Documente Academic
Documente Profesional
Documente Cultură
Statistica Economica PDF
Statistica Economica PDF
STATISTICĂ ECONOMICĂ
- SUPORT DE CURS ÎN FORMAT ID –
2011
STATISTICĂ ECONOMICĂ 2
Uzlău
INTRODUCERE
Cursul de “Statistică economică” se adreseză studenţilor înscrişi la programul de
studiu ID, organizat de Facultatea de Ştiinţe Economice.
Iată deci care sunt obiectivele principale ale acestui curs, obiective concretizate în
competenţele pe care le veţi dobândi după parcurgerea şi asimilarea sa:
- însuşirea conceptelor de bază ale statisticii, a metodelor şi procedeelor de
observare, prelucrare şi analiză statistică.
- însuşirea de cunoştiinţe şi formarea de deprinderi la studenţi, care să le
permită realizarea cercetărilor statistice în domeniul economic.
- formarea deprinderilor necesare utilizării metodelor şi procedeelor statistice la
elaborarea unor lucrări de cercetare fundamentale şi aplicative.
Acest manual este destinat atât studenţilor care se formează în arta cunoaşterii
ştiinţifice cât şi acelora care prin natura preocupărilor profesionale trebuie să apeleze la
Universitatea Hyperion | 2011
STATISTICĂ ECONOMICĂ 3
2011
STATISTICĂ ECONOMICĂ 5
2011
STATISTICĂ ECONOMICĂ 9
erorii limită sau a erorii maxime admise în cercetare, ε = ∆ x . Prin urmare, inegalitatea lui
Cebâşev este utilizată la calculul intervalelor de încredere pentru valoarea medie a unei
x0
caracteristici deţinută de unităţile colectivităţii generale, , astfel,
σ x2 1
P( x0 − x < kσ x ) ≥ 1- 2 2
= 1- 2
k ⋅σx k
Enunţul teoremei lui Cebâşev poate fi sintetizat astfel: valoarea medie a mediilor
tuturor eşantioanelor posibil a fi formate prin procedee aleatorii de extragere este egală cu
media caracteristicii respective calculată la nivelul colectivităţii generale.
M ( xi ) = x0
,
în care,
xi
este valoarea medie a caracteristicii studiate calculată pe baza eşantionului „i”.
Teorema lui Bernoulli are următorul enunţ: dacă se fac n experimente sau n
extrageri de unităţi de sondaj dintr-o populaţie statistică, folosind procedee aleatorii de
extragere, probabilitatea de a obţine un rezultat cât mai apropiat de structura reală a
populaţiei statistice creşte odată cu numărul de extrageri, apropiindu-se de certitudine la
infinit, adică,
lim P [ ]
f-p < ε = 1
n →∞ ,
în care:
f - frecvenţa relativă calculată pe baza sondajului,
p - probabilitatea, necunoscută, a aceluiaşi eveniment sau a aceleiaşi stări, existentă în
colectivitatea totală (generală),
n - numărul unităţilor care formează eşantionul.
p1 + p 2 + ... + p n
lim = p
n→∞ n
atunci,
p1 + p 2 + ... + p n
lim P f − < ε = 1
n →∞ n
Observarea statistică este etapa în care are loc înregistrarea datelor primare.
Observarea se desfăşoară conform unei metodologii care se aplică în mod identic la toate
unităţile statistice de la care se culeg date.
Procedeele operaţionale prin care se realizează observarea statistică sunt:
- observarea pe bază de documente care au fost elaborate de sistemul informaţional
contabil, de evidenţa tehnic-operativă sau de alte sisteme de evidenţă,
- observarea directă a unităţilor care compun colectivitatea statistică, prin:
- măsurare, cântărire etc.,
- interviu,
- aplicarea unui chestionar.
Prelucrarea datelor obţinute prin observare este etapa în care se desfăşoară operaţiuni
de grupare, de centralizare (totalizare), de calcul a indicatorilor derivaţi (sintetici şi
analitici) precum şi de afişare a rezultatelor sub forma tabelelor şi reprezentărilor grafice.
Prelucrarea datelor se efectuează cu ajutorul unor procedee metodologice compatibile cu
scopul cercetării şi cu particularităţile colectivităţii cercetate.
Rezultatele cercetărilor statistice pot fi deformate, într-o măsură mai mare sau mai
mică, de unele erori a căror apariţie este cauzată atât de factori obiectivi cât şi de factori
subiectivi.
După locul apariţiei, erorile care pot afecta rezultatele cercetărilor statistice, sunt:
- erori de înregistrare sau de observare
- erori de reprezentativitate
- erori de prelucrare sau de calcul
- erori de interpretare
- erori de metodă sau de metodologie a cercetării
Erorile de înregistrare pot apare la orice tip de observare statistică şi sunt la rândul
lor de două feluri:
- erori întâmplătoare
- erori sistematice
De reţinut:
Statistica are ca obiect cercetarea fenomenelor social-economice cu
existenţă concretă, trecând de la date individuale numeroase şi variate ca
formă de manifestare, la dimensionarea prin indicatori specifici, sintetici şi
analitici, a trăsăturilor esenţiale ale fenomenelor.
NR. 1
2011
STATISTICĂ ECONOMICĂ 19
colectivitate. Această operaţiune este legată în mod strict de logica persoanei care
realizează gruparea;
3 - se calculează mărimea (lungimea) intervalului de grupare prin raportarea
amplitudinii variaţiei la numărul de grupe convenit a fi constituite. Dacă se consideră
necesar, pentru a calcula mărimea intervalului, se poate opta pentru una din următoarele
soluţii:
-formula propusă de Sturges,
în care:
n- este numărul unităţilor care formează colectivitatea statistică supusă operaţiunii de
grupare,
1
i= ⋅ 8 ⋅ ( x max − x min )
100
intervale de mărimi egale fie pe intervale de mărimi neegale după cum se consideră că
acestea răspund mai bine scopului propus.
Felurile grupărilor
Seria statistică este un şir de valori ale unei caracteristici ordonate în funcţie de
şirul valorilor unei alte caracteristici sau după un anumit principiu, cum ar fi ordinea
alfabetică, ordinea de mărime sau rangul unităţii statistice etc..
Seriile statistice pot fi de mai multe feluri în funcţie de tipul caracteristicii de
grupare sau de forma practică de prezentare a datelor, astfel:
3 - serii dinamice, cronologice sau de timp- sunt şiruri de date statistice care
prezintă schimbarea mărimii unor indicatori statistici în raport cu timpul.
Seriile dinamice pot fi de două feluri:
- de intervale de timp, cînd indicatorii prezentaţi în serie dinamică au ca
perioadă de formare întreg segmentul de timp le care se referă. De exemlu,
dinamica cifrei de afaceri obţinută anual de un agent economic într-o perioadă
de cinci ani. Se menţionează că prin totalizarea indicatorilor prezentaţi în serie
dinamică de intervale de timp se obţine o mărimă care acoperă întreaga perioadă
de timp la care ne referim;
- de momente, cînd indicatorii prezentaţi în serie dinamică se referă la
numărul unităţilor sau mărimea caracteristicii statistice înregistrată la o anumită
dată calendaristică. De exemplu, dinamica stocurilor de mărfuri existente într-un
magazin la data de întâi a fiecărei luni, pe durata unei anumite perioade de timp
(trimestru, semestru, an). În cazul acestor serii dinamice totalizarea directă a
indicatorilor de nivel înregistraţi la anumite momente nu conduce la o mărime
totalizatoare cu semnificaţie reală sau cu o reprezentare globală asupra
perioadei la care se referă indicatorii.
De reţinut!
Mărimile relative sunt indicatori derivaţi calculaţi ca raport între două mărimi
absolute, două mărimi medii sau alte două mărimi relative. Rezultatul obţinut este o
expresie numerică care arată câte unităţi din indicatorul raportat revin la o unitate a
indicatorului bază de raportare.
Tehnica de calcul a mărimilor relative este simplă ceea ce explică şi larga lor
utilizare în cercetarea statistică, în analiza activităţii economico-financiare sau în alte
lucrări de analiză şi cercetare.
Volumul grupei
M.r.s.= Volumul total al colectivităţii
statistice
Indicatorul realizat
M.r.î.p.=
Indicatorul programat sau planificat
5.- mărimile relative care exprimă sarcini programate de modificare (de creştere
sau de scădere) a indicatorilor economico-financiari analizaţi (mărimi relative ale
sarcinii programate de creştere sau de scădere a indicatorilor analizaţi). Formula de
calcul este următoarea:
6.- raportul de mărime dintre două grupe ale aceleiaşi colectivităţi (mărimi
relative de coordonare).
7.- raportul de mărime dintre doi indicatori de acelaşi fel, coexistenţi în timp dar
situaţi în spaţii diferite (mărimi relative de coordonare teritorială).
variantelor din seria statistică studiată sunt egale între ele, se foloseşte formula mediei
aritmetice simple,
Σ x
M (x ) = x = i
n
iar dacă frecvenţele variantelor nu sunt egale între ele, se aplică media aritmetică
ponderată,
Σ xi ni
M(x) = x = ,
Σ ni
Media aritmetică are mai multe proprietăţi operaţionale care prin cunoaşterea şi
aplicarea lor se poate verifica atât exactitatea calculelor cât şi posibilitatea obţinerii
valorii medii printr-un calcul simplificat.
Aceste proprietăţi sunt:
Σ( xi ± a)
x±a = , pentru seriile statistice cu frecvenţe egale,
n
Σ( x i ± a ) ⋅ ni
x±a= , pentru seriile statistice cu frecvenţe neegale.
Σ ni
x
Σ i ⋅ ni
Σ( xi ⋅ k ) ⋅ ni x k
x ⋅k = şi respectiv =
Σ ni k Σ ni
ni
x = Σ xi ⋅ nri , în care nri =
Σ ni
xi − a
Σ ⋅
x= k ⋅ k + a , pentru seriile statistice cu frecvenţe egale,
n
xi − a
Σ ⋅ ni
x= k ⋅ k + a , pentru seriile statistice cu frecvenţe neegale
Σ ni
Aceste relaţii oferă în mod efectiv avantajul simplificării calculelor numai dacă
sunt îndeplinite următoarele condiţii:
- seria de variaţie este constituită pe intervale egale de grupare,
- constantei „a”i se acordă ca valoare mijlocul intervalului care deţine frecvenţa
cea mai mare,
- constantei „k”i se acordă ca valoare mărimea intervalului de grupare.
Exemplul 1
Tabelul 1
Grupe
de
Consumul Frecvenţe
apartamente
Numărul Mijlocul total de xi − a relative
după k xi − a
apartamentelor intervalul energie ⋅ ni ( nri )
consumul de a = 7 ,25 k
( ni ) ui ( xi ) electrică k = 0 ,5 ni
energie nri =
( x i ni ) Σni
electrică
($)
Notă:
- Limita inferioară a intervalului de grupare este inclusă în interval.
- Mijlocul intervalului de grupare se obţine prin raportarea la 2 a sumei celor
două limite înscrise la fiecare interval (semisuma limitelor intervalului).
În cazul intervalelor deschise (lipseşte una din limite), pentru a putea calcula
mijlocul intervalului, acestora li se completează limita care nu este definită, astfel:
SAU
xi − a
Σ ⋅ ni
k −7
x= ⋅k + a = ⋅ 0,5 + 7,25 = 7,13 $ ,
Σ ni 30
SAU
dacă se folosesc frecvenţele relative se poate scrie următoarea relaţie de calcul a valorii
medii,
x = Σ (xi ⋅ nri ) = 6,25 ⋅ 0,17 + 6,75 ⋅ 0,23 + 7,25 ⋅ 0,33 + 7,75 ⋅ 0,20 + 8,25 ⋅ 0,07 =
= 7,13 $
n
Ma( x ) = x = ,
1
∑x
i
unde „n” este numărul mărimilor relative, iar „xi” reprezintă mărimile relative
individuale.
Ma( x ) = x = ∑xn i i
1
∑x xn i i
i
Exemplul 2
Tabelul 2
Sumele încasate
Preţul de vânzare cu
din vânzarea
Punctul amănuntul x i ni
cartofilor
comercial (lei/kg.) xi
(lei)
− x i ni −
− xi ni −
x=
∑x n i i
=
675.000 + 420.000 + 655.500 + 500.000
= 2.296,4 lei/kg
1 675.000 420.000 655.500 500.000
∑x xn i i
2.500
+
2.400
+
2.300
+
2.000
i
Σ xi2
Mp( x ) = x = ,
n
iar dacă frecvenţele variantelor nu sunt egale între ele, se aplică media pătratică
ponderată,
Σ xi2 ni
Mp( x ) = x =
Σ ni
Media cronologică are semnificaţia unei medii aritmetice din medii parţiale şi se
utilizează la calculul nivelului mediu al indicatorilor prezentaţi sub forma seriilor
dinamice de momente. Această medie se foloseşte la calculul valorii medii a activelor
circulante, a stocurilor de orice natură dar în special pentru materii prime, materiale şi
mărfuri, a imobilizărilor corporale şi respectiv a mijloacelor fixe, precum şi la calculul
efectivelor medii de animale.
Dacă intervalele de timp, dintre oricare două momente succesive ale seriei
dinamice, sunt egale între ele se foloseşte formula mediei cronologice simple, adică,
x1 x
+ x2 + x3 + x4 + ... + xn-1 + n
Mc = x = 2 2
n −1
şi respectiv, dacă nu sunt egale între ele, se recurge la formula mediei cronologice
ponderate,
x1 + x2 x + x3 x + x4 x + xn
t1 + 2 t2 + 3 t3 + ... + n-1 tm
Mc = x = 2 2 2 2
t1 + t 2 + t3 + ... + tm
în care,
Exemplul 3
Tabelul 3
1 aprilie x 4 = 600
x1 x 500 600
+ x2 + x3 + 4 + 800 + 400 +
Mc = x = 2 2 = 2 2 = 1.750 = 583,33 mii lei
n −1 4 −1 3
SAU
dacă se procedează la calculul mediei cronologice în modalitatea unei medii din medii
parţiale succesive, se obţine, în mod evident, acelaşi rezultat:
x1 + x 2 x 2 + x 3 x 3 + x 4
+ +
2 2 2 650 + 600 + 500 1.750
Mc = x = = = = 583,33 mii lei
n −1 4 −1 3
Tabelul 4
Dinamica stocului de mărfuri
Notă: În cazul situaţiei expuse, intervalul de timp existent între două momente
succesive la care a fost înregistrat stocul de mărfuri, poate fi apreciat în număr de luni,
dar se poate opta şi pentru varianta numărului de zile.
Universitatea Hyperion | 2011
STATISTICĂ ECONOMICĂ 42
x1 + x2 x + x3 x + x4 x + x5 x + x6
t1 + 2 t2 + 3 t3 + 4 t4 + 5 t5
Mc = x = 2 2 2 2 2 =
t1 + t 2 + t 3 + t 4 + t 5
500 + 800 800 + 400 400 + 600 600 + 1.000 1.000 + 300
⋅ 1,5 + ⋅ 0,5 + ⋅3+ ⋅5+ ⋅2
= 2 2 2 2 2 =
1,5 + 0,5 + 3 + 5 + 2
975 + 300 + 1.500 + 4.000 + 1.300 8.075
= = = 672,92 mii lei
12 12
SAU
x1 + x2 x +x x +x x +x x +x
t1 + 2 3 t 2 + 3 4 t 3 + 4 5 t 4 + 5 6 t 5
Mc = x = 2 2 2 2 2 =
t1 + t 2 + t 3 + t 4 + t 5
Prin urmare, stocul mediu al mărfurilor, înregistrat la nivelul anului respectiv, este
de 672,92 mii lei dacă se utilizează o pondere exprimată în număr de luni şi de 673,29
mii lei dacă se utilizează o pondere exprimată în număr de zile.
x 2 x3 x4 x x
Im = Mg = n −1 ⋅ ⋅ ⋅ ... ⋅ n = n −1 n ,
x1 x 2 x 3 x n −1 x1
în care:
- prima medie geometrică ( Mg1 ) este o medie geometrică simplă, care se referă la
întreaga serie dinamică supusă prelucrării,
- a doua medie geometrică ( Mg 2 ) este tot o medie geometrică simplă dar care se
bazează pe n - 2 indicatori de nivel, fiind eliminaţi din calcul primul şi ultimul indicator
din serie, notaţia „n” este acordată numărului total de indicatori de nivel înscrişi în serie
dinamică,
- a treia medie geometrică ( Mg 3 ) se determină prin luarea în consideraţie a unui
număr de n - 4 indicatori de nivel, se elimină astfel din calcul primii doi şi ultimii doi
indicatori de nivel din serie,
Dacă seria dinamică respectivă este formată dintr-un număr impar de indicatori,
indicatorul din mijlocul seriei nu va fi luat în calcul la nici-o variantă a mediei geometrice
secvenţiale.
