Statistica Economica PDF

STATISTICĂ ECONOMICĂ 1
UNIVERSITATEA HYPERION DIN

BUCUREŞTI
FACULTATEA DE ŞTIINŢE ECONOMICE
STATISTICĂ ECONOMICĂ
- SUPORT DE CURS ÎN FORMAT ID –
AUTORI: Prof.univ.dr. Bălăceanu Ion

Conf.univ.dr. Mihăilescu Nicolae
Asist.univ.drd. Enache Calcedonia
2011
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 curs este un instrument în mâna celor care doresc să cunoască şi să

înţeleagă esenţa fenomenelor social-economice, să modeleze şi să previzioneze
evenimente. Prin conţinutul său aplicativ şi profund ştiinţific, datorită metodologiei
riguroase de prelucrare matematică a datelor statistice primare, manualul de statistică
oferă o logică clară care priveşte culegerea, prelucrarea şi interpretarea rezultatelor
obţinute în contextul desfăşurării unei cercetări statistice.
Metodele statistice expuse în manual sunt de utilitate directă pentru elaborarea

lucrărilor de cercetare fundamentală şi aplicativă precum şi pentru fundamentarea unor
decizii de natură managerială la nivelul formaţiunilor economice. Utilizarea metodelor
statistice în cercetare asigură garanţia unor rezultate şi concluzii viabile, răspunde
imperativelor de cunoaştere în condiţii de detaliere a cauzelor şi factorilor care explică o
anumită stare social-economică.
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
mijloace adecvate şi necesare realizării investigaţiilor faptice şi teoretice cu care sunt

confruntaţi.
Cursul “Statistică economică” este structurat în nouă unităţi de învăţare (capitole),

fiecare dintre acestea indicând următoarele elemente: timp estimativ de studiu pentru
asimilarea informaţiei; competenţe specifice unităţii de învăţare; cuprins al unităţii de
învăţare; teme de control; bibliografie specifică unităţii de învăţare.
Evaluarea cunoştinţelor – constă în evaluarea finală, concretizată prin examenul

susţinut în perioada de sesiune.

CUPRINSUL SUPORTULUI DE CURS

I. Unitatea de învăţare nr. 1 – STATISTICA
ECONOMICĂ – ŞTIINŢĂ ŞI METODOLOGIE DE
CERCETARE A FENOMENELORSOCIAL-ECONOMICE
I.1. Obiectul şi metoda statisticii 8
I.2.Funcţiile statisticii 10
I.3. Concepte de bază folosite de statistică 10
I.4. Cercetarea statistică 15
I.5.Tipuri de erori care pot apare într-o cercetare statistică 16
I.6. Tema de control a unităţii de învăţare nr. 1 18
I.7. Bibliografia specifică unităţii de învăţare nr. 1 18
II. Unitatea de învăţare nr. 2 - SISTEMATIZAREA
DATELOR STATISTICE SUB FORMA GRUPĂRILOR ŞI
SERIILOR STATISTICE
II.1. Gruparea datelor statistice 19
II.2. Seriile statistice 23
II.3. Tema de control a unităţii de învăţare nr. 2 25
II.4. Bibliografia specifică unităţii de învăţare nr. 2 26
III. Unitatea de învăţare nr. 3–MĂRIMILE RELATIVE ȘI
MEDII
III.1. Mărimile relative 28
III.2. Mărimile medii 31
III.2.1. Felurile şi semnificaţia mărimilor medii 31
III.2.2. Mărimi medii de poziţie (mediana şi modulul) 48
III.2.3. Media în cazul caracteristicii alternative 53
III.4. Tema de control a unităţii de învăţare nr. 3 55
2011
III.5. Bibliografia specifică unităţii de învăţare nr. 3 55

IV. Unitatea de învăţare nr. 4 - INDICATORII DE
INFORMARE STATISTICĂ PRIVIND VARIABILITATEA,
SIMETRIA, APLATIZAREA ȘI CONCENTRAREA
IV.1. Indicatorii gradului de variabilitate 57
IV.1.1. Felurile şi semnificaţia indicatorilor gradului de 57
variabilitate
IV.1.2.Dispersia în cazul caracteristicii alternative 64
IV.1.3. Felurile dispersiilor 65
IV.1.4. Analiza dispersională 68
IV.2. Indicatorii asimetriei şi boltirii (aplatizării) seriilor de repartiţie 72
IV.3. Indicatorii gradului de concentrare / diversificare 75
IV.4. Tema de control a unităţii de învăţare nr. 4 79
IV.5. Bibliografia specifică unităţii de învăţare nr. 4 79
V. Unitatea de învăţare nr. 5 – PREZENTAREA
DATELOR STATISTICEÎN TABELE ŞI SUB FORMA
REPREZENTĂRILOR GRAFICE
V.1. Prezentarea datelor statistice în tabele şi sub forma 80
reprezentărilor grafice
V.2. Tema de control a unităţii de învăţare nr. 5 89
V.3. Bibliografia specifică unităţii de învăţare nr. 5 90
VI. Unitatea de învăţare nr. 6 – STUDIUL STATISTIC AL
CORELAŢIILOR DINTRE FENOMENE
VI.1. Metode simple de analiză a corelaţiilordintre fenomene 92
VI.2. Metodele statistico-matematice de analiză a corelaţiilor dintre 94
fenomene

