STATISTIC

Prof.univ.dr. EMILIA IAN

CURS
EXTINDEREA REZULTATELOR IN CERCETAREA STATISTICA PRIN SONDAJ

Inferenta statistica

Cercetarea statistic urmrete obinerea informaiilor ce permit caracterizarea, din punct de vedere cantitativ, a fenomenelor de mas. Exist dou modaliti de obinere a acestor informaii i anume: se pot culege date despre toate unitile ce alctuiesc colectivitatea cercetat (cercetare statistica totala) sau se poate selecta o subcolectivitate pe care s o analizm i pe baza informaiilor obinute s tragem concluzii, s generalizm rezultatele pentru colectivitatea de ansamblu (cercetare statistica partiala sau prin sondaj). n condiiile economico-sociale de astzi, cnd este nevoie de informaii rapide, multiple i complexe, metoda principal de obinere a informaiilor statistice tinde s devin, practic, aceea a sondajului statistic, prin care se obin date empirice i, printr-o interpretare probabilistic, se estimeaz indicatori pentru populaia total.

Inferenta statistica

Metoda sondajului va cuprinde atunci dou etape:

etapa descriptiv, n care se culeg date i se calculeaz indicatorii ce caracterizeaz subcolectivitatea analizat; etapa inferenial, n care rezultatele obinute pentru aceast subcolectivitate se extind, n termeni probabilistici, la colectivitatea general.

Selecia statistic reprezint operaia de extragere a unei pri dintr-o colectivitate statistic, a unei subcolectiviti numit eantion, colectivitate parial sau colectivitate de selecie.
O prim distincie trebuie fcut ntre colectivitatea total i cea de selecie. Evident, volumul eantionului este ntotdeauna mai mic dect cel al colectivitii generale (totale). Vom nota, atunci, volumul colectivitii generale cu N i volumul colectivitii de selecie cu n, 1 n N-1

Inferenta statistica

Inferenta statistica

Inferena statistic este procesul prin care cptm informaii i tragem concluzii despre populaia general, pe baza eantionul. Exist dou modaliti principale pentru a face aceast inferen: estimaia i testarea de ipoteze statistice. Estimaia nseamn determinarea valorii aproximative a parametrului din colectivitatea general, folosind eantionul statistic. Spre exemplu, media de sondaj este folosit pentru a estima media din populaia general (este, deci, un estimator). Putem utiliza datele din eantion pentru a estima parametrul, n dou moduri:

estimaie punctual (calculam valoarea estimatorului i considerm aceast valoare drept o valoare a parametrului (pe msur ce cretem dimensiunea eantionului, rezultatele vor fi mai exacte, deoarece se bazeaz pe mai multe informaii). estimaiei pe interval de ncredere

Inferenta statistica

Pentru a efectua o estimaie asupra mediei, pe interval de ncredere, este necesar parcurgerea urmtoarelor etape: 1. calculul indicatorilor de sondaj 2. extinderea rezultatelor sondajului asupra colectivitii generale. Calculul indicatorilor de sondaj presupune determinarea: - mediei de sondaj, - dispersiei mediei de sondaj, - erorii medii de reprezentativitate - erorii limit maxim admisibil. Extinderea rezultatelor seleciei asupra colectivitii generale presupune determinarea unui interval de ncredere pe baza estimatorului punctual pentru media colectivitii generale.

Inferenta statistica- selectia simpla repetata

C a lcu lu l er o rilo r p en tru se le c ia a le a to a re sim p l r ep eta t 1 . Ero ar ea st a n d a rd a m ed ie i ( ero a r ea m ed ie d e re p re z e n t a t iv it a te )
n cazul unei variabile cantitative, de tip nealternativ, pentru estimarea parametrului x media colectivitii generale ) este necesar s calculm media de sondaj () . ( Dispersia mediilor de selecie este de n ori mai mic dect dispersia colectivitii generale i, n cele mai multe cazuri, cum dispersia din colectivitatea generala este necunoscut, se estimeaz pe baza dispersiei eantionului: s2 x 2 sx = n .

