multe caracteristici.
Realizarea acestui obiectiv presupune: culegerea datelor statistice; prelucrarea şi prezentarea lor sintetică, fie sub
formă numerică, prin indicatori statistici, fie sub formă grafică, prin diagrame şi tabele statistice.
În funcŃie de numărul caracteristicilor, există:
- Statistică descriptivă unidimensională (pentru o variabilă);
- Statistică descriptivă multidimensională (pentru două sau mai multe variabile).
Statistică inferenŃială vizează estimarea caracteristicilor unei colectivităŃi pornind de la cunoaşterea
unui eşantion şi presupune măsurarea incertitudinii rezultatelor şi calcularea riscurilor pe care le implică
luarea unor decizii fundamentale pe baza unei informaŃii.
Analiza statistică urmăreşte descoperirea a tot ceea ce este permanent, esenŃial, logic în variaŃia
proceselor statistice şi măsurarea influenŃei factorilor care le determină variaŃia în timp, în spaŃiu şi din punct
de vedere calitativ.
Pentru aceasta se folosesc: analiza de regresie, analiza de core-laŃie, analiza seriilor de timp.

1.1. Obiectul statisticii


Obiectul de studiul al statisticii îl reprezintă fenomenele de masă.
Spre deosebire de cele din natură, fenomenele de masă sunt fenomene complexe, atipice, rezultate din
acŃiunea combinată şi repe-tată a unui număr mare de factori de influenŃă.
Conceptul de fenomen de masă, presupune luarea în considerare a raporturilor:
– necesitate şi întâmplare;
– legea statistică şi legea dinamică;
– model statistic şi model determinist.
Legea statistică nu poate fi cunoscută decât dacă se ia în studiu un număr mare de cazuri individuale,
care sunt legate între ele datorită acŃiunii diferite a aceloraşi factori de influenŃă.
Legile statistice se manifestă sub formă de tendinŃă şi sunt vala-bile pentru un ansamblu de unităŃi
individuale.
În esenŃă, rolul statisticii este de-a determina, pe baza datelor empirice, informaŃii cât mai precise asupra
legii statistice de repartiŃie a fenomenelor individuale, a fenomenelor de masă ce ne interesează.
Statistica este ştiinŃa care studiază aspectele cantitative ale determinărilor calitative ale fenomenelor de
masă, fenomene care sunt supuse legilor statistice ce se manifestă în condiŃii concrete, variabile în timp, spaŃiu
şi organizare socio-economică.
Cercetarea statistică trebuie să Ńină seama în mod obiectiv de principiile teoriei probabilităŃilor şi de
cerinŃele legii numerelor mari.
Această lege a statisticii arată că, într-un număr suficient de mare de cazuri individuale, influenŃele
factorilor se pot compensa, astfel încât să ajungă la o anumită valoare tipică pentru întreg ansamblul.

1.2. NoŃiuni fundamentale ale statisticii


Statistica foloseşte, în studiul fenomenelor de masă, un număr mare de concepte şi noŃiuni. Dintre
acestea, unele au caracter general şi formează vocabularul de bază al statisticii.
1. Colectivitatea statistică (populaŃia statistică) desemnează totalitatea elementelor de aceeaşi natură,
ce sunt supuse studiului sta-tistic, au o serie de trăsături esenŃiale comune şi sunt generate de acelaşi complex
de cauze esenŃiale.
ColectivităŃile statistice au un caracter obiectiv şi finit, delimi-tarea lor presupune definirea elementelor
din punctul de vedere al conŃinutului, spaŃiului, timpului şi formei de organizare.
Ele pot fi privite ca:
a) colectivităŃi statice – cele ce exprimă o stare şi au o anumită întindere în spaŃiu, formând un stoc la un
moment dat;
b) colectivităŃi dinamice – cele ce exprimă un flux, o devenire în timp, caracterizarea lor presupunând
înregistrarea elementelor compo-nente pe un interval de timp.
2. UnităŃile colectivităŃii sunt purtătoare de informaŃii, reprezen-tând elementele componente ale
colectivităŃii statistice.
UnităŃile colectivităŃii statice există la un moment dat, iar unită-Ńile colectivităŃii dinamice desemnează
evenimente, procese sau flu-xuri şi se produc în decursul perioadei, sau intervalului de timp în care au loc
evenimentele statistice.
UnităŃile statistice pot fi:
a) unităŃi simple – reprezentând elemente constitutive specifice naturii fenomenului (ex. angajatul,
produsul etc.), care formează aceeaşi colectivitate;
b) unităŃi complexe - sunt formate din mai multe unităŃi simple, organizate în funcŃie de criterii social
economice (ex. familie, echipe de lucru, grupe de studenŃi etc.).
3. Caracteristica statistică desemnează însuşirea, proprietatea, trăsătura comună unităŃilor unei
colectivităŃi statistice, reŃinută în programul statistic pentru a fi înregistrată şi care are valori diferite de la o
unitate la alta (exemple de caracteristici pot fi: vârsta, greutatea, sexul, naŃionalitatea, ocupaŃia, cifra de afaceri
etc.).
Formele concrete de manifestare a caracteristicilor statistice la nivelul fiecărei unităŃi se numesc variante
sau valori.
Caracteristica statistică se mai numeşte variabilă statistică, deoarece are proprietatea de a-şi modifica
valoarea în timp şi spaŃiu, de la o unitate la alta, iar numărul de apariŃii ale unei variante într-o colectivitate se
numeşte pondere, frecvenŃă.
Caracteristicile statistice se pot clasifica:
a) după conŃinut:
- caracteristici de timp: arată apartenenŃa la un moment sau in-terval de timp;
- caracteristici de spaŃiu: exprimă teritoriul căruia îi aparŃin;
- caracteristicile atributive care pot fi caracteristici numerice ce se referă la cantităŃi, note obŃinute,
vârste etc., caracteristici calitative, exprimate în cuvinte cum ar fi: naŃionalitate, studii, meserii etc.
b) după modul de manifestare:
- caracteristici alternative, care presupun numai două valori individuale, complementare (ex. sexul
(F.M), produsul (bun, rebut));
- caracteristici nealternative – se prezintă cu variante numerice sau calitative distincte la nivelul
unităŃilor colectivităŃii.
c) după gradul de esenŃialitate:
- caracteristici esenŃiale – care răspund scopului propus în pro-gramul de observare;
- caracteristici neesenŃiale, care sunt considerate ajutătoare, aduc un plus de informaŃie.
d) după modul de obŃinere şi caracterizare a fenomenului:
- caracteristici primare, obŃinute direct prin înregistrare;
- caracteristici derivate, care rezultă în urma prelucrării celor primare.
e) după natura variaŃiei, caracteristicile numerice:
- caracteristici cu variaŃie continuă, care pot lua orice valoare într-un interval dat. Valorile unei
caracteristici numerice se stabilesc prin măsurare, numărare sau calcul;
- caracteristici cu variaŃie discontinuă sau discretă, care pot lua numai valori întregi.
4. Date statistice. Sunt mărimi concrete obŃinute din experi-mente, observaŃii, numărare, măsurare sau
calcule. Prin date statistice se înŃelege o caracterizare numerică, cantitativă, obŃinută de statistică, despre
unităŃile colectivităŃii observate.
Datele statistice cuprind următoarele elemente:
- noŃiunea – care precizează fenomenul sau procesul la care se referă;
- identificare (de timp, de spaŃiu, organizatorică);
- valoarea numerică (datele statistice pot fi absolute, relative, primare, derivate).
5. InformaŃia statistică reprezintă conŃinutul specific (semnifi-caŃia, mesajul datelor). Pentru
înŃelegerea legităŃilor de manifestare ale fenomenelor economice, informaŃia statistică trebuie structurată în
funcŃie de conŃinutul şi organizarea lor.
Datele statistice cu ajutorul cărora se cercetează un fenomen economic sau social, sub raportul structurii,
interdependenŃelor, al modificării lor în timp sau în spaŃiu, se numesc indicatori statistici.
Conceptul de indicator statistic este strâns legat de conceptul
de model statistic. Acesta exprimă sub forma unei construcŃii logice sau matematice (funcŃie, sistem de ecuaŃii
etc.) trăsăturile, momentele, corelaŃiile esenŃiale din manifestările reale ale fenomenelor şi proceselor.

1.3. Scale de măsurare folosite în statistică


Datele cu care se operează în statistică se deosebesc în funcŃie de scala lor de măsurare, cu ajutorul
căreia se stabilesc valorile observate. Scala se poate reprezenta printr-un şir de numere, valori, simboluri care
se succed progresiv pentru a arăta gradul în care un fenomen posedă o caracteristică sau o proprietate.
Activitatea de formare a scalelor se numeşte scalare. În practica statistică se folosesc patru niveluri de
măsurare, gradate după creşterea nivelului lor de eficienŃă:
Scala nominală se utilizează pentru reprezentarea variabilelor, ale căror variante sunt exprimate în
cuvinte şi codificate prin numere naturale (ex. sexul are două variante (M şi F) ce pot fi codificate
M = 0 şi F=1).
Scala ordinală se foloseşte pentru reprezentarea variabilelor ale căror variante sunt ordonate. Valorile de
pe această scală indică doar poziŃia unităŃii într-un şir ordonat, fără să acorde importanŃă diferenŃei ce există
între poziŃii succesive. RelaŃiile tipice între clase sunt: mai mare (mic); mai dificil (uşor); primul, al doilea etc.
Scala de interval. Când o scală are toate caracteristicile unei scale ordinale şi în plus distanŃa sau
diferenŃa dintre două numere ale scalei are semnificaŃie, spunem că măsurătoarea s-a făcut pe o scală de
interval. Se foloseşte pentru reprezentarea numerelor cardinale, la care valoarea zero nu semnifică absenŃa
completă a caracteristicii urmărite.
Scala de raport. Când o scală are toate caracteristicile unei scale de interval şi în plus punctul zero este
dat în mod natural, spunem că măsurarea se realizează pe o scală de raport. Pe această scală valoarea zero
indică absenŃa completă a caracteristicii urmărite. Variantele obŃinute pot fi supuse operaŃiilor matematice.
Cuvinte cheie: statistica-obiect, colectivitate statistică, unitate statistică, caracteristică statistică, date
statistice, scală.
Teste grilă:
1. Punctajul obŃinut de 10 concurenŃi la un test de cultură generală este o scală nominală? Adevărat/Fals
Răspuns: Fals

2. Pentru următoarele afirmaŃii, precizaŃi unitatea statistică şi variabila statistică:


a) Timpii de execuŃie, a 100 de programe BASIC;
unitate statistică: programul BASIC;
variabilă statistică: timpul de execuŃie – cantitativă;
b) Profesiile salariaŃilor dintr-o firmă;
unitate statistică: salariatul;
variabilă statistică: profesia – calitativă.
3. PrecizaŃi pentru următoarele afirmaŃii, scala lor de măsurare şi tipul datei statistice [numerice
(cantitative) şi nenumerice (calitative)];
a) marca de calculator cea mai nou cumpărată de 10 familii;
Răspuns: scala nominală – calitativă;
b) cheltuieli cu reclama făcută de 5 firme selectate aleatoriu;
Răspuns: scala de raport – cantitativă.

Tema 2. Observarea statistică


2.1. Culegerea datelor statistice
Cunoaşterea fenomenelor şi proceselor economico-sociale se realizează prin lucrări complexe, de mare
amploare, bazate pe un număr mare de operaŃii temeinic organizate ce poartă denumirea de cercetare statistică.
Cercetarea statistică cuprinde totalitatea operaŃiilor de culegere, observare, sistematizare, prelucrare,
stocare, analiză, interpretare a infor-maŃiilor necesare pentru cunoaşterea, conducerea proceselor social-
economice.
Etapele cercetării statistice sunt:
Observarea statistică, reprezentând culegerea datelor primare;
Prelucrarea statistică:
- sistematizarea datelor, prin gruparea statistică;
- calculul indicatorilor statistici;
- prezentarea datelor: tabele statistice, serii statistice, grafice statistice.
Analiza şi interpretarea statistică:
- confruntarea, compararea datelor;
- verificarea ipotezelor;
- formularea concluziilor, asupra cercetărilor;
- fundamentarea calculelor de prognoză.
Observarea statistică, constă în culegerea de informaŃii, după o metodologie unitară, pentru toate
unităŃile colectivităŃii. Planul obser-vării statistice poate cuprinde:
• Scopul observării, care este legat de scopul general al cercetării statistice. Trebuie bine precizat pentru
că în funcŃie de el se deli-mitează obiectul observării, erorile de observare etc.
• Colectivitatea statistică reprezintă elementele colectivităŃii investigate.
• UnităŃile de observare reprezintă elementele colectivităŃii investigate.
• Caracteristicile statistice reprezintă răspunsurile la întrebările puse prin chestionare (ex. salariu,
vechime etc.).
• Timpul observării vizează două momente esenŃiale: timpul la care se referă datele şi timpul în care se
efectuează culegerea datelor.
• Locul observării are ca scop stabilirea facilă a unităŃilor de observare.
• Măsurile organizatorice asigură condiŃiile favorabile pentru desfăşurarea observării statistice.
Felurile observării statistice
• observare directă se face prin contactul direct cu unităŃile de observat.
• observare pe bază de documente presupune prelucrarea de date din evidenŃa tehnico-operativă,
contabilă, statistică.
Metodele de observare statistică sunt în funcŃie de natura feno-menelor observate, agenŃilor economici,
de posibilităŃile tehnice de prelucrare de care se dispune.
Criterii de grupare a metodelor de observare pot fi:
a) după modul de organizare a activităŃii social-economice:
- observaŃii permanente, care se efectuează prin intermediul sistemului informatic statistic;
- observaŃii special-organizate ca: recensăminte, anchete, monografii.
b) după timpul la care se referă datele:
- observaŃii curente, ca: rapoarte statistice;
- observaŃii periodice, care se efectuează la un anumit interval de timp (recensământul);
- observaŃii unice, care se fac pentru consemnarea statistică a unui eveniment nerepetabil.
c) după numărul unităŃilor înregistrate:
- observaŃii totale, prin care se culeg date de la toate unităŃile colectivităŃii (recensământ, rapoarte
statistice);
- observaŃii parŃiale, prin care se realizează înregistrări numai la o parte a unităŃilor colectivităŃii
(sondajul).

2.2. Sistematizarea datelor statistice şi prezentarea lor


Datele culese sunt colectate la un centru de prelucrare şi sunt supuse unor prelucrări primare, destinate
sistematizării lor şi desprin-derii unor concluzii generale. Etapele sistematizării implică:
1. Centralizarea datelor statistice necesită ca datele utilizate să fie comparabile şi aditive, pentru a
putea totaliza unităŃile statistice sau valorile unei caracteristici, la nivelul grupelor tipice sau a colectivită-Ńilor
observate.
Totalizarea valorilor se face prin însumare directă sau cu ajuto-rul unor coeficienŃi de echivalenŃă. În
urma centralizării, se obŃin indi-catori statistici de nivel (ex. producŃia de antibiotice într-un interval dat).
Centralizarea pe subcolectivităŃi omogene are ca scop o cunoaş-tere mai detaliată a fenomenului, ceea ce
este o centralizare pe grupe şi permite analiza fenomenului pe elemente structurale.
2. Gruparea datelor statistice este o centralizare pe grupe omogene a unităŃilor unei colectivităŃi după
variaŃia uneia sau a mai multor caracteristici de grupare. Tehnica grupării necesită parcurgerea următoarelor
etape:
a) Alegerea şi folosirea caracteristicilor de grupare
Caracteristica de grupare este aceea însuşire care stă la baza împărŃirii colectivităŃilor în grupe omogene.
Drept caracteristică de grupare se alege o caracteristică esenŃială cu un caracter stabil pentru unităŃile
colectivităŃii, care exprimă natura fenomenului cercetat şi corespunde scopului urmărit. În funcŃie de numărul
caracteristicilor de grupare putem avea:
- grupe simple – cu o singură caracteristică de grupare;
- grupe combinate – se realizează prin luarea în considerare a două sau mai multe caracteristici de
grupare, ce se găsesc în relaŃii de interdependenŃă.