VI.3.Metode de analiză a corelaţiei rangurilor 126

VI.4. Tema de control a unităţii de învăţare nr. 6 130
VI.5. Bibliografia specifică unităţii de învăţare nr. 6 130
VII. Unitatea de învăţare nr. 7 - INDICII STATISTICI
VII.1. Metodologia de calcul şi interpretare a indicilor statistici 132
VII.2. Indicii de grup medii armonici 147
VII.3. Indicii de grup medii aritmetici 148
VII.4. Indicii de grup calculaţi ca raport între mărimi medii 148
VII.5. Indicii teritoriali 156
VII.6. Tema de control a unităţii de învăţare nr. 7 159
VII.7. Bibliografia specifică unităţii de învăţare nr. 7 159
VIII. Unitatea de învăţare nr.8–ANALIZA STATISTICĂ A
SERIILOR DINAMICE
VIII.1. Sistemul de indicatori ai seriilor dinamice 161
VIII.2. Ajustarea seriilor dinamice 167
VIII.3. Măsurarea oscilaţiilor sezoniere 186
VIII.4. Caracterizarea dinamicii fenomenelor social-economice 202
cu ajutorul coeficienţilor de elasticitate
VIII.5. Tema de control a unităţii de învăţare nr. 8 205
VIII.6. Bibliografia specifică unităţii de învăţare nr. 8 205
IX. Unitatea de învăţare nr. 9 - CERCETAREA
STATISTICĂ PRIN SONDAJ
IX.1. Fundamente conceptuale privind cercetareastatistică prin sondaj 207
IX.2. Erorile în cercetarea statistică prin sondaj 210
IX.3. Procedee de sondaj 213
IX.4. Felurile eşantioanelor 220

IX.5. Tema de control a unităţii de învăţare nr. 9 260

IX.6. Bibliografia specifică unităţii de învăţare nr. 9 260
X. PROBLEME PROPUSE 262
XI. BIBLIOGRAFIA SPECIFICĂ ÎNTREGULUI 270
SUPORT DE CURS
XII. NOTIŢELE CURSANTULUI 271
XIII. ANEXE 274
XIII.1. ANEXA NR. 1 275
XII.3. ANEXA NR. 3 277

Unitatea de studiu nr. 1: STATISTICA ECONOMICĂ–
ŞTIINŢĂ ŞI METODOLOGIE DE CERCETARE
A FENOMENELOR SOCIAL-ECONOMICE
Timpul de studiu individual estimat: 1 h
Competenţele specificeunităţii de învăţare:

La sfarşitul parcurgerii unităţii de învăţare, studenţii trebuie:
să înţeleagă care este obiectul şi metoda statisticii;
să cunoască conceptele de bază ale statisticii;
să cunoască structura metodologică a cercetării statistice;

să cunoască tipurile de erori care pot afecta rezultatele unei cercetări statistice.
Cuprinsul unităţii de învăţare:

I.1. Obiectul şi metoda statisticii (pag. 8)
I.2. Funcţiile statisticii (pag. 10)
I.3. Concepte de bază folosite de statistică (pag. 10)
I.4.Cercetarea statistică (pag. 15)
I.5.Tipuri de erori care pot apare într-o cercetare statistică (pag. 16)
I.6. Tema de control a unităţii nr. 1 (pag. 18)
I.7. Bibliografia specifică unităţii nr. 1 (pag. 18)
I.1. OBIECTUL ŞI METODA STATISTICII
Statistica studiază, pe baza expresiei cantitative a fenomenelor social-economice

de masă, legităţile dezvoltării sociale, în condiţii concrete de loc şi timp, în strânsă
interdependenţă cu conţinutul lor calitativ.
2011
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.
Cu ajutorul generalizărilor şi abstractizărilor cu care operează, statistica ilustrează
viaţa economică şi socială în mărimi cifrice denumite generic, indicatori.
Fenomenele de masă care au loc în viaţa social-economică, se caracterizează
printr-o stabilitate sau regularitate statistică care este evidenţiată cu mai multă siguranţă
atunci când numărul observaţiilor sau al elementelor componente ce formează fenomenul
supus studiului este mai mare.
Teoria probabilităţilor este fundamentată pe această stabilitate statistică a
fenomenelor de masă care este cunoscută sub denumirea de legitate statistică.
Se precizează că o legitate statistică este un adevăr constatat experimental şi în
aceste condiţii nu se poate demonstra.
Prin urmare, abaterile întâmplătoare ale elementelor individuale care formează un
fenomen de masă, de la valoarea lor medie, se compensează reciproc şi explică caracterul
real al legităţilor statistice.
Conţinutul conceptului de teorie a probabilităţilor se bazează pe abstractizarea
legităţilor statistice proprii fenomenelor de masă.
Pentru a cuantifica prin indicatori starea fenomenelor social-economice, statistica
dispune de o metodă proprie de cercetare.
Privită în timp metoda statisticii a cunoscut un proces permanent de dezvoltare şi
este legată, cu precădere, de progresele înregistrate în teoria probabilităţilor şi statistica
matematică.
Folosirea diferenţiată a procedeelor statistice, în concordanţă cu natura calitativă a
fenomenelor studiate, perfecţionarea şi elaborarea unor noi procedee care să răspundă
cerinţelor de conţinut ale analizei acestor fenomene, este una din sarcinile de bază ale
statisticii.
Cercetarea statistică a fenomenelor social-economice asigură informaţiile necesare
desfăşurării unui proces decizional fundamentat în mod real pe o formă de investigare
ştiinţifică.

I.2. FUNCŢIILE STATISTICII
Funcţiile statisticii caracterizează cadrul general al modului în care sunt aplicate

mecanismele de realizare a cercetărilor statistice, precum şi a modului în care sunt
comunicate puse în valoare şi utilizate rezultatele acestora.
De asemenea, funcţiile statisticii definesc obiectivele de organizare, perfecţionare
şi dezvoltare metodologică, de cunoaştere a fenomenelor social-economice şi de
identificare a legităţilor statistice. În acest context pot fi menţionate următoarele funcţii:
1) Funcţia organizatorică şi metodologică de efectuare ştiinţifică a cercetărilor

statistice de interes naţional şi internaţional.
2) Funcţia de informare a factorilor de decizie şi în general de informare a
publicului naţional privind rezultatele cercetărilor statistice efectuate.
3) Funcţia de informare oficială a organismelor internaţionale interesate cu
privire la situaţia social-economică, demografică, geografică, juridică sau de altă natură.
4) Funcţia de perfecţionare metodologică a observării, prelucrării şi analizei
datelor statistice.
5) Funcţia de raţionalizare, optimizare, supraveghere şi control a fluxului de date
şi informaţii statistice.
I.3. CONCEPTE DE BAZĂ FOLOSITE DE STATISTICĂ
În procesul studiului fenomenelor social-economice, metodologia statistică

operează cu noţiuni specifice al căror conţinut trebuie înţeles în mod corect pentru a putea
da o interpretare adecvată a rezultatelor obţinute prin prelucrarea datelor statistice.
Populaţia statistică reprezintă ansamblul elementelor care au una sau mai multe
caracteristici comune, cu o existenţă obiectivă şi localizată clar în timp şi spaţiu