Asadar, dispersia mediilor de selecie este invers proporional cu volumul eantionul (n).

Inferenta statistica- selectia simpla repetata

E ro a re a m e d ie d e re p re ze n ta(a bitate re a m e d ie p tra tic a m e d tiv a te so n d a j) se d e te rm in p e b a z a d a te lo r d in e a n tio n c a :

sx = s2
x

sx

n .

D e o a re ce a m e x tra s u n e a n tio n d e v o-o m o n c tivtr te g e n e ra l d lu c le d in ita u n it i, n u p u te m u ris 1 0 0 % n p riv in a v a lo rii ate ea m e d ie i c o le c tiv it fi ig ra d v g e n e ra le . C u to a te a ce ste a , d a c e a n tio n u l e s temda l v o u m anre r ( e sa lu m o > 3 0 u n it i s ta tistice ), p e b a za te o re m e i lim it ce n tra l , p u te in te rv a l d e n c re d e re , c u o p ro b a b ilita te ) d e 1s0 0 (1 d e ragnata re a - la u t re zu lta te lo r, p e n tru p a ra m e tru l m e d ia co le cra le . ii g e n e tiv it
8

Inferenta statistica- selectia simpla repetata

2. Eroarea lim it
Pentru probabilitatea cu care garantm rezultatele 100(1 -)%, eroarea lim it (m axim ) adm isibil este:

x = z / 2 s x = z / 2

sx n
, unde

z / 2 este

argumentul functiei Gauss-Laplace

si depinde de probabilitatea de garantare a rezultatelor (valorile lui z sunt tabelate pentru diverse niveluri de semnificatie) Aceasta nseamn c n 100(1-)% din cazuri, media de sondaj ( x ) se abate de la media colectivitii generale ( ) cu mai puin sau cel mult z/2 ori eroarea medie de reprezentativitate s x .

Inferenta statistica- selectia simpla repetata

Intervalul de ncredere pentru media

bil este,

Intervalul de ncredere calculat pe baza erorii limit maxim admisi n cazul sondajului aleator simplu repetat:

x z / 2

s n

care va conine adevrata valoare a mediei din colectivitatea general ( ), n 100(1 -)% din cazuri. Cea mai folosit probabilitate de garantare a rezul tatelor este de 95% (z 0,025 =1.96), adic: Prin cipiul de baz folosit este gsirea unui echilibru ntre mrimea intervalului de ncredere (un interval mai mic nseamn o precizie crescut) i probabi litatea de cuprindere a parametrului din colectivitatea general (o probabili tate crescut de garantare a rezultatelor poate fi preferat).

10

Inferenta statistica- selectia simpla repetata

Pentru un eantion de volum normal sau mare, mrimea relativ a intervalului de ncredere poate s fie prezentat schematic astfel
Interval de ncredere pentru 1-=0,999 Interval de ncredere pentru 1-=0,99 Interval de ncredere pentru 1-=0,95 Interval de ncredere pentru 1-=0,90

M rim ea relativ a intervalului de ncredere p entru un eantion de volum m are

Se observ c, pe msur ce nivelul de ncredere (probabilitatea cu care garantm rezultatele crete), intervalul de ncredere devine mai mare pentru a acoperi aceast cerin, iar exactitatea estimaiei scade.