După natura caracteristicilor de grupare pot fi:


- grupări teritoriale, în care caracteristica de spaŃiu este defini-torie (grupare pe Ńări, judeŃe etc.);
- grupări cronologice, ce se fac după caracteristica de timp;
- grupări după caracteristici atributive, exprimate numeric sau prin cuvinte.
b) Stabilirea numărului de grupe (r). Notăm cu r numărul de grupe ce se va stabili în funcŃie de amplitudinea
variaŃiei şi de numărul de unităŃii ale colectivităŃii. Astfel dacă gruparea se va folosi ca metodă de sistematizare a
datelor pentru calcularea indicatorilor derivaŃi şi aplicarea analizei statistice, este indicat să se folosească un număr
suficient de mare de grupe (pentru a surprinde corect forma variaŃiei caracteristicilor). Dacă se va analiza structura,
mutaŃiile de structură în raport cu tipurile calita-tive, este indicat să se folosească un număr restrâns de grupe.
În funcŃie de mărimea variaŃiei, caracteristicilor studiate pot fi:
- grupări pe variante (se foloseşte când numărul variantelor este redus şi amplitudinea mică);
- grupări pe intervale de variaŃie (când numărul unităŃilor colec-tivităŃii este mare şi amplitudinea
variaŃiei este mare).
c) Alegerea intervalului de grupare. Intervalul de variaŃie este un grup omogen de variante, despărŃit de
restul colectivului prin cele două limite ale grupei: inferioară şi superioară. Mărimea intervalului de grupare
(h) se află în funcŃie de amplitudinea variaŃiei (A) şi numă-rul de grupe (r).
A = Xmax – Xmin,
unde: Xmax = limita superioară a caracteristicii
Xmin = limita inferioară a caracteristicii
A
h= ,
r
h – mărimea intervalului de grupare;
r – numărul de grupe.
Pentru determinarea mărimii intervalului de grupare, în cazul colectivităŃilor de dimensiuni relativ mari
se poate utiliza şi formula lui Sturges:
A
h= ;
1 + 3,322 lg n
n = numărul de unităŃi statistice ale colectivităŃii analizate.
Intervalele de grupare pot fi: egale şi inegale, închise şi deschise, cu variaŃie continuă şi cu variaŃie
directă.
Când intervalele de grupare sunt deschise, ele trebuiesc închise în funcŃie de mărimea intervalului
alăturat.
În intervalele cu variaŃie continuă, limita superioară a fiecărui interval se repetă ca limită inferioară a
intervalului următor. Pentru a se evita includerea dublă a unor unităŃi, ce au valoarea egală cu una din limitele
intervalului, se stabileşte o convenŃie (limită inferioară sau limită superioară inclusă în interval) prin care se
precizează limita inclusă în interval.
La intervalele cu variaŃie discretă, limita inferioară este depla-sată cu o unitate de măsură faŃă de limita
superioară a intervalului precedent.
3. Prezentarea datelor statistice se utilizează pentru perceperea şi înŃelegerea manifestărilor dintr-o
colectivitate, pentru a decide prelucrarea ei ulterioară, pentru popularizarea datelor, cât şi pentru informarea
opiniei publice. Aceste metode sunt folosite şi ca mijloace auxiliare, dar eficiente de investigare a legăturilor
dintre fenomene şi a formelor de evoluŃie în timp.
Prezentarea se poate face sub formă de:
• Serii statistice. Ca rezultat al sistematizării, seria statistică defineşte corespondenŃa dintre două şiruri
de date statistice, în care primul reprezintă variaŃia caracteristicii urmărite, iar al doilea şir cu-prinde
frecvenŃele de apariŃie a variantelor caracteristicii. Seria trebuie să ofere informaŃii cu privire la succesiunea,
mărirea valorilor înre-gistrate şi a frecvenŃelor corespunzătoare.
Între cele două şiruri există o legătură univocă, în sensul că unei valori individuale oarecare îi
corespunde o anumită frecvenŃă, respec-tiv un număr care arată de câte ori se repetă valoarea individuală
respectivă.
• Grafice statistice. Graficul este o imagine spaŃială, cu caracter convenŃional, care, prin diferite mijloace
plastice de reprezentare, reliefează ceea ce este caracteristic, esenŃial pentru obiectul cercetării. Graficele
reprezintă datele şi proporŃiile dintre ele cu ajutorul unor lungimi, suprafeŃe, volume. Principalele metode de
reprezentare sunt: figuri geometrice; grafice într-un sistem de coordonate (cadranul I, din sistemul de axe
rectangulare); reprezentări cu ajutorul hărŃilor.
Utilizarea graficelor presupune cunoaşterea elementelor con-structive şi respectarea unor reguli şi
principii referitoare la proporŃii.
Principalele tipuri de grafice statistice:
• Diagrame prin benzi şi coloane. Se folosesc în scopul popula-rizării unor aspecte din viaŃa social-
economică, pentru a reda imaginea unui fenomen în evoluŃia lui în timp, când distanŃele dintre perioade sunt
mari şi inegale;
• Diagrame prin figuri geometrice:
• Diagrame de suprafaŃă
- Grafice prin areale
- Diagrame de structură
• Diagrame de volum (piramidă, cilindru, stereograme)
Graficele prin areale. Se construiesc sub forma unor figuri geometrice în plan, a căror suprafaŃă este
proporŃională cu mărimea caracteristicii.
Diagrame de structură. Presupun un raport de proporŃionalitate între suprafaŃa figurii geometrice şi
totalul structurii de 100%. Fiecare figură geometrică se va împărŃi în atâtea părŃi câte are colectivitatea
cercetată, părŃile se vor distinge prin haşurarea sau colorarea suprafe-Ńelor respective.
• Diagramele seriilor de timp: diagrame prin coloane, crono-grama, diagrame polare.
Cronograma se foloseşte pentru a desprinde tendinŃa de dezvol-tare a fenomenelor pentru fiecare etapă
dată. În seria dinamică, valo-rile indicatorilor sunt reprezentate în succesiunea lor în timp.
Diagrama polară ajută la interpretarea gradului şi formei de variaŃie sezonieră ce este datorată schimbării
anotimpurilor, începerii şcolilor etc.
• Diagramele seriilor de repartiŃie de frecvenŃe.
- Pentru seriile de frecvenŃă unidimensionale se folosesc: histo-grama, poligonul frecvenŃelor, curba
cumulativă a frecvenŃelor (ogivă).
- Pentru seriile de frecvenŃă bidimensionale se folosesc: corelo-grama (diagrama norului de puncte).
• Diagramele seriilor de spaŃiu: cartogramele (hărŃi ale terito-riului), cartodiagramele (combinaŃie între
cartogramă şi diagrame de suprafaŃă), pictogramele (folosesc figuri naturale şi convenŃionale, fotografii –
asociate cu diagrame prin areale pentru a mări efectul).
• Tabele statistice constituie un ansamblu de judecăŃi prezentat într-o formă succintă, în cuvinte şi
expresii numerice, referitoare la fenomenele şi procesele studiate. Se folosesc atât pentru prezentarea
rezultatelor cercetării, cât şi în cadrul analizei indicatorilor derivaŃi. Tabelul trebuie să respecte elementele de
conŃinut (subiectul şi predi-catul tabelului) şi cele de formă (macheta tabelului). Tabelele statistice sunt variate
şi se folosesc în etapa culegerii datelor, în cursul pre-lucrării sau al analizei statistice.

2.3. Indicatorii statistici


Indicatorul statistic este expresia numerică a unor fenomene, procese, activităŃi sau categorii economice
şi sociale, delimitate în timp, spaŃiu şi structură organizatorică. Pentru cunoaşterea fenome-nelor de masă,
indicatorii statistici îndeplinesc mai multe funcŃii: de măsurare, de comparare, de analiză sau sinteză, de
estimare, de verifi-care a ipotezelor, de testare a semnificaŃiei parametrilor utilizaŃi.
După etapa în care apar în procesul cercetării statistice, indicatorii statistici sunt:
Indicatori primari, ce se obŃin în procesul prelucrării primare, prin centralizarea datelor provenite din
observare totală sau parŃială.
Indicatori derivaŃi, ce se obŃin prin comparări, abstractizări, generalizări, prin aplicarea unor procedee
specifice de prelucrare a mărimilor absolute a indicatorilor primari. Ei pun în evidenŃă aspec-tele calitative ale
fenomenelor analizate:
- relaŃia dintre părŃile colectivităŃii, dintre caracteristici;
- legăturile de interdependenŃă dintre fenomene sau valori tipice;
- contribuŃiile diverşilor factori la variaŃia unui fenomen etc.
ComparaŃiile dintre date pot fi făcute prin raportare (mărimile relative) sau prin diferenŃă (modificare
absolută).
Mărimea relativă (M.R.) este rezultatul comparării, sub formă de raport, a doi indicatori statistici, şi
arată printr-un singur număr câte unităŃi din indicatorul raportat revin la o unitate a indicatorului bază de
raportare. Se poate exprima sub formă de:
CoeficienŃi care arată câte unităŃi din indicatorul de raportat revin unei singure unităŃi baza de raportare.
Procente, care arată câte unităŃi din indicatorul bază de raportare revin la 100 de unităŃi din indicatorul
de bază de raportare.
În analiza statistică se utilizează în funcŃie de scopul analizei:
• Mărimi relative de structură (MRS) – sunt numite ponderi sau greutăŃi specifice, frecvenŃe relative,
exprimând raportul dintre parte şi întreg şi se calculează ca raport între fiecare element sau grup de elemente
ale colectivităŃii, faŃă de volumul întregii colectivităŃi.
Ponderea sau greutatea specifică:
x
g i = i ∗100 ,
n
∑ xi
i =1
unde:
gi = ponderea
xi = elementul sau grupul de elemente
Σxi = totalul colectivităŃii
n
FrecvenŃe relative: n *i = i ∗ 100 ,
n
∑ ni
i =1
unde:
ni* = frecvenŃa relativă
ni = frecvenŃa absolută
Σni = suma frecvenŃelor absolute
Proprietate: Suma frecvenŃelor relative ∑ n *i = 1, dacă se exprimă în coeficienŃi/ Suma frecvenŃelor
relative ∑ n *i = 100, dacă este în procente.
• Mărimi relative de intensitate (MRI) – evidenŃiază gradul, intensitatea de răspândire a fenomenului , în
raport cu variabila la care se raportează. Sunt considerate caracteristici derivate ce se obŃin prin raportarea a
doi indicatori absoluŃi, de natură diferită ce se află într-un raport de interdependenŃă cu semnificaŃie
economică concretă.

Se poate calcula sub formă de raport:


y
xi = i unde: xi= mărimea de intensitate
zi
z i yi= cei doi indicatori absoluŃi
Q
ex. W = unde W = productivitatea muncii, Q = producŃia,
T
T = nr. de salariaŃi
• Mărimi relative de coordonare (MRC) – caracterizează raportul în care se află doi indicatori de acelaşi
fel, aparŃinând unor grupe ale aceleaşi colectivităŃi statistice, sau unor colectivităŃi de acelaşi fel, dar situate în
XA
spaŃii diferite. Astfel M.R.C.: k A = sau k B = X B
B XB A XA
• Mărimi relative ale prevederii (MRPL) – fiind specifice orică-rei economii moderne în economia de
piaŃă, se calculează numai la nivelul fiecărei unităŃi sau firme, în funcŃie de programele elaborate privind
aprovizionarea, producŃia, desfacerea de mărfuri.
NoŃiuni: X0 = nivelul fenomenului realizat în perioada de baza
Xpl = nivelul fenomenului programat pentru perioada
curentă
X1 = nivelul fenomenului realizat în perioada curentă
În funcŃie de aceste notaŃii putem calcula:
X pl
a) Mărimi relative ale sarcinii de plan : K pl = .100
0 X0
X
b) Mărimi relative ale realizării planului: K 1 = 1 . *100
pl X pl
c) Gradul de realizare a producŃiei în perioada curentă faŃă de bază
X1
*100K1 =
0 X 0
ToŃi aceşti coeficienŃi ne arată dacă activitatea firmei s-a desfă-şurat conform planului stabilit, sau dacă
s-au constatat pierderi, ca să se poată interveni în mod util pentru recuperarea lor. Adesea reŃinem numai
valoarea ce depăşeşte sau este sub 100%. Acest procent se mai numeşte ritm de creştere sau scădere, sau ritm
de depăşire sau realizări a planului.
Cuvinte cheie: observare statistică, grupare statistică, număr de grupe (r), interval de grupare (h), serii
statistice, grafice, indicator, mărimi relative.
Teste grilă:
1. Recensământul ca metodă de observare statistică:
a) este o metodă de observare totală;
b) este o metodă de observare totală, cu caracter periodic;
c) are exclusiv un caracter demografic;
d) este o observare totală cu caracter permanent.
Răspuns: b)
2. Formula lui Sturges se poate aplica pentru determinarea:
a) amplitudinii variaŃiei unei caracteristici;
b) mărimea intervalului de grupare;
c) numărul de grupe;
d) numărul de caracteristici.
Răspuns: b)
3. Având următoarea distribuŃie statistică:
Grupe de salariaŃi 5-10 10-15 15-20 20-25 25-30 Total
după vechime
Număr salariaŃi 3 5 16 10 2 36

( )
calculaŃi frecvenŃele relative n *i % procentuale corespunzătoare acestei distribuŃii (rotunjire la întreg).
Răspuns: n *i % : 8; 14; 44; 28; 6.
ni
Remarcă: calculul se va face cu formula: n *i % = ⋅100 ; exemplu pentru intervalul (5-10):
∑ ni
3
n *i % = ⋅100 = 8 etc.
36

4. Un şef de serviciu studiază munca a 30 de angajaŃi în legătură cu timpul de muncă pierdut (min) într-o
lună:
20 26 26 30 35 35 37 37 37 37
39 41 45 45 45 48 48 48 50 50
54 55 57 57 60 60 65 65 69 70
GrupaŃi aceste date statistice pe 5-6 intervale egale de variaŃie şi calculaŃi frecvenŃa absolută
corespunzătoare.
Răspuns: [20-30] : 3; [30-40] : 8; [40-50] : 7; [50-60] : 6; [60-70] : 6;
Model de lucru
A X − X min 70 − 20 50
h = = max = = = 10
r r 5 5
Grupe de salariaŃi după timp (min) Numărul salariaŃi (ni)
20-30 3
30-40 8
40-50 7
50-60 6
60-70 6
Total Σ ni = 30
Notă: Limita inferioară inclusă în interval (excepŃie – valoarea 70 fiind una singură nu influenŃează
puternic distribuŃia astfel se va include în ultimul interval (60-70)).

Tema 3. Analiza statistică a seriilor unidimensionale


3.1. Indicatorii tendinŃei centrale
Analiza tendinŃei centrale, în seriile de repartiŃie, presupune luarea în consideraŃie, nu numai a valorilor
individuale, ci şi a formei în care se repartizează frecvenŃele de apariŃie a acestor valori.