Din punct de vedere al terminologiei practice pentru conceptul de populaţie

statistică se foloseşte, cu acelaşi conţinut, noţiunea de fenomen de masă sau calectivitate
statistică.
Unitatea de observare statistică este elementul component al populaţiei statistice

la care se particularizează nivelul individual al caracteristicilor statistice.
Unităţile statistice au o formă de existenţă care poate fi simplă sau complexă.
Unităţile simple sunt reprezentate printr-un singur element structural obiectiv, cum ar fi de
exemplu persoana, produsul, piesa etc., în timp ce unităţile complexe sunt formate din mai
multe unităţi simple, ca de exemplu: familia, întreprinderea etc.
Caracteristica statistică este acea însuşire comună tuturor unităţilor populaţiei

statistice supusă cercetării ale cărei valori diferă de la o unitate statistică la alta sau de la
un grup de unităţi la altul. Caracteristicile statistice sunt specifice, ca formă şi conţinut,
tipologiei de existenţă a unităţilor statistice. Dacă unitatea statistică este persoana,
caracteristicile asociate sunt: vârsta, sexul, profesia, starea civilă etc..
Caracteristicile statistice pot fi clasificate în funcţie de mai multe criterii, astfel:
- după conţinutul caracteristicilor,
- numerice sau cantitative
- exprimate prin cuvinte (legate de natura unităţilor statistice)
- de spaţiu (exprimă particularitatea unităţilor statistice de a exista într-un anumit punct al
spaţiului)
- de timp (exprimă particularitatea unităţilor statistice de a fi apărut la un anumit moment
sau de a fi existat un anumit interval de timp)
- după modul de prezentare al caracteristicilor numerice,

- pe variante (discretă sau prezentare în numere întregi)
- pe intervale (continuă)
- după modul în care se manifestă,
- forma alternativă (caracteristică cu două variante de manifestare)
- forma nealternativă (caracteristică cu mai mult de două variante de manifestare)

Totalitatea caracteristicilor statistice care fac obiectul unei cercetări statistice

formează „programul observării”.
Varianta este nivelul individual al caracteristicii statisticii asociat unei unităţi

statistice sau unui grup de unităţi.
Frecvenţa este numărul de unităţi statistice la care se înregistrează o variantă a

caracteristicii.
Indicatorul statistic este expresia numerică a unei determinări calitative obiective

rezultată în urma unei cercetări statistice.
Forma indicatorilor statistice depinde de gradul de prelucrare la care au fost supuse
datele iniţiale, astfel:
- indicatori absoluţi
- indicatori relativi
- indicatori medii
Legea numerelor mari are:

- o formă generală de manifestare prin caracterul real al legităţilor statistice şi
respectiv,
- o formă specifică care este exprimată printr-un grup de teoreme ale teoriei
probabilităţilor:
- Inegalitatea lui Cebâşev
- Teorema lui Cebâşev
- Teorema lui Bernoulli
- Teorema lui Poisson

Inegalitatea lui Cebâşev dimensionează o limită inferioară a probabilităţii ca
valoarea medie, necunoscută, a caracteristicii studiate în colectivitatea generală, x0 , să ia o
valoare în intervalul, [x − ε , x + ε ] , unde x este valoarea medie a caracteristicii X

calculată pe baza datelor obţinute prin sondaj. În practică, ε se exprimă în unităţi egale cu
eroarea medie de sondaj a valorii medii, ,

(σ x ) , adică,
ε = kσ x , şi este corespondentul
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
Când volumul eşantionului constituit prin aplicarea unor procedee aleatorii de

sondaj, depăşeşte limita de 40 de unităţi sau de observaţii, diferenţa dintre valoarea medie
obţinută pe baza sondajului, x , şi media colectivităţii generale, x0 , converge către o

repartiţie normală, fără alte condiţii restrictive. În acest caz, k, este o variabilă normală
normată, notată cu z, cu media zero şi dispersia egală cu unitatea, iar inegalitatea lui
Cebâşev poate fi scrisă astfel,
P[( x − zσ x ) < x0 < ( x + zσ x )] ≥ Φ ( z )
Teorema lui Cebâşev are, de asemenea, o importanţă deosebită în teoria sondajelor

şi a estimaţiilor deoarece prin enunţul ei se explică când o estimaţie este nedistorsionată,
deci când o estimaţie, calculată pe baza datelor obţinute prin sondaj, nu este afectată de
erori care nu pot fi calculate.

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.
Teorema lui Poisson.Teorema lui Poisson este o generalizare a teoremei

luiBernoulli. Poisson consideră că f tinde către p „în probabilitate”,
p1 + p 2 + ... + p n
lim = p
n→∞ n
atunci,

 p1 + p 2 + ... + p n 
lim P  f − < ε = 1
n →∞  n 
I.4. CERCETAREA STATISTICĂ
Cercetarea statistică este un proces de cunoaştere a fenomenelor de masă, realizat

cu ajutorul metodelor statistice.
Efectuarea unei cercetări statistice implică parcurgerea următoarelor etape:
- Observarea statistică
- Prelucrarea datelor obţinute prin observare
- Interpretarea rezultatelor
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.
Observarea statistică poate fi desfăşurată în mai multe variante de lucru în

funcţie de criteriul la care ne referim, astfel:
- după modul de cuprindere în cercetare a unităţilor statistice,
- observări totale: recensămintele, sistemul raportărilor statistice obligatorii
- observări parţiale: cercetarea statistică prin sondaj, ancheta statistică, monografia