11

Inferenta statistica- selectia simpla repetata

Extinderea rezultatelor sondajului la ntreaga colectivitate statistic se va face p e n t r u m e d ia ca ra ct e r is t ic ii n u m e ric e a n a liz a t pe baza erorii limit admisibil i a intervalului de ncredere:

x x < < x+ x .
Deseori suntem interesai s esti mm pe baza sondajului nu doar nivelul mediu al caracteristicii, ci i iv e lu l t o t a l a l ca r a ct e r is t ic ii n c o le ct iv it a te a n g e n e ra l (exemplu: estimarea pe interval de ncredere a fondului de salari zare, a produciei totale obinute etc.). Intervalul de nredere pentru nivelul total al caracteristicii este: c
N ( x x ) < xi < N ( x + x ) .
i =1 N

12

Inferenta statistica- selectia simpla repetata

Exemplu Directorul unui hotel dorete s estimeze durata medie a sejurului turitilor cazai n hotel. n acest scop el selecteaz aleator repetat datele din registrul hotelului, pentru un numr de 80 de turiti, pentru care calculeaz durata medie a sejurului x = 4,8 zile, cu o abatere medie ptratic s x = 2,7 zile i dorete s estimeze pe interval de ncredere, pentru o probabilitate de garantare a rezultatelor de 95%, durata medie a sejurului pentru turitii cazai n hotel.
x = 4,8 zile , s x = 2,7 zile , n = 80 , z / 2 = z 0.025 = 1,96

sx =

sx n

2,7 = 0,30 zile (eroarea standard a mediei) 8,94

x = z / 2 s x = 1,96 0,30 = 0,59 zile

x x x + x 4,8 0,59 4,8 + 0,59 4,21 5,39 zile (pentru o probabilitate de garantare a rezultatelor de 95%).
13

ALEGEREA VOLUMULUI EANTIONULUI - selectia

simpla repetata

Volumul eantionului pentru sondaj aleator simplu repetat Precizia estimaiei i probabilitatea cu care se garanteaz re zultatele unei estimaii pe interval de ncredere sunt mrimi invers propor ionale , astfel nct aceste deziderate trebuie puse ntr -o relaie de echilibru n funcie de scopul cercetrii statistice. Deseori, problema se privete dintr -un unghi diferit, astfel nct trebuie s determinm volumul eantionului nece sar pentru precizia i probabilitatea cerut de cercetare . Pentru determin area volumu lui eantionului, ne concentrm atenia asupra a trei factori: nivelul de ncredere dorit; eroarea limit permis; omogenitatea datelor, msurat prin abaterea medie ptratic.

14

ALEGEREA VOLUMULUI EANTIONULUI - selectia

simpla repetata

n general, putem exprima precizia cerut, asociat cu mrimealului de interva ncredere pentru media populaiei () n unul din dou moduri echi valente: x putem specifica eroarea lim it maxim admisibil ),( n intervaul l creia dorim s estimm media cu un nivel de ncredere Aceast -). (1 eroare limit maxim admisibil este egal cu jumtate din lungime intervalului de ncredere (L). L=2 putem preciza lungimea total a intervalului de ncredere, . n scopul de a estima parametrul colectivitii generale, cu o eroare li mit maxim admisibil x sau echivalent, pe un interval de ncredere de lun total L, cu un gime nivel de ncredere -), adic o probabilitatde ga (1 e rantare a rezultatelor 100(1 , -)% volumul necesar al eantionului se deter rezolvnd una din urmtoarele ecuaii n min n: s s z / 2 x = x sau z / 2 x = L . n n 2
x

15

ALEGEREA VOLUMULUI EANTIONULUI - selectia

simpla repetata

Soluia poate fi scris ca:

(z / 2 ) 2 s 2 x n= 2 x

sa u

4(z / 2 ) 2 s 2 x n= . 2 L

2 x , n general necu noscut. Desigur, i aici s x2 se folosete ca o estimaie a lui Valoarea aproximativ a lui s x2 poate fi cunoscut dintr -o ce rce ta re prin sondaj anterioar . Ca o alternativ, putem aproxima amplitudinea m prtierii A x a observaiilor i apoi, sub presupunerea tendinei de norma litate a distribuiei, putem calcula:

s x Ax / 4

innd cont de faptul c, pentru o astfel de distribuie cu tendin de norma litate, aproximativ 95% din observaii, adic marea lor majoritate, se nca dreaz ntr -un interval de 4 ori abaterea medie ptratic. Pentru o distribuie normal sau aproximativ normal, aproxima tiv 99,73% din observaii sunt cuprinse ntr -un interval de 6 ori abaterea medie ptratic. Valoarea lui n astfel determinat va trebui, n orice caz, rotunjit la un numr ntreg superior (fiind vorba de uniti statistice), pentru a fi siguri c mrimea eantionului este suficient n scopul obinerii preciziei dorite.