Ponderea fiecărei medii geometrice secvenţiale este reprezentată prin numărul
unităţilor (segmentelor) de timp la care se referă media, adică f1=n - 1 pentru prima
medie, f2= n - 3 pentru media a doua, f3= n - 5 pentru media a treia, ş.a.m.d.
Relaţia de calcul a mediei geometrice corectate este următoarea:
Im = Mg c = ∑ i Mg 1f1 ⋅ Mg 2f 2 ⋅ Mg 3f 3 ⋅ Mg 4f 4 ⋅ ... ⋅ Mg mf m
f
în care,
∑f i = f 1 + f 2 + f 3 + f 4 + ... + f m
n 2
S = ∑ ( xi −1 ⋅ Im − xi ) = minim
i=2
Im = I =
∑x ⋅x
i i-1
∑ (x )
2
i-1
Rm = R = Im ⋅ 100 - 100
Exemplul 4
Tabelul 5
1000
900
800
700
600
mld. lei
500
400
300
200
100
0
1 2 3 4 5 6 7 8 9 10
Anii
Fig. 1
xn 860 9
Im = I = n −1 = 10−1 = 4,279 = 1,175
x1 201
9 7 5 3
860 778 741 660 608 1
Im = I = 9 + 7 + 5 + 3 +1
10−1 ⋅ 8−1 ⋅ 6−1 ⋅ 4−1 ⋅ =
201 420 438 489 571
= 25 19,27 = 1,126
c- procedeul autoregresiei,
Σ( xi ⋅ xi − 1 ) 3.244.867
Im = I = 2
= = 1,106
Σ( xi − 1 ) 2.933.436
MODULUL)
Dacă se consideră necesar, pentru aprecierea nivelului mediu al unei caracteristici
statistice se poate folosi, mediana sau modulul, ca valori tipice de poziţie, deoarece
acestea ocupă un anumit loc cu semnificaţie medie în cadrul unei serii de valori.
Mediana (XMe)este varianta caracteristicii care ocupă locul central în seria de date
statistice care au fost ordonate crescător sau descrescător.
Poziţia ocupată de mediană în cadrul unei serii de repartiţie prezentată ca o
înşiruire de variante se calculează asfel:
n +1
- locul medianei: Me =
2
Dacă seria are un număr impar de valori, XMe, va fi varianta centrală localizată
prin calculul locului medianei (Me).
Dacă seria are un număr par de valori, XMe, va fi rezultatul mediei aritmetice
simple efectuată din cele două variante centrale.
În cazul seriilor de repartiţie în care datele statistice sunt prezentate sub forma
unor grupări pe intervale de grupare, calculul valorii mediane se realizează pe baza
formulei:
Σ ni + 1
− fcp
X Me = x0 + d ⋅ 2 ,
fm
în care,
x0 este limita inferioară a intervalului median,
d este mărimea intervalului median, obţinută ca diferenţă între limita superioară
şi limita inferioară a intervalului median,
Σni + 1
este locul sau, numărul de ordine pe care îl ocupă valoarea mediană şi
2
pe bază căruia se stabileşte intervalul median,
Quartilele sunt acele valori ale caracteristicii statistice care împart o serie de
repartiţie în patru zone egale, din punct de vedere al numărului unităţilor care formează o
colectivitate.
Această procedură este folosită atunci când numărul unităţilor statistice este
suficient de mare şi se consideră necesar să se constituie patru grupe egale care să se
caracterizeze printr-un anumit grad de omogenitate.
Calculul quartilelor se bazează pe aceeaşi logică metodologică folosită la calculul
medianei, dar ţinând seama de locul ocupat de quartila respectivă. Quartila 2 (Q2) este
identică cu valoarea mediană iar quartila 1 (Q1) şi respectiv quartila 3 (Q3) se calculează
astfel:
Σni + 1
− fcp(Q1 )
Q1 = x0 (Q1 ) + d ⋅ 4
f Q1
3
⋅ ( Σni + 1) − fcp(Q3 )
Q3 = x0 (Q3 ) + d ⋅ 4
f Q3
Σni + 1
− fcp(D1 )
D1 = x0 ( D1 ) + d ⋅ 10
f D1
.
.
.
9
⋅ ( Σni + 1) − fcp(D9 )
D9 = x0 ( D9 ) + d ⋅ 10
f D9
Modulul (XMo) reprezintă acea variantă a caracteristicii care are cea mai mare
frecvenţă, sau, cu alte cuvinte, varianta care este înregistrată de cele mai multe unităţi ale
colectivităţii statistice.
Dacă dispunem de o serie de repartiţie în care datele statistice sunt prezentate sub
forma unei grupări pe intervale de grupare, calculul valorii modale se realizează pe baza
formulei:
∆1
X Mo = x0 + d ⋅ ,
∆1 + ∆ 2
în care,
x0 este limita inferioară a intervalului modal. Intervalul modal este intervalul care
are frecvenţa cea mai mare,
d este mărimea intervalului modal, obţinută ca diferenţă între limita superioară şi
limita inferioară a intervalului modal,
∆1 este diferenţa dintre frecvenţa intervalului modal şi frecvenţa intervalului
precedent,
∆ 2 este diferenţa dintre frecvenţa intervalului modal şi frecvenţa intervalului
următor.
Sunt şi cazuri în care frecvenţe maxime identice se înregistrează la două sau mai
multe intervale de grupare sau la mai multe variante ale caracteristicii, în aceste situaţii
seriile de repartiţie sunt denumite bimodale sau multimodale.
Exemplul 5
Grupe de
Mărimea
apartamente Numărul Frecvenţele
intervalului
după consumul apartamentelor cumulate
(lim. sup.– lim.
de energie ( ni ) ascendent
inf.)
electrică ($)
Σ ni + 1 30 + 1
Me = = = 15,5 ,
2 2
Σ ni + 1 30 + 1
− fcp − 12
X Me = x0 + d ⋅ 2 = 7,0 + 0,5 ⋅ 2 = 7,175 $
fm 10
∆1 10 − 7
X Mo = x0 + d ⋅ = 7,0 + 0,5 ⋅ = 7,214 $
∆1 + ∆2 (10 − 7 ) + (10 − 6)
ALTERNATIVE
1 ⋅ n1 + 0 ⋅ n2 n1
x= p= = .,
n1 + n2 n1 + n2
în care,
1 ⋅ 20 + 0 ⋅ 1980 20
x= p= = = 0,01 sau 1%
2000 2000
De reţinut!
Mărimile relative sunt indicatori derivaţi calculaţi ca raport între două
mărimi absolute, două mărimi medii sau alte două mărimi relative.
Rezultatul obţinut este o expresie numerică care arată câte unităţi din
indicatorul raportat revin la o unitate a indicatorului bază de raportare.
1. Baron, T.; Biji, E.; Tövissi, L.; Wagner, P.; Isaic-Maniu, Al.; Korka, M.; Porojan,
D., Statistică teoretică şi economică, Editura Didactică şi Pedagogică, Bucureşti,
1996;
I
Universitatea Hyperion | 2011
STATISTICĂ ECONOMICĂ 57
xmax − xmin
- amplitudinea relativă: A(% ) = ⋅ 100
x
xi − x
- abaterea relativă: ∆ i (% ) = ⋅ 100
x
Σ xi − x
d= , în cazul seriilor de repartiţie cu frecvenţe egale
n
Σ x i − x ⋅ ni
d= , în cazul seriilor de repartiţie cu frecvenţe neegale
Σ ni
Abaterea medie liniară, prin modul ei de calcul, acordă aceeaşi importanţă tuturor
abaterilor variantelor de la valoarea medie, indiferent de mărimea abaterii, fapt ce poate
influenţa în mod negativ o corectă apreciere a gradului de reprezentativitate a valorii
medii. Din acest motiv, pentru aprofundarea analizei seriilor statistice se recomandă să se
utilizeze şi alţi indicatori sintetici cu rol de medie a nivelului de variabilitate.
b) - Dispersia (σ x2 )
Dispersia caracteristicii oferă o mărime cifrică cu caracter abstract a gradului de
variabilitate existent într-o colectivitate statistică deoarece nu poate fi interpretată în mod
direct datorită caracterului ireal al unităţii de măsură în care se exprimă.
2 2
Σ ( xi − x ) Σ xi2 Σ xi
σ x2 = = − , în cazul seriilor de repartiţie cu frecvenţe egale
n n n
2 2
2 Σ( xi − x ) ⋅ ni Σ xi2 ni Σ xi ni
σ =
x = − , în cazul seriilor de repartiţie cu frecvenţe neegale
Σ ni Σ ni Σ ni
2
x −a
Σ i
k 2
2
σx = ⋅ k 2 − ( x − a ) , în cazul seriilor de repartiţie cu frecvenţe egale
n
2
x −a
Σ i ⋅ ni
k 2
2
σx = ⋅ k 2 − ( x − a ) , în cazul seriilor de repartiţie cu frecvenţe neegale
Σ ni
2
Σ( xi − x )
σx = , în cazul seriilor de repartiţie cu frecvenţe egale
n
2
Σ ( x i − x ) ⋅ ni
σx = , în cazul seriilor de repartiţie cu frecvenţe neegale
Σni
pătratică are o mărime mai mare cu atât valorile individuale ale caracteristicii sunt mai
dispersate şi deci colectivitatea este mai puţin omogenă.
Abaterea medie pătratică are o aplicabilitate extinsă pentru dimensionarea
sintetică a variaţiei caracteristicii studiate deoarece se exprimă în aceleaşi unităţi de
măsură în care sunt exprimate şi variantele caracteristicii. Acest indicator prezintă totuşi
şi o limită de aplicare atunci când se doreşte să se facă, pe baza mărimii sale, o
comparaţie a gradului de variabilitate existent în două colectivităţi statistice ale căror
caracteristici sunt exprimate în unităţi de măsură diferite sau sunt mărimi cifrice de ordin
diferit (ordinul zecilor şi respectiv ordinul sutelor) chiar dacă unitatea de măsură este
identică.
σx
V= ⋅ 100
x
Exemplul 6
grupaţi după mărimea cifrei de afaceri, care au ca obiect de activitate prestarea de servicii
turistice.
Tabelul 6
Amplitudinea variaţiei
- amplitudinea absolută: A = x max − x min = 550 − 150 = 400 mii lei
xi − x
- abaterea relativă: ∆ i (% ) = ⋅ 100
x
Dispersia,
2
Σ ( xi − x ) ⋅ ni 2.855.000
σ x2 = = = 14.275
Σ ni 200
Coeficientul de variaţie,
σx 119,478
V= ⋅ 100 = = 32,7%
x 365
- dispersia
2 2
σ 2
=
(1 − p ) ⋅ p + (0 − p ) ⋅ q q 2 ⋅ p + p 2 ⋅ q q ⋅ p ⋅ (q + p )
= = = q⋅ p
x
p+q p+q p+q
σx = q ⋅ p
k nj
∑∑ (x − x0 ) ⋅ nij
2
ij
j =1 i =1
σ 02 = k
∑n j =1
j
în care,
xij sunt cele „i” variante ale caracteristicii din grupa „j”,
grupe de unităţi,
fj
∑ (x − x j ) ⋅ nij
2
ij
σ 2j = i =1
fj
, în care,
∑n i =1
ij
∑σ
j =1
2
j ⋅nj
2
σ =
j k
∑nj =1
j
∑ (x − x0 ) ⋅ n j
2
j
j =1
δ2 = k
∑n j =1
j
Rezultă, din cele expuse, că dispersia generală cumulează atât influenţa factorilor
întâmplători cât şi influenţa factorului obiectiv, respectiv a factorului de grupare,
exprimând, astfel, măsura nivelului total al varibilităţii caracteristicii studiate, fapt
confirmat şi prin relaţia care atestă “regula de adunare a dispersiilor”,
σ 02 = σ 2j + δ 2
Exemplul 7
Tabelul 7
3 3 3 3
Numărul total al unităţilor statistice: ∑∑ n
i =1 j =1
ij = ∑ ni = ∑ n j = n = 20
i =1 j =1
Dispersia
corectată (în
Numărul
Tipul împrăştierii Suma funcţie de Criteriu
gradelor
(variaţiei) pătratelor abaterilor numărul l
de libertate
gradelor de
libertate)
– dintre grupe
(variaţia
2
determinată de 3
2 2 48666,7 s1
∑ ( x i − x ) ⋅ ni = f1 = m − 1 s1 = = F= 2 =
influenţa i =1 2 s2
= 3 −1 = 2
factorului = 48.666 ,7 = 24.333,35 = 10,13
principal de
grupare)
– din interiorul
grupelor
(variaţia deter- ∑3 ∑3 ( x − x ) 2 ⋅ n = 2 40832,3
j i ij f2 = n − m = s2 = =
minată de i =1j =1 17
= 20 − 3 = 17
influenţa = 40 .832 ,3 = 2 .401,89
factorilor
reziduali )
3
2
∑ (x j − x) ⋅ n j = n −1 =
Variaţia totală j =1
= 20 − 1 = 19
= 89 .500 ,0
= 48.666 ,7
3 3 2
2
∑ ∑ ( x j − xi ) ⋅ nij = 40.832 ,3 (350 ,0 − 350 ,0) ⋅ 8 = 0 ,0
i =1j =1 2
2 ( 450 ,0 − 350 ,0) ⋅ 1 = 10.000 ,0
( 250 ,0 − 283,3) ⋅ 4 = 4.444 ,4
2
2 (350 ,0 − 425,0) ⋅ 1 = 5.625,0
(350 ,0 − 283,3) ⋅ 2 = 8.888,9
2
2
( 250 ,0 − 350 ,0) ⋅ 1 = 10.000 ,0 ( 450 ,0 − 425,0) ⋅ 3 = 1.875,0
3
2 2 2 2
∑ ( x j − x ) ⋅ n j = ( 250,0 − 345,0) ⋅ 5 + (350,0 − 345,0) ⋅ 11 + ( 450,0 − 345,0) ⋅ 4 =
j =1
principale.
Se remarcă faptul că, pe măsură ce are loc o creştere a vechimei în muncă se
majorează şi salariul lunar.
Notă:
Numărul gradelor de libertate, la care se face referire în cazul unor legi de
repartiţie, este dat de diferenţa dintre numărul elementelor considerate simultan
(numărul unităţilor statistice sau numărul grupelor formate în cadrul unei serii de
repartiţie) şi numărul relaţiilor independente care le leagă, cum ar fi valoarea medie sau
numărul parametrilor dintr-o expresie analitică care modelează fenomenul studiat. Se
precizează că numărul gradelor de libertate este un parametru al funcţiilor de repartiţie,
Fisher, Student şi χ 2 (hi pătrat), care au numeroase aplicaţii în domeniul verificării
ipotezelor statistice.
a) Coeficientul de asimetrie
Coeficientul de asimetrie (Sx) este o măsură a asimetriei distribuţiei seriei în jurul
mediei, acesta ne edifică asupra modului de dispunere a nivelurilor individuale ale
caracteristicii în raport cu o repartiţie uniformă sau normală. Cu cât coeficientul de
asimetrie este mai mic, respectiv se apropie ca mărime de zero, cu atât seria statistică are
un grad de asimetrie mai redus, iar dacă Sx este egal cu zero, seria este perfect simetrică.
Semnul pozitiv al coeficientului de asimetrie indică o asimetrie spre dreapta iar,
semnul negativ semnalizează existenţa unei asimetrii a seriei statistice spre stânga
respectiv către nivelurile mai mici ale seriei.