3.1.1. Mărimile Medii sunt instrumente statistice ce exprimă, în mod sintetic şi generalizat, ceea ce este
normal esenŃial, tipic şi general în evoluŃia fenomenelor. Pentru aplicarea corectă a mediilor este necesar să se
respecte următoarele condiŃii:
a) calculul mediilor să se bazeze pe folosirea unui număr mare de cazuri individuale diferite, sub care s-a
înregistrat caracteristica, a căror variaŃie este întâmplătoare în raport cu fenomenul în totalitatea lui;
b) valorile din care se va calcula media să fie omogene;
c) alegerea acelei forme de medie care corespunde cel mai bine formei de variaŃie a caracteristicii
cercetate şi informaŃiilor de care se dispune.
Media valorilor individuale ale unui fenomen de masă este expresia sintetizării într-un singur nivel
reprezentativ, ceea ce este esenŃial, tipic în apariŃia, manifestarea şi dezvoltarea lui. Mediile cele mai frecvent
întâlnite:
Media aritmetică ( X ). Se foloseşte în general când fenomenul supus cercetării înregistrează
modificări aproximativ constante într-o progresie aritmetică. Poate fi:
n
∑ xi
Media aritmetică simplă: X = i =1 ,
n
unde: X = media aritmetică
n = nr. variantelor individuale
∑ x i = suma valorilor individuale ale caracteristicii
Media aritmetică ponderată: se foloseşte pentru seriile de distri-buŃie, când variante ale caracteristicii se
înregistrează de mai multe ori.
p
∑ x ini
X = i =1
p
∑ ni
i =1
unde:
x1, x2,..., xp – niveluri individuale,
ni – frecvenŃa grupelor
X −a
∑ i  * ni
X= i 
Formula de calcul a mediei simplificate: h 
*h + a
∑ ni
i
unde
a = valoarea caracteristicii cu frecvenŃă maximă
ObservaŃii:
• sensibilitatea ei, faŃă de valorile extreme ale seriei;
• devine nereprezentativă, dacă termenii seriei sunt foarte împrăştiaŃi;
• omogenitatea colectivităŃii este o condiŃie a reprezentativităŃii, pentru orice tip de mărime medie;
• este indicat a se calcula când frecvenŃele maxime sunt în cen-trul seriei.
Media armonică ( X h ) Se calculează din valorile inverse ale ter-menilor seriei, ca medie simplă sau
ponderată.
n
Pentru serii simple: X h = i = 1,p
1

i xi
∑ ni
Pentru serii de frecvenŃă: Xh = i
1
∑ * ni
x
i i
ObservaŃii:
• pentru distribuŃiile de frecvenŃă este indicat a se folosi când în serie predomină valorile mici, seria fiind
asimetrică către valorile minime ale caracteristicii (frecvenŃa maximă este în prima grupă).
Media pătratică ( X p ) Se calculează prin extragerea rădăcinii pătrate din media aritmetică a pătratelor
termenilor seriei, ca medie simplă sau ponderată:
2
∑ xi
Pentru seriile simple: X p =
n
2
∑ xi ni
Pentru seriile de frecvenŃă: X p =
∑ ni
ObservaŃii:
• Se foloseşte când dăm o importanŃă mare termenilor mari ai seriei sau în cazul în care termenii seriei
au valori pozitive şi negative.
• FrecvenŃa maximă va fi la ultima grupă a seriei.
Media geometrică ( X g ). Se bazează pe relaŃia de produs a ter-menilor seriei şi se mai numeşte şi
medie logaritmică.
Pentru seria simplă: X g = n ∏ x i , i = 1, n
∑ ni n
Pentru seria frecvenŃelor: X g = ∏ x i i , i = 1, n

Dacă logaritmăm rezultă:


∑ lg x i
Pentru seria simplă: lg X g =
n
∑ n i lg x i
Pentru seria frecvenŃelor: lg X g = .
∑ ni
Media ( X g ) se află prin antilogaritm.

ObservaŃii:
• nu poate fi folosită dacă în cadrul seriei există cel puŃin un termen negativ, expresia devine imaginară;
• sau dacă există un termen zero, anulează produsul termenilor;
• mai este denumită şi medie de ritm, fiind folosită pentru cal-culul ritmului mediu de creştere.
RelaŃiile existente între aceste medii sunt date de inegalităŃile: X h ≤ X g ≤ X ≤ X p .

3.1.2. Indicatorii de poziŃie


Sunt denumiŃi şi medii de structură, iar dintre aceştia amintim:
• quantile de ordinul K: pentru K = 2–mediana (Me); pentru
K = 4– quartilele (Q1, Q2 = Me, Q3); pentru K = 10–decilele (D1, ….,D5 = Me, ….., D9)
• modul (Mo)
Aceşti indicatori evidenŃiază tendinŃa de aglomerare sau con-centrare a valorilor individuale, către
anumite valori tipice. Se folosesc pentru: estimarea nivelului mediu; evaluarea asimetriei seriei etc.;
Mediana (Me) – reprezintă acea valoare a caracteristicii situată în mijlocul seriei după ce termenii seriei
au fost aranjaŃi crescător sau descrescător. Cazul seriei simple
• număr impar de termeni: 1 5 9 12 16 20 25 ⇒ Me =12
8 + 12 20
• număr par de termeni: 1 5 8 12 16 20 Me = = = 10
2 2
Cazul seriei de distribuŃie de frecvenŃă
• Seria statistică fără intervale (ex. distribuŃia loturilor de pro-duse după numărul rebuturilor)
Nr. rebuturi din lot Nr. de loturi FrecvenŃe
xi ni cumulate
0 10 10
1 20 30
2 40 70
3 15 85
4 10 95
5 5 100

TOTAL 100

Pentru această serie valoarea Me va fi acea valoare a caracteris-ticii corespunzătoare primei frecvenŃe
∑ ni + 1
cumulate ascendent ce depă-şeşte valoarea lui . Această relaŃie ne dă locul medianei pen-tru seriile de
2
frecvenŃă cu intervale.
∑ ni + 1 100 + 1
ex. = = 50,5 –prima frecvenŃă mai mare este 70, Me = 2
2 2
• Cazul seriei statistice cu intervale:
Pentru calculul Me se urmăresc etapele:
• cumularea crescătoare a frecvenŃelor
∑ ni + 1
• determinarea locului Me cu relaŃia ;
2
∑ ni +1
− ∑ n pMe
• calculul medianei cu formula: Me = X 0 + h 2
n Me
∑ ni + 1
= locul Me,
2
unde:
X0 – limita inferioară a intervalului median
h – mărimea intervalului
∑ n pMe = suma frecvenŃelor cumulate, precedente intervalului median
n Me = frecvenŃa absolută a intervalului median.
Exemplu:
Gruparea muncitorilor Număr FrecvenŃe
după vechime muncitori cumulate
0-5 5 5
5-10 7 12
10-15 10 22
15-20 12 34
20-25 18 52
25-30 15 67
30-35 7 74
TOTAL 74
∑ n i + 1 74 + 1
Locul Me = = = 37,5 ∈ (20,25)
2 2

37,5 − 34
Me = 20+5 = 20,97 Me = 20,97
18
Quartile sunt acele valori ale caracteristici ce împart seria ordo-nată în patru părŃi egale. Sunt în număr
de trei (Q1, Q2, Q3) şi se calculează cu relaŃiile:
∑ ni +1
− ∑ n pQ1
Q1 = X 0 + h 4
n Q1
X 0 = limita inferioară a intervalului Q1,
h = mărimea intervalului
∑ ni +1
= locul primei quartile Q1
4
∑ n pQ1 = frecvenŃe cumulate precedente ale intervalului Q1
n Q1 = frecvenŃa absolută a intervalului Q1
Q2 = Me
3
(∑ n i ) ∑n
+1 − pQ3
Q3 = X 0 + h 4
n Q3
3
X 0 = limita inferioară a intervalului Q3,
4
(∑ )
n i + 1 = locul Q3

∑ n pQ3 = frecvenŃe cumulate precedente intervalului Q3


nQ 3 = frecvenŃa absolută a Q3
Valoarea modală. Reprezintă acea valoare a caracteristicii, care are cea mai mare frecvenŃă de apariŃie.
Se calculează numai în distri-buŃie de frecvenŃă. Pentru o repartiŃie de frecvenŃă pe variate M0 se identifică pe
calea simplei examinări a şirului de frecvenŃe. Mo = 2
Număr rebuturi xi 0 1 2 3 4 5 TOTAL
Număr loturi ni 10 20 40 15 10 5 100

Pentru o serie de frecvenŃă pe intervale, determinarea M0 se face pe etape:


- determinarea intervalului modal, fiind intervalul de variaŃie al caracteristicii cu frecvenŃă maximă
- estimarea valorii modale cu relaŃia:
∆1
Mo = Xo + h
∆1 + ∆ 2
unde:
X 0 = limita inferioară a intervalului modal
∆1 = diferenŃa dintre frecvenŃa intervalului modal şi frecvenŃa intervalului precedent
∆ 2 = diferenŃa dintre frecvenŃa intervalului modal şi frecvenŃa intervalului următor
h = mărimea intervalului.

Exemplu:
Calculul M0 pe exemplul seriei de frecvenŃe pe intervale de la Me cu intervalul modal (20,25)
Mo = 20 +5 (18 − 12 ) = 23 ,33 20 < 23,33 < 25
(18 − 12 ) + (18 − 15 )
ObservaŃii:
• Mо poate înlocui media când ea nu se poate calcula sau nu are sens a fi calculată: industria
confecŃiilor: nu există mărime medie, ci talia cea mai căutată (la fel la încălŃăminte)
• Mо este util pentru seria de repartiŃie asimetrică
• Mе şi Mо se exprimă în aceleaşi unitate de măsură ca şi variabila studiată.

3.2. Indicatorii variaŃiei


Cu cât gradul de complexitate al unui fenomen este mai mare, cu atât gama factorilor de influenŃă este
mai largă şi implicit cu atât mai mare este variabilitatea termenilor unei serii de repartiŃie. Indicatorii tendinŃei
centrale nu dau nici o explicaŃie asupra împrăştierii, respectiv a modului în care termenii seriei se abat între ei
sau de la medie. Astfel, apare necesitatea calculării indicatorilor statistici ai variaŃiei, care rezolvă:
- verificarea reprezentativităŃii mediei ca valoare tipică a seriei de distribuŃie;
- verificarea gradului de omogenitate al seriei;
- verificarea sistematizării informaŃiilor prin gruparea statistică;
- caracterizarea gradului şi formei de variaŃie a unei variabile statistice.
Clasificarea indicatorilor variaŃiei:
1. După numărul variantelor cuprinse în metodologia lor de calcul:
- indicatori simpli;
- indicatori sintetici ai variaŃiei.
2. După metodologia de calcul şi forma de exprimare, deosebim:
- indicatori ai împrăştierii, calculaŃi ca mărimi absolute;
- indicatori de variaŃie calculaŃi ca mărimi relative, în raport cu valoarea unui indicator al tendinŃei
centrale (media).
3. După modul de sistematizare a datelor complexe:
- indicatori ai variaŃiei, calculaŃi pentru serii de distribuŃie unidi-mensionale.
- indicatori ai variaŃiei, calculaŃi pentru serii de distribuŃie multidimensionale.
Indicatorii simpli ai variaŃiei se caracterizează prin acea că se calculează în cifre absolute sau relative,
prin compararea valorilor individuale extreme, sau prin compararea fiecărei valori individuale cu valoarea lor
medie.
Amplitudinea împrăştierii este expresia cantitativă a domeniului de variaŃie al unui fenomen şi se
calculează ca mărime absolută sau relativă.
Amplitudinea absolută: A = Xmax - Xmin
Amplitudinea relativă: A% = A ⋅100
X
Se utilizează la alegerea numărului de grupe (r), la stabilirea mărimii intervalului de grupare (h), la
dirijarea statistică a procesului de fabricaŃie.
Abaterile individuale (di) ne arată cu câte unităŃi de măsură, sau de câte ori valoarea individuală a
caracteristicii este mai mare sau mai mică decât mărimea unui indicator al tendinŃei centrale. Abaterile
individuale se calculează în cifre absolute sau relative:
Abaterile individuale absolute (di): di = Xi - X , pentru i = 1, n

di
Abaterile individuale relative (di%): di% = ⋅100 , pentru i = 1, n
x
Indicatorii simpli ai variaŃiei permit o caracterizare parŃială şi aproximativă a variaŃiei: pentru că se
calculează pe baza relaŃiei între doi termeni ai seriei, sau între fiecare termen şi media lor.
Indicatorii sintetici ai împrăştierii caracterizează gradul de va-riaŃie luând în considerare toŃi termenii
seriei. Indicatorii sintetizează într-o singură expresie numerică, variaŃia valorilor individuale, faŃă de tendinŃa
centrală a caracteristicilor urmărite într-o populaŃie statistică. În funcŃie de metodologia de calcul în statistică
se calculează:
()
• Abaterea medie absolută d reprezintă media aritmetică sim-plă sau ponderată a abaterilor absolute
ale termenilor seriei de la tendinŃa lor centrală.
∑ xi − x
Pentru serii simple: d = i pentru i = 1, k
n
2
∑ xi − x * ni
Pentru serii de frecvenŃă: d = i pentru i = 1, k
∑ ni
i
unde:
k = numărul de variante distincte sau intervale de grupare
ni = frecvenŃe absolute
ObservaŃii:
– Pentru seriile de distribuŃie pe intervale se iau centrele de interval.
– Este concludentă numai pentru seriile cu grad mare de omogenitate.
( )
• Dispersia σ 2 se calculează ca o medie aritmetică simplă sau ponderată a pătratelor abaterilor
termenilor de la media lor.
(
∑ xi − x )2
Pentru seria simplă: σ 2 = i pentru i = 1, p
n
( )2
∑ xi − x * ni
Pentru seria de frecvenŃă : σ 2 = i
∑ ni
i

( )2 *
∑ xi − x * ni%
Pentru serii de frecvenŃe relative : σ 2 = i
100

Formula de calcul simplificat al dispersiei :


2
x −a
∑ i  * ni
σ2 = i 
h 
∑ ni
* h2 − x − a
2
( )
i
unde:
a = centrul de interval al caracteristicii cu frecvenŃă maximă.
ObservaŃii:
• σ 2 şi x calculate pe baza seriilor de repartiŃie pe intervale, sunt mai puŃin exacte decât dacă s-ar
folosi date individuale negrupate.
• cu cât intervalele de grupare sunt mai mari, cu atât σ 2 şi x sunt mai puŃin semnificative.
• σ 2 este un indicator abstract, fără conŃinut economic.
• σ 2 măsoară variaŃia totală a caracteristicilor studiate, datorate cauzelor esenŃiale şi întâmplătoare.
• Abaterea medie pătratică (abaterea standard). Se defineşte ca medie pătratică simplă sau ponderată, a
abaterilor valorilor individuale de la tendinŃa centrală, sau ca rădăcină pătrată a dispersiei.
Astfel: σ = σ2 , unde σ 2 = dispersia, calculată prin orice metodă.
ObservaŃii:
• abaterea medie pătratică se exprimă în unitatea de măsură a caracteristicii studiate iar valoarea sa este
cu atât mai mare cu cât variaŃia valorilor individuale din care s-a calculat este mai mare;
• comparând σ cu d , calculate pentru aceeaşi serie: d ≤ σ ;
• în analizele statistice, se preferă σ , ca fiind un parametru al legii normale (majoritatea metodelor
statistice au la bază ipoteza normalităŃii);
• se pretează mai bine la calculul algebric;
• în analizele financiar-bursiere σ poate fi utilizată ca o măsură a riscului.
• Coeficientul de variaŃie (v). Este o măsură a dispersiei relative care descrie abaterea medie pătratică ca
procent din media aritmetică. Permite compararea împrăştierii valorilor individuale a mai multor caracteristici
cantitative ce nu sunt exprimate în aceeaşi UM.
Se calculează cu relaŃia:
σ
V = *100
x
ObservaŃii:
• coeficientul de variaŃie ia valori în intervalul 0-100%;
• dacă tinde spre 0, este o variaŃie slabă, o colectivitate omogenă şi o medie cu un grad mare de
reprezentativitate;
• dacă tinde spre 100%, variaŃia este intensă, colectivitatea eterogenă;
• practica a stabilit pragul de trecere de la omogenitate la etero-genitate:
- dacă „v” ≤ 35%, colectivitate este omogenă, media reprezen-tativă, gruparea bine efectuată.
- dacă „v” ≥ 35%, colectivitate este eterogenă, media nerepre-zentativă, gruparea trebuie refăcută.