16

ALEGEREA VOLUMULUI EANTIONULUI - selectia

simpla repetata

Exemplu

Vacana de iarn este perioada cea mai important pentru activitatea de schi, deoarece muli copii, studeni i aduli sunt dispui s-i petreac un timp considerabil la munte, practicnd acest sport. Pentru a-i dimensiona activitatea, managerul unei staii de telecabine dorete s estimeze timpul mediu de ateptare la staie pentru clieni, de la sosire pn la servire. Dintr-o cercetare anterioar, el tie c timpul de ateptare are o distribuie aproximativ normal, cu o abatere medie ptratic s x =18 min. Ci clieni trebuie s selecteze pentru a estima timpul mediu de ateptare, cu o probabilitate de 95%, pe un interval de ncredere cu o lungime de 10 minute ( 5 minute)?

s x = 1 8 m i n, z / 2 = z 0.0 2 5 = 1,9 6 x = L / 2 = 1 0/ 2 = 5 m i n . , .

z 2 s 2 1,962 324 n= 2 = = 49,78 50 turiti. x 25

17

Sondajul aleator simplu nerepetat

Eroarea medie de reprezentativitate este:

N n sx n sx = 1 N n N 1 n sx

Termenul

N n n 1 se numete coeficient de corecie n populaie N1 N

finit sau factor de exhaustivitate, iar raportul n/N reprezint fracia de sondaj

Eroarea limit maxim admisibil este:

sx n x = z / 2 (s x ) = z / 2 1 n N
18

Sondajul aleator simplu nerepetat

Intervalul de ncredere pentru media din colectivitatea general, corespunztor probabilitii 100(1-)% de garantare a rezultatelor este
x x < < x + x
x z / 2 s n s n 1 < < x + z / 2 1 N N n n

Determinarea volumului eantionului

n= z2 z2
/ 2 / 2

s2 N x
x

2 s 2 + N x

=
x

z2

/ 2

s2 s2
19

2 +

z2

/ 2

Estimarea proporiei n cazul n cazul sondajului aleator simplu

Utilizarea lui f pentru a estima populaia p este similar cu utilizarea lui x pentru estimarea parametrului . Determinarea erorii medii de reprezentativitate
sf = f (1 f ) n

pentru selecie repetat

f (1 f ) n sf = 1 n N

pentru selecie nerepetat

20

Estimarea proporiei n cazul n cazul sondajului aleator simplu

eroarea limit(maxim admisibil):

=z / 2 s f =z / 2 f f (1 f ) n

pentru selecie repetat i

f = z / 2 s f = z / 2 f (1 f ) n 1 n N

pentru selecie nerepetat

21

Estimarea proporiei n cazul n cazul sondajului aleator simplu

Intervalul de ncredere pentru proporia p din colectivitatea general este dat de: f-f < p < f+f Pentru estimarea numrului de rspunsuri afirmative, intervalul de ncredere este dat de:

N (f f ) < M < N ( f + f )

22

Estimarea proporiei n cazul n cazul sondajului aleator simplu

Determinarea volumului eantionului Pentru selecia aleatoare repetat

z 2 f (1 f ) n= 2 f

pentru selecia fr revenire

z 2 f (1 f ) N n= 2 = 2 f N + z f (1 f ) z 2 f (1 f ) z 2 f (1 f ) 2 f + N
23