Formula de calcul a coeficientului de asimetrie este:
3
1 x − x
Sx = Σ
n σx
2
în care, σ x = Σ x2 Σ x Σ (x − x ) 2
− =
n n n
4
1 x − x
Kx = Σ
n σx
libertate. În principiu, dacă, JB > χ 2P =1− q ; f = 2 , se respinge ipoteza nulă a repartizării normale
a variabilei. Cu cât valoarea lui JB este mai mică, mai apropiată de zero, cu atât
pobabilitatea (P=1-q) de a accepta ipoteza nulă este mai mare, riscul de a respinge o
ipoteză adevărată (q) este mai mic şi, prin urmare, seria statistică se apropie ca formă de
repartiţia teoretică normală. Este evident că atunci când, JB = 0, seria se distribuie
conform legii de repartiţie normală.
În mod practic, nu avem motive de a respinge ipoteza nulă atunci când
probabilitatea corespunzătoare mărimii calculate a coeficientului statistic JB şi numărul
gradelor de libertate -2, este mai mare de 0,6. Dacă se constată însă că probabilitatea
aferentă valorii tabelare care se apropie cel mai mult de mărimea coeficientului statistic
JB şi numărul gradelor de libertate -2, este mică, respectiv sub 50%, putem concluziona,
fără rezerve, că ipoteza de normalitate a repartiţiei empirice nu este adevărată. O situaţie
particulară, de indecizie, este posibilă atunci când probabilitatea cu care se garantează
testarea este cuprinsă între 0,5 şi 0,6, caz în care se optează pentru mărirea eşantionului şi
reluarea testării.
1 4
Σ( x − x )
x − X Mo
Sx = , Kx = n
σ (σ )
2
2
Indicatorul „Ei” poate înregistra o mărime cuprinsă între 1 şi 1/n (în care „n” este
numărul stărilor, grupelor sau diviziunilor de timp, iar „r” sunt mărimile relative de
1
structură). Dacă Ei = , se constată o dispunere uniformă a unităţilor sau a caracteristicii
n
pe stările respective (maximă diversificare), iar dacă Ei = 1 , se identifică o concentrare
totală, într-o singură stare.
Kg =
( )
n ⋅ Σ r2 −1
n −1
Exemplul 8
Tabelul 8
Structura mărfurilor comercializate
Anul 1 Anul 2
Felul mărfurilor mii structura mii structura r02 r12
comercializate euro ( r0 ) euro ( r1 )
- pentru anul 1,
Kg0 =
( )
n ⋅ Σ r02 − 1
=
6 ⋅ 0,2048 − 1
= 0,214
n −1 6 −1
- pentru anul 2,
Kg1 =
( )
n ⋅ Σ r12 − 1
=
6 ⋅ 0,1962 − 1
= 0,188
n −1 6 −1
Kg 1 0,188
I= = = 0,8785; 87,85%; - 12,15%
Kg 0 0,214
Coeficientului Gini din anul 1 a fost mai mic decât mărimea înregistrată în anul 2
cu 12,15%.
De reţinut!
Pentru caracterizarea unei colectivităţi statistice din punct de vedere al
împrăştierii nivelurilor individuale se folosesc indicatori specifici cunoscuţi
sub denumirea de indicatorii variaţiei.
Pentru obţinerea unui mesaj corect prin grafic este necesar să se apeleze la tipul
de reprezentare care se potriveşte specificului datelor ce vor fi vizualizate în formă
grafică. Astfel, în practică se utilizează următoarele tipuri de reprezentări grafice:
- diagrama prin benzi - este recomandată a fi utilizată în cazul datelor care
exprimă: lungimea (râurilor, fluviilor, şoselelor, căilor ferate); vârsta populaţiei (piramida
vârstelor); producţia unor bunuri industriale sau agricole realizate într-un an. De
asemenea, această modalitate de reprezentare este folosită şi în cazul seriilor dinamice
formate dintr-un număr redus de indicatori distanţaţi inegal în timp.
Pentru exemplificare vom folosi seria statistică a producţiei de cereale realizată de
o societate comercială, într-un an,
ovăz
orz
mii tone
porumb
grâu
Fig. 2
- diagrama prin coloane - are o utilizare mai frecventă atunci când dorim să
reprezentăm grafic un număr redus de indicatori sistematizaţi în serie dinamică sau se
referă la categorii de valori diferite.
Pentru exemplificare vom folosi seria statistică a turiştilor care au vizitat România
în anul 1, repartizaţi pe zone teritoriale de provenienţă,
160
140
120
100
80 mii turişti
60
40
20
0
Europa Asia America de America de Africa Australia
Nord Sud
Fig. 3
Structura
Mii lei (%)
Total lucrări de
investiţii
din care: 29.594 100,0
- construcţii 13.226 44,7
- utilaj tehnologic 11.651 39,4
- mijloace de transport 1.341 4,5
- birotică 3.376 11,4
11%
5%
construcţii
45% utilaj tehnologic
mijloace de transport
birotică
39%
Fig. 4
ianuarie
200
decembrie februarie
150
noiembrie 100 martie
50
Numărul de zile-turişti
octombrie 0 aprilie
septembrie mai
august iunie
iulie
Fig. 5
12
10 10
8 8 Grupe dupa vechimea în
muncă (ani)
6
5 Numărul salariaţilor
4 4 (poligonul frecvenţelor)
3
2
1
0
Grupa 1, Grupa 2, Grupa 3, Grupa 4, Grupa 5, Grupa 6,
0-5 5-10 10-15 15-20 20-25 25-30
Fig. 6
Anul 1 2 3 4 5 6 7 8 9 10
Mii 1.340 1.930 2.440 3.184 3.800 4.650 5.620 7.060 7.930 8.500
lei
9000
8000
7000
6000
5000 Mii lei
4000 Anul
3000
2000
1000
0
1 2 3 4 5 6 7 8 9 10
Fig. 7
De reţinut!
Pentru sistematizarea indicatorilor derivaţi rezultaţi în urma prelucrării,
pentru a facilita realizarea operaţiunilor de prelucrare, interpretare sau previziune
a fenomenelor social-economice se procedează, de regulă, la vizualizarea
indicatorilor economici în tabele statistice precum şi sub forma reprezentărilor
grafice.
Tabelul statistic este un ansamblu formal de indicatori statistici care concentrează
judecăţile ce vizează o colectivitate statistică.
Pentru obţinerea unui mesaj corect prin grafic este necesar să se apeleze la tipul
de reprezentare care se potriveşte specificului datelor ce vor fi vizualizate în
formă grafică.
1. Baron, T.; Biji, E.; Tövissi, L.; Wagner, P.; Isaic-Maniu, Al.; Korka M.;
Porojan, D., Statistică teoretică şi economică, Editura Didactică şi
Pedagogică, Bucureşti, 1996.
2. Mihăilescu, N.,Statistica şi bazele statistice ale econometriei, Editura
Renaissance, Bucureşti, 2011.
minim de indicatori este apreciat la 40. În unele situaţii concrete se remarcă faptul că o
semnificaţie crescută a indicatorilor care exprimă diverse aspecte ale corelaţiilor dintre
fenomene este mult îmbunătăţită atunci când numărul determinărilor statistice depăşeşte
100.
Pentru a studia legăturile statistice care se formează între fenomene pot fi utilizate
mai multe modalităţi de observaţie şi de calcul, grupate astfel:
- metode simple sau de observaţie:
- metoda comparării seriilor paralele de date statistice interdependente
- metoda tabelului de corelaţie
- metoda grafică
- metode analitice:
- metode parametrice (metode statistico-matematice de analiză a corelaţiilor)
- metode neparametrice (metode de analiză a corelaţiei rangurilor).
Metoda grafică este una din cele mai utilizate metode pentru evidenţierea
legăturilor care se formează între caracteristicile statistice. Această metodă poate avea
atât o utilizare independentă cât şi în contextul aplicării altor metode cu o structură de
lucru mai complexă cum ar fi metodele statistico-matematice de analiză a corelaţiilor.
Aceste metode fac parte din categoria metodelor de analiză factorială, sunt
metode cu caracter analitic şi permit dimensionarea intensităţii interdependenţei dintre
două sau mai multe fenomene, viteza de modificare a fenomenelor efect prin modificarea
fenomenelor cauză, precum şi forma analitică a relaţiei de interdependenţă exprimată
printr-o ecuaţie de regresie.
Metodele statistico-matematice de analiză a corelaţiilor dintre fenomene prezintă
o largă aplicabilitate practică datorită consistenţei informaţiilor pe care le oferă.
Corelaţiile care se manifestă între fenomene sunt expresii ale asocierii unor
dimensiuni cifrice date de indicatorii statistici cu conţinut economic sau de altă natură, şi
pot fi clasificate în funcţie de următoarele criterii:
1) După numărul caracteristicilor care intervin într-un sistem de interdependenţă
statistică se disting:
-corelaţii simple, când sistemul considerat cuprinde o caracteristică
(fenomen) cauză şi o caracteristică (fenomen) efect;
- corelaţii multiple, când se studiază un sistem format din două sau mai
multe caracteristici determinante şi o caracteristică rezultativă.
- multiple: y = a ⋅ b x1 ⋅ c x 2
3) După tipul sincronizării corelaţiei în timp (în cazul corelaţiilor dintre indicatori
prezentaţi în serii dinamice):
- corelaţii concomitente;
-corelaţii cu decalaj.
2
S = Σ( y − yc ) = minim
Minimum acestei sume se obţine prin egalarea cu zero a derivatelor parţiale ale
sumei în raport cu parametrii ecuaţiei.
2
S = Σ( y − a − b ⋅ x) = minim
Minimum acestei sume se obţine prin egalarea cu zero a derivatelor parţiale ale
sumei calculate în raport cu parametrii ecuaţiei de regresiei.
δS
δa = 2 Σ( y − a − b ⋅ x ) ⋅ (− 1) = 0
δS
= 2 Σ( y − a − b ⋅ x ) ⋅ (− x ) = 0
δb
De unde rezultă:
na + b Σ x = Σ y
2
a Σ x + b Σ x = Σ xy
A −1 ⋅ B = C
în care:
A -reprezintă matricea sistemului de ecuaţii
A-1 -este matricea inversă a matricei A
B -reprezintă vectorul termenilor liberi (Σ y; Σ xy )
C -reprezintă vectorul coeficienţilor (parametrilor) ecuaţiei de regresie, „a” şi „b”
a
- pentru parametrul a, t − statistic = , în care sa este estimaţia erorii standard a
sa
parametrului a,
Universitatea Hyperion | 2011
STATISTICĂ ECONOMICĂ 99
b
- pentru parametrul b, t − statistic = , în care sb este estimaţia erorii standard a
sb
parametrului b,
c
- pentru parametrul c, t − statistic = , în care sc este estimaţia erorii standard a
sc
parametrului c,
d
- pentru parametrul d, t − statistic = , în care sd este estimaţia erorii standard a
sd
parametrului d,
în care,
2
2 Σ ( y − yc )
s y.y =
c
n−k
Importanţa acestui parametru pentru analiza economică este relativ redusă iar procedura
verificării semnificaţiei statistice a acestuia este aplicată, de regulă, în scop demonstrativ.
-testarea semnificaţiei parametrului „b”, „c”, şi „d” este efectuată, de asemenea,
prin compararea indicatorului t-statistic cu t-tabelar ( q = 0,05 ; f = n − k ). Dacă se
constată o inegalitate în favoarea mărimii tabelare a lui „t” se acceptă ipoteza nulă şi deci
putem afirma cu suficientă încredere că parametrul respectiv are o mărime care nu diferă
semnificativ de zero.
În aceste condiţii caracteristica sau variabila asociată acestui coeficient devine
neinteresantă în sistemul de corelaţie studiat şi poate fi eliminată din sistem. În cazul
existenţei unei inegalităţi în favoarea mărimii statistice, calculate, se respinge ipoteza
nulă şi prin urmare parametrul respectiv are o mărime care diferă semnificativ de zero iar
variabile independentă asociată este semnificativă în cadrul sistemului interdependent
studiat.
Decizia de a elimina o variabilă independentă dintr-un sistem interdependent
multiplu se poate lua şi atunci când mărimea coeficientului de regresie asociat variabilei
este foarte mică, situaţie în care se apreciază că variabila dependentă este influenţată într-
o măsură nesemnificativă;
Σ y = Σ yc
∑ (u
t =2
t − u t −1 )
2
DW = n
; ut = (y − yc )t
∑u
t =1
t
2
- dacă: 2,6 <DW ≤ 4,0, se confirmă o corelaţie negativă între termenii de eroare sau
reziduali (autocorelaţie negativă);
- dacă: 1,4 ≤ DW ≤ 2,6, se infirmă existenţa autocorelaţiei întretermenii reziduali;
- valoarea ideală a indicatorului statistic DW, pentru a constata absenţa
autocorelaţiei între termenii reziduali, este 2.
a)- Raportul de corelaţie este forma generală de calcul a intensităţii corelaţiei dar
se utilizează, în special, în cazul corelaţiilor simple neliniare şi multiple,
Σ(y − yc )2
Ry ⋅ x sau Ry ⋅ xi = 1− , unde
Σ(y− y)2
Σy
y = M( y ) = este valoarea medie a variabilei dependente.
n
Σ( y − yc )2 Σ( y − y )2
Ry .x (corectat) sau Ry . xi (corectat) = 1 − :
n−k n −1
n −1
( )
sau, R y . x (corectat ) sau R y . xi (corectat ) = 1 − 1 − R y2. x ⋅
n−k
n ⋅ Σ xy − Σ x ⋅ Σ y
ry . x =
[n ⋅ Σ x 2 2
][
− (Σ x ) ⋅ n ⋅ Σ y 2 − (Σ y )
2
]
2 2
Σ ( yc − y ) Σ ( y − yc )
F − statistic = :
k −1 n−k
regresie formalizează corect, din punct de vedere analitic, legitatea statistică a corelaţiei
dintre variabilele sistemului considerat şi poate fi utilizată cu suficientă încredere pentru a
estima niveluri viitoare ale variabilei dependente în condiţiile adoptării unor variante
posibile ale mărimii variabilelor independente.
Dy . xi = Ry2 . xi ⋅ 100 .
2
Σ ( y-yc )
- înexpresie absolută: s y ⋅ yc =
n-k
s y ⋅ yc
- în expresie relativă: Vy ⋅ y c = ⋅ 100
y
Acest indicator exprimă „puterea” ecuaţiei de regresie, atunci când este folosită în
calcule de extrapolare sau de prognoză. Se consideră o eroare medie relativă de o mărime
foarte bună, când aceasta se situează sub 5% şi de o mărime bună, când are o valoare
cuprinsă între 5% şi 10% . Interpretarea acestui indicator de eroare este complementară
concluziei oferită de criteriul statisticDURBIN-WATSON
2
σ y⋅y Σ( y − y c )
Th = c
; în care σ y ⋅ yc =
Σy c2 Σy 2 n
+
n n
Coeficientul de neregularitate al lui Theil poate lua o valoare cuprinsă între zero şi
unu. Dacă, Th = 0 , valorile estimate ale variabilei dependente ( yc ) exprimă perfect
prognoza fenomenului. Se consideră ca fiind o mărime foarte bună a coeficientului de
neregularitate al lui Theil atunci când nu depăşeşte limita de 5%.
Exemplul 9
Tabelul 9
Gruparea persoanelor după sex şi opţiunea pentru filme poliţiste
2 2 2 2
∑∑ n = ∑ n = ∑ n
i =1 j =1
ij
i =1
i
j =1
j = n = 200
2 2 (n − nt ij )
2
= ∑∑
2 ij
χ statistic = 11,89 > χ 2 tabelar = χ q2=0,05;f =(2 −1)(2−1) = 3,84
i =1 j =1 nt ij
Exemplul 10
Tabelul 10
Dinamica veniturilor şi cheltuielilor pentru servicii
10
pentru servicii (%)
8
cheltuielilor
Dinamica
6
y
4
2
0
0 5 10 15
Dinamica veniturilor (%)
Fig. 8
exemplului considerat, sistemul de ecuaţii care a rezultat prin aplicarea metodei celor mai
mici pătrate, este:
na + bΣx = Σy 5a + 30b = 20
2
→
aΣx + bΣx = Σxy 30a + 220b = 154
Pentru rezolvarea sistemului de ecuaţii se poate opta pentru una din metodele
cunoscute: substituţie, metoda lui Cramer (cu ajutorul determinanţilor) sau matricial.