3.3. Analiza variaŃiei într-o serie de repartiŃie bidimensională


Analiza detaliată a fenomenelor social-economice, cu grad mare de complexitate, necesită structurarea
colectivităŃii pe grupe relativ omogene, în funcŃie de variaŃia uneia sau a mai multor caracteristici de grupare.
Astfel, studiul împrăştierii unei caracteristici în întreaga colecti-vitate trebuie să se completeze cu
analiza împrăştierii din fiecare grupă şi dintre grupe, identificându-se astfel, rolul diferiŃilor factori de
influenŃă asupra variaŃiei caracteristicii în colectivitatea respectivă.
Măsurarea influenŃei factorilor asupra variaŃiei colectivităŃii se realizează cu un sistem de indicatori
factoriali ai variaŃiei ce se calcu-lează la nivelul fiecărei grupe, dar şi pe întreaga colectivitate. Se poate
calcula:
∑ y i n ij
Media de grupă (câte una pentru fiecare grupă după (x) y i = , i = 1.m
∑ n ij
∑ yi n i
Media generală a colectivităŃii y 0 = y = i i = 1, p
∑ ni
i
Dispersia fiecărei grupe (dispersie parŃială) se calculează ca o medie aritmetică ponderată a pătratelor
abaterilor variantelor caracte-risticii, de la media de grupă.
(
∑ y j − y i n ij )2
j
σ 2i =
∑ n ij
j
- arată măsura în care factorii întâmplători, în interiorul fiecărei grupe influenŃează variaŃia valorilor
individuale ale caracteristicii.
- Cu cât dispersia din interiorul fiecărei grupe este mai mare, cu atât grupa este mai puŃin omogenă.
- Media dispersiilor parŃiale se calculează ca medie aritmetică ponderată a dispersiilor de grupă şi
2
∑ σi n i
2
sintetizează influenŃa factorilor întâmplători pe toată colectivitatea: σ = i unde:
∑ ni
i
σi2 = dispersii de grupă
ni = volumul grupelor
- Dispersia dintre gupe se calculează ca o medie aritmetică ponderată, a pătratelor abaterilor, mediilor
de grupă, faŃă de media caracteristicii generale.
(
∑ yi − y0 n i )2
δ2 = i
∑ ni
i
- reflectă variaŃia caracteristicii dependente, datorată acŃiunii cauzelor esenŃiale, pe întreaga
colectivitate, deci influenŃa factorului de grupare asupra caracteristicii rezultative (y).
- Dispersia totală măsoară întreaga împrăştiere a valorilor caracteristicii rezultative (y), care este
produsă, atât de acŃiunea facto-rilor esenŃiali, cât şi a celor neesenŃiali, variabili de la o grupă la alta, sau în
cadrul aceleaşi grupe.
(
∑ y j − y0 n j )2
j
σ0 2 =
∑nj
j

- cu cât dispersia totală ( σ 0 2 > 0) cu atât colectivitatea, are un caracter mai eterogen.
Regula de adunare a dispersiilor arată relaŃia dintre dispersia totală şi cele două dispersii factoriale, cu
formula: σ 0 2 = σ 2 + δ 2
unde:
σ 02 = dispersia totală;

σ 2 = media dispersiilor parŃiale;


δ = dispersia dintre grupe.
Pe baza ei se calculează:
• Coeficientul de determinaŃie R 2 = δ ⋅ 100
2
2
σ0
- arată care este ponderea factorului principal de grupare în variaŃie totală a caracteristicii.
2
2 σ
• Coeficientul de nedeterminaŃie K = ⋅100
σ02
- arată care este ponderea factorilor întâmplători în variaŃia totală a caracteristicii.
Între cei doi coeficienŃi există următoarea relaŃie: R 2 + K 2 = 1
Dacă: R 2 > K 2 , factorul principal de grupare acŃionează hotă-râtor asupra variaŃiei caracteristicii
rezultative.
R2 < K2 , variaŃia caracteristicii rezultative se datorează influen-Ńei exercitate de alte cauze, aceasta fiind
independentă de variaŃia caracteristicii factoriale.

3.4. Analiza asimetriei repartiŃiilor empirice


În urma prelucrării informaŃiilor se obŃin serii de repartiŃie de frecvenŃă empirice, ce se pot compara cu
repartiŃii teoretice, a căror formă de repartiŃie este cunoscută. Cea mai frecventă serie de repar-tiŃie, către care
tind seriile empirice, este distribuŃia normală sau funcŃia GAUSS-LAPLACE, ale cărei frecvenŃe se distribuie
simetric, de-o parte şi de alta a frecvenŃei maxime, plasată în centrul seriei. Graficul acestei distribuŃii are
formă de clopot, în raport cu ordonata maximă, iar X = Me = Mo .
NoŃiunea de asimetrie se referă la felul în care frecvenŃele unei distribuŃii empirice se abat de la curba
normală a frecvenŃelor. Sunt cunoscute distribuŃii empirice: uşor asimetrice; pronunŃat asimetrice.
Serii în formă de „U” apar atunci când frecvenŃele maxime sunt la capetele intervalului de variaŃie, iar
frecvenŃa minimă în centrul intervalului.
Reprezentările grafice ne oferă o imagine asupra asimetriei, dar gradul de asimetrie este măsurat cu
indicatori specifici, din care amintim pe cel mai important:
Coeficientul de asimetrie (Cas) a lui PEARSON
- se calculează ca raport între asimetria absolută (AS) şi aba-terea medie pătratică.
X − Mo
As = X − Mo; Cas =
σ
- Cas are o valoare abstractă, arătând mărimea şi felul asime-triei, iar valorile lui sunt cuprinse în
intervalul (-1, 1).
- Dacă: Cas = 0, seria este simetrică;
Cas →0, asimetrie mică
Cas →(+/- 1), asimetrie pronunŃată
Cas în intervalul (0,1) asimetrie pozitivă
Cas în intervalul (-1,0) asimetrie negativă.
Cuvinte cheie: tendinŃă centrală, media aritmetică ( X ), media armonică ( X h ), media pătratică ( X p ),
media geometrică ( X g ), mediana (Me), modul (Mo), quantile (Q), amplitudine (A), abateri individuale (di),
dispersie ( σ 2 ), abaterea standard (σ), coeficientul de variaŃie (v), coeficientul de determinaŃie (R2),
coeficientul de nedeterminaŃie (K2), coeficientul lui Pearson.
Teste grilă:
1. Într-un ştand de încălŃăminte s-au vândut într-o zi 11 perechi de pantofi cu următoarele mărimi: 38,
39, 35, 36, 37, 38, 38, 39, 37, 38, 39. DenumiŃi mărimea medie cea mai indicată a se calcula în acest caz şi
precizaŃii valoarea.
Răspuns: Modul; Mo = 38
Model de rezolvare
În industria de încălŃăminte nu se poate calcula media, ea se înlocuieşte cu numărul mărimii
încălŃămintei cea mai căutată. Ordonăm seria: 35, 36, 37, 37, 38, 38, 38, 38, 39, 39, 39. Observăm că numărul
încălŃămintei cel mai căutat este 38, a cărei frecvenŃă de apariŃie este 4, fiind cea mai mare.
2. Dinamica producŃiei realizate de o firmă în primele 6 luni ale anului a fost: 111%, 118%, 108%,
116%, 121%, 130%. Tipul de medie cel mai ridicat a se calcula în acest caz:
a) aritmetică; b) armonică; c) pătratică; d) geometrică.
Răspuns: d).
ObservaŃie. Media geometrică este o medie de ritm.
3. DistribuŃia studenŃilor dintr-o serie de studiu după nota la disciplina statistică este:
Nota 1 2 3 4 5 6 7 8 9 10 Total
Număr studenŃi 2 10 15 25 30 20 9 5 3 1 20
Valoarea mediană (Me) va fi: Me =?
Răspuns: Me =5.
Model de rezolvare
Avem cazul seriei de distribuŃie de frecvenŃă fără intervale. Valoarea Me va fi acea valoare a

caracteristicii corespunzătoare primei frecvenŃe cumulate ascendent ce depăşeşte valoarea lui


ni +1
, care

2
ne dă locul Me.

Nota Număr studenŃi ↑


∑n i+ 1 120 + 1
= = 60,5 ⇒
1
2 10
2 2
12
2 2 3 15 27
prima valoare mai mare este 82 şi 4 25 52
corespunzător ei este valoarea 5 30 82
variabilei „nota” egală cu 5. 6 20 102
7 9 111
Deci Me = 5 .
8 5 116
9 3 119
10 1 120
Total 120
4. Se cunosc următoarele date referitoare la repartiŃia salariaŃilor după vechimea în muncă:
Gruparea salariaŃilor 5-15 15-25 25-35 35-45 45-55 Total
după vechime
Număr salariaŃi 5 9 16 7 3 40
CalculaŃi vechimea medie a salariaŃilor şi verificaŃi reprezen-tativitatea ei.
Răspuns: X = 28,5; v = 38,07% (medie nereprezentativă).
Model de rezolvare: h = 10, a = 30
Gruparea Număr xi xi − a  xi − a  2
salariaŃilor după salariaŃi  n i  xi − a 
h  h    n i
vechime ni  h 
5-15 5 10 -2 -10 20
15-25 9 20 -1 -9 9
25-35 16 30 0 0 0
35-45 7 40 1 7 7
45-55 3 50 2 6 12
Total 40 -6 48

 xi − a 
∑  h 
n i
−6
X= h+a = ⋅ 10 + 30 = 28,5
∑ni 40
2
 xi − a 
∑ 
 h 
 ni
48
σ2 = i
⋅ h 2 − (x − a ) 2 = ∗ 100 − (28,5 − 30) 2 = 117,75

i
ni 40

σ = σ2 = 117 , 75 = 10 , 85

σ 10,85
V= ⋅100 = ⋅100 = 38,07 >35% medie nereprezentativă.
x 28,5

5. La o firmă se analizează situaŃia angajaŃilor după vechime:


Gruparea salariaŃilor 5-10 10-15 15-20 20-25 25-30 Total
după vechime
Număr salariaŃi 5 7 15 10 8 45
VerificaŃi asimetria seriei (Cas).
Răspuns: Cas = 0,0687 (uşoară asimetrie pozitivă).
Model de rezolvare: h = 5, a = 17,5

Gruparea Număr xi xi − a  xi − a  2
salariaŃilor după salariaŃi  n i  xi − a 
h  h    n i
vechime ni  h 
5-10 5 7,5 -2 -10 20
10-15 7 12,5 -1 -7 7
15-20 17 17,5 0 0 0
20-25 10 22,5 1 10 10
25-30 8 27,5 2 16 32
Total ∑ni = 45 9 69

 xi − a 
∑  h 
n i
9
X= h+a = ⋅ 5 + 17,5 = 18,5
∑ ni 45
2
 xi − a 
∑ 
 h 
 ni
69
σ2 = i
⋅ h 2 − (x − a ) 2 = ⋅ 25 − (18,5 − 17,5) 2 = 37,33
∑ni
i
45

σ = σ =
37 , 33 = 6 ,11
2

∆1 15 − 7
Mo ∈ (15,20 ) → Mo = x 0 + h = 15 + 5
∆1 + ∆ 2 (15 − 7 ) + (15 − 10)
8
⇒ Mo = 15 + 5 = 18,08
13
x − Mo
C as = ∈ (− 1,1)
σ
18,5 − 18,08
C as = = 0,0687 ⇒ seria este uşor asimetrică pozitivă ∈ (0,1)
6,11

Tema 4. Cercetarea prin sondaj


Într-o economie de piaŃă, sondajul este o formă preponderentă de obŃinere a datelor statistice, datorită
operativităŃii şi economicităŃii obŃinerii lor. Sondajul este o procedură prin care se caracterizează o populaŃie,
în baza cercetării unei părŃi a acesteia, deci a unui eşantion prelevat din populaŃia de origine. Rezultatul
obŃinut pe baza sonda-jului se extrapolează, la dimensiunea întregii populaŃii. Extinderea rezultatelor de la
parte, la întreg, nu are caracter determinist, ci probabilist, fiind supuse unui risc de-a fi eronate. Principalele
erori de sondaj sunt erorile de reprezentativitate, ce se pot măsura:
Absolut, ca dimensiune a deplasării paramentului de sondaj ( X ) de la mărimea adevărată a lui în
populaŃie generală ( X 0 ) respectiv: dx = X − X 0

X − X0
Relativ, se poate exprima dx = * 100.
X0
O astfel de eroare sub ±5%, permite a se aprecia că sondajul este reprezentativ, deci arată o imagine
aproximativ fidelă a realităŃii.
Statistica oferă variante de prelevare a unităŃilor şi alcătuirea eşantioanelor, astfel încât să asigure un grad ridicat
de reprezentativitate prin: sondaje aleatoare; sondajul simplu; sondajul tipic (stratificat); sondajul de serii; sondaje
dirijate; sondaje sistematice.
Fiecare din aceste tipuri de sondaj se poate efectua:
- repetat, când unitatea prelevată este restituită populaŃiei de origine şi are şanse să reintre în eşantion;
- nerepetat, când unităŃile nu sunt restituite în populaŃia generală.
Modelul teoretic al acestor două variante de prelevare se află în „URNA LUI BERNOULLI”, cu bila
revenită şi nerevenită.

4.1. Sondajul aleator simplu


Este varianta aleatoare elementară, celelalte tipuri putând fi înŃelese ca soluŃii obŃinute prin
particularizarea unor elemente ale acestui tip de sondaj.

Simboluri de bază
Indicatori Nr. de Media caracteristicii Dispersia caracteristicii
din: unităŃi Numerică Alternativă Numerică Alternativă
σ p 2 = p(1 − p )
PopulaŃia 2
generala
N X0 p σ0

Eşantion n w σx 2 σ w 2 = w (1 − w )
X

Indicatorii sondajului aleator simplu sunt:


Caracteristică numerică Caracteristică alternativă
Indicatori
SelecŃie SelecŃie nerepetată SelecŃie repetată SelecŃie nerepetată
repetată
1. Eroarea w ⋅ (1 − w )
= µ = σ 2 1 − n  =
2
σ σ2 µw =
w 
medie
de sondaj µ =
x  n n w
 N
x µ = x 1− 
n x n  N 2
=
σw (
w ⋅ 1− w ) n 
= 1 − 
n n  N
2. Eroarea ∆ = Z⋅µ ∆ = Z⋅µ ∆w = Z ⋅ µw ∆w = Z ⋅ µw
limită x x x x
3. Volumul 2 2 2 2
eşantionului Z ⋅ σ Z ⋅σ 2
Z ⋅σ
2 2 2
Z ⋅σ
n=
x
n= x w w
(n) 2 2 2 n= = n= =
∆ x Z ⋅σ 2 2 2
2 x ∆ w Z ⋅σ
∆ x + 2 w
N 2
Z ⋅w 1− w ( ) ∆ w+
N
=
2
∆ w
=
2
Z ⋅ w 1− w( )
2
∆ w+
2
Z ⋅ w 1− w ( )
N
4. Intervalul
de încredere
pt. media
generală x−∆ < x < x+∆ w − ∆w < p < w + ∆w
x 0 x

ObservaŃie:
 n
• Dacă se ajunge la situaŃia ca n = N, atunci factorul 1 −  devine nul şi dispare, pentru că
 N 
cercetarea parŃială s-a transformat în cercetare totală.
 n
• Dacă N – volumul colectivităŃii este ridicat, iar n al sondajului este redus atunci 1 −  → 1, practic
 N
coincide în ambele tipuri de sondaj.
• Z – este argumentul funcŃiei de probabilitate Gauss-Laplace Φ(Z), care are o repartiŃie normală, fiind o
valoare tabelară (Tabelul cu valorile funcŃiei Gauss-Laplace).
• Intervalul de încredere delimitează zona probabilă în care se va plasa valoarea adevărată dar
necunoscută a mediei populaŃiei generale ( x 0 ) .