- după periodicitatea organizării observării,
- observări curente
- observări periodice
- observări unice
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.
Interpretarea rezultatelor este etapa în care se formulează concluzii cu privire la starea

colectivităţii statistice cercetate. Rezultatele obţinute în urma prelucrărilor efectuate sunt
supuse unui proces calitativ de extragere a acelor informaţii cu caracter esenţial care
prezintă utilitate practică, confirmă sau infirmă ipoteze, fundamentează eventuale acţiuni
care vor fi întreprinse în viitor, orientează decizia economică pe un teren al cunoaşterii
ştiinţifice etc.
I.5. TIPURI DE ERORI CARE POT APARE ÎNTR-O CERCETARE

STATISTICĂ
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
Erorile de reprezentativitate sunt specifice cercetărilor statistice prin sondaj şi pot

îmbrăca, de asemenea, două forme:
- 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.
Cu ajutorul generalizărilor şi abstractizărilor cu care operează,

statistica ilustrează viaţa economică şi socială în mărimi cifrice denumite
generic, indicatori

I.6. TEMA DE CONTROL A UNITĂŢII DE ÎNVĂŢARE
NR. 1
1. Care este obiectul de studiu al statisticii?

2. Ce înţelegeţi prin metoda statisticii?
3. Care sunt tipurile de erori care pot apare într-o cercetare statistică?.
TESTUL DE AUTOEVALUARE NR.1
1. Descrieţi conceptele de bază folosite în statistică

2. Definiţi cercetarea statistic şi descrieţi etapele principale ale cercetării statistice.
I.7. BIBLIOGRAFIA SPECIFICĂ UNITĂŢII NR. 1
1. Mihăilescu, N., Statistica şi bazele statistice ale econometriei, Editura SITECH,

Craiova, 2009.
2. Mihăilescu, N.,Statistica şi bazele statistice ale econometriei, Editura

Renaissance, Bucureşti, 2011.
2011
Unitatea de studiu nr. 2: SISTEMATIZAREA DATELOR

STATISTICE SUB FORMA GRUPĂRILOR ŞI
SERIILOR STATISTICE
Timp de studiu individual estimat: 1h
Competenţele specifice unităţii de învăţare:

Dupăstudiul acestei unităţi de învăţare studenţii vor putea:
să înţeleagă care sunt obiectivele şi tipologia grupărilor statistice;
să cunoască metodologia de elaborare a grupărilor statistice;
să identifice tipurile şi utilitatea seriilor statistice.

II.1. Gruparea datelor statistice (pag. 19)
II.3.Seriile statistice(pag. 23)
II.4. Tema de control nr. 2 (pag. 25)
II.5. Bibliografia specifică a unităţii nr. 2 (pag. 26)
II.1. GRUPAREA DATELOR STATISTICE
Gruparea datelor statistice este o operaţiune de sistematizare a prezentării

materialului statistic obţinut prin observare care constă în separarea colectivităţii
cercetate în grupe omogene de unităţi după variaţia uneia sau mai multor caracteristici
din programul observării.

Realizarea unei grupări utile pentru îndeplinirea scopului cercetării statistice

impune cu necesitate să fie respectate următoarele condiţii:
- alegerea caracteristicii sau caracteristicilor care vor sta la baza efectuării
operaţiunii de grupare în strânsă legătură cu obiectivele de cunoaştere şi respectiv cu
particularităţile sau specificul colectivităţii supuse cercetării. Cea mai potrivită
caracteristică de grupare este aceea care este în strânsă interdependenţă cu esenţa
fenomenului studiat şi, în consecinţă, permite identificarea tipurilor calitative care există
în cadrul colectivităţii;
- în cazul caracteristicilor de grupare numerice se stabileşte sau se calculează
mărimea intervalului de grupare şi respectiv numărul de grupe care vor fi constituite,
astfel încât să se obţină cea mai bună formă de distribuire a unităţilor statistice pe grupe;
- toate operaţiunile de natură metodologică, implicate cu efectuarea unei grupări a
datelor statistice, trebuie să fie subordonate atingerii obiectivelor grupării şi anume:
a - cunoaşterea structurii colectivităţii statistice şi respectiv a tipurilor
calitative existente în colectivitate la un anumit moment sau într-o anumită perioadă de
timp,
b - cunoaşterea modificărilor de natură structurală, care s-au produs de la
un segment de timp la altul,
c - identificarea unor posibile corelaţii care se formează între
caracteristicile utilizate la grupare, forma şi direcţia acestor corelaţii şi, într-o anumită
măsură, obţinerea unei informaţii orientative privind intensitatea corelaţiei.
Efectuarea unei grupări a datelor statistice, după o caracteristică exprimată

numeric, implică parcurgerea unor etape de lucru, după cum urmează:
1 - se calculează amplitudinea variaţiei, respectiv se cuantifică diferenţa dintre
valoarea (varianta) cea mai mare a caracteristicii şi valoarea (varianta) cea mai mică,
( A = xmax − xmin ) ;
2 - în funcţie de mărimea amplitudinii variaţiei, se stabileşte numărul de grupe în
care va fi împărţită colectivitatea. În această etapă de lucru se optează, de regulă, pentru
constituirea unui număr mai mare de grupe comparativ cu numărul care se presupune că
este necesar pentru a cunoaşte structura şi respectiv tipurile calitative existente în

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,
x max − x min xmax − x min

i= =
1 + log 2 n 1 + 3,322 ⋅ log 10 n
în care:
n- este numărul unităţilor care formează colectivitatea statistică supusă operaţiunii de
grupare,
sau se foloseşte o relaţie empirică echivalentă,
1
i= ⋅ 8 ⋅ ( x max − x min )
100
4 - se scriu intervalele de grupare astfel încât să se folosească ca limite inferioare