−1
−1 5 30 20 1,100 − 0,150 20 − 1,10
A ⋅ B = C → ⋅ = ⋅ =
30 220 154 − 0,150 0,025 154 0,85
în care:
A reprezintă matricea sistemului de ecuaţii
A-1este matricea inversă a matricei A
B reprezintă vectorul termenilor liberi (Σ y = 20; Σ xy = 154)
C reprezintă vectorul coeficienţilor ecuaţiei de regresie
(a = -1,10, b = 0,85).
1
2
1 1 1 1 1 20
X ′⋅ y = B → ⋅ 4 =
2 4 6 8 10 154
5
8
1 ⋅ 1 + 1 ⋅ 2 + 1 ⋅ 4 + 1 ⋅ 5 + 1 ⋅ 8 = 20
2 ⋅ 1 + 4 ⋅ 2 + 6 ⋅ 4 + 8 ⋅ 5 + 10 ⋅ 8 = 154
5 30
Transpusa matricei A: - liniile devin coloane: A′ =
30 220
în care:
∆ij ,= minorul
i este notaţia generală acordată liniei
j este notaţia generală acordată coloanei,
1.1 1.2
adică: ij →
2. 1 2. 2
5 30
A= = 5 ⋅ 220 − 30 ⋅ 30 = 200
30 220
y = −1,10 + 0,85 ⋅ x
−1
1 2
1 1 1 1 1 1 4
σˆ 2y ⋅ y) ⋅ ( X ′ ⋅ X )
−1
= 0,366666 ⋅ ⋅ 1 6 =
2 4 6 8 10
1 8
1 10
−1
5 30 1,100 − 0,150
= 0,366666 ⋅ = 0,366666 =
30 220 − 0,150 0,025
0,403333 − 0,054999
=
− 0,054999 0,009166
( X ′ ⋅ X ) −1 = A −1
sa = 0,403333 = 0,635085
sb = 0,009166 = 0,095743
( σˆ y2 ⋅ y) ⋅ A−1 ), în care pătratul estimaţiei erorii standard a ecuaţiei de regresie ( σˆ y2. yˆ sau s y2. yc
), se calculează, astfel:
2
Σ ( y − yˆ ) 1,10
σˆ y. yˆ = = = 0,60553
n−k 5−2
σˆ 2y. yˆ = 0 , 60553 2 = 0 , 366666
a − 1,10
- pentru parametrul a, t − statistic = = = −1,732051
sa 0,635085
b 0,85
- pentru parametrul b, t − statistic = = = 8,877960
sb 0,095743
2
Σ ( y − yˆ )
Coeficientul Durbin- 2,509091
Watson
- Coeficientul de determinare ( R 2 )
2
2 Σ ( y − yˆ ) 1,10
R = 1− 2
= 1− = 0,963333
Σ( y − y ) 30
Σ( y − yˆ )2 Σ( y − y )2 1,10 30
R 2 corectat = 1 − : =1− : = 0,951111
n−k n −1 5 − 2 5 − 1
în care:
k – numărul parametrilor din ecuaţia de regresie
n – numărul observaţiilor
2
Σ( y − yˆ ) 1,10
σˆ y.yˆ = = = 0,60553
n−k 5−2
2
Σ ( y − yˆ ) = 1,10
∑ (u t − ut-1 )2
2,76
DW = t =2
n
= = 2,509 , în care: ut = (y − yˆ)t
1,10
∑ ( y − yˆ )
2
t
t =1
În acest caz indicatorul statistic DW are o mărime care depăşeşte limita de 2,2 şi
obţinem astfel informaţia că la nivelul valorilor reziduale se înregistrează o uşoară
autocorelaţie, fapt ce poate afecta eficacitatea ecuaţiei de regresie dacă aceasta va fi
folosită pentru extrapolarea dinamicii studiate. O explicaţie a acestei concluzii poate fi
argumentată prin faptul că studiul corelaţiei este realizat, pe seama unui volum prea mic
de date.
Σ y 1 + 2 + 4 + 5 + 8 20
y= = = =4
n 5 5
2
Σ( y − y ) 30
sy = = = 2,738613
n −1 5 −1
2
Σ( yˆ − y ) 28,90
28,90000
F − statistic = k − 1 2 = 2 − 1 = = 78,81818
Σ( y − yˆ ) 1,10 0,36666
n−k 5−2
2
Σ( yˆ − y )
σˆ y2ˆ . y = - estimaţia dispersiei dintre sisteme
k −1
2
Σ( y − yˆ )
σˆ 2y . yˆ = - estimaţia dispersiei din interiorul sistemelor
n−k
2
2 Σ( y − y )
σˆ =
y - estimaţia dispersiei totale
n −1
2 2 2
Σ( y − y ) = Σ( yˆ − y ) + Σ( y − yˆ )
30 = 28,90 + 1,10
2
Σ y 2 Σ y 2
Σ( y − y ) = − 2 2
⋅ n = Σ y − ny → 30 = 110 - 5 ⋅ 4
2
n n
2
Σ(ŷ − y ) = aΣ x + bΣ x y − ny 2 → 28,90 = −1,10 ⋅ 20 + 0,85 ⋅ 154 − 5 ⋅ 4 2
2
Σ (y − ŷ ) = Σy 2 − aΣ x − bΣ xy → 1,10 = 110 − (− 1,10 ) ⋅ 20 − 0,85 ⋅ 154
(u t − u t − 1 ) 2 yˆ − y ( yˆ − y )2 y− y ( y − y )2 y2 xy
Anul t = 2,…,n
1 -3,4 11,56 -3 9 1 2
2 0,49 -1,7 2,89 -2 4 4 8
3 0,09 0 0 0 0 16 24
4 0,49 1,7 2,89 1 1 25 40
5 1,69 3,4 11,56 4 16 64 80
Tota 2,76 0 28,90 0 30 110 154
l
1 2 0,6
1 4 2,3
− 1,10
X⋅ C = ŷ = 1 6 ⋅ = 4,0
0,85
1 8 5,7
1 10 7,4
Tabelul 12
Situaţia reziduurilor: mărimile absolute şi dispunerea grafică
Exemplul11
Tabelul 13
Sistemul interdependent al cheltuielilor pentru servicii în funcţie de venituri
Anul Variabila Variabila Nivelurile estimate ale
dependentă independentă variabilei
(creşterile (creşterile dependente pe baza ecuaţiei
procentuale procentale a yˆ = −2 + 1 ⋅ x
ale veniturilor) (metoda punctelor empirice
cheltuielilor x alese)
pentru
servicii)
y
1 1 2 yˆ 1 = −2 + 1 ⋅ 2 = 0
2 2 4 yˆ 2 = −2 + 1 ⋅ 4 = 2
3 4 6 yˆ 3 = −2 + 1 ⋅ 6 = 4
4 5 8 yˆ 4 = −2 + 1 ⋅ 8 = 6
5 8 10 yˆ 5 = −2 + 1 ⋅ 10 = 8
6 10 12 yˆ6 = −2 + 1 ⋅ 12 = 10
Total 30 30
12
10
6 y
0
0 2 4 6 8 10 12 14
Fig. 9
2 = a + 4b
4 = a + 6b
Exemplul 12
Tabelul 14
Sistemul interdependent al cheltuielilor pentru servicii în funcţie de venituri
Total 30
30,000
7 = 3a + 12b
23 = 3a + 30b
6 ⋅ Σd 2
θ = 1- , în care:
(
n n2 − 1)
2⋅S
τ= , în care:
n(n − 1)
S = P−Q ,
Exemplul 13
Tabelul 15
Situaţia cheltuielilor cu publicitatea efectuate de 17 societăţi care comercializează
produse alimentare
Nr. Cheltui Cifra Rangu Rangu
crt. eli cu de l l d= d2 P Q S=
publici afacer pentru pentru = rx − ry = P-
ta-tea i (mil. variab variabi Q
(mil. lei) ila X la Y
lei) -Y- - rx - - ry -
-X-
1 5 420 1 1 0 0 16 0 16
2 5 450 2 2 0 0 15 0 15
3 5 570 3 6 -3 9 11 3 8
4 6 490 4 4 0 0 12 1 11
5 6 580 5 7 -2 4 10 2 8
6 7 600 6 8 -2 4 9 2 7
7 7 610 7 10 -3 9 7 3 4
8 7 660 8 11 -3 9 6 3 3
9 7 690 9 12 -3 9 5 3 2
10 8 520 10 5 5 25 6 1 5
11 8 600 11 9 2 4 5 1 4
12 8 720 12 14 -2 4 3 2 1
13 8 730 13 15 -2 4 2 2 0
14 10 710 14 13 1 1 2 1 1
15 14 1.000 15 17 -2 4 0 2 -2
16 50 450 16 3 13 16 1 0 1
9
17 120 990 17 16 1 1 0 0 0
Tot 25 84
al 6
6 ⋅ Σd 2 6 ⋅ 256
θ = 1- = 1− = 0,686
n(n − 1)
2
17 ⋅ (17 2 − 1)
2⋅S 2 ⋅ 84
τ= = = 0,618
n(n − 1) 17 ⋅ (17 − 1)
A
sau forma corectată: Kcon = ,
A+ B
în care,
A = valorile a căror abateri perechi de la medie au acelaşi semn
B = valorile a căror abateri perechi de la medie nu au acelaşi semn
De reţinut!
.Concluzii utile privind interdependenţa dintre indicatorii statistici pot fi formulate
numai în condiţiile folosirii unui volum suficient de mare de date.
Dacă se studiază corelaţii între serii dinamice de indicatori numărul minim de
segmente de timp trebuie să fie de 15, iar în cazul seriilor de indicatori obţinuţi în urma
unor experimentări, numărul minim de indicatori este apreciat la 40.
În unele situaţii concrete se remarcă faptul că o semnificaţie crescută a
indicatorilor care exprimă diverse aspecte ale corelaţiilor dintre fenomene este mult
îmbunătăţită atunci când numărul determinărilor statistice depăşeşte 100.
Pentru a studia legăturile statistice care se formează între fenomene pot fi
utilizate mai multe modalităţi de observaţie şi de calcul, grupate astfel:
- metode simple sau de observaţie:
- metoda comparării seriilor paralele de date statistice interdependente:
- metoda tabelului de corelaţie
- metoda grafică
- metode analitice:
-metode parametrice (metode statistico-matematice de analiză a
corelaţiilor)
- metode neparametrice (metode de analiză a corelaţiei rangurilor).
VII.4. Indicii de grup calculaţi ca raport între mărimi medii (pag. 148)
Prin urmare, indicele este rezultatul raportului a doi indicatori statistici referitori
la acelaşi fenomen economic, care, la rândul lor, pot fi prezentaţi în formă absolută,
relativă sau medie. Indicele exprimă modificarea relativă a mărimii indicatorului de la
numărător în comparaţie cu mărimea de la numitorul raportului.
f1
i( f ) = ,
f0
x1
i(x ) = ,
x0
f 1 x1
i fx =
f0 x0
Σ q1 p1
I qp = ,
Σ q0 p0
în care,
„q” este volumul fizic al vânzărilor pe tipuri de mărfuri (indicator economic de tip
cantitativ - f),
„p” reprezintă preţul unitar de vânzare pentru fiecare fel de marfă (indicator
economic de tip calitativ - x).
f 1 x1 Σ f 1 x1
I fx = sau I fx =
f 0 x0 Σ f 0 x0
din care:
- influenţa modificării factorului de tip cantitativ:
f 1 x0 Σ f1 x0
I( f )= sau I ( f ) =
f0 x0 Σ f 0 x0
∆( f ) = f1 x0 -f 0 x0 sau ∆( f ) = Σ f1 x0 - Σ f 0 x0
f1 x1 Σ f1 x1
I (x ) = sau I ( x ) =
f1 x0 Σ f 1 x0
∆( x ) = f 1 x1 -f 1 x0 sau ∆( x ) = Σ f 1 x1 - Σ f 1 x0
I fx = I(f) ⋅ I ( x )
∆ = ∆( f ) + ∆( x )
Σ q1 p0
I qqp =
Σ q0 p0
Σ q1 p1
I pqp =
Σ q1 p0
În cazul aplicării metodei separării acţiunii izolate a fiecărui factor, pentru indicii
de grup, care au în vedere doi factori care provoacă modificarea indicatorului complex,
pot fi scrise următoarele relaţii de calcul:
- influenţa indicatorului de tip cantitativ,
Σ f 1 x0
I(f) =
Σ f 0 x0
Σ f0 x1
I(x) =
Σ f 0 x0
Σ f 1 x1 Σ f 0 x1
I(f)( x ) = :
Σ f 1 x0 Σ f 0 x0
Σ f1 x1 Σ f1 x0 Σ f0 x1 Σ f1 x1 Σ f0 x1
I fx = = ⋅ ⋅ :
Σ f0 x0 Σ f0 x0 Σ f0 x0 Σ f1 x0 Σ f0 x0
∆ = f 1 x1 − f0 x0
din care:
- influenţa modificării factorului de tip cantitativ:
f 1 x0 − f 0 x0
∆ ( f ) = ( f 1 x0 − f 0 x0 ) + ( f − f )(x − x )
( f 1 x0 − f 0 x0 ) + ( f 0 x1 − f 0 x0 ) 1 0 1 0
verificându-se egalitatea:
∆ = ∆( f ) + ∆( x )
Σ f1 x0
metoda substituirilor succesive: I ( f ) =
Σ f 0 x0
Σ f1 x0
indicele Laspeyres : I ( f ) =
Σ f 0 x0
Σ f 1 x1
indicele Paasche: I ( f ) =
Σ f 0 x1
Σ f1 x0 Σ f1 x1
indicele Fisher: I( f ) = ⋅
Σ f0 x0 Σ f0 x1
x1 + x0
Σf1
2 Σ f1 ( x1 + x0 )
indicele Edgeworth: I ( f ) = =
x +x
Σf 0 1 0 Σ f0 ( x1 + x0 )
2
Σ f1 x1
metoda substituirilor succesive: I ( x ) =
Σ f 1 x0
Σ f 0 x1
indicele Laspeyres : I ( x ) =
Σ f 0 x0
Σ f1 x1
indicele Paasche: I ( x ) =
Σ f 1 x0
Σ f0 x1 Σ f1 x1
indicele Fisher: I ( x ) = ⋅
Σ f0 x0 Σ f1 x0
f1 + f 0
Σ x1
indicele Edgeworth: I ( x ) = 2 = Σ x1 ( f1 + f0 )
f + f 0 Σ x0 ( f1 + f0 )
Σx0 1
2
Exemplul 14
Tabelul 17
Situaţia vânzărilor de mărfuri pe feluri de mărfuri
Pe baza datelor din tabel se vor calcula indicii elementari (individuali) şi indicii
de grup ai volumului fizic a vânzărilor, ai preţurilor de vânzare şi ai valorii vânzărilor,
precum şi corespondentul în cifre absolute al modificărilor relative exprimate prin indicii
de grup.
q1 300
- pentru marfa „B”: i (q ) = = = 1,5 ; 150% ; + 50%
q0 200
q1 900
- pentru marfa „C”: i (q ) = = = 0,9 ; 90% ; − 10%
q0 1.000
Prin urmare, în perioada de calcul vânzările au fost mai mari din punct de vedere
cantitativ, comparativ cu perioada de bază, cu 20% la marfa „A”, şi cu 50% la marfa „B”,
în timp ce vânzările din marfa „C” au scăzut cu 10%.
p1 30
- pentru marfa „B”: i ( p ) = = = 1,0 ; 100%
p0 30
p1 4
- pentru marfa „C”: i ( p ) = = = 0,8 ; 80% ; − 20%
p0 5
Indicii elementari calculaţi arată că la marfa „B” preţul de vânzare s-a menţinut la
acelaşi nivel atât în perioda de calcul cât şi în perioda de bază, în timp ce la mărfurile „A”
şi „C” preţul de vânzare a scăzut cu 10% şi respectiv cu 20%.
q1 p1 5.400
- pentru marfa „A”: i qp = = = 1,08 ; 108% ; + 8%
q0 p0 5.000
q1 p1 9.000
- pentru marfa „B”: i qp = = = 1,5 ; 150% ; + 50%
q0 p0 6.000
q1 p1 3.600
- pentru marfa „C”: i qp = = = 0,72 ; 72% ; − 28%
q0 p0 5.000
Σ q1 p1 Σ q1 p1 Σ q1 p1
I pqp = I ( p ) = = =
Σ q1 p0 Σ 1 ⋅ q p Σ
1
⋅ q1 p1
p1 1 1 i( p )
p0
Indicii de grup determinaţi prin raportarea a două mărimi medii oferă posibilitatea
comparării în timp sau în raport cu planul a mărimilor medii, pentru al căror calcul se
poate însuma factorul de tip cantitativ.
x1 Σ f 1 x1 Σ f 0 x0 Σ f 1 x1 Σ g1 x1
Ix = = : = =
x0 Σ f1 Σ f0 x0 ⋅ Σ f 1 Σ g 0 x0
în care,
f
g= reprezintă structura factorului (indicatorului) cantitativ însumat.