4.2. Sondajul tipic (stratificat)


Sondajul tipic se aplică cel mai frecvent în cercetarea fenomenelor social-economice de masă. Acest
sondaj se aplică colectivităŃilor neomogene, care au grupe omogene (tipuri de unităŃi) după o caracteristică
esenŃială – notate cu N1, N2,..., Nr şi reprezentate în sondaj prin volumul subeşantioanelor n1, n2,..., nr.
( )
Dacă grupele colectivităŃii sunt omogene, mediile de grupă x i au valori apropiate de valorile
individuale din care s-au calculat, abaterile lor sunt mici, iar gradul de variaŃie este mic.
VariaŃia mediilor de selecŃie posibile va fi în funcŃie de variaŃia fiecărei grupe măsurată prin dispersiile de
( )
grupă σi2 şi sintetizată prin media dispersiilor parŃiale σ 2 . ( )
Remarcă:
2
• Din regula de adunare a dispersiilor ştim că σ < σ02 , de aici rezultă că vom avea erori mai mici în
selecŃia tipică.
()
• Media de selecŃie x se va calcula ca o medie aritmetică ponderată a mediilor subeşantioanelor
respective:
x=
∑x n
i i , pentru i = 1, r .
∑n i

• Media dispersiilor de grupă  σ  se calculează ca o medie aritmetică ponderată a dispersiilor de


2

 
grupă:
 σ 2  =∑σi2 n i
.
  ∑ ni

Eşantionul se obŃine prin extragerea de subeşantioane din nivelurile populaŃiei totale folosind procedee de
selecŃie aleatoare. Repartizarea eşantionului pe subeşantioane se poate face prin trei procedee:

1. SelecŃia tipică simplă


Repartizarea în mod egal a eşantionului pe subeşantioane, indiferent de numărul unităŃilor ce compun
straturile populaŃiei totale:
n
n i = , unde: r = numărul de straturi în populaŃia totală.
r
2. SelecŃia tipică proporŃională
Formează subeşantioanele în raport de ponderea fiecarei grupe în colectivitatea totală şi se respectă
Ni
proporŃia de selecŃie n/N. Volumul fiecărui subeşantion va fi: n ip = n′ ⋅ , unde i = 1, r .
Ni ∑
3. SelecŃia tipică optimă
La formarea subeşantioanelor se are în vedere atât ponderea fiecărei grupe în colectivitatea generală, cât
şi gradul de omogenitate al fiecărei grupe măsurat prin abaterea standard:
N i σi
nio = n ⋅ , pentru i = 1, r
N i σi ∑
unde: Ni = numărul unităŃilor pe grupe din colectivitatea totală;
σi = abaterea standard pe grupe ale colectivităŃii totale.

ObservaŃie: SelecŃia tipică dă cele mai mici erori, dar în activitatea practică este greu de aplicat.

Indicatorii selecŃiei tipice:


Caracteristică numerică Caracteristică alternativă
Indicatori
SelecŃie SelecŃie nerepetată SelecŃie repetată SelecŃie nerepetată
repetată
Eroarea
2 2 (
w ⋅ 1− w )= 2
σw  n
medie σ σ  n µw =
de sondaj µ =
x µ = x 1−  n µw = 1 −  =
x n  N
x
n n  N 2
σw
= (
w ⋅ 1− w ) n 
n
= 1 − 
n  N
Eroarea ∆
x
= Z⋅µ
x
∆ x = Z ⋅ µx ∆w = Z ⋅ µw ∆w = Z ⋅ µw
limită
Volumul 2 2 2 2 2 2 2 2
Z ⋅σ Z ⋅σ Z ⋅ σw Z ⋅ σw
eşantionului x x n= =
n= n= n= = 2 2
2 2 Z ⋅ σw
∆ x 2
⋅σ
2 ∆ w 2
2 Z ∆w+
( )
x
∆ x + 2
Z ⋅ w 1− w
N
=
( )
N 2
2
∆ w Z ⋅ w 1− w
=
2
∆w+
2
Z ⋅ w 1− w ( )
N
Intervalul
de încredere
pentru media
colectivităŃii x − ∆ < x0 < x + ∆
x x
w − ∆w < p < w + ∆w
generale
Intervalul de
încredere
pentru nivelul (
N x−∆
x
) N
(
< ∑ xi < x + ∆ N
x
) ( )
N ⋅ w − ∆ w < ∑ Mi < N(w + ∆ w )
totalizat al i =1
caracteristicii

ObservaŃie:
• pentru caracteristica alternativă vom calcula:

– media mediilor de sondaj ( w ): w =


wini ∑
ni ∑
– media dispersiilor de selecŃie:
∑ σ n = ∑ [w (1 − w )n ]
2
iw
σ 2w =
i i i i

∑n i ∑n i

Cuvinte cheie: sondaj, eroare medie, eroare limită, volumul eşantion, interval de încredere, sondaj tipic,
selecŃie tipică optimă, selecŃie tipică proporŃională.
Teste grilă:
1. Pentru determinarea volumului eşantionului în varianta „tipic nerepetat” caracteristică alternativă, se
foloseşte relaŃia:
Z2 ⋅ σ2x n 2 ⋅ Ni σi2
a) n = b) n =
∆2 x ∑ Ni σi2

Z2 ⋅ σ2x Z2 ⋅ σw
2
c) n = d) n =
Z2σ2x Z2σ2w
∆2 x + ∆2 x +
N N
2
Z2 ⋅ σ x
e) n =
∆2 x + Z2σ2x N
Răspuns: d)
2. DeterminaŃi numărul de piese ce trebuie extrase aleator şi nerepetat, dacă se cunosc următoarele date:
• întregul lot de piese: N = 3.000;
• diametrul mediu al pieselor din eşantion nu trebuie să difere mai mult de 1 cm faŃă de diametrul mediu
al întregului lot: ∆ x = 1 cm;
• variaŃia caracteristicii studiate σ 2x = 20 cm;
• probabilitatea garantării rezultatelor Z = 2,9.
Răspuns: n = 160 piese.
Model de rezolvare:
N = 3.000 Z2 ⋅ σ2x 2,92 ⋅ 20
∆x = 1 ⇒n = = = 160 piese
Z 2σ2 2,9 2 ⋅ 20
σ 2x = 20 ∆2x + x 1+
N 3.000
Z = 2,9
3. Pentru o unitate economică se cunosc datele referitoare la un sondaj de 10% selectat aleator şi repetat:
Grupe angajaŃi 8-10 10-12 12-14 14-16 16-18 18-20 Total
după mărimea
producŃiei
Număr angajaŃi 2 6 12 22 18 6 66
EstimaŃi limitele între care se va încadra producŃia medie a colectivităŃii totale pentru o probabilitate Φ(Z) =
0,9545 pentru care Z = 2.
Răspuns: . 14,32 < x 0 < 15,68
Model de rezolvare: h = 2, a = 15
Grupe Număr xi − a  xi − a   xi − a 
2
angajaŃi angajaŃi xi   ⋅ ni   ⋅ ni
după ni
h  h   h 
producŃie
8-10 2 9 -3 -6 18
10-12 6 11 -2 -12 24
12-14 12 13 -1 -12 12
14-16 22 15 0 0 0
16-18 18 17 1 18 18
18-20 6 19 2 12 24
Total
∑n i = 66 0 96

 xi − a 
∑  h 
 ⋅ ni
0
x= ⋅h + a = ⋅ 2 + 15 = 15
∑ ni 66
2
 xi − a 
∑   ⋅ ni
σ2 =  h  (
⋅ h2 − x − a )
2
=
96
⋅ 4 − (15 − 15) 2 = 5,82
∑ ni 66

σ2 5,82
∆x = Z ⋅ = 2⋅ = 0,68
n 66
x − ∆x < xo < x + ∆x ⇒15-0,68 < xo < 15 + 0,68;
14,32 < xo <15,68
Tema 5. Analiza statistică a seriilor multidimensionale

5.1. Tipuri de legături dintre fenomenele social-economice


Statistica dispune de o serie de metode de studiere a dependen-Ńelor dintre două sau mai multe variabile.
Printre acestea sunt şi cele cuprinse în „analiza de regresie şi corelaŃie”. În cadrul ei se studiază legătura dintre
o variabilă „y”, numită efect, rezultativă, dependentă şi variabilă „x” numită factorială, cauză-independentă.
Regresia ne arată cum o variabilă este dependentă de altă variabilă (sau alte variabile).
CorelaŃia ne arată gradul în care o variabilă este dependentă de altă variabilă.
Legăturile dintre fenomenele şi procesele economice apar ca legături statistice (stochastice), a căror
particularitate este faptul că re-zultatul este determinat ca urmare a influenŃei unui ansamblu de fac-tori.
Legăturile statistice se manifestă, ca tendinŃă valabilă numai la nivelul colectivităŃii.
Clasificarea legăturilor statistice
Se poate face în funcŃie de următoarele criterii:
• După numărul caracteristicilor independente (x) luate în studiu.
- Legături simple: Y=f(x), când se studiază dependenŃa dintre o variabilă rezultată (y) şi o variabilă
factorială (x).
- Legături multiple: Y =f(x1,x2,...,xn), când se studiază legătura dintre o caracteristică dependentă (y) şi
două sau mai multe caracte-ristici independente (x).
• După direcŃia legăturii:
- Legături directe, când caracteristica dependentă (y) se modifică în acelaşi sens cu caracteristica
independentă (x).
- Legături inverse, când caracteristica dependentă (y) se modi-fică în sens invers, caracteristicii
dependente (x).
• După expresia analitică a legăturilor
- Legături liniare, acele dependenŃe care pot fi exprimate cu ajutorul funcŃiei liniare (y = a + bx).
- Legături neliniare, acele dependenŃe care pot fi exprimate cu aju-torul funcŃiilor neliniare (parabole,
hiperbolă, funcŃie exponenŃială etc.).
Pentru studiul legăturilor dintre fenomenele economice, se pot utiliza:
• Metode simple. Se folosesc pentru sistematizarea datelor, veri-ficarea existenŃei legăturii, stabilirea
direcŃiei legăturii, precum şi aprecierea funcŃiei analitice care exprimă legăturile studiate. Princi-palele metode
sunt:
- metoda seriilor paralele independente;
- metoda grupărilor;
- metoda tabelului de corelaŃie;
- metoda grafică.
Dintre acestea vom trata doar metoda grafică sau graficul de corelaŃie (corelograma). Graficul se
construieşte pornind de la pere-chile de valori (x, y), care se reprezintă în cadranul I, al sistemului de axe
rectangulare:
- Pe ox, se reprezintă valorile variabilei (x)
- Pe oy, se reprezintă valorile variabilei (y)
Forma grafică a legăturii în câmpul de corelaŃie are aspectul unui nor de puncte, de unde se mai numeşte
„Diagrama norului de puncte”. TendinŃa norului de puncte permite vizualizarea şi stabilirea formei analitice a
funcŃiei de regresie. Corelograma dă posibilitatea stabilirii existenŃei, direcŃiei, a formei şi intensităŃii
legăturilor dintre cele două variabile.

5.2. Metode parametrice de măsurare şi analiză a legăturilor dintre fenomenele şi procesele economice
Dintre metodele parametrice amintim:
- metoda regresiei;
- metoda coeficientului de corelaŃie;
- metoda raportului de corelaŃie;
- metoda analizei dispersionale.
• Metoda regresiei
Se bazează pe utilizarea funcŃiei de regresie, care exprimă modificarea cantitativă a caracteristicii
rezultative „y”, ca urmare a influenŃei exercitate de caracteristica factorială „x”. Legătura dintre variabile se
manifestă sub formă de tendinŃă, astfel funcŃia de mode-lare, este o ecuaŃie medie de tendinŃă, identificată prin
grafic şi confir-mată de TESTUL „F”.
În funcŃie de numărul factorilor care influenŃează caracteristica rezultativă „Y”, deosebim:
Regresie simplă, sau unifactorială, dacă funcŃia include un factor;
Regresie multiplă sau multifactorială dacă funcŃia include mai mulŃi factori.
Modelul liniar de regresie. Are ca scop estimarea printr-un model sau funcŃie matematică a legăturii
dintre cele două variabile.
EcuaŃia modelului liniar, va fi: y = a + bx
Dreapta utilizată este o estimaŃie a funcŃiei de regresie unde:
Y = variabila dependentă
X = variabila independentă
a,b = parametri de regresie
Parametrul „a”. Este valoarea lui y când x = 0, deci intersecŃia dreptei cu axa oy. Interpretarea
economică a lui „a” se realizează în strânsă legătură cu problema analizată.
Parametrul „b”. Este numit „coeficient de regresie”, a cărui interpretare este următoarea:
b=0, variabila y nu depinde de variabila x, ele sunt independente
b#0, cele două variabile sunt dependente astfel:
b> 0, legătura este directă
b< 0, legătura este inversă.
Estimarea parametrilor se realizează prin metoda celor mai mici pătrate, pe baza valorilor (x,y)
observate într-un eşantion de volum „n”. Studiul fenomenelor şi proceselor economico-sociale se face pe baza
unui număr mare de date statistice, ce impune folosirea urmă-torului sistem:
na + bΣxi = Σyi
aΣxi+ bΣx2i= Σxiyi
Astfel, cu ajutorul determinanŃilor sau cu orice altă metodă se calculează cei doi parametri.
∆a ∑ x i ∑ y i − ∑ x i ∑ x i y i
2
a= =
∆p n ∑ x i2 − (∑ x i ) 2

∆b n ∑ x i y i − ∑ x i ∑ y i
b= = , unde: ∆a, b, p =determinantul lui a, b şi principal.
∆p n ∑ x i2 − (∑ x i ) 2
Cu valorile coeficienŃilor a şi b se calculează valoarea ecuaŃiei de regresie, pentru fiecare mărime a lui x.
Valorile ecuaŃiei de regresie se mai numesc şi valori teoretice ale caracteristicii y în funcŃie de x, iar operaŃia
de înlocuire a termenilor reali (y) cu valorile ecuaŃiei de regresie, se numeşte ajustare ( ŷ x = a + bx ).
• CorelaŃia liniară simplă
Scopul analizei de corelaŃie este să măsoare gradul, intensitatea legăturii dintre cele două variabile (x, y).
Coeficientul de corelaŃie măsoară intensitatea legăturii dintre cele două variabile (x,y) şi se calculează
ca o medie aritmetică a produsului abaterilor normale normate a celor două variabile.
rxy =
( )( )
∑ x − x y − y , iar în practică se foloseşte următoarea relaŃie:
nσ x σ y
n ∑ xy − ∑ x ∑ y
rxy =
[n ∑ x 2
][
− (∑ x )2 n ∑ y 2 − (∑ y )2 ]
Coeficientul rxy ia valori în intervalul (-1,1), arătând intensitatea şi direcŃia legăturii.
ObservaŃie. Coeficientul rxy se calculează doar pentru legăturile liniare.
• Raportul de corelaŃie.
Este un indicator al intensităŃii legăturii ce poate fi aplicat, atât în cazul regresiei liniare, cât şi în cazul
regresiei neliniare. Pentru un număr mic de date negrupate prezentate ca serii paralele independen-Ńele
∑ (y − ŷ x )
2
raportul de corelaŃie se determină: R xy = 1 − , unde:
∑ (y − y )
2

ŷ x = valorile ajustate ale lui y, în funcŃia de regresie


y = media caracteristicii y.
Raportul de corelaŃie ia valori în intervalul (0, 1),
Rxy = 0 – variabilele sunt independente
astfel: Rxy → 0 – legătură slabă
Rxy → 1 – legătură puternică

Deşi Rxy ia valori în intervalul (0,1) semnul pentru Rxy, se stabileşte în concordanŃă cu semnul
coeficientului „b” din funcŃia de regresie.
ObservaŃie. Se calculează în cazul oricărui tip de legături. În cazul legăturii liniare Rxy = rxy. Dacă cei
doi nu sunt egali, înseamnă că legătura nu este liniară şi trebuie determinat raportul de corelaŃie.