şi superioare, „numere rotunde”;
5 - se repartizează unităţile statistice pe intervalele de grupare stabilite. Aceasta
este o etapă intermediară de lucru care oferă o primă formă de sistematizare a
materialului statistic pe grupe şi în continuare, să permită, dacă se consideră necesar,
efectuarea unei regrupări prin asocierea a două sau mai multor intervale de grupare;
6 - se procedează la efectuarea unor regrupări, eventual în mai multe variante,
pentru a avea posibilitatea formulării celei mai bune decizii de alegere a grupării care
oferă soluţia considerată optimă, în vederea caracterizării colectivităţii statistice cercetate
sau pentru efectuarea unor prelucrări ulterioare. Regruparea poate fi efectuată fie pe

intervale de mărimi egale fie pe intervale de mărimi neegale după cum se consideră că
acestea răspund mai bine scopului propus.
Dacă se procedează la efectuarea unei grupări combinate în funcţie de două

caracteristici de grupare considerate că pot forma un sistem interdependent, se recomandă
constituirea unui număr egal de grupe pentru ambele caracteristici.
Forma de prezentare statistică a acestui tip de grupare este denumită „tabel de

corelaţie”.
Felurile grupărilor
Grupările pot fi prezentate în mai multe variante constructive în funcţie de un

anumit criteriu, astfel:
a) după numărul caracteristicilor folosite la grupare,

- grupări simple, când grupările sunt efectuate după o singură
caracteristică,
- grupări combinatecând se folosesc două sau mai multe caracteristici
pentru sistematizarea pe grupe a materialului statistic. Este necesar să se
precizeze că se optează, de regulă, pentru un număr de maximum 4
caracteristici de grupare. În cazul folosirii unui număr mai mare de 4
caracteristici se ajunge la o pulverizare a informaţiilor statistice şi în
consecinţă la îngreunarea înterpretării din punct de vedere structural a
colectivităţii statistice;
b) după tipul caracteristicii de grupare,

- grupări efectuate după o caracteristică de spaţiu
- grupări efectuate după o caracteristică de timp
- grupări efectuate după o caracteristică numerică
- grupări efectuate după o caracteristică exprimată prin cuvinte

c) după variaţia caracteristicii de grupare numerică,

- grupări efectuate pe variante ale caracteristicii (atunci când
caracteristica de grupare este de formă discretă - se exprimă în numere
întregi - şi are o variaţie redusă, sau prezintă un număr relativ mic de
variante)
- grupări efectuate pe intervale de grupare (de mărimi egale sau neegale).
Aceste grupări pot fi formate atât în cazul caracteristicilor discrete cât şi al
celor de formă continuă.
Sistematizarea formală a datelor statistice prin constituirea grupărilor este o primă

operaţiune care se efectuează în procesul de prelucrare statistică şi care oferă o descriere
globală a colectivităţii statistice cercetate exprimată de indicatorii primari sau absoluţi.
Pe baza datelor centralizate sau totalizate în mod simplu sau pe grupe, se
procedează la aplicarea unor procedee specifice de calcul pentru obţinerea indicatorilor
derivaţi exprimaţi în mărimi relative, mărimi medii, indicatori ai gradului de variabilitate,
indicatori de corelaţie etc..
Rezultatele centralizării şi grupării datelor statistice precum şi a prelucrărilor care
au vizat calculul indicatorilor derivaţi pot fi prezentate sub forma unor serii statistice,
tabele statistice, a reprezentărilor grafice precum şi sub formă unor comentarii de
descriere a colectivităţii statistice.
II.2. SERIILE STATISTICE
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:

1 - serii simple enumerative - sunt seriile care prezintă o simplă înşiruire a

datelor. De exemplu, înşiruirea notelor obţinute la examenele susţinute de un student la
finele unui an de studii universitare.
2 - serii de spaţiu sau teritoriale - prezintă volumul colectivităţii statistice sau

nivelul unei caracteristici statistice în raport cu tipologia teritorială în care există
unităţile statistice. De exemplu, repartizarea numărului locuitorilor pe judeţe care a
existat, în ţara noastră, la o anumită dată calendaristică.
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.
4 - serii de repartiţie, de variaţie sau de distribuţie – se prezintă sub forma unor

date paralele cu referire la o caracteristică statistică de grupare numerică sau cantitativă şi
numărul unităţilor colectivităţii statistice care revin pe variante ale caracteristicii sau pe

intervale de grupare. De exemplu, seria numărului salariaţilor care îşi desfăşoară

activitatea în cadrul unei firme comerciale, grupaţi după mărimea salariului mediu lunar.
De reţinut!
Gruparea datelor statistice este o operaţiune de sistematizare a

prezentării materialului statistic obţinut prin observare, care constă în separarea
colectivităţii cercetate în grupe omogene de unităţi după variaţia uneia sau mai
multor caracteristici din programul observării.
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
II.6. TEMA DE CONTROL A UNITĂŢII NR. 2
1. Precizaţi etapele de lucru care se parcurg atunci când se realizează gruparea

datelor statistice.
2. Descrieţi obiectivele grupărilor.
3. Descrieţi felurile grupărilor.

TESTUL DE AUTOEVALUARE NR. 2

1. Enumeraţi condiţiile care trebuie respectate pentru îndeplinirea scopului cercetării
statistice.
2. Definiţi seriile statistice.
II.4. BIBLIOGRAFIA SPECIFICĂ UNITĂŢII NR. 2
1. Mihăilescu, N., Statistica şi bazele statistice ale econometriei, Editura SITECH,

Craiova, 2009.


Unitatea de studiu nr. 3: MĂRIMIRELATIVE. MĂRIMI

MEDII

Dupăstudiul acestei unităţi de învăţare veţi putea:
săcunoască care este modalitatea de calcul şi formele de prezentare a
mărimilor relative;
să cunoască tipologia mărimilor relative;
să înţeleagă semnificaţia economică a unei mărimi relative
să cunoască care sunt formele şi modalitatea de calcul a mărimilor medii;
să înţeleagă semnificaţia economică a unei mărimi medii;
să cunoască utilitatea şi modalitatea de calcul a mărimilor medii de poziţie.