Σf
Σ g1 x0
I gx =
Σ g0 x0
Σ g1 x1
I xx =
Σ g1 x0
I x = I gx ⋅ I xx
( ∆ fxx ), astfel:
∆ fxx = Σ f1 x1 − x ⋅ Σ f1 = (x1 − x0 ) Σ f1
∆ fxg = (Σ g1 x0 − Σ g0 x0 ) Σ f1
∆ fxx = (Σ g1 x1 − Σ g1 x0 ) Σ f1
Exemplul 15
Pentru a pune în evidenţă factorii enunţaţi, cheltuielile totale la 1.000 lei venituri
totale sunt prezentatate prin relaţia următoare:
Notă: Se menţionează că indicatorul cheltuieli totale la 1.000 lei venituri totale este o
mărime relativă de intensitate care prin conţinutul şi forma sa alternativă de calcul are
semnificaţia de valoare medie
În acest caz cheltuielile totale la 1.000 lei venituri totale ( Ct / 1000 ) sunt obţinute
ca o medie aritmetică ponderată a cheltuielilor la 1000 lei venituri calculate pe feluri de
activităţi ( C / 1000 ), iar ponderea este reprezentată de structura veniturilor totale ( g Vt ),
aşa cum rezultă din ultima formă de scriere a indicatorului calitativ mediu, în care,
- Vt = Venituri totale;
- Ct = Cheltuieli totale;
Vi
- g Vt =
ΣVi
( ) ( )
∆ ( g ) = Σ g1Vt ⋅ C / 1000 0 − Σ g 0Vt ⋅ C / 1000 0 = 769, 4 − 800,0 = −30,6 lei
( ) ( )
∆ (C / 1000 ) = Σ g 1Vt ⋅ C / 10001 − Σ g 1Vt ⋅ C / 1000 0 = 833,3 − 769,4 = +63,9 lei
în perioada de bază cu 4,162%, respectiv cu 33,3 lei. Această majorare este motivată
astfel:
- creşterea cheltuielilor la 1000 lei venituri pe feluri de activităţi a determinat o
creştere a cheltuielilor totale la 1.000 lei venituri totale cu 8,305% cu un corespondent
valoric de 63,9 lei la fiecare 1000 lei venituri,
- în timp ce schimbarea structurii veniturilor totale a favorizat reducerea
cheltuielilor totale la 1.000 lei venituri totale cu 3,825% sau cu 30,6 lei. Se observă că a
crescut proporţia veniturilor obţinute din exploatare, de la 80,00% la 83,33%, activitate la
care nivelul cheltuielilor la 1.000 lei venituri este mai mic comparativ cu nivelul relativ
mediu general, care în perioada de calcul este de 833,33 lei, fapt ce a avut un impact
pozitiv asupra reducerii nivelului relativ al cheltuielilor totale.
Activitatea financiară desfăşurată de acest agent economic este finalizată cu
pierderi importante care sunt acoperite, în primul rând, pe seama rezultatelor financiare
pozitive obţinut din activitatea de exploatare.
833,3 − 800,0
Ct/ 1000 = (Ct / 10001 − Ct / 10000 ) Σ Vt1 =
∆ Ct ⋅ 12.000.000.000 =
1000
= +399,600 mil. lei
∆ Ct Ct Ct
Ct/ 1000 = ∆ g + ∆ C/ 1000 = −367,200 + 766,800 = +399,600 mil. lei
din care:
- influenţa modificării structurii veniturilor totale,
∆ Ct [( Vt
) Vt
]
g = Σ g 1 ⋅ C / 10000 − Σ( g0 ⋅ C / 10000 ) ⋅ Σ Vt1 = (769,4 − 800,0) ΣVt1 =
769,4 − 800,0
=
1000 ⋅ 12.000.000.000 = - 367,200 mil. lei
∆ Ct [ Vt Vt
]
C/ 1000 = Σ (g 1 ⋅ C / 10001 ) − Σ( g 1 ⋅ C / 10000 ) ⋅ Σ Vt1 =
833,3 − 769,4
=
1000 ⋅ 12.000.000.000 = + 766,800 mil. lei
xA xB
x A/B = sau xB/A = , în care:
xB xA
Σx Ai Σx
xA = , xB = Bi
nA nB
În cazul comparaţiilor teritoriale se poate considera în egală măsură ca bază de
comparaţie oricare din teritoriile „A” şi „B”.În acelaşi timp, trebuie să menţionăm că, la
calculul indicilor teritoriali nu ne este indiferentă ordinea comparaţiei, aceasta depinde în
întregime de sarcina de cunoaştere la care trebuie să răspundă fiecare indice în parte.
Indicii teritoriali, de grup, se calculează în aceleaşi condiţii metodologice folosite
la calculul indicilor care respectă regulile metodei substituirilor succesive, astfel:
- pentru indicatorul complex,
fx Σ f A xA fx Σ f B xB
I A/B = sau I B/A =
Σ f B xB Σ f A xA
Σ f A xB Σ fB xA
I (fxf ) A/B = sau I (fxf )B/A =
Σ f B xB Σ f A xA
Σ f A xA Σ f B xB
I (fxx ) A/B = sau I (fxx )B/A =
Σ f A xB Σ f B xA
Σ( f A ⋅ X ) Σ( f B ⋅ X )
I (fxf ) A/B = sau I (fxf )B/A =
Σ( f B ⋅ X ) Σ( f A ⋅ X )
Σ (F ⋅ x A ) Σ (F ⋅ x B )
I (fxx ) A/B = sau I (fxx )B/A =
Σ (F ⋅ x B ) Σ (F ⋅ x A )
în care:
f A x A + f B xB
X = ,
fA + fB
1. Ce este indicele statistic şi care sunt tipurile de mărimi relative care se mai
numesc şi indici?
2. Cum se definesc indicii individuali şi respectiv indicii de grup prezentaţi în
formă agregată şi în formă de medie?
O serie dinamică este formată din mai mulţi indicatori de nivel care dau măsura
fenomenului respectiv la diferite momente sau pe anumite intervale de timp. Analiza
evoluţiei unui fenomen care este prezentat sub forma unei serii dinamice se poate efectua
prin simpla comparare a indicatorilor, prin analiza reprezentării grafice, prin prelucrarea
datelor iniţiale şi obţinerea unor indicatori derivaţi exprimaţi în mărimi absolute, mărimi
relative şi mărimi medii cât şi prin ajustarea seriei dinamice cu ajutorul unor metode
specifice.
Indicatorii de nivel sunt reprezentaţi prin datele iniţiale, obţinute prin observare,
care dimensionează volumul caracteristicii studiate ( xi ).
xi
- cu bază variabilă (în lanţ): I i/i − 1 =
xi − 1
- ritmul dinamicii:
xi x − x1
- cu bază fixă: Ri/1 = ⋅ 100 − 100 = i ⋅ 100
x1 x1
xi x − xi − 1
- cu bază variabilă (în lanţ): Ri/i − 1 = ⋅ 100 − 100 = i ⋅ 100
xi − 1 xi −1
∆ i/1 xi − x1 x
- cu bază fixă: Vi/1 = = = 1
x − x
Ri/1 i 1
⋅ 100 100
x1
∆ i/i −1 xi − xi − 1 x
- cu bază variabilă (în lanţ): Vi/i −1 = = = i −1
Ri/i −1 xi − xi − 1 ⋅ 100 100
xi − 1
Indicatorii exprimaţi prin mărimi medii oferă o formă sintetică a evoluţiei unui
fenomen înregistrată pe parcursul unei perioade de timp date şi permit totodată conturarea
tendinţelor generale de dezvoltare prin eliminarea influenţelor datorate unor factori
întâmplători.
Aceşti indicatori sunt:
Σ∆ i/i −1 ∆ n/ 1 x n − x1
∆= = =
n −1 n −1 n −1
c)- Indicele mediu de creştere sau de scădere
Indicele mediu de creştere sau de scădere (I ) se calculează pe baza mediei
geometrice simple, a mediei geometrice ponderate, a mediei geometrice corectate sau a
metodei autoregresiei, după caz.
Indicele mediu caracterizează modificarea medie a unui fenomen, care a avut loc
de la un segment de timp la altul pe parcursul perioadei de timp supuse cercetării, în
număr de ori.
R = I ⋅ 100 − 100
Exemplul 16
Tabelul 19
Dinamica cifrei de afaceri
1 1.000 1,00
2 1.400 400 400 1,40 1,40 +40 +40 10
% %
3 1.700 700 300 1,70 1,21 +70 +21 14
% %
4 1.800 800 100 1,80 1,06 +80 +6% 17
%
5 2.000 1.0 200 2,00 1,11 +100 +11 18
00 % %
6 2.300 1.3 300 2,30 1,15 +130 +15 20
00 % %
Σ∆ i/i −1 = ∆ n/ 1 = 400 + 300 + 100 + 200 + 300 + 300 + 100 + 300 = 2.000
∏I i/i −1 = I n/1 = 1,40 ⋅ 1,21 ⋅ 1,06 ⋅ 1,11 ⋅ 1,15 ⋅ 1,13 ⋅ 1,04 ⋅ 1,11 = 3,00
i =2
Indicatorii medii:
- Nivelul mediu anual al cifrei de afaceri, realizat în perioada celor 9 ani supusă
studiului,
Σ xi 18.500
x= = = 2.055,555 mil. lei
n 9
- Creşterea absolută medie
Σ∆ i/i −1 ∆ n/ 1 xn − x1 3.000 − 1.000
∆= = = = = 250 mil. lei
n −1 n −1 n −1 9 −1
- Indicele mediu anual de creştere (media geometrică simplă)
xn 3.000 8
I = 9−1 = 9−1 = 3 = 1,147
x1 1.000
Analiza unei serii dinamice impune cunoaşterea clară a tendinţei generale pe care
o înregistrează un fenomen sub acţiunea factorilor obiectivi, amploarea modificărilor de
natură sezonieră dar şi modificarea cauzată de factorii cu acţiune întâmplătoare. Acest
proces de cunoaştere complexă este denumit, „ajustarea seriilor dinamice” sau
„modelarea statistică a seriilor dinamice”.
Pentru ajustarea seriilor dinamice pot fi utilizate mai multe modalităţi statistice, şi
anume:
A- metoda de ajustare grafică
B- metode de ajustare mecanică
la primul nivel al seriei dinamice cu câte un nivel la calculul fiecărei medii, până la
includerea în calcul a nivelului final al seriei.
Numărul nivelurilor reale care intră în calculul mediilor mobile se stabileşte după
o prealabilă analiză calitativă a fenomenului studiat. În acest sens se menţionează că este
preferabil să se aleagă acel număr de termeni ai seriei dinamice care corespund unor
perioade de schimbări reale în evoluţia fenomenului respectiv.
y i = x B + (i − B ) ⋅ ∆ ,
în care,
i = 1, 2, 3, ... , n
Nivelul bază de ajustare se alege în urma unei ajustări grafice astfel: nivelul real
care se apropie cel mai mult de o linie convenţională considerată că exprimă în mod
satisfăcător evoluţia fenomenului se alege ca nivel bază de ajustare. Dacă se apreciază,
însă, că este o soluţie mai bună, ca nivel bază de ajustare poate fi considerat şi nivelul
mediu al seriei dinamice care se poziţionează în mijlocul seriei sau, indicatorul real care
se apropie cel mai mult de nivelul mediu.
∆ este sporul sau diminuarea medie absolută
yi = xB ⋅ (I )
i−B
,
în care,
Exemplul 17
Tabelul 20
Dinamica cifrei de afaceri
(mil.
lei)
1 2 3 4
1 100 y1 = 180 + (1 − 4) ⋅ 37 = 69 y1 = 190 ⋅ 1,2033(1− 5 ) = 90,63
2 150 y2 = 180 + (2 − 4) ⋅ 37 = 106 y2 = 190 ⋅ 1,2033( 2 − 5 ) = 109,05
3 110 y3 = 180 + (3 − 4) ⋅ 37 = 143 y3 = 190 ⋅ 1, 2033(3 − 5 ) = 131,22
Tota 1.64
l 0
400
350
300
250 cifra de
afaceri
200
150 linia
100 teoretică
50 (dreaptă)
0
1 2 3 4 5 6 7 8
Fig. 10
yi = xB + (i − B ) ⋅ ∆
yi = xB ⋅ (I )
i−B
În această variantă de calcul, indicatorul real care este ales drept bază de ajustare
este nivelul anului 5, (xB = x5 = 190) , deoarece ajustarea grafică, care sintetizează
evoluţia seriei dinamice, înregistrează o uşoară formă curbilinie (exponenţială), iar
aceasta sugerează că nivelul anului 5 se poziţionează cel mai aproape de linia teoretică
trasată.
400
350
300
250 cifra de
afaceri
200
150 linia teoretică
100 (exponenţială)
50
0
1 2 3 4 5 6 7 8
Fig. 11
xn 8 −1 359 7
I = n −1 = = 3,59 = 1,2033
x1 100
Se poate remarca faptul că linia teoretică rezultată, atât în forma dreptei cât şi a
exponenţialei pot fi considerate ca acceptabile pentru a sintetiza evoluţia cifrei de afaceri
în perioada supusă cercetării. În cazul particular al seriei dinamice analizate, pentru a
obţine o soluţie teoretică superioară celor două serii de indicatori ajustaţi se recomandă a
se proceda şi la aplicarea metodelor de ajustare analitice.
Alegerea ecuaţiei de tendinţă, care să corespundă cât mai bine formei reale a
evoluţiei fenomenului se face pe baza analizei atente a reprezentării grafice a indicatorilor
de nivel iniţiali sau prin calculul unor indicatori derivaţi care caracterizează seria
dinamică, astfel:
- dacă modificările absolute calculate cu baza în lanţ sunt apropiate ca mărime,
tendinţa poate fi sintetizată prin ecuaţia liniei drepte, y = a + bt , în care „t” este variabila
timp pentru care se acordă valori convenţionale, iar „a” şi „b” sunt parametrii ecuaţiei
care o localizează în plan;
- dacă diferenţele de ordinul n, n>1, calculate pe baza indicatorilor de nivel, sunt
apropiate ca mărime între ele, ecuaţia de tendinţă poate fi o parabolă de gradul n, adică:
y = a + bt + ct 2 + ... + zt n ;
- dacă indicii de dinamică calculaţi cu baza în lanţ au valori apropiate între ele, se
poate considera că evoluţia fenomenului respectiv urmează o curbă de tipul funcţiei
exponenţiale, y = ab t ;
- dacă modificările absolute calculate cu baza în lanţ, folosind logaritmii
indicatorilor de nivel reali, sunt aproximativ egale între ele, atunci ajustarea seriei
dinamice se poate face cu ajutorul următoarei ecuaţii: log y = a + bt ;
t
y = a ⋅ b c - ecuaţia (curba) lui Gomperz sau
1 1 1
= a + b ⋅ ct ; y= −t
sau = a + b ⋅ e −t - ecuaţia (curba) logistică.
y a + b⋅e y
următoarei egalităţi: Σxi = Σy i , adică suma nivelurilor reale să fie agală cu suma
nivelurilor estimate;
e- se apreciază eficienţa ecuaţiei de tendinţă pentru estimarea unor niveluri
viitoare (niveluri de prognoză) pe baza coeficientului de neregularitate al lui Theil,
estimaţiei erorii medii a ecuaţiei de tendinţă (în expresie absolută şi relativă) sau a
criteriului statistic Durbin-Watson.