5.3. Metode neparametrice de măsurare a intensităŃii


legăturilor dintre fenomene
Metodele neparametrice se folosesc dacă variabilele se exprimă prin cuvinte, sau o variabilă este
calitativă şi alta cantitativă, sau am-bele sunt cantitative, dar nu există suficiente date pentru a se cunoaşte
forma distribuŃiei.
Dintre metodele neparametrice amintim:
Coeficientul de asociere. Presupune întocmirea unui tabel de asociere, care prezintă colectivitatea
după două caracteristici corelate logic, sau de forma caracteristicilor alternative, cu două posibilităŃi.
Tabelul de asociere a variabilelor (x,y)
x\y Y1 Y2 TOTAL
X1 a b a+b
X2 c d c+d
TOTAL a+c b+d n
Coeficientul de asociere măsoară intensitatea legăturii a două caracteristici liniare şi se deduce din
tabelul de asociere pe criteriul dependenŃă/independenŃă, cu formula propusă de YULLE:
(ad − bc)
Q= ∈ [− 1,1]
(ad + bc)
• CoeficienŃii de corelaŃie ai rangurilor se folosesc pentru:
- analiza legăturilor dintre caracteristici calitative;
- sau cantitative pentru care nu se dispune de informaŃii sufi-ciente pentru a stabili forma legăturii;
- sau o caracteristică calitativă şi una cantitativă;
- valorile caracteristicilor sunt înlocuite cu numere de ordine (ranguri) ale acestor valori, când sunt
ordonate într-o serie crescătoare sau descrescătoare. Măsurarea intensităŃii legăturii se realizează utili-zând
aceste ranguri. Dintre coeficienŃii utilizaŃi, amintim:
- Coeficientul de corelaŃie a lui SPEARMAN:
6∑ d i
rs = 1 − ∈ [−1,1]
n (n 2 − 1)
Cu cât rs →+/- 1, cu atât legătura este mai puternică.
- Coeficientul de corelaŃie KENDALL Se calculează astfel:
- se ordonează crescător sau descrescător perechile de valori (x, y) după caracteristica x;.
- se stabilesc rangurile celor două caracteristici (Rx şi Ry);
- pentru fiecare rang a lui y, Ry se calculează: Pi – număr de ranguri superioare ale lui Ry şi Qi – număr
de ranguri inferioare ale lui Ry şi se calculează scorul Si=Pi-Qi.
S = ΣSi
2S
Coeficientul KENDALL se determină: rk = ∈ [−1,1]
n (n − 1)
Cu cât rs →+/- 1, cu atât legătura este mai puternică.
Cuvinte cheie: regresia, corelaŃia, corelogramă, coeficient de corelaŃie (rxy), raport de corelaŃie (Rxy),
coeficient de asociere (Q), coeficienŃii rangurilor Spearman şi Kendall.
Teste grilă:
1. Legătura dintre două variabile este foarte slabă sau inexistentă dacă valoarea coeficientului de
corelaŃie este în intervalul:
a) [0-0,2); b) [0,2-0,5); c) (075-1]; d) (-0,2-0); e) (0,5-0,75).
AlegeŃi combinaŃia corectă:
A(a, e); B(a, d); C(b, c, e); D(a, b, e).
Răspuns: B.
2. Coeficientul de corelaŃie calculat pentru o legătură inversă poate lua valori în intervalul:
a) [-1, 0); b) (0, 1); c) [-1, 1]; d) mulŃimea numerelor reale.
Răspuns: a).
3. Pentru opt salariaŃi care efectuează aceleaşi operaŃii s-au înregistrat:

Nr. curent 1 2 3 4 5 6 7 8
Timp nelucrat (y) 7 1 2 5 8 6 3 4
Număr operaŃii (x) 4 10 9 6 4 5 9 8
ArătaŃi tendinŃa legăturii dintre cele două variabile printr-o funcŃie matematică.
Răspuns: ŷ x = 11,3 − 0,99x i

Timp Număr x2 xy
nelucrat yi operaŃii xi
1 7 4 16 28
2 1 10 100 10
3 2 9 81 18
4 5 6 36 30
5 8 4 16 32
6 6 5 25 30
7 3 9 81 27
8 4 8 64 32
T ∑ yi = 36 ∑ xi = 55 419 207

• analizăm graficul celor două variabile (corelogramă)

yi 1cm
OX: 1 um
8
7 1cm
6 OY: 1 um
5
4
3
2
1 A
K OY = =
4 5 6 7 8 9 10 xi
nr. diviziuni OX
8 −1
= =1
7

Între cele două variabile există o legătură puternică inversă (b va avea o valoare negativă).
na + b∑x = ∑y
a∑x + b∑x2 = ∑ x y

∑y ∑x
∆a ∑ xy ∑ x ∑ y∑ − ∑ x ∑ xy =
2 2
a= = =
i

∆p ∑x n ∑ x − (∑ x ) 2 2
n
∑ ∑x x 2

419 ⋅ 36 − 55 ⋅ 207 3699


= = = 11,3
8 ⋅ 419 − (55)
2
327

b=
∆b n xy −
=
∑ ∑ x∑ y = 8 ⋅ 207 − 55 ⋅ 36 = − 324 = 0,99
∆p
∑ (∑ x )
2
n x2 − 327 327
Rezultă că funcŃia va fi:
ŷ x = 11,3 − 0,99x i

4. Rezultatele unei grupe de studenŃi au fost următoarele:


Student 1 2 3 4 5 6 7 8 9 10
Marketing 8 3 9 2 7 10 4 6 1 5
Statistica 9 5 10 1 8 7 3 4 2 6
DependenŃa dintre cele două variabile se măsoară cu coeficientul de corelaŃie al rangurilor a lui
SPEARMAN: rS.
Răspuns: rS = 0,855.
Model de rezolvare:

Student Marketing RY Statistica RX


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

Rx Ry di=Rx-Ry di2
1 2 -1 1
rS = 1 −
6 ∑d = 2
i

n (n − 1)
2 1 1 1 2
3 4 -1 1
4 6 -2 4 6 ⋅ 24
=1− =
5 3 2 4 10(100 − 1)
6 5 1 1
144
7 10 -3 9 =1− = 0,855
8 7 1 1 990
9 8 1 1
10 9 1 1
Total 24

Tema 6. Analiza statistică a seriilor cronologice


6.1. Concepte şi particularităŃi ale seriilor cronologice (SCR)
O SCR se prezintă sub forma unui şir sistematizat de valori, ale unei caracteristici realizate la momente
sau intervale de timp succe-sive. Curgerea timpului se măsoară în succesiune cu ajutorul unei scale de
intervale. UnităŃile de timp utilizate sunt: anul, trimestrul, luna, săptămâna, ziua.
Caracterizarea evoluŃiei în timp a unui fenomen, presupune ca timpul să fie variabil, iar spaŃiu şi
structura organizatorică să fie constante. Astfel, variabila timp (t) este legată funcŃional de variabila y (y =
f(t)).
ParticularităŃile SCR
Variabilitatea termenilor arată procesul de dezvoltare în timp a unui fenomen.
Omogenitatea termenilor înseamnă dispersia minimă a terme-nilor, presupune existenŃa în perioada
analizată a unor termeni cu aceeaşi esenŃă calitativă. Asigurarea omogenităŃii determină implicit
comparabilitatea acestora.
InterdependenŃa termenilor presupune că fiecare termen depinde de valoarea termenului anterior, că sunt
valori succesive ale aceluiaşi fenomen, care se petrec în aceeaşi unitate de timp şi spaŃiu.
Clasificarea SCR
După natura caracteristicilor studiate şi perioada la care se referă:
- SCR de intervale (serii de flux) în care observarea statistică se face continuu în decursul unui interval
de timp;
- SCR de momente (mărimi de stoc), când observarea se face la momente de timp distincte. Termenii
acestei SCR nu sunt însumabili, ei conŃin elemente ale stocului care coexista în momente diferite
de timp.
Reprezenterea grafică. Se foloseşte CRONOGRAMA, care se bazează pe cadranul I din sistemul de
axe rectangulare, unde:
- pe OX – se reprezintă timpul
- pe OY – se reprezintă termenii SCR.

6.2. Sistemul de indicatori statistici ai seriilor cronologice


Pentru caracterizarea evoluŃiei în timp a unui fenomen de masă, în complexitatea sa, din termenii unei
serii cronologice se calculează un sistem de indicatori statistici, analitici şi sintetici.
Indicatorii SCR sunt:
- indicatori absoluŃi (de nivel, de volum, modificarea absolută);
- indicatori relativi ( indicele de dinamică, ritmul relativ, valoarea absolută a unui procent din ritmul
sporului);
- indicatori medii (nivel mediu, spor mediu, indicele mediu de dinamică, ritmul mediu).
Alegerea bazei de comparare, impune ca indicatorii unei SCR, care se obŃin prin raportare, să se
determine folosind:
- bază fixă, adică un nivel de referinŃă neschimbat pentru întreaga perioadă analizată;
- bază în lanŃ presupune ca nivelul de referinŃă să fie mobil, avansând în timp simultan cu perioada la
care se referă indicatorul. De regulă, baza de comparare este nivelul din perioada imediat anterioară. Astfel Yt
se compară cu Yt-1.
• Indicatori absoluŃi
Aici se includ acele mărimi numerice, care exprimă starea feno-menului, în unităŃi de măsură specifice
acestuia.
- Indicatorul de nivel (yt) exprimă mărimea fenomenului analizat în unităŃi de timp „t”.
- Indicatorul de volum (Σyt) reprezintă suma termenilor SCR de intervale.
- Modificarea absolută (∆t/t’) arată cu câte unităŃi s-a modificat valoarea individuală într-o perioadă „t”,
faŃă de o perioadă „t′ ”, luată ca bază de comparaŃie. Avem cazul gen: ∆yt / t ′ = y t − y t ′ , t , t ′ = 1, T
Modificare absolută cu bază fixă ∆ yt / 1 = y t − y1 , t = 1, T
Modificare absolută cu bază mobilă ∆yt / t −1 = y t − y t −11 , t = 1, T
Proprietate:
Suma modificărilor absolute cu baza în lanŃ, reprezintă sporul cu bază fixă:
y y
∑ ∆ t / t −1 = ∆ T / 1

• Indicatori relativi. Pot fi utilizaŃi în analiza comparativă a evoluŃiei mai multor fenomene. Ei redau
proporŃia sau decalajul, din nivelurile realizate, ale unei caracteristici în perioade distincte. Indicatorii relativi
exprimă de câte ori valoarea unei variabile este mai mare sau mai mică, faŃă de cea aleasă bază de comparaŃie.
y
• Indicele de dinamică I ty/ t ' = t *100, t = 1.T
y t'
y
• Indice de dinamică cu bază fixă I ty/ 1 = t *100, t = 1.T
y1
• Indicele de dinamică cu bază mobilă I y yt
t / t −1 = *100, t = 1.T
y t −1
Proprietate: Produsul indicilor cu bază mobilă este egal cu indicele cu bază fixă Π I ty/ t −1 = I TY / 1
• Ritmul de modificare relativă exprimă cu cât la sută
s-a modificat nivelul înregistrat de caracteristică analizată,
∆yt / t ′
într-o anumită perioadă faŃă de perioada bază de comparaŃie. R ty/ t ' = *100 = I Y
t / t ′ − 100, t , t ' = 1.T
yt'
- Ritmul cu bază fixă. R yt / 1 = I Yt / 1 − 100, t = 1.T
- Ritmul cu bază mobilă. R ty/ t −1 = I Yt / t −1 − 100, t = 1.T
• Valoarea absolută a 1% din ritmul de creştere arată câte unităŃi revin la 1% de creştere sau scădere,
cât şi repartizare uniformă a modificării absolute pe procentele ritmului de modifică relativă.
∆yt / t ′ y t'
A ty/ t ' = =
R ty/ t ′ *100 100
y
- Valoarea absolută a unui procent din ritmul cu bază fixă: A ty/ 1 = 1
100
y
- Valoarea absolută a 1% din ritmul relativ A ty/ t −1 = t −1
100
• Indicatorii medii ai SCR se exprimă sub formă de medie, deci se ia în considerare întregul interval al
SCR.
• Nivelul mediu se calculează numai pentru SCR omogene. Se cal-culează diferenŃiat pentru SCR de
intervale şi pentru SCR de momente.
∑ yt
• Pentru serii cronologice de intervale: y =
T
• Pentru serii cronologice de momente:
– medie cronologică simplă, dacă momentele sunt echidistante
y1 y
+ y 2 + ..... + n
y cr = 2 2
n −1
– medie cronologică ponderată, dacă momentele sunt inegal distanŃate:
t t +t t
y1 1 + y 2 1 2 + ..... + y n n −1
y cr = 2 2 2
t1 1t + t t
+ ....... + n −1
2
+
2 2 2
• Modificarea medie absolută reflectă creşterea sau scăderea medie înregistrată într-o perioadă de timp.
Se calculează ca o medie aritmetică simplă a modificărilor absolute cu bază în lanŃ.
y
∑ ∆ t / t −1 ∆YT / 1
∆= =
T −1 T −1
ObservaŃie. Reprezentativitatea modificărilor medii absolute este asigurată, numai dacă modificările
absolute cu baza mobilă sunt omogene.
• Indicele mediu de dinamică arată de câte ori s-a modificat în medie fenomenul analizat. Se determină
ca o medie geometrică a indicilor de dinamică cu bază mobilă. I = T −1 Π I y = T −1 y T = T −1 I Y
t / t −1 y1 T /1

ObservaŃie. Este reprezentativ pentru evoluŃia fenomenului studiat, numai dacă indicii de dinamică cu
baza mobilă sunt aproxi-mativ egali.
• Ritmul mediu al dinamicii exprimă cu câte procente, fenome-nul analizat s-a modificat în medie, de
la un interval de timp la altul, şi se calculează pe baza indicelui mediu de dinamică. R = I *100− 100

6.3. Ajustarea seriilor cronologice


EvoluŃia unui fenomen de masă prezentată într-o serie cronolo-gică, ca urmare a diverşilor factori de
influenŃă, oglindeşte schim-barea, transformarea, dezvoltarea. Într-o SCR suficient de mare se identifică mai
multe componente: trendul, variaŃii periodice, variaŃii reziduale.
TRENDUL sintetizează variaŃiile sistematice desfăşurate de fenomenul analizat pe întreg orizontul
SCR. Mărimea componentei de trend este determinată, de influenŃa factorilor esenŃiali, care acŃionează în
întreaga perioadă analizată. Estimarea tendinŃei centrale, aflarea termenilor ajustaŃi se efectuează prin
înlocuirea termenilor reali yt, în cadrul operaŃiei de ajustare a SCR. Ajustarea se face prin metode mecanice şi
analitice.
Metode mecanice de ajustare a SCR:
- metoda grafică;
- metoda mediilor mobile;
- metoda modificării absolute medii;
- metoda indicelui mediu.
Dintre metodele mecanice prezentăm:
Metoda modificărilor absolute medii se utilizează când modi-ficările absolute cu bază mobilă sunt
aproximativ egale, sau şirul terme-nilor SCR se aseamănă cu o progresie aritmetică. ŷ t = y 0 + t ∆, t = 1.T
ObservaŃie. Primul şi ultimul termen ajustat, sunt egali cu primul şi ultimul termen real al seriei.
Metoda indicelui mediu, se recomandă dacă indicii de dina-mică cu bază mobilă sunt aproximativ egali
sau dacă şirul termenilor SCR, este asemănător unei progresii geometrice. RelaŃia de calcul: ŷ t = y 0 * I t
ObservaŃie. Primul şi ultimul termen ajustat sunt egali cu primul şi ultimul termen real al SCR.
Avantajul celor două metode mecanice, îl reprezintă operativitatea cu care se desprinde o tendinŃă centrală.
Metode analitice de determinare a trendului
Aceste metode estimează mai exact tendinŃa generală din evoluŃia unui fenomen, pentru că ia în
considerare toŃi termenii seriei. Metodele analitice se bazează pe funcŃiile matematice, ŷ = f (t ) , numite şi
funcŃii de ajustare a trendului, de estimare a tendinŃei centrale. Variabila „t” timp este folosită pentru
ordonarea termenilor unei SCR. FuncŃiile de ajustare sunt funcŃii matematice uzuale, ce se stabilesc în raport
cu traiectoriile reale ale evoluŃiei în timp a fenomenelor. După alegerea funcŃiei de ajustare în baza unor
criterii fundamentale, este necesară estimarea parametrilor, care se face cu metoda celor mai mici pătrate.
În locul variabilelor cauzale, se ia variabila timp „t”, pentru care se face o simplificare în care ∑ t = 0 ce
face translatarea punctului de origine t = 0 în mijlocul seriei.
Astfel sistemul de ecuaŃii normale, în cazul trendului liniar:
y = a + bt, va fi:
Ta + b ∑ t = ∑ y
a ∑ t + b∑ t 2 = ∑ t * y
Simplificarea sistemului se face dând lui t valori astfel încât ∑ t = 0
Ta = ∑ y
∑y ∑t * y
b ∑ t 2 = ∑ t * y unde: a = si b =
T 2
∑t
Astfel funcŃia de ajustare devine: ŷ t = a + bt

6.4. Previzionarea indicatorilor prin extrapolare


Extrapolarea, implică operaŃia de stabilire a unor termeni vii-tori, situaŃi în afara orizontului de analiză.
Presupune adoptarea unui model de analiză: y = f(t) şi introducerea în model a variabilei timp,
corespunzătoare momentului pentru care se face extrapolarea.