III.1. Mărimile relative (pag. 58)
III.2. Mărimile medii (pag. 31)
III.2.1. Felurile şi semnificaţia mărimilor medii (pag. 31)
III.2.2. Mărimi medii de poziţie (mediana şi modulul) (pag. 48)
III.2.3. Media în cazul caracteristicii alternative (pag. 53)
III.3. Tema de control a unităţii nr. 3 (pag. 55)
III.4. Bibliografia specifică unităţii de învăţare nr. 3 (pag. 55)

III.1. MĂRIMILE RELATIVE
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.
Formele de exprimare a mărimilor relative depind de natura fenomenelor studiate

şi de raportul de mărime existent între indicatorii care se compară şi anume:
- forma de coeficient – este un rezultat exprimat de un număr zecimal sau de un
număr întreg care arată câte unităţi zecimale sau întregi din indicatorul raportat revin la o
unitate din indicatorul bază de raportare;
- forma de fracţie – arată cîte părţi reprezintă mărimea indicatorului raportat la o
parte a indicatorului bază de raportare;
– forma de procent – când rezultatul prezentat în forma de coeficient este
amplificat cu 100 şi arată câte unităţi din indicatorul raportat revin la 100 de unităţi ale
indicatorului bază de raportare;
- forma de promilă – când rezultatul prezentat în forma de coeficient este
amplificat cu 1000 şi arată câte unităţi din indicatorul raportat revin la 1000 de unităţi ale
indicatorului bază de raportare;
- forma de prodecimilă – când rezultatul prezentat în forma de coeficient este
amplificat cu 10.000 şi arată câte unităţi din indicatorul raportat revin la 10.000 de unităţi
ale indicatorului bază de raportare;
- forma de procentimilă – când rezultatul prezentat în forma de coeficient este
amplificat cu 100.000 şi arată câte unităţi din indicatorul raportat revin la 100.000 de
unităţi ale indicatorului bază de raportare.

Cu ajutorul mărimilor relative pot fi caracterizate următoarele aspecte:
1.- structura fenomenelor sau a colectivităţilor, prin raportarea indicatorilor

exprimaţi în mărimi absolute privind volumul fiecărei grupe la indicatorul care
dimensionează volumul total al colectivităţii (mărimi relative de structură), astfel:
Volumul grupei
M.r.s.= Volumul total al colectivităţii
statistice
2.- intensitatea fenomenelor, prin raportarea nivelului a două fenomene diferite

între care există o anumită legătură, rezultatul are în acest caz o semnificaţie distinctă şi
un conţinut de nivel mediu. De exemplu, valoarea medie a producţiei sau a cifrei de
afaceri realizată de un salariat într-o zi, pe parcursul
unei luni, sau într-un an, valoarea mijloacelor fixe care revine în medie la un salariat,
cheltuielile efectuate pentru 1000 lei producţie etc. (mărimi relative
de intensitate).Se menţionează, în acest sens, că toţi indicatorii care exprimă aspecte ale
performanţei financiare şi respectiv ale eficienţei economice realizate de un agent
economic fac parte din categoria mărimilor relative de intensitate
şi prezintă o largă utilizare în analizele economico-financiare efectuate de factorii de
decizie.
Mărimile relative de intensitate (M.r.i.) se calculează astfel:
Nivelul fenomenului raportat

M.r.i.= Nivelul fenomenului bază de
raportare

3.- dinamica fenomenelor, în care caz, mărimea relativă calculată exprimă

modificarea unui indicator statistic, de la un segment de timp la altul (mărimi relative de
dinamică). Mărimile relative de dinamică (M.r.d.) se calculează după formula:
Nivelul unui indicator realizat în perioada de

M.r.d.= calcul
Nivelul realizat în perioada de bază
4.- îndeplinirea indicatorilor programaţi, prin raportarea indicatorului realizat la

nivelul programat al aceluiaşi tip de indicator, aferenţi unei perioade de timp date
(mărimi relative de îndeplinire a indicatorilor programaţi). Pentru calculul acestor
mărimi relative se foloseşte următoarea relaţie:
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:
Indicatorul programat pentru o perioadă de timp

M.r.s.p.=
Indicatorul realizat în perioada de timp precedentă
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).

Tipurile de mărimi relative prezentate oferă o informaţie analitică asupra

fenomenului studiat sau a agentului economic în ansamblul său, pe baza căreia
este posibil să se formuleze aprecieri suficient de consistente cu privire la starea
economico-financiară a acestuia.
III.2. MĂRIMILE MEDII
III.2.1. FELURILE ŞI SEMNIFICAŢIA MĂRIMILOR MEDII

Mediile sunt, de asemenea, indicatori derivaţi dar care exprimă ceea ce este tipic,
comun şi general în configuraţia fenomenelor, exprimă într-o manieră abstractă tendinţa
centrală de grupare a nivelurilor individuale către un nivel de sinteză denumit mărime
medie.
Media poate substitui nivelurile individuale pe care le sintetizează deoarece este o
valoare mai mult sau mai puţin reprezentativă în funcţie de gradul de omogenitate al
colectivităţii supuse cercetării.
Modul de organizare al sistemului de date statistice pentru care dorim să calculăm

media determină opţiunea de aplicare a unei anumite forme de medie. Se cunosc şi se
aplică mai multe tipuri de medii, dintre care cele mai utilizate sunt: media aritmetică,
media armonică, media pătratică, media cronologică şi media geometrică.
Media aritmetică se utilizează la calculul nivelului mediu al unor indicatori

prezentaţi în serie dinamică de intervale de timp, la calculul nivelului mediu al seriilor
statistice de variaţie, al seriilor simple enumerative, precum şi în cazul seriilor teritoriale
comparabile.
De exemplu, se recurge la forma mediei aritmetice atunci când dorim să calculăm

categoria medie de încadrare tarifară a unor salariaţi, producţia medie sau cifra de afaceri
realizată în medie pe un segment de timp dintr-o anumită perioadă etc.. Dacă frecvenţele

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
în care notaţiile utilizate au următoarele semnificaţii:

M(x) sau x - valoarea medie a caracteristicii studiate „x”,
xi - varianta „i” a caracteristicii statistice pentru care se calculează media,
i = 1, 2, 3, ... , n ,
ni - frecvenţa variantei „i” a caracteristicii statistice studiate,
n - numărul variantelor caracteristicii statistice atunci când se foloseşte media
aritmetică simplă.
Proprietăţile mediei aritmetice
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:
1. Media aritmetică se poziţionează ca mărime între valoarea minimă şi maximă a

caracteristicii studiate,

x min < x < xmax
2. Suma algebrică a abaterilor variantelor caracteristicii de la valoarea medie este

egală cu zero,
Σ( xi − x ) = 0 , pentru seriile statistice cu frecvenţe egale,
Σ( xi − x ) ⋅ ni = 0 , pentru seriile statistice cu frecvenţe neegale
3. Dacă fiecare variantă a caracteristicii studiate (xi) se măreşte sau se micşorează

cu o constantă (a), valoarea medie a caracteristicii se modifică cu constanta respectivă,
astfel:
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
4. Dacă fiecare variantă a caracteristicii studiate (xi) se măreşte sau se micşorează

de un anumit număr de ori (k) valoarea medie a caracteristicii se modifică cu numărul de
ori exprimat de constanta respectivă. În cazul seriile statistice cu frecvenţe neegale pot fi
scrise următoarele relaţii:
 x 
Σ  i  ⋅ ni
Σ( xi ⋅ k ) ⋅ ni x  k 
x ⋅k = şi respectiv =
Σ ni k Σ ni

5. Dacă valoarea medie se calculează pe baza frecvenţelor relative (nri), valoarea

medie nu se modifică,
ni
x = Σ xi ⋅ nri , în care nri =
Σ ni
În acest sens se menţionează, de asemenea că, dacă frecvenţele (ponderile)

variantelor caracteristicii studiate se modifică în aceeaşi proporţie, respectiv se majorează
sau se micşorează de „c” ori, („c” fiind o constantă oarecare), media caracteristicii nu se
modifică.
Pornind de la proprietăţile prezentate, în anumite condiţii, prin îmbinarea acestora

se ajunge la o relaţie de calcul simplificat a valorii medii şi anume,
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
Cele 30 de apartamente ale unui bloc de locuinţe se repartizează după valoarea

consumului de energie electrică înregistrat în luna aprilie, astfel:
Tabelul 1
Consumul de energie electrică din luna aprilie
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
($)
până la 6,5 5 6,25 31,25 –2 –10 0,17
6,5 – 7,0 7 6,75 47,25 –1 –7 0,23
7,0 – 7,5 10 7,25 72,50 0 0 0,33
7,5 – 8,0 6 7,75 46,50 +1 6 0,20
peste 8,0 2 8,25 16,50 +2 4 0,07
Total 30 – 214,00 – –7 1,00
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:

- în cazul primului interval: se calculează mărimea intervalului următor şi se

extinde mărimea acestuia şi la primul interval. Prin urmare primul interval va avea ca
limite, 6,0 şi 6,5,
- în cazul ultimului interval: se calculează mărimea intervalului precedent şi se
extinde mărimea acestuia şi la intervalul următor. În urma acestui calcul ultimul interval
va fi dimensionat astfel: 8,0-8,5.
Consumul mediu de energie electrică care revine la un apartament este,

Σ x i ni 214
x= = = 7,13 $
Σ ni 30
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 $
Media armonică este o formă transformată a mediei aritmetice (simple sau

ponderate) şi se utilizează atunci când ne propunem să calculăm o valoare medie din
mărimi relative, cunoscând mărimile relative individuale şi numărătorii rapoartelor pe
baza cărora au fost calculate.
Utilizări adecvate ale acestei forme de medie sunt: la calculul indicelui mediu al
preţurilor de consum; pentru determinarea nivelului mediu al mai multor mărimi relative
de intensitate de acelaşi tip, dar numai în condiţiile în care se cunosc nivelurile

individuale ale mărimilor relative şi numărătorii rapoartelor pe baza cărora au fost

calculate.
Formula de calcul a mediei armonice simple se aplică atunci când numărătorii

rapoartelor pe baza cărora au fost calculate mărimile relative individuale sunt egali ca
mărime între ei,
n
Ma( x ) = x = ,
1
∑x
i
unde „n” este numărul mărimilor relative, iar „xi” reprezintă mărimile relative
individuale.
În timp ce media armonică ponderată se utilizează atunci când numărătorii

rapoartelor pe baza cărora au fost calculate mărimile relative individuale nu sunt egali ca
mărime între ei,
Ma( x ) = x = ∑xn i i
1
∑x xn i i
i
În cazul mediei armonice ponderate, se foloseşte o pondere compusă, „ xi ni ”

echivalentă cu numărătorii rapoartelor pe baza cărora au fost calculate mărimile relative
individuale.
Exemplul 2
În patru puncte comerciale dintr-o piaţă agro-alimentară s-au înregistrat în ziua de

1 octombrie următoarele date statistice privind vânzările de cartofi:

Tabelul 2
Vânzările de cartofi înregistrate la data de 1 octombrie
Sumele încasate
Preţul de vânzare cu
din vânzarea
Punctul amănuntul x i ni
cartofilor
comercial (lei/kg.) xi
(lei)
− x i ni −
− xi ni −
A 675.000 2.500 270
B 420.000 2.400 175
C 655.500 2.300 285
D 500.000 2.000 250
Total 2.250.500 980
Să se determine preţul mediu de vânzare, al unui kilogram de cartofi, înregistrat la

cei patru comercianţi, în data de 1 octombrie.
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
Se menţionează că între media aritmetică şi media armonică nu este nici-o

deosebire de conţinut, ambele reflectând nivelul mediu al caracteristicii studiate, dar
calculul acesteia din urmă se adoptă în funcţie de modul în care sunt prezentate datele
statistice iniţiale.
Media pătratică se utilizează la calculul indicatorilor care exprimă în mod

sintetic gradul de variabilitate al caracteristicilor statistice.
Dacă frecvenţele variantelor caracteristicii din seria statistică studiată sunt egale
între ele, se foloseşte formula mediei pătratice simple,