Exemple demonstrative
12
10
Niveluri reale
8
6
Niveluri
4
estimate
2
0
1 2 3 4 5 6
Anii
Fig. 12
2 = a + 2b
→ a = −2 şi b = 2
4 = a + 3b
σx ⋅ y 0,5773502 0,5773502
Th = = = =
Σ x2 Σ y2 210 220 5,9160797 + 6,0553006
+ +
n n 6 6
0,5773502
= = 0,0482275; 4,8228%
11,97138
2
Σ(x − y ) Σ u2 2
σx ⋅ y = = = = 0,5773502
n n 6
1 = a + 1⋅ b 5 = a + 4⋅b
2 = a + 2 ⋅ b → 7 = 3a + 6b şi 8 = a + 5 ⋅ b → 23 = 3a + 15b
4 = a + 3 ⋅ b 10 = a + 6 ⋅ b
7 = 3a + 6b
→ a = −1,2222 şi b = 1,7777
23 = 3a + 15b
σx ⋅y 0,5048431 0,5048431
Th = = = =
Σx 2
Σy 210 2
205,2692 5,9160797 + 5,8490625
+ +
n n 6 6
0,5048431
= = 0,04291; 4,291%
11,765142
2
Σ(x − y ) Σu2 1,5292
σx ⋅ y = = = = 0,5048431
n n 6
Sistemul de ecuaţii rezultat prin aplicarea metodei celor mai mici pătrate şi
nivelurile estimate ale parametrilor ecuaţiei de tendinţă y = a + bt sunt:
Ecuaţia de tendinţă definită prin metoda celor mai mici pătrate este:
y = −1,4 + 1,828571 ⋅ t
σx ⋅y 0,4968567 0,4968567
Th = = = =
Σx 2
Σy 210
2
208,4412 5,9160797 + 5,8940817
+ +
n n 6 6
0,4968567
= = 0,042070; 4,2070%
11,810161
2
Σ(x − y ) Σu2 1,4812
σx ⋅ y = = = = 0,4968567
n n 6
Tabelul care prezintă, în mod comparativ, rezultatele obţinute prin aplicarea celor
trei metode de ajustare permite, de asemenea, să se constate că nivelurile estimate prin
metoda totalurilor parţiale echidistante şi respectiv prin metoda celor mai mici pătrate
sunt de mărimi foarte apropiate.
Exemplul 18
Tabelul 21
Dinamica trimestrială a vânzărilor de mărfuri
-mii lei-
Trimestrul Anul 1 Anul 2 Anul 3 Anul 4
I 500 520 550 570
II 600 780 900 1.030
III 800 900 1.100 1.300
IV 1.100 1.300 1.550 1.800
Total 3.000 3.500 4.100 4.700
După cum rezultă din datele prezentate, desfacerile acestei mărfi înregistrează
creşteri absolute, constante, de la un an la altul. Analizând, însă, evoluţia pe trimestre se
observă existenţa unor modificări semnificative ale valorii vânzărilor de la un trimestru la
altul, astfel încât, în trimestrul IV se identifică nivelurile cele mai mari.
1. pentru trimestru I
Exemplul 19
Tabelul 22
Dinamica cifrei de afaceri
3:2 20
Anul 25 13,250 1,88679 2,315452 10,7970273437
3:3 24
Anul 7 14,000 0,50000 0,588975 11,8850528998
3:4 00
Anul 6 15,125 0,39669 0,503212 11,9234145267
4:1 42
Anul 20 16,000 1,25000 1,457192 13,7250309231
4:2 00
Anul 30 2,315452 12,9564328125
4:3
Anul 9 0,588975 15,2807822997
4:4
35
30
25
20
15 cifra de
afaceri
10
5
0
anul1:1
anul1:3
anul2:1
anul2:3
anul3:1
anul3:3
anul4:1
anul4:3
Fig. 13
primul şi ultimul indicator să fie amplificat cu 0,5, cu menţiunea că în acest caz fiecare
medie mobilă va înlocui indicatorul real situat în mijlocul variantelor luate în calcul.
0,4162389 1,2053377
Cs1 = = 0,503212 Cs2 = = 1,457192
0,82716485 0,82716485
1,9152606 0,4871795
Cs3 = = 2,315452 Cs4 = = 0,588975
0,82716485 0,82716485
35
30
25
20 niveluri reale
15 niveluri ajustate
10
5
0
1
4
1:
1:
2:
3:
4:
4:
ul
ul
ul
ul
ul
ul
an
an
an
an
an
an
Fig. 14
Exemplul 20
Tabelul 23
T ⋅ S⋅ R ( yi ⋅ Csi )
= S⋅ R
T
(T ⋅ S)
an 3 6
Total 111 78 65 860 111,00000 11,9487 111,96942
general 0 0
30
20
10
0
1 2 3 4 5 6 7 8 9 10 11 12
Valori reale
Valori ajustate (trend liniar)
Valori ajustate corectate cu factorul de sezonalitate
Fig. 15
Notă:Variabila timp este reprezentată prin notaţia „t”, pentru care se acordă
valori convenţionale.
Dacă se consideră necesar, în vederea simplificării calculelor implicate cu
estimarea parametrilor ecuaţiei de tendinţă se poate adoptă, pentru evaluarea variabilei
timp, un sistem care să îndeplinească două condiţii, asfel:
- suma valorilor acordate lui „t”, la puteri impare să fie nulă, Σ ti2m +1 = 0 ,
(m = 0, 1, 2, ...,) ,
Universitatea Hyperion | 2011
STATISTICĂ ECONOMICĂ 200
- diferenţa dintre oricare două valori succesive ale lui t să fie constantă.
11,9487
b) Media trimestrială generală: M ( xi :yi )0 = = 0,995725
12
0,455167 1,211067
Cs1 = = 0,457121 ; Cs2 = = 1,216266 ;
0,995725 0,995725
1,854433 0,462233
Cs3 = = 1,862395 ; Cs4 = = 0,464217
0,995725 0,995725
Prognoza: y p = (a + btv ) ⋅ Cs
Dacă elasticitatea este exprimată printr-un coeficient a cărui mărime este egală cu
1, se apreciază că modificarea fenomenului determinat se produce în mod proporţional cu
modificarea fenomenului determinant şi, prin urmare, elasticitatea este unitară.
Se consideră că un fenomen este elastic sau are o elasticitate pozitivă (directă), în
raport cu alt fenomen atunci când modificarea cu 1% a fenomenului determinant conduce
la modificarea fenomenului determinat cu mai mult de 1%.
în care,
y0 , y1 nivelul fenomenului determinat, înregistrat în perioada bază de comparaţie
şi respectiv în perioada de calcul sau curentă,
x0 , x1 nivelul fenomenului determinant, înregistrat în perioada bază de
comparaţie şi respectiv în perioada de calcul sau curentă.
x0 ′
E= ⋅ f (x ) ,
yˆ0
în care,
ŷ0 este nivelul estimat al fenomenului determinat (dependent) în funcţie de
mărimea fenomenului determinant (independent), pentru segmentul de timp bază de
comparaţie, calculat prin aplicarea unei ecuaţii de regresie,
′
f (x ) este prima derivată a ecuaţiei de regresie.
x0 ′ x
E= ⋅ (a + bx ) = 0 ⋅ b
a + bx0 yˆ0
estimat x̂0 .
.
Cuprinsul unităţii de învăţare:
IX.1.Fundamente conceptuale privind cercetarea statistică prin sondaj(pag. 207)
Organizarea practică a unei cercetări statistice prin sondaj implică rezolvarea mai
multor probleme metodologice în funcţie de specificul populaţiei, scopul şi programul
observării. În acest sens se cere definirea completă şi precisă a scopului cercetării;
delimitarea în timp şi spaţiu a populaţiei statistice din care urmează a se extrage
eşantionul; stabilirea unităţii de sondaj; detalierea programului observării; stabilirea celei
mai convenabile baze de sondaj sau întocmirea acesteia dacă nu există o bază oficial
constituită; alegerea procedeului de formare a eşantionului care să permită o bună
reprezentativitate a populaţiei; determinarea volumului eşantionului şi constituirea
acestuia; alegerea metodei de culegere a datelor care să conducă la erori de observare
neglijabile; întocmirea planului de prelucrare a datelor culese.
eşantion şi care nu poate fi, în nici-o situaţie practică, o formaţie perfect identică cu
populaţia, indiferent de mărimea eşantionului şi de procedeul de sondaj adoptat.
Eliminarea completă a erorilor de reprezentativitate nu este posibilă deoarece
aceasta ar însemna să înlocuim observarea parţială cu obsevarea totală.
Eroarea de reprezentativitate este apreciată prin diferenţa care există între
valoarea medie sau abaterea medie pătratică a valorilor caracteristicii calculate pe baza
datelor obţinute prin observarea eşantionului, şi media sau abaterea medie pătratică
calculate la nivelul tuturor unităţilor care formează populaţia statistică.
Erorile de reprezentativitate pot fi identificate în două variante: sistematice şi
întâmplătoare.
În cazul cercetărilor prin sondaj, cauzele care pot provoca apariţia erorilor de
reprezentativitate sistematice, sunt:
a) - folosirea unor formule incorecte pentru estimarea nivelului caracteristicilor
statistice despre care s-au colectat date;
b) - alegerea conştientă a unităţilor de sondaj, pretinzând că acestea reprezintă în
mod corect ce este tipic în colectivitatea totală respectivă. Aplicarea unui procedeu de
sondaj conştient implică posibilitatea afirmării punctelor de vedere subiective cu
repercursiuni deformatoare asupra reprezentativităţii eşantionului;
c) - constituirea eşantionului prin extrageri dintr-o bază de sondaj incompletă sau
învechită;
d) - folosirea unui procedeu de tip nealeator pentru formarea eşantionului;
e) - substituirea unor unităţi din eşantion cu altele mai comode pentru cercetare.
Când se organizează o cercetare statistică prin sondaj este necesar să se asigure,
de la bun început, eliminarea tuturor surselor care pot provoca erori de reprezentativitate
sistematice. Modalitatea cea mai sigură de a evita apariţia erorilor de reprezentativitate
sistematice este adoptarea riguroasă a unei scheme de sondaj de tip aleator pentru
formarea eşantionului.
exactitate mărimea probabilă a acestor erori, ceea ce asigură metodei cercetării statistice
prin sondaj avantajul unei metodologii riguroase de cercetare.
Pentru a obţine o confirmare a faptului că eşantionul a fost format în mod aleator
se poate proceda la verificarea caracterului întâmplător al extragerilor prin aplicarea
următoarelor criterii:
- „Criteriul numărului total al iteraţiilor R”
- „Criteriul lungimii iteraţiei K”
- „Metoda diferenţelor succesive”
Exemplul 21
Tabelul 24
2 (ni − nt i )2
χ − statistic = Σ = 7,20 < χ 2 − tabelar = χ q2 =0,05;f = 4 −1 = 7,81
nt i
Deoarece a rezultat că χ 2 - statistic este mai mic decât χ 2 - tabelar, care a fost
extras din „Anexa 3”, pentru o probabilitate de 95% şi 3 grade de libertate, se acceptă
ipoteza nulă şi deci între cele două structuri nu se constată o deosebire semnificativă. Se
confirmă statistic faptul că eşantionul este reprezentativ din punct de vedere al structurii
pe categorii profesionale, comparativ cu structura colectivităţii totale.
Dacă luăm din tabel (Anexa 1), de exemplu, numărul 50243, vom putea forma
următoarele grupe de trei cifre: 502, 024 şi 243, deci dintr-o grupă de numere a tebelului
putem alege una din cele trei variante de grupe formate din câte trei cifre.
Să presupunem că am ales varianta prin care grupurile de trei cifre sunt situate în
mijlocul numărului format din cinci cifre, în acest caz vom reţine:
024 164
046 090
115 062
144 043
083 060
Se menţionează că numerele formate din câte trei cifre care sunt mai mari de 200,
vor fi neglijate, deoarece nu intră în limitele sondajului propus de noi.
Cele 10 numere reţinute sunt apoi ordonate după mărime în vederea uşurării
extragerii celor 10 unităţi de sondaj din populaţia statistică.
Dacă unele grupe de cifre reţinute se repetă sau sunt foarte apropiate ca mărime se
recomandă a fi înlocuite cu alte numere extrase în continuare din tabel pe baza aceloraşi
principii.
Tabelele cu numere aleatoare pot fi folosite, pentru constituirea eşantioanelor,
începând cu oricare coloană sau rând de numere, cu condiţia ca sistemul de extragere a
numerelor să fie respectat în mod riguros, pe toată durata operaţiunii, până la formarea
volumului necesar al eşantionului.
Acest procedeu de sondaj este echivalent cu sondajul aleator fără revenire.
Practica cercetărilor prin sondaj a impus şi alte procedee pentru constituirea
eşantioanelor datorită existenţei unor condiţii particulare de existenţă a populaţiilor
statistice, de inexistenţa unei baze de sondaj adecvate sau datorită unor posibilităţi şi
scopuri specifice de realizare a sondajului, pe care le vom prezenta în continuare.
Notă:Dacă eşantionul este constituit prin sondaj sistematic, cu ajutorul unei baze
de sondaj în care unităţile colectivităţii totale sunt ordonate (crescător sau descrescător)
după mărimea caracteristicii de reprezentativitate, acesta este considerat qvasi-
aleatoriu, iar estimaţia eroarii medii a valorii medii de sondaj se calculează cu una din
relaţiile oferite de Yates şi Cochran şi care conduc la un rezultat „uşor” distorsionat.
Procedeul cotelor
Procedeul concentrat
Valoarea reală
Denumirea indicatorilor este calculată pe baza datelor aferente
colectivităţii totale
Valoarea estimată
este calculată pe baza datelor obţinute din
sondaj
1. Volumul colectivităţii totale (N)
2. Volumul eşantionului (n)
3. Valoarea medie a caracteristicii de Valoarea reală
reprezentativitate Σ xi
m=
N
Valoarea estimată
Σxi
mˆ = x =
n
4. Dispersia caracteristicii de Valoarea reală
reprezentativitate
=∑
2
2 (x − m )i
σ X
N
Valoarea estimată
∑ (x
2
N −1 i − x) N −1
σˆ X2 = s X2 ⋅ = ⋅
N n −1 N
s X2 N − 1 N − n s X2 N − n
σˆ x = ⋅ ⋅ = ⋅
n N N −1 n N
6. Eroarea medie a valorii totale a Valoarea reală
caracteristicii de reprezentativitate σX = N ⋅ σx
Valoarea estimată
σˆ X = N ⋅ σˆ x
7. Numărul total de eşantioane care pot
fi formate prin aplicarea procedeului de
extragere prin tragere la sorţi fără
revenire ( C Nn )
∆ˆ x = z ⋅ σˆ x
Valoarea reală
Denumirea indicatorilor este calculată pe baza datelor aferente
colectivităţii totale
Valoarea estimată
este calculată pe baza datelor obţinute
din sondaj
1. Volumul colectivităţii totale (N)
2. Volumul eşantionului (n)
3. Valoarea medie a caracteristicii Valoarea reală
alternative M
p=
N
Valoarea estimată
m
pˆ = w =
n
4. Numărul de unităţi statistice care
deţin caracteristica alternativă
urmărită în colectivitatea totală
(M)
5 Numărul de unităţi statistice care
deţin caracteristica alternativă
urmărită în eşantion (m)
6. Dispersia caracteristicii Valoarea reală
alternative σ 2
= p (1 − p )
p
Valoarea estimată
N −1 n N −1
σˆ 2p = sw2 ⋅ = w(1 − w) ⋅ ⋅
N n −1 N
σˆ 2p N − n w(1 − w) N − n
σˆ w = ⋅ = ⋅
n N −1 n −1 N
8. Eroarea medie a valorii totale a Valoarea reală
caracteristicii alternative σM = N ⋅ σw
Valoarea estimată
σˆ M = N ⋅ σˆ w
9. Numărul total de eşantioane care
pot fi formate prin aplicarea
procedeului de extragere prin
tragere la sorţi fără revenire ( C Nn )
∆ˆ w = z ⋅ σˆ w
Notă:
-„z” este factorul de probabilitate extras din tabela cu valorile funcţiei de
repartiţie normală, în funcţie de probabilitatea cu care se doreşte să fie garantate
rezultatele, (Anexa 2);
Atunci când unităţile statistice de sondaj sunt ordonate în baza de sondaj după
mărimea caracteristicii de reprezentativitate.