Presupune:
- CondiŃiile de manifestare ale fenomenului să rămână neschim-bate şi în orizontul de prognoză.
- Lungimea SCR trebuie să fie suficient de mare, peste 10 ani.
- Orizontul de prognoză, să nu depăşească o treime din lungimea SCR analizate.
Elaborarea variantelor de prognoză prin extrapolare presupune, prelungirea variabilei timp „t”, cuprinsă
în modelul de ajustare:
Metoda modificării medii:
ŷ t = y 0 + t ' ∆, t ' = T + 1, T + K(K = orizontul de prognoza)
Metoda indicelui mediu: ŷ t = y 0 * I t ′
Metode analitice: ŷ t = a + bt ′
ObservaŃie. Gradul de complexitate al evoluŃiei fenomenelor necesită, pentru prognoză, elaborarea mai
multor variante de calcul, fundamentate pe o riguroasă analiză economică.
Cuvinte cheie: serie cronologică (SCR), SCR de intervale, SCR de momente, cronogramă, indicatori absoluŃi,
relativi, medii; trendul, MSM – metoda sporului mediu, MIM – metoda indicelui mediu, MA – metoda analitică,
extrapolarea.
Teste grilă:
1. Nu este posibilă însumarea termenilor unei SCR:
a) de momente; b) de intervale; c) de fluxuri; d) exprimată în unităŃi fizice.
Răspuns: a).
2. O firmă a înregistrat în semestrul I, următoarele stocuri de mărfuri:

Data 1.01.04 1.02.04 1.03.04 1.04.04 1.05.04 1.06.04 1.07.04


Stoc (kg) 120 210 185 148 110 160 80

Să se calculeze stocul mediu al semestrul I, al acestei serii de momente: y cr =?


Răspuns: y cr = 152,17
Model de rezolvare:
y1 y
+ y 2 + y3 + y 4 + y5 + y6 + 7
y cr = 2 2 =
T −1
120 80
+ 210 + 185 + 148 + 110 + 160 +
= 2 2 = 913 = 152,17
7 −1 6
3. Numărul de abonamente telefonice particulare în perioada 2000-2004 se prezintă astfel:
Anii 2000 2001 2002 2003 2004
Număr abonamente 205 217 230 240 246

CalculaŃi sistemul de indici medii ce caracterizează SCR dată: y, ∆, I, R .


Răspuns: y = 227,6; ∆ = 10,25; I = 104,66%; R = 4,66%
Model de rezolvare
∑ y t = 205 + 217 + 230 + 240 + 246 = 1.138

1. y = ∑T =
y 1138
= 227,6
5
y − y1 246 − 205
2. ∆ = ∑T −1T 1 = T
y
= = 10,25
4 4
y 246
3. I = T −1 ITy 1 = T −1 T = 4 = 1,0466 sau 104,66
YT 205
4. R = I ⋅100 − 100 = 104,66 − 100 = 4,66 %
4. Numărul de abonaŃi la cablu dintr-un oraş, în perioada 2000-2004 a fost de:
Anii 2000 2001 2002 2003 2004
Număr abonaŃi 20 50 78 91 120
Considerând că fenomenul evoluează liniar, calculaŃi valorile teoretice ( ŷ t ) de estimare a tendinŃei
centrale a SCR analizată.
Răspuns: ŷ t : 23,6; 47,7; 71,8; 95,9; 120.
Model de rezolvare
Anii yt t t2 t•y ŷ t = 71,8 + 24,1 • t
2000 20 -2 4 -40 71,8 + 24,1 • (-2) = 23,6
2001 50 -1 1 -50 71,8 + 24,1 • (-1) = 47,7
2002 78 0 0 0 71,8 + 24,1 • 0 = 71,8
2003 91 1 1 91 71,8 + 24,1 • 1 = 95,9
2004 120 2 4 240 71,8 + 24,1 • 2 =120
Total ∑yt =359 10 241 ∑ ŷ t =359


 a=
∑ y 359
= = 71,8
 T 5
ŷ t = a +bt ⇒ 
b = ∑t ⋅ y 241
= = 24,1
 ∑ t2 10
ObservaŃie: Din compararea ∑yt =∑ ŷ t se observă că am ales o funcŃie matematică corectă.

Tema 7. Metoda indicilor


Metoda indicilor este o metodă de analiză factorială a modifică-rii unui fenomen complex, în funcŃie de
modificarea factorilor de influenŃă.
Indicii se calculează sub formă de raport, deci sunt mărimi relative adimensionale, pentru că au la numărător şi
la numitor, două valori ale aceluiaşi indicator. Fiind o metodă factorială, se foloseşte pentru măsurarea influenŃei
factorilor asupra modificării unui fenomen complex.
Astfel: y = x . f; y este o variabilă complexă, analizată în funcŃie de:
- un factor calitativ (x);
- un factor cantitativ (f).
Ex. V = p.g (valoarea = preŃul + cantitatea)
Clasificarea indicilor
1) După sfera de cuprindere a fenomenului:
indici simpli sau individuali;
indici compuşi sau de grup.
2) După caracteristica a cărui variaŃie se urmăreşte:
indici ai volumului fizic;
indici ai preŃurilor;
indici valorici;
indici ai productivităŃii muncii;
indici ai salariului mediu.
3) După modul de calcul:
indici agregaŃi;
indici sub formă de medii;
indici ca raport a două medii.
4) După felul structurii pot fi:
indici cu structură variabilă;
indici cu structură fixă;
indici ai modificărilor structurale.
y x f
Indici individuali se calculează la nivelul unei unităŃi a colecti-vităŃii analizate astfel: i1y/ 0 = 1 = 1 1
y 0 x 0f 0
Cei doi factori, în funcŃie de care se exprimă Y, indicii indivi-duali vor fi:
y (f ) f y (x ) x
i1 / 0 = 1 si i1 / 0 = 1
f0 x0
Indici sintetici se calculează la nivelul unor grupe sau al întregii colectivităŃi analizate, sintetizând
variaŃia medie a fenomenului anali-zat. Se calculează ca raport între suma mărimilor absolute ale indicato-
rilor, de la nivelul colectivităŃii studiate din perioada curentă şi suma mărimilor absolute ale aceloraşi
indicatori pentru perioada luată ca bază de comparaŃie.
∑ y1 ∑ x1f1
I1∑/ 0 =
y
=
∑ y 0 ∑ x 0f 0
Pentru măsurarea modificării fiecăruia din cei 2 factori, se utili-zează ca punct de plecare indicele lui y,
considerând constant un factor şi variabil factorul a cărui modificare ne interesează.
Factorul constant se numeşte pondere, are rol de comăsurător general şi poate fi la nivelul perioadei
curente sau de bază.
Regula generală a sistemului de ponderare:
– Când se modifică factorul cantitativ, ponderea rămâne con-stantă în bază.
– Când se modifică factorul calitativ, ponderea, de regulă, ră-mâne constantă în perioada curentă.
Indici calculaŃi ca medie a indicilor individuali
y
∑ i x 0f 0
VAR1. I1∑/ 0 =
y
∑ x 0f 0
ObservaŃie. Se cunosc indicii individuali şi nivelul indicatorului complex în bază.
Se foloseşte pentru calculul indicelui volumului fizic, indicele valorii.
∑ y1
VAR2. I1∑/ 0 =
y
1
∑ y1
iy
ObservaŃie. Se cunosc indicii individuali ai factorului calitativ şi nivelul indicatorului complex în
perioada curentă. Se foloseşte pentru calculul indicelui preŃurilor.
Indici calculaŃi ca raport a două medii.
Pentru măsurarea variaŃiei unei caracteristici calitative, care se formează ca mărime medie la nivelul
unei grupe de unităŃi, pe total colectivitate se folosesc indici calculaŃi ca raport a două medii. Caracterizarea
dinamicii indicatorului mediu se realizează cu ajutorul unui indice sintetic, ca raport a două medii care,
datorită faptului că surprinde modificarea structurii, se numeşte indicele cu structură variabilă.
x ∑ x1f1 ∑ x 0 f 0
I1x/ 0 = 1 = :
x0 ∑ f1 ∑ f0
Măsurarea influenŃei celor 2 factori se realizează cu următorii indici:
Indicele cu structură fixă arată influenŃa factorului calitativ x asupra lui x păstrând ponderea
constantă:
I1x/(x0 ) =
∑ x1f1 ∑ x 0 f1
:
∑ f1 ∑ f1
Indicele modificărilor structurale:
f
I1x/(gf
0
) = ∑ x 0 f1 : ∑ x 0 f 0 = ∑ x 0 g1
∑ f1 ∑ f0 f
∑ x 0g 0
Exprimă influenŃa factorului cantitativ (f) asupra lui x .
RelaŃia dintre indici: I1x/ 0 = I1x/(0x ) ∗ I1x/(0gf )
În statistică indicii se folosesc sub formă de sisteme, în vederea caracterizării evoluŃiei în timp şi spaŃiu a
fenomenelor social-economice.
Sisteme concrete de indici
Indicii se folosesc sub formă de sistem pentru caracterizarea evoluŃiei în timp şi spaŃiu a fenomenelor
social-economice.
Printre cele mai uzuale sisteme de indici sunt:
• indicii valorii, volumului fizic şi preŃurilor produselor sau mărfurilor;
• indicii productivităŃii muncii;
• indicii salariului mediu etc.

Indicii valorii, volumului fizic şi preŃurilor


Cunoaşterea modificării preŃurilor, a cantităŃilor (produse vândute sau consumate) şi a valorii constituie o
cerinŃă principală a analizelor privind modificarea producŃiei, a consumului, caracterizarea nivelului inflaŃiei.
Analiza se bazează pe faptul că valoarea, ca indicator complex, poate fi exprimată în funcŃie de cantitatea de
produse (q) şi de preŃ (p): V = p× q ,
unde: p – preŃul, factor calitativ; q – cantitatea, factor cantitativ.
Indicii individuali:
v1 pq
• Indicii valorii: i1v/ 0 = = 1 1
v0 p 0 q0
p pq
• Indicii preŃurilor: i1p/ 0 = 1 sau i1v/(0p ) = 1 1
p0 p0 q1
q pq
• Indicii volumului fizic: i1q/ 0 = 1 sau i1v/(0q ) = 0 1
q0 p0 q0
RelaŃia dintre indicii individuali: i1v/ 0 = i1v/(0p ) ⋅ i1v/(0q )
La nivelul individual al unităŃilor ce compun colectivitatea se pot calcula şi modificările absolute:
d1v/ 0 = v1 − v0 = p1q1 − p0 q 0
d1v/(0p ) = p1q1 − p0 q1 = q1 ( p1 − p0 )
d1v/(0q ) = p 0 q1 − p0 q0 = p0 (q1 − q0 )
RelaŃia dintre modificările absolute:
d1v/ 0 = d1v/(0p ) + d1v/(0q )
Pentru o analiză complexă la nivel sintetic, evoluŃia generală a valorii cantităŃilor vândute, a preŃurilor pentru
produsele vândute se analizează cu ajutorul indicilor sintetici.
• Indicele sintetic al valorii ( I1∑
v
/ 0 )se poate calcula astfel:

I1∑
∑v ∑pq
/0 = =
v 1 1 1

∑v 0 ∑p q 0 0

cu modificarea absolută aferentă: ∆∑


1/ 0 = ∑ p q −∑ p q
v
1 1 0 0
Indicele sintetic al valorii se poate calcula şi ca medie aritmetică ponderată a indicilor individuali ai
valorii (iv), atunci când este cunoscută numai valoarea totală din perioada de bază:

I1∑
∑i p qv

/0 =
v 1/ 0 0 0

∑p q 0 0

iar modificarea absolută aferentă: ∆∑


1/ 0 = ∑i p0 q0 − ∑ p0 q0
v v
1/ 0

PreŃurile şi cantităŃile sunt de obicei neînsumabile. Pentru sintetizarea modificării la nivelul întregii
unităŃi, atât a preŃurilor, cât şi a cantităŃilor vândute, se vor utiliza indicii valorii, considerând constant un
factor şi variabil numai factorul a cărui modificare ne interesează. Astfel, obŃinem următorii indici sintetici:
v(q )
• Indicele sintetic al volumului fizic ( I1∑/0 ), care exprimă modificarea medie a calităŃii vândute. În
practică, indicele volumului fizic se calculează numai ca indice de tip Laspeyres:
I1∑
v (q )
=
∑p q0 1

∑p q
/0
0 0
v (q )
iar modificarea absolută aferentă: ∆∑
1/ 0 = ∑ p0 q1 − ∑ p0 q0
Indicele sintetic al volumului fizic se mai poate calcula ca o medie aritmetică ponderată a indicilor
individuali ai volumului fizic (iq):

I1∑
v (q )
=
∑i p q
q
1/ 0 0 0

∑p q
/0
0 0
v (q )
iar modificarea absolută aferentă: ∆∑
1/ 0 = ∑ i 1q/ 0 p 0 q0 − ∑ p 0 q0
v( p )
Indicele sintetic al preŃurilor ( I1∑
/0 )
Exprimă modificarea medie a preŃurilor şi se poate calcula ca indice de tip Laspeyres:

I1∑
∑pq
v( p )
=
1 0
cu modificarea absolută
∑p q
/0
0 0
( )
aferentă: ∆∑ = ∑ p q −∑ p q
v p
1/ 0 1 0 0 0
ObservaŃie: Acest indice este utilizat pentru calculul indicelui preŃurilor de consum.
Indicele sintetic al preŃurilor mai poate fi calculat ca un indice de tip Paasche:

I1∑
v( p )
=
∑pq 1 1

∑p q
/0
0 1
v( p)
cu modificarea absolută aferentă: ∆∑
1/ 0 = ∑ p1q1 − ∑ p0 q1
ObservaŃie: Acest indice este utilizat pentru calculul preŃurilor cu ridicata ale produselor industriale sau
pentru preŃurile produsului intern brut (PIB).
Indicele sintetic al preŃurilor poate fi calculat ca o medie armonică ponderată a indicilor individuali ai
preŃurilor (ip):

I1∑
v( p)
=
∑pq 1 1
/0
1
∑i p q
p 1 1
1/ 0

v( p)
cu modificarea absolută: ∆∑
1
1/ 0 = ∑ p1q1 − ∑ p1q1
i1p/ 0
Deoarece indicele valorii totale reprezintă rezultatul variaŃiei raportului de combinare a factorilor
intensivi şi extensivi ce determină un ansamblu de manifestări, între cei trei indici există relaŃia:
I1∑ ∑ v ( p ) + I ∑ v (q )
/ 0 = I1 / 0
v
1/ 0
Şi relaŃia dintre modificările absolute:
∆∑ ∑ v ( p ) + ∆∑ v (q )
1 / 0 = ∆1 / 0
v
1/ 0