Valoarea reală
Denumirea indicatorilor este calculată pe baza datelor aferente
colectivităţii totale
Valoarea estimată
este calculată pe baza datelor
obţinute din sondaj
1. Volumul colectivităţii totale
(N)
2. Volumul eşantionului
(n)
3. Valoarea medie a caracteristicii Valoarea reală
de reprezentativitate Σxi
m=
N
Valoarea estimată
Σxi
mˆ = x =
n
N − n n/2
⋅ ∑ ( x2i − x2i −1 )
2
σˆ x =
N ⋅ n 2 i =1
6. Coeficientul de corelaţie Valoarea reală
interclasă e n −1 n
∑∑∑ (x
r =1 i =1 i ′ = 2
ir − m ) ⋅ ( xi ′r − m )
ρ=
k ⋅ n ⋅ (n − 1) ⋅ σ X2
7. Pasul sau intervalul de numărare
N
k=
n
8. Eroarea medie a valorii totale a Valoarea reală
caracteristicii de reprezentativitate σ X = N ⋅σ x
Valoarea estimată
σˆ X = N ⋅ σˆ x
9. Numărul total de eşantioane
care pot fi formate prin aplicarea
procedeului de extragere
sistematică (e)
∆ˆ x = z ⋅ σ̂ x
11. Eroarea limită relativă pentru Valoarea reală
valoarea medie ∆x
⋅ 100
m
Valoarea estimată
∆ˆ x
⋅ 100
x
Notă:
d) Eşantionul stratificat
Valoarea reală
Denumirea indicatorilor este calculată pe baza datelor aferente
colectivităţii totale
Valoarea estimată
este calculată pe baza datelor
obţinute din sondaj
1. Volumul colectivităţii totale
(N)
2. Volumul eşantionului
(n)
3. Numărul straturilor sau
grupelor (g)
4. Repartizarea pe straturi a
unităţilor statistice de sondaj
poate fi efectuată în următoarele
n1 = n2 = ... = n j = ... = ng
variante:
g
N j ⋅σ j
⇔ nj = g
⋅n
∑N
j =1
j ⋅σ j
- stratificare proporţională cu
N j şi cu σ j (stratificare optimă
de tip Neyman)
5. Valoarea medie a caracteristicii Valoarea reală
de reprezentativitate Σxi
m=
N
Valoarea estimată
Σxi
mˆ = x =
n
6. Dispersia caracteristicii de Valoarea reală
reprezentativitate
=∑
2
2 (x − m) i
σ X
N
σˆ 2j = s 2j = ∑
(xij − xj )
2
nj −1
∑ (x − xj )
2
N j −1 ij N j −1
σˆ 2j = s 2j ⋅ = ⋅
Nj nj −1 Nj
Valoarea estimată
g
N 2j s 2j
σ̂ x = ∑
j =1 N
2
⋅
nj
Valoarea reală
- procedeul tragerii la sorţi cu
revenire g
N 2j σ 2j N j − n j
σx = ∑
j =1 N
2
⋅ ⋅
nj N j − 1
Valoarea estimată
g
N 2j s 2j N j − n j
σˆ x = ∑ 2 ⋅ ⋅
j =1 N nj Nj
Valoarea reală
g
N 2j σ 2j
σx = ∑ 2
[
⋅ ⋅ 1 + (n j − 1) ⋅ ρ j ]
j =1 N nj
Valoarea estimată
Yates
g N 2j N j − n j n j −1 (x j:i +1 − x j:i )2
- procedeul tragerii la sorţi σˆ x = ∑ 2⋅ ⋅∑
N j ⋅ n j i =1 2(n j − 1)
fără revenire N
j =1
Cochran
g N 2j N j − n j n j /2
∑ ⋅ ∑ (x j:2i − x j:2i-1 )
2
σˆ x = 2⋅ 2
N N j ⋅ n j i =1
j =1
- procedeul sistematic În
cazul ordonării unităţilor
statistice de sondaj în baza de Universitatea Hyperion | 2011
sondaj după mărimea
caracteristicii de
reprezentativitate, crescător
STATISTICĂ ECONOMICĂ 235
∆ˆ x = z ⋅ σˆ x
z ⋅ ∑ j ⋅
2
⋅ σ 2j
cu N j şi cu σ j (stratificare optimă j =1 N N j −1
n= g
N 2j
de tip Neyman) ∆2x + z 2 ⋅ ∑ ⋅ σ 2j
j =1 N 2 (N j − 1)
- procedeul tragerii la sorţi fără
revenire
Notă:
- Pentru a obţine relaţia de calcul a volumului eşantionului, „n”, în formula
erorii medii a valorii medii de sondaj, se înlocueşte „ n j ” cu relaţia aferentă tipului de
∑σ j =1
2
j ⋅Nj
2
σ =j g
∑N j =1
j
Valoarea reală
Denumirea indicatorilor este calculată pe baza datelor
aferente
colectivităţii totale
Valoarea estimată
este calculată pe baza datelor
obţinute din sondaj -
1. Numărul total de serii din
colectivitatea totală (R)
2. Numărul de serii (cuiburi) din
eşantion (r)
∑x
i =1
i
R
m=
R
Valoarea estimată
r
∑x i
r
mˆ = x r = i =1
r
5. Dispersia mediilor de serii de la Valoarea reală
media generală a caracteristicii de R
∑ (x )
R 2
i −m
reprezentativitate δ X2 = i =1
R
Valoarea estimată
r
∑ (x )
r 2
i − xr
δˆX2 = i =1
r −1
r
∑ (x )
r 2
i − xr
R −1
δˆX2 = i =1
⋅
r −1 R
∑ (x )
r 2
i − xr
R−r
σˆ x = i =1
⋅
r (r − 1) R
Valoarea estimată
σˆ X = R ⋅ σˆ x
Notă:
- „n” din relaţia de calcul a valorii medii a seriei „i” reprezintă numărul de
unităţi statistice existente, în mod natural, într-o serie;
- eroarea limită sau maximă admisă pentru valoarea medie se calculează la fel ca
în celelalte tipuri de sondaj:
- valoarea reală: ∆ x = z ⋅ σ x
- valoarea estimată: ∆ˆ x = z ⋅ σˆ x
- numărul de unităţi statistice care formează o serie (cuib) este acelaşi (sau
aproximativ la fel de numeros) în toate seriile existente în colectivitatea totală.
- volumul eşantionului format din cuiburi (serii) se determină astfel:
z 2 ⋅ δ X2
- procedeul tragerii la sorţi cu revenire: n =
∆2x
R ⋅ z 2 ⋅ δX2
- procedeul tragerii la sorţi fără revenire: n =
(R − 1)∆2x + z 2 ⋅ δX2
Sondajul în trepte presupune, prin urmare, existenţa unei grupări a unităţilor care
formează colectivitatea statistică totală în grupe (cuiburi, serii) şi subgrupe cu existenţă
permanentă.
Dacă se optează pentru un sondaj în două trepte (cu observarea totală a unităţilor
statistice elementare cuprinse în cuiburile extrase în treapta a doua), prin tragere la sorţi
fără revenire, eroarea medie a valorii medii de sondaj se calculează astfel:
δ12 R1 − r1 δ2 R − r
σx = ⋅ + 2 ⋅ 2 2
r1 R1 − 1 r2 ⋅ r1 R2 − 1
în care:
în r1 ,
În continuare vor fi prezentate mai multe exemple care vor concretiza modul
practic de calcul şi interpretare a situaţiilor de aplicare a metodei sondajelor statistice.
Exemplul 22
Tabelul 25
Grupe de Numă Mijloc xi − 126,55 xi − 126,55 2
⋅ ni xi − 126,55
flacoane rul ul 2 2 2 ⋅ ni
după flacoa interva
greutate ne- lor -lului
(mg.) ( ni ) ( xi )
131,5
131,6- 12 132,55 +3 36 108
133,5
133,6- 8 134,55 +4 32 128
135,5
135,6- 4 136,55 +5 20 100
137,5 Î
Total 250 1.036 n
procesul de ambalare automată a unui antibiotic, se reţine la anumite intervale de timp
câte un flacon şi se cântăreşte conţinutul acestora cu o precizie de 0,1 mg.. Sunt cercetate,
în acest fel, 250 flacoane. Valorile referitoare la greutatea flacoanelor cântărite sunt
prezentate, pe grupe, în tabel. Se doreşte să se calculeze un interval de încredere pentru
valoarea medie a greutăţii flacoanelor pentru o producţie totală de 10.000 fiole.
Rezultatele vor fi garantate cu o probabilitate de 95% ( zq =0,05 = 1,96 ).
xi − 126,55
Σ ⋅ ni
x= 2 ⋅ 2 + 126,55 = 126,182 mg .
n
xi − 126,55 2
Σ ⋅ ni
2 N −1 2 2 N −1
s ⋅ = ⋅ 2 − (126,182 − 126,55) ⋅
2
= 16,5
N n −1 N
s2 N − n
li = x − zq ⋅ = 126,182 − 1,96 ⋅ 0,25367 = 125,685 mg.
n N
s2 N − n
ls = x + zq ⋅
n N = 126,182 + 1,96 ⋅ 0,25367 = 126,679 mg.
Exemplul 23
Din încărcătura de cărbuni a unei garnituri de tren, destinat unei centrale electrice,
s-a constituit un eşantion simplu aleator format din 400 probe. Pe baza analizelor
efectuate s-au obţinut următoarele date cu privire la conţinutul de cenuşe a cărbunilor:
Tabelul 26
Grupe Numărul Mijlocul xi ni xi − x (xi − x )2 (xi − x )2 ⋅ ni
după probelor intervalului
conţinutul ( ni ) ( xi )
în cenuşe
al
cărbunilor
(%)
9 - 11 5 10 50 -7,175 51,4806 257,403
11 - 13 30 12 360 -5,175 26,7806 803,419
13 - 15 45 14 630 -3,175 10,0806 453,628
15 - 17 100 16 1.600 -1,175 1,3806 138,063
17 - 19 130 18 2.340 0,825 0,6806 88,481
19 - 21 55 20 1.100 2,825 7,9806 438,934
21 - 23 25 22 550 4,825 23,2806 582,016
23 - 25 10 24 240 6,825 46,5806 465,806
Total 400 6.870 3.227,750
s2 ∆ 0,3
∆ x = 0,3% → ∆ x = zq ⋅ → zq = x = = 2,11
n s2 8,09
n 400
Exemplul 24
Exemplul 25
Exemplul 26
În cadrul unei cercetări statistice prin sondaj privind eficienţa activităţii comisiilor
de judecată s-a urmărit şi evaluarea duratei medii de soluţionare a cauzelor. Prelucrarea
datelor înregistrate de la un eşantion format prin tragere la sorţi fără revenire şi care
reprezintă 20% din totalitatea cauzelor, a condus la următoarea distribuţie:
Tabelul 27
Timpul necesar Numărul Mijlocul xi ni (xi − x )2 (xi − x )2 ⋅ ni
pentru cauzelor intervalului
soluţionarea ni xi
cauzelor (zile)
până la 15 20 8,0 160 473,0625 9.461,250
16-30 120 23,0 2.760 45,5625 5.467,500
31-60 50 45,5 2.275 248,0625 12.403,125
peste 60 10 75,5 755 2.093,0625 20.930,625
total 200 5.950 48.262,500
Să se estimeze durata medie de soluţionare o unei cauze din întregul lot de cauze
şi limitele sale probabile, adoptându-se o probabilitate de garantare a rezultatelor de
95,45%.
- Estimaţia duratei medii de soluţionare a unei cauze:
Σ xi ni 5.950
x= = = 29,75 zile
Σ ni 200
2
N − 1 Σ( xi − x ) ⋅ ni N − 1 48.262,500 999
s2 ⋅ = ⋅ = ⋅ =
N Σ ni − 1 N 200 − 1 1.000
= 242,52512 ⋅ 0,999 = 242,28
- limita inferioară:
s2 N − n
li = x − z q ⋅ = 29,75 − 2 ⋅ 0,9849 = 27,78 zile
n N
- limita superioară:
s2 N − n
ls = x + zq ⋅ = 29,75 + 2 ⋅ 0,9849 = 31,72 zile
n N
Exemplul 27
Dintr-un lot de 2.000 piese turnate s-au extras 150 de piese, prin tragere la sorţi
fără revenire. Din observarea pieselor care compun eşantionul a rezultat că 3 piese sunt
rebuturi. Să se estimeze procentul maxim al rebuturilor existente în colectivitatea totală
de piese turnate, cu o probabilitate de 95,45%, ( z q = 2 ).
Exemplul 28
Dintr-un lot de 2.000 piese turnate s-a format un eşantion de 169 piese, prin
sondaj simplu aleator fără revenire, pentru care s-a determinat media ( x = 16,4 cm .) şi
∆ x = zq ⋅ σˆ x = 2 ⋅ ( ±0,076 5) = ±0,153 cm .
Pe baza acestui rezultat putem afirma că în 9.545 de cazuri din 10.000 eşantioane
posibile, valoarea medie, calculată folosind datele obţinute din măsurarea pieselor
cuprinse în eşantion, se va abate de la media dimensiunii cercetate în lotul celor 10.000
de piese cu cel mult 0,153 cm., în plus sau în minus. În timp ce în 455 de cazuri
(eşantioane) concluziile noastre vor fi eronate.
De asemenea, se poate preciza că diametrul mediu al pieselor care formează lotul
de 2.000 piese se poziţionează în intervalul definit prin următoarele limite,
Limita inferioară: li = x − ∆ x = 16,400 − 0,153 = 16,247 cm.
Exemplul 29
Σ xi 95
Deoarece, m = = = 3,8 , se confirmă faptul că media de sondaj (x ) este o
N n 25
estimaţie nedistorsionată a mediei caracteristicii pentru unităţile care formează populaţia
statistică (m ) .
Dispersia mediilor de sondaj de la media populaţiei statistice în cazul sondajului
simplu aleator cu revenire este,
2
Σ ( xi − m ) 67
σ x2 = n
= = 2,68
N 25
Sau
σ 2 5,36
σ x2 = = = 2,68
n 2
Σ xi 38
m= = = 3,8
C Nn 10
2
Σ( xi − m ) 20,10
σ x2 = n
= = 2,01
CN 10
Sau
σ 2 N − n 5,36 5 − 2
σ x2 = ⋅ = ⋅ = 2,68 ⋅ 0,75 = 2,01
n N −1 2 5 −1
Σ xi 19
m= = = 3,8
e 5
2
Σ( xi − m ) 5,3
σ x2 = = = 1,06
e 5
sau
σ2
σ x2 = [1 + (n − 1) ⋅ ρ )] = 5,36 [1 + (2 − 1) ⋅ (− 0,60447)] = 1,06
n 2
e n −1 n
∑∑∑ (x ir − m ) ⋅ (x i ′r − m )
− 16,20
ρ= r =1 i =1 i ′ = 2
= = −0,60447
k⋅ n⋅ (n − 1) ⋅ σ 2
2,5 ⋅ 2 ⋅ (2 − 1) ⋅ 5,36
Iar în cazul unui eşantion format prin tragere la sorţi fără revenire dispersia
mediilor de sondaj de la media populaţiei statistice este mai mare de 1,896 ori
comparative cu dispersia rezultată atunci când sondajul este efectuat cu procedeul
sistematic.
Se menţionează că, pentru a obţine o eroare medie a valorii medii cât mai mică se
recomandă utilizarea procedeului sistematic dar cu respectarea următoarelor condiţii:
- în baza de sondaj, unităţile statistice care compun colectivitatea totală, trebuie
ordonate în mod crescător sau descrescător în funcţie de mărimea caracteristicii
principale de reprezentativitate,
- fiecărei unităţi statistice i se va asocia un număr de ordine,
- se va aplica modalitatea de extragere circulară a unităţilor de sondaj atunci când
mărimea pasului de numărare este un număr zecimal.
Se poate demonstra, de asemenea, că eroarea de reprezentativitate întâmplătoare
dimensionată prin eroarea medie a valorii medii este sensibil micşorată dacă se constituie
un eşantion stratificat iar extragerile sunt operate prin procedeul sistematic, în comparaţie
cu sondajele nestratificate (simple).