Indicele preŃului mediu


PreŃul mediu se stabileşte ca medie aritmetică ponderată a preŃurilor individuale. Astfel, dacă preŃul:
vi
pi = , rezultă că preŃul mediu va fi:
qi

p=
∑ vi = ∑ pi qi = ∑ p g q
∑ qi ∑ qi
i i

ObservaŃie: Nivelul şi dinamica preŃului mediu sunt determinate de preŃurile la nivel de unitate (pi) şi
qi
structura valorii g iq = .
∑ qi
Dinamica preŃului mediu:
• Indicele cu structură variabilă (caracterizează modificarea preŃului mediu):

I1p/ 0 =
p1
=
∑pq :∑p q
1 1 0 0
=
∑p g 1
q
1

p0 ∑q ∑q 1 0 ∑p g 0 0
q

iar modificarea absolută va fi:


∆1p/ 0 = ∑ p1 g1q − ∑ p0 g 0q
Indicele cu structură fixă (caracterizează influenŃa preŃului individual asupra preŃului mediu):

I1p/ (0p ) =
∑pq :∑p q
1 1 0 1
=
∑p g 1
q
1

∑q ∑q 1 1 ∑p g 0 1
q

iar modificarea absolută va fi:


∆1p/( 0p ) = ∑ p1 g1q − ∑ p0 g1q
Indicele modificărilor structurale (caracterizează influenŃa structurii asupra preŃului mediu):

I1p/(0g )
q p
= 1 =
∑ p0 q1 : ∑ p0 q0 = ∑ p0 g1q
p0 ∑ q1 ∑ q0 ∑ p0 g 0q
iar modificarea absolută va fi:
p gq 
∆1 /0  = ∑ p 0 g 1q − ∑ p 0 g q0

RelaŃia dintre cei trei indici:


p p (p ) p (gq )
I1 / 0 = I1 / 0 ⋅ I1 / 0
RelaŃia dintre modificările absolute:
p p (p ) p (gq )
∆1 / 0 = ∆1 / 0 + ∆1 / 0

Indicii productivităŃii muncii


Productivitatea muncii este o caracteristică derivată cu caracter de mărime medie, care se caracterizează
cu ajutorul indicilor calculaŃi ca raport între două medii. În domeniul comerŃului şi turismului, productivitatea
muncii se poate calcula ca raport între valoarea desfacerilor sau cea a încasărilor din activitatea turistică şi
numărul de salariaŃi.

Vom nota cu: Q = valoarea vânzărilor cu amănuntul


T = număr mediu de muncitori
W = productivitatea muncii
W = productivitatea medie a muncii
Productivitatea muncii se poate calcula cu relaŃia:
Qi WiTi
Wi = =
Ti Ti
în care: - factorul complex este Qi = Wi Ti
- factorul calitativ este Wi
- factori cantitativi: Qi , Ti
Indicii individuali
T1
• Indicele numărului de salariaŃi: i1T/ 0 =
T0
Q1
• Indicele valorii desfacerii de mărfuri: i1Q/ 0 =
Q0
W1
• Indicele productivităŃii muncii: i1W/ 0 =
W0
RelaŃia existentă între cei trei indici: i1Q/ 0 = i1W/ 0 ⋅ i1T/ 0
Modificările absolute aferente unei unităŃi a colectivităŃii:
• Modificarea absolută a valorii desfacerilor de mărfuri:
d1Q/ 0 = Q1 − Q0 = W1T1 − W0T0
• Modificarea absolută a productivităŃii muncii:
d1W/ 0 = (W1 − W0 )T1 = W1T1 − W0T1
• Modificarea absolută a numărului de salariaŃi:
d1T/ 0 = (T1 − T0 )W0 = T1W0 − T0W0
RelaŃia existentă între modificările absolute:
d1Q/ 0 = d1W/ 0 + d1T/ 0
Indicii sintetici
• Indicele sintetic al valorii desfacerilor de mărfuri:

I1∑
∑ Q = ∑W T
/0 =
Q 1 1 1
cu modificarea absolută:
∑ Q ∑W T 0 0 0

∆∑ = ∑ W T − ∑W T
Q
1/ 0 1 1 0 0

• Indicele sintetic al numărului de salariaŃi:

I1∑
∑ T cu modificarea absolută:
/0 =
T 1

∑T 0

∆∑ = ∑T − ∑T
T
1/ 0 1 0

• Productivitatea medie:
∑Q ∑W T
W= i = i i
∑T ∑T
i i
• Indicele productivităŃii medii:

I1W/ 0 =
W1
=
∑WT : ∑W T 1 1 0 0
cu modificarea absolută:
W0 ∑T ∑T 1 0

∆W1 / 0 = W 1 − W 0
 Dinamica productivităŃii muncii cu descompunerea ei pe factori de influenŃă:
• Indicele cu structură fixă al factorului intensiv exprimă variaŃia pură a productivităŃii muncii prin
menŃinerea constantă a structurii salariaŃilor:

I1W/ 0( w ) =
∑ W1T1 : ∑ W0 T1 =
W1
∑ T1 ∑ T1 W0
*

cu modificarea absolută corespunzătoare:


∆W (w ) *
1 / 0 = W1 − W0

Notăm cu W0 =
* ∑W0T1 , reprezentând productivitatea muncii în perioada de bază cu păstrarea
∑T1
structurii în perioada curentă.
• Indicele modificărilor structurale al factorului extensiv exprimă efectul modificării structurii
salariaŃilor, păstrând productivitatea constantă în bază.
∑W0T1 : ∑W0T0 = W0
*
I1W/ 0(g )
T
=
∑ T 1 ∑ T 0 W0
cu modificarea absolută corespunzătoare: ∆W (g T
) = W * −W
1/ 0 0 0
RelaŃiile existente între indici sunt:
W  g T 
W (w )
I1 / 0 = I1 / 0 ⋅ I1 / 0 
W

Cumulând influenŃele în mărimile absolute ale celor 2 factori, rezultă modificarea absolută a nivelului
mediu al caracteristicii:
W  g T 
W (w )
∆1 / 0 = ∆1 / 0 ⋅ ∆1 /0 
W

 Dinamica valorii desfacerilor de mărfuri cu descompunerea ei pe factori de influenŃă


Se poate face o analiză separată a valorii desfacerilor de mărfuri ca fenomen complex (y = f.x), care este
influenŃat de factorul intensiv (calitativ) productivitatea muncii (W) şi de factorul extensiv (cantitativ)
numărul de salariaŃi (T).
• Indicele sintetic al valorii desfacerilor de mărfuri:

I 1∑
∑ Q1 = ∑W1T1
/0 =
Q

∑ Q 0 ∑W0T0
cu modificarea absolută:
∆∑
1 / 0 = ∑ W1T1 − ∑W0T0
Q

• Indicele sintetic cu structură fixă arată influenŃa factorului intensiv productivitatea muncii, păstrând
structura salariaŃilor constantă în perioada curentă:
Q(W )
I1∑/ 0 = ∑ W1T1
∑ W0T1
cu modificarea absolută:
Q (W )
∆∑
1/ 0 = ∑W1T1 − ∑W0T1
Indicele sintetic al modificărilor structurale arată influenŃa factorului extensiv structura salariaŃilor, păstrând
productivitatea constantă în bază.

I 1∑/ 0
Q (T )
=
∑W 0 T1
∑W 0 T0
cu modificarea absolută:
Q (T )
∆∑
1/ 0 = ∑ W0 T1 − ∑ W0 T0
RelaŃiile existente între indici şi modificările absolute vor fi:
Q (W ) Q(T )
I1∑ = I1∑ ⋅ I1∑
Q
/0 /0 /0

∆∑ ∑ Q (W ) + ∆∑ Q (T )
1 / 0 = ∆1 / 0
Q
1/ 0

Indicii salariului mediu şi ai fondului de salarii


Fondul de salarii al unei societăŃi este format din totalitatea salariilor cuvenite sau calculate după
cantitatea şi calitatea muncii prestate. Statistic, fondul de salarii este o variabilă complexă care se determină ca
produs a doi factori: salariul încasat, ca factor calitativ, şi numărul de salariaŃi, ca factori cantitativ.
Salariul este remunerarea muncii depuse de fiecare angajat în funcŃie de: rezultatul negocierii, vechimea
în muncă, categoria de încadrare, numărul de ore efectuate, calitatea şi cantitatea muncii depuse etc.
Salariul mediu este o variabilă statistică formată în funcŃie de valorile individuale ale salariilor şi
numărul de salariaŃi pe categorii, pe grupe de salariaŃi.
Folosim următoarele notaŃii:
Si = salariu încasat de o grupă de salariaŃi
Ti = numărul de salariaŃi corespunzător unei grupe de salariaŃi
S = salariul mediu
Fs = fondul de salarii.
Calculul salariului se face în funcŃie de fondul de salarii şi numărul de salariaŃi pe grupa respectivă:

Si =
Fsi
, de unde S =
∑ Fs i = ∑ SiTi
Ti ∑ Ti ∑ Ti
Putem calcula indicii individuali ai:
S1
• Salariului încasat: i1S/ 0 =
S0
Fs
• Fondului de salarii: i1Fs/ 0 = 1
Fs0
T
• Numărului de salariaŃi: i1S/ 0 = 1
T0
RelaŃia dintre indicii individuali: i1Fs/ 0 = i1S/ 0 ⋅ i1T/ 0
Analiza salariului mediu cu descompunerea ei pe factori:
• Indicele sintetic al salariului mediu:

I1S/ 0 =
S1
=
∑S T : ∑S T
1 1 0 0

S0 ∑T ∑T 1 0

• Modificarea absolută:
∆S1 / 0 = S1 − S 0
• Indicele sintetic cu structura fixă:

I1S/(S0) =
∑ S1T1 : ∑ S0 T1 =
S1
∑ T1 ∑ T1 S0
*

Notăm cu S 0 =
* ∑ S0T1
∑ T1
• Modificarea absolută:
∆S1(/ s0) = S1 − S 0
*

• Indicele modificărilor structurale:


∑ S0T1 : ∑ S0T0 = S 0
*
I1S/(0g ) =
T

∑ T1 ∑ T0 S0
• Modificarea absolută:
∆S1 /(g0 ) = S 0 − S 0
T *

RelaŃiile existente între indici:


I1S/ 0 = I1S/(0S ) ⋅ I 1S/ (0g )
T

Între modificările absolute:


∆S1 / 0 = ∆S1(/ S0 ) + ∆S1 /(g0 )
T

Se mai poate analiza şi fondul de salarii după relaŃia: Fs = S ⋅ T

I1Fs/ 0 =
∑ Fs = ∑ S T
1 1 1

∑ Fs ∑ S T 0 0 0

∆ Fs
1/ 0 = ∑S T − ∑S T
1 1 0 0
Cei doi factori ce influenŃează fondul de salarii sunt:
• Indicele sintetic al factorului intensiv:
∑S T
I1Fs/ 0( S ) =
1 1

∑S T 0 1
( )
∆ Fs S
1/ 0 = ∑S T − ∑S T 1 1 0 1

• Indicele sintetic al factorului extensiv:

I1Fs/ 0(T ) =
∑S T 0 1

∑S T 0 0

( )
∆Fs
1/ 0
T
= ∑S T −∑S T 0 1 0 0

RelaŃiile dintre indici:


I 1Fs/ 0 = I 1Fs/ 0( S ) ⋅ I 1Fs/ 0(T )
RelaŃiile dintre modificările absolute:
Fs ( S ) Fs (T )
∆Fs
1 / 0 = ∆1 / 0 + ∆ 1 / 0

Cuvinte cheie: indicii; indici individuali; indici sintetici; indicii valorii, volumului fizic şi ai preŃurilor;
indicii productivităŃii muncii; indicii salariului mediu şi ai fondului de salarii.
Teste grilă
1. Indicii sunt incluşi în categoria:
a) indicatorilor tendinŃei centrale;
b) mărimilor medii;
c) indicatorilor variaŃiei;
d) mărimilor relative;
e) indicatorilor asimetrici.
Răspuns: d)
2. De la un punct de desfacere a unei societăŃi comerciale avem următoarele date:

Produse Valoarea vânzărilor în perioada % modificării volumului fizic


de bază (mil. lei) r1q/ 0 %
- v0 -
P1 150 +15
P2 240 -8

CalculaŃi modificarea absolută totală a vânzărilor în perioada curentă faŃă de cea de bază, datorită
v (q )
modificării volumului fizic: ∆∑
1/ 0 =?
v (q )
Răspuns: ∆∑
1/ 0 =3,3 mil. lei.

Model de rezolvare
Produs v0 r1q/ 0 i1q/ 0 = r1q/ 0 + 100 / 100 i1q/ 0 ⋅ v 0 mil lei
%
P1 150 +15 1,15 1,15 • 150 = 172,5
P2 240 -8 0,92 0,92 • 240 = 220,8
Total ∑ v0 = 390 ∑ i1q/ 0 ⋅ v 0 =393,3
v (q )
∆∑
1/ 0 = ∑i q
1/ 0 ⋅ v0 − ∑v 0 = 393,3 − 390 = 3,3 mil. lei.

3. Se cunosc următoarele date:

Unitatea Valoarea producŃiei (mil. lei) % modificării a preŃurilor


v0 v1 r1p/ 0 (%)
A 120 189 +2,3
B 88 164 +1,8

CalculaŃi dinamica modificării relative pe seama modificării volumului fizic al producŃiei, care a fost de:
v (q )
I∑ = ?
10
v (q )
Răspuns: I1∑0 = 166,27%

Model de rezolvare:
Unitatea v0 v1 p
r1 / 0 v
i1 / 0 =
v1 p
( p
)
i1 / 0 = r1 / 0 + 100 100 i1p/ 0 = i v i p

v0
A 120 189 +2,3 1,575 1,023 1,54
B 88 164 +1,8 1,864 1,018 1,83
Total 208 353 - -

v p q p
i1 / 0 = i1q/ 0 ⋅ i1 / 0 ⇒ i1 / 0 = i1v/ 0 i1 / 0
∑ v (q )
I1 / 0 =
∑i ⋅ v
q
1/ 0 0
=
345,84
= 1,6627 sau 166,27 %
∑v 0 208

4. Se cunosc următoarele date:


- mil. lei
Indicatori NotaŃia 2003 2004
1. Salariul nominal SN 800 1.800
2. Modificarea preŃurilor în perioada
curentă, faŃă de cea de bază (%):
• mărfuri alimentare ralim - +48
• mărfuri nealimentare rnealim - +41
• servicii rS - +31
3. Structura cheltuielilor familiilor % 100 100
• mărfuri alimentare galim 45 40
• mărfuri nealimentare gnealim 38 40
• servicii gS 17 20

CalculaŃi indicele salariului nominal I1SN/ 0 şi indicele salariului real I1SR/ 0 .


Răspuns: I1SN/ 0 = 225%; I1SR/ 0 =156,88%

Model de rezolvare:
SN1 1.800
I1SN/ 0 = = = 2,25 sau 225%
SN 0 800
SR0 = SN0
SN
SR 1 I SN1
I1SR/ 0 = sau I1SR/ 0 = 1 / 0 unde SR 1 =
SR 0 IPC IPC

IPC = ∑i p
( ) ( ) ( )
⋅ g 0v = i a lim ⋅ g a0 lim + i neal ⋅ g 0neal + iS ⋅ g S0 =
= (148 · 0,45) + (141 · 0,38) + (131 · 0,17) = 143,46%
1.800
SR 1 = = 1,255
1,4346
SR 1 1.255
I1SR/ 0 = = = 1,5688 sau 156,88%.
SR 0 800