Exemplul 30
Tabelul 28
N 2j s 2j N j − n j
2 2⋅ ⋅
N nj Nj
g
N 2j s 2j N j − 1 N j − n j
σˆ x = ∑ 2 ⋅ ⋅ ⋅ = 0,0187 = ±0,137 ani
j =1 N nj Nj N j −1
∆ˆ ± 0,274
Vˆx = x ⋅ 100 = ⋅ 100 = ±1,4% ≤ ±2,0%.
m 19,67
Exemplul 31
Dintr-un sat cu 250 gospodării s-a costituit un eşantion, format din 50 gospodării,
prin tragere la sorţi fără revenire, în vderea estimării proporţiei gospodăriilor care deţin o
bicicletă, numărului total de gospodării care au în posesie o bicicletă, precum şi a
numărului total al persoanelor care folosesc biciclete. De asemena, să se estimeze eroarea
medie aferentă proporţiei gospodăriilor care deţin o bicicletă şi respectiv a numărului
total de gospodării care au în posesie o bicicletă.
În eşantion sunt 8 gospodării care deţin câte o bicicletă şi sunt formate dintru-un
număr de persoane după cum urmează: 3,5,3,4,7,4,4,5.
- relativă
σˆ 0,0468
Vˆw = w ⋅ 100 = ⋅ 100 = 29,25%
w 0,16
- estimaţia erorii medii a numărului total de gospodării care au în posesie o bicicletă,
X. PROBLEME PROPUSE
TEMA Nr. 1
Universitatea Hyperion | 2011
STATISTICĂ ECONOMICĂ 262
TEMA Nr. 2
Pe baza seriei de repartiţie a turiştilor grupaţi după durata sejurului să se calculeze
şi să se interpreteze: media, modulul şi indicatorii sintetici ai variaţiei, privind durata
sejurului.
TEMA Nr. 3
Să se calculeze şi să se interpreteze media, mediana, modulul, coeficientul de
variaţie şi să se reprezinte grafic seria de variaţie a agenţilor economici grupaţi după
mărimea profitului net al exerciţiului financiar.
TEMA Nr. 4
Să se calculeze stocul mediu de mărfuri, pe baza următoarelor date:
TEMA Nr. 5
TEMA Nr. 6
TEMA Nr. 7
Să se calculeze intensitatea corelaţiei dintre salariul mediu şi productivitatea
muncii, cu ajutorul coeficientului simplu de corelaţie liniară, pe baza următoarelor date:
Unitatea A B C D E F G H I J
economică
Salariul mediu 300 500 200 600 400 700 300 900 1200 700
(lei)
Productivitatea 50 70 50 80 60 80 50 90 100 90
muncii (lei/om-
oră)
TEMA Nr. 8
Pe baza datelor din tabel se vor calcula indicii elementari (individuali) şi indicii
de grup ai volumului fizic a vânzărilor, ai preţurilor de vânzare şi ai valorii vânzărilor,
precum şi corespondentul în cifre absolute al modificărilor relative exprimate prin indicii
de grup.
Se precizează că pentru calculul indicilor de grup factoriali se va aplica metoda
substituirilor succesive.
TEMA Nr. 9
TEMA Nr. 10
TEMA Nr. 11
TEMA Nr. 12
TEMA Nr. 13
Să se reprezinte grafic seria dinamică a cifrei de afaceri, să se calculeze indicele
mediu anual de creştere şi ritmul mediu şi să se identifice formele echivalente ale ecuaţiei
de tendinţă care sintetizează evoluţia seriei dinamice cu ajutorul metodei punctelor
empirice alese, a metodei totalurilor parţiale echidistante şi a metodei celor mai mici
pătrate:
Anul 1 2 3 4 5 6
Cifra de afaceri 50 65 85 120 130 150
(mii lei)
TEMA Nr. 14
sorţi fără revenire. Caracteristica de reprezentativitate este suma încasărilor realizate într-
o săptămână. Datele înregistrate la unităţile din eşantion sunt sistematizate în tabel:
TEMA Nr. 15
Dintr-un lot de 5.000 piese turnate s-au extras 200 de piese, prin tragere la sorţi
fără revenire. Din observarea pieselor care compun eşantionul a rezultat că 10 piese sunt
rebuturi. Să se estimeze procentul maxim al rebuturilor existente în colectivitatea totală
de piese turnate, cu o probabilitate de 95,45%, ( z q = 2 ).
TEMA Nr. 16
Dintr-un lot de 10.000 piese turnate s-a format un eşantion de 200 piese, prin
sondaj simplu aleator fără revenire, pentru care s-a determinat media (x = 16,4 cm .) şi
SUPORTDE CURS
Universitatea Hyperion | 2011
STATISTICĂ ECONOMICĂ 270
XII.NOTIŢELE CURSANTULUI
________________________________________________________________
__________________________________________________________________
__________________________________________________________________
_________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
_________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
_________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
_________________________________________________________________
__________________________________________________________________
__________________________________________________________________
_________________________________________________________________
__________________________________________________________________
__________________________________________________________________
_________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
_________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
_________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
2011
STATISTICĂ ECONOMICĂ 272
_________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
_________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
_________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
_________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
_________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
_________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
_________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
_________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
_________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
_________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
_________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
_________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
_________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
_________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
_________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
_________________________________________________________________
__________________________________________________________________
XIII.ANEXE
Anexa 1
Seria 1 2 3 4 5 6 7 8
1 78994 36244 02673 25475 84953 61793 50243 63423
2 04909 58485 70786 93930 34880 73059 06823 80257
3 46582 73570 33004 51795 86477 46736 60460 70345
4 29242 89792 88634 60285 07190 97795 27011 85941
5 68104 81339 97090 20601 78940 20228 22803 96070
6 17156 02182 82504 19880 93747 80910 78260 25136
7 50711 94789 07171 02103 99057 98775 37997 18325
8 39449 52409 75095 77720 39729 03205 09313 43545
9 75629 82729 76916 72657 58992 32576 01154 84890
10 01020 55151 36132 51971 32155 60735 64867 35424
11 08337 89989 24290 08618 66798 25889 52860 57375
12 76829 47229 19706 30094 69430 92399 98749 22081
13 39708 30641 21267 56501 95182 72442 221445 17276
14 89836 55817 56747 75195 06818 83043 47403 58266
15 25903 61370 66081 54076 67442 52964 23823 02718
16 71345 03422 01015 68023 19703 77313 04555 83425
17 61454 92263 14647 08473 34124 10740 40839 05620
18 80376 08909 30470 40200 46558 61742 11643 92121
18 45144 54373 05505 90074 24783 86299 20900 15144
20 12191 88527 58852 51175 11534 87218 04876 85584
21 62936 59120 73957 35969 21598 47287 39394 08778
22 31588 96798 43668 12611 01714 77266 55079 24690
23 20787 96048 84726 17512 39450 43618 30629 24356
24 45603 00745 84635 43079 52724 14262 05750 89373
25 31606 64782 34027 56734 09365 20008 93559 78384
26 10452 33074 76718 99556 16026 00013 78411 95107
27 37016 64633 67301 50949 91298 74968 73631 57397
28 66725 97865 25409 37498 00816 99262 14471 10232
29 07380 74438 82120 17890 40963 55757 13492 68294
30 71621 57688 58256 47702 74724 89419 08025 68519
31 03466 13263 23917 20417 11315 52805 33072 07723
32 12692 32931 97387 34822 53775 91674 76549 37635
33 52192 30941 44998 17833 94563 23062 95725 38463
34 56691 72529 66063 73570 86860 68125 40436 31303
35 74952 43041 58869 15677 78598 43520 97521 83248
36 18752 43693 32867 53017 22661 39610 03796 02622
37 61691 04944 43111 28325 82319 65589 66048 98498
38 49197 63948 38947 60207 70667 39843 60607 15328
39 19436 87291 71684 74859 76501 93456 95714 92518
40 39143 64893 14606 13543 09621 68301 69817 52140
41 82244 67549 76491 09761 74494 91307 64222 66592
42 55847 56155 42878 23708 98999 40131 52360 90398
43 94095 95970 07826 25991 37584 56966 68623 83454
44 11751 69469 25521 44097 07511 88976 30122 67542
45 69902 08995 27821 11758 64989 61902 32121 28163
46 21850 25352 25556 92161 23592 43294 10479 37879
47 75850 46992 251665 55906 62339 88958 91717 15756
48 29648 22086 42581 85677 20251 39641 65786 80689
49 82740 28443 42734 25518 82827 35825 90288 32911
50 36842 42092 52075 83926 42875 71500 69216 01350
Anexa 2
Distribuţia normală normată.
− z2
1 z
Funcţia lui Laplace φ ( z ) = ⋅∫ e 2
⋅ dz
2π 0
z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,0 0,0000 0,0040 0,0080 0,0120 0,0160 0,0199 0,0239 0,0279 0,0319 0,0359
0,1 0,0398 0,0438 0,0478 0,0517 0,0557 0,0596 0,0636 0,0675 0,0714 0,0753
0,2 0,0793 0,0832 0,0871 0,0910 0,0948 0,0987 0,1026 0,1064 0,1103 0,1141
0,3 0,1179 0,1217 0,1255 0,1293 0,1331 0,1368 0,1406 0,1443 0,1480 0,1517
0,4 0,1554 0,1591 0,1628 0,1664 0,1700 0,1736 0,1772 0,1808 0,1844 0,1879
0,5 0,1915 0,1950 0,1985 0,2019 0,2054 0,2088 0,2123 0,2157 0,2190 0,2224
0,6 0,2257 0,2291 0,2324 0,2357 0,2389 0,2422 0,2454 0,2486 0,2517 0,2549
0,7 0,2580 0,2611 0,2642 0,2673 0,2704 0,2734 0,2764 0,2794 0,2823 0,2852
0,8 0,2881 0,2910 0,2939 0,2967 0,2995 0,3023 0,3051 0,3078 0,3106 0,3133
0,9 0,3159 0,3186 0,3212 0,3238 0,3264 0,3289 0,3315 0,3340 0,3365 0,3389
1,0 0,3413 0,3438 0,3461 0,3485 0,3508 0,3531 0,3554 0,3577 0,3599 0,3621
1,1 0,3643 0,3665 0,3696 0,3708 0,3729 0,3749 0,3770 0,3790 0,3810 0,3830
1,2 0,3849 0,3869 0,3888 0,3907 0,3925 0,3944 0,3962 0,3980 0,3997 0,4015
1,3 0,4032 0,4049 0,4066 0,4082 0,4099 0,4115 0,4131 0,4147 0,4162 0,4177
1,4 0,4192 0,4207 0,4222 0,4236 0,4251 0,4265 0,4279 0,4292 0,4306 0,4319
1,5 0,4332 0,4345 0,4357 0,4370 0,4382 0,4394 0,4406 0,4418 0,4429 0,4441
1,6 0,4452 0,4463 0,4474 0,4484 0,4495 0,4505 0,4515 0,4525 0,4535 0,4545
1,7 0,4554 0,4564 0,4573 0,4582 0,4591 0,4599 0,4608 0,4616 0,4625 0,4633
1,8 0,4641 0,4649 0,4656 0,4664 0,4671 0,4678 0,4686 0,4693 0,4699 0,4706
1,9 0,4713 0,4719 0,4726 0,4732 0,4738 0,4744 0,4750 0,4756 0,4761 0,4767
2,0 0,4772 0,4778 0,4783 0,4788 0,4793 0,4798 0,4803 0,4808 0,4812 0,4817
2,1 0,4821 0,4826 0,4830 0,4834 0,4838 0,4842 0,4846 0,4850 0,4854 0,4857
2,2 0,4861 0,4864 0,4868 0,4871 0,4875 0,4878 0,4881 0,4884 0,4887 0,4890
2,3 0,4893 0,4896 0,4898 0,4901 0,4904 0,4906 0,4909 0,4911 0,4913 0,4916
2,4 0,4918 0,4920 0,4922 0,4925 0,4927 0,4929 0,4931 0,4932 0,4934 0,4936
2,5 0,4938 0,4940 0,4941 0,4943 0,4945 0,4946 0,4948 0,4949 0,4951 0,4952
2,6 0,4953 0,4955 0,4956 0,4957 0,4959 0,4960 0,4961 0,4962 0,4963 0,4964
2,7 0,4965 0,4966 0,4967 0,4968 0,4969 0,4970 0,4971 0,4972 0,4973 0,4974
2,8 0,4974 0,4975 0,4976 0,4977 0,4977 0,4978 0,4979 0,4979 0,4980 0,4981
2,9 0,4981 0,4982 0,4983 0,4983 0,4984 0,4984 0,4985 0,4985 0,4986 0,4986
0,0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9
3,0 0,4987 0,4990 0,4993 0,4995 0,4997 0,4998 0,4998 0,4999 0,4999 0,5000
Anexa 3
2
Distribuţia χ
q% 99,5 99,0 97,5 95,0 90,0 50,0 10,0 5,0 2,5 1,0 0,5
P% 0,5 1,0 2,5 5,0 10,0 50,0 90,0 95,0 97,5 99,0 99,5
f
1 0,0000 0,000 0,000 0,00 0,158 0,455 2,71 3,84 5.02 6,63 7,88
393 157 982 393
2 0,0100 0,0201 0,0506 0,103 0,211 1,39 4,61 5,99 7,38 9,21 10,6
3 0,0717 0,115 0,216 0,352 0,548 2,37 6,25 7,81 9,35 11,3 12,8
4 0,207 0,297 0,484 0,711 1,06 3,36 7,78 9,49 11,1 13,3 14,9
5 0,412 0,554 0,831 1,145 1,61 4,35 9,24 11,1 12,8 15,1 16,7
6 0,676 0,872 1,24 1,64 2,20 5,35 10,6 12,6 14,4 16,8 18,5
7 0,989 1,24 1,69 2,17 2,83 6,35 12,0 14,1 16,0 18,5 20,3
8 1,34 1,65 2,18 2,73 3,49 7,34 13,4 15,5 17,5 20,1 22,0
9 1,73 2,09 2,70 3,33 4,17 8,34 14,7 16,9 19,0 21,7 23,6
10 2,16 2,56 3,25 3,94 4,87 9,34 16,0 18,3 20,5 23,2 25,2
11 2,60 3,05 3,82 4,57 5,58 10,3 17,3 19,7 21,9 24,7 26,8
12 3,07 3,57 4,40 5,23 6,30 11,3 18,5 21,0 23,3 26,2 28,3
13 3,57 4,11 5,01 5,89 7,04 12,3 19,8 22,4 24,7 27,7 29,8
14 4,07 4,66 5,63 6,57 7,79 13,3 21,1 23,7 26,1 29,1 31,3
15 4,60 5,23 6,26 7,26 8,55 14,3 22,3 25,0 27,5 30,6 32,8
16 5,14 5,81 6,91 7,96 9,31 15,3 23,5 26,3 28,8 32,0 34,3
17 5,70 6,41 7,56 8,67 10,1 16,3 24,8 27,6 30,2 33,4 35,7
18 6,26 7,01 8,23 9,39 109 17,3 26,0 28,9 31,5 34,8 37,8
19 6,84 7,63 8,91 10,1 11,7 18,3 27,2 30,1 32,9 36,2 38,6
20 7,43 8,26 9,59 10,9 12,4 19,3 28,4 31,4 34,2 37,6 40,0
21 8,03 8,90 10,3 11,6 13,2 20,3 29,6 32,7 35,5 38,0 41,4
22 8,64 9,54 11,0 12,3 14,0 21,3 30,8 33,9 36,9 40,3 42,8
23 9,26 10,2 11,7 13,1 14,8 22,3 32,0 35,0 38,1 41,6 44,2
24 9,89 10,9 12,4 13,8 15,7 23,3 33,2 36,4 39,4 43,0 45,6
25 10,5 11,5 13,1 14,6 16,5 24,3 34,4 37,7 40,6 44,3 46,9
26 11,2 12,2 13,8 15,4 17,3 25,3 35,6 38,9 41,9 45,6 48,3
27 11,8 12,9 14,6 16,2 18,1 26,3 36,7 40,1 43,2 47,0 49,6
28 12,5 13,6 15,3 16,9 18,9 27,3 37,9 41,3 44,5 48,3 51,0
29 13,1 14,3 16,0 17,7 19,8 28,3 39,1 42,6 45,7 49,6 52,3
30 13,8 15,0 16,8 18,5 20,6 29,3 40,3 43,8 47,0 50,9 53,7