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,

Mc - nivelul mediu al indicatorilor prezentaţi în serie dinamică, calculat cu media

cronologică,
xi - indicatorii de nivel ai seriei dinamice, i = 1, 2, 3, ... , n,
n - numărul indicatorilor de nivel sau numărul momentelor de timp la care sunt
înregistraţi indicatorii,
tj- durata intervalului de timp „j”, dintre două momente succesive la care sunt
înregistraţi indicatorii de nivel, exprimată în zile, luni sau ani, după caz,
j = 1, 2, 3, ... , m ; m = n - 1. Suma duratelor succesive tj va fi egală cu durata
întregii perioade exprimată de seria dinamică analizată.
Exemplul 3
Exemplificarea modului în care se aplică media cronologică simplă o realizăm pe

baza datelor aferente stocului de mărfuri înregistrat, la începutul primelor patru luni ale
unui an.
Tabelul 3
Dinamica stocului de mărfuri

Data Valoarea (mii lei)
( xi )
1 ianuarie x1 = 500
1 februarie x 2 = 800
1 martie x3 = 400
1 aprilie x 4 = 600
Valoarea medie a stocului de mărfuri înregistrat în trimestrul I se calculează, în

acest caz, cu ajutorul mediei cronologice simple, deoarece mărimea intervalului de timp
existent între două momente succesive este aceeaşi (o lună calendaristică).

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
Nivelul calculat atestă faptul că stocul mediu al mărfurilor a fost în trimestrul I, de

583,33 mii lei.
Pentru a exemplifica metodologia de aplicare a mediei cronologice ponderate ne

folosim de situaţia expusă în tabelul 4.
Tabelul 4
Dinamica stocului de mărfuri
Valoarea Numărul de luni Numărul de zile

Data (mii lei) aferent fiecărui aferent fiecărui
( xi ) interval de timp interval de timp
(t j ) (t j )
1 ianuarie x1 = 500
15 februarie x2 = 800 t1 = 1,5 t1 = 46
1 martie x3 = 400 t 2 = 0,5 t 2 = 13
1 iunie x4 = 600 t3 = 3 t 3 = 92
1 noembrie x 5 = 1.000 t4 = 5 t 4 = 153
31 decembrie x6 = 300 t5 = 2 t 5 = 61
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.
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
500+ 800 800+ 400 400+ 600 600+1.000 1.000+ 300

⋅ 46 + ⋅13+ ⋅ 92 + ⋅153+ ⋅ 61
= 2 2 2 2 2 =
46+13+ 92+153+ 61
29.900+ 7.800+ 46.000+122.400+ 39.650 245.750

= = = 673,29 mii lei
365 365
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.
Media geometrică are aplicabilitate în domeniul economic, în special când se

calculează indicele mediu anual de creştere (scădere) - „ Im ” - a unui indicator, într-o
anumită perioada de timp. Această formă de medie conduce la un rezultat real numai
atunci când seria dinamică, pentru care dorim să determinăm nivelul mediu al modificării
relative, prezintă o anumită constanţă a creşterii sau scăderii indicatorului formalizat în
serie dinamică.
Relaţia de calcul a mediei geometrice simple este următoarea:

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:
- Mg este notaţia pentru valoarea medie obţinută cu ajutorul mediei geometrice,

-n - numărul indicatorilor de nivel înscrişi în serie dinamică,
- xi - varianta „i” a indicatorului de nivel,
- x1 şi x n - primul şi respectiv ultimul indicator de nivel al seriei dinamice.
Dacă fenomenul studiat este marcat de oscilaţii pronunţate cu caracter

conjunctural, de la un segment de timp la altul, utilizarea procedeului clasic al mediei
geometrice, simplă sau ponderată, după cum este cazul, poate conduce la un rezultat
neconform cu realitatea, deoarece se bazează numai pe indicatorul iniţial şi final din seria
dinamica respectivă. În aceste situaţii se recomandă calculul indicelui mediu anual de
creştere (scădere) prin folosirea procedeului mediei geometrice corectate sau a
procedeului autoregresiei care iau în calcul toţi indicatorii de nivel cuprinşi în seria
dinamică analizată.
Media geometrică corectată ( Mg c ) este o formă a mediei geometrice ponderate
calculată din medii geometrice secvenţiale sau parţiale ( Mg i ), determinate astfel:
- 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,

- se continuă modalitatea de calcul a mediilor geometrice secvenţiale (parţiale)

până se epuizează toate posibilităţile.
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
m - numărul mediilor geometrice secvenţiale
Notă: Pentru a determina indicele mediu anual de creştere (scădere) se poate

opta şi pentru următoarea modalitate: se calculează toate variantele posibile de indici
individuali ai dinamicii şi se face media geometrică simplă a acestora. Numărul indicilor
individuali de dinamică este dat de C n2 , în care n este egal cu numărul segmentelor de
timp ale seriei dinamice.
Procedeul autoregresiei se bazează pe calculul indicelui mediu anual de creştere

(scădere) din ecuaţia care se obţine prin minimizarea următoarei expresii:

n 2
S = ∑ ( xi −1 ⋅ Im − xi ) = minim
i=2
Egalând cu zero derivata acestei sume calculată în raport cu Im rezultă ecuaţia,
∑ (x ) ⋅ Im = ∑ xi ⋅ xi-1 , din care se extrage Im ,

2
i-1
Im = I =
∑x ⋅x
i i-1
∑ (x )
2
i-1
Dacă indicele mediu este exprimat procentual şi apoi se micşorează cu 100 se

obţine ritmul mediu anual de creştere sau de scădere (Rm) , ca o expresie derivată a
mărimii medii care caracterizează modificarea medie în timp a unui fenomen,
Rm = R = Im ⋅ 100 - 100
Exemplul 4
Tabelul 5
Producţia de motoare electrice

Anul mld. lei ( xi ) x i ⋅ x i −1
( x i − 1 )2
1 201 - 40.401
2 420 84.420 176.400
3 438 183.960 191.844
4 489 214.182 239.121
5 571 279.219 326.041
6 608 347.168 369.664
7 660 401.280 435.600
8 741 489.060 549.081

9 778 576.498 605.284

10 860 669.080 -
Total 3.244.867 2.933.436
Pe baza datelor statistice prezentate în tabelul 5 se doreşte să se caracterizeze

evoluţia producţiei de motoare electrice cu ajutorul indicelui mediu anual de creştere şi
respectiv a ritmului mediu anual de creştere.
Reprezentarea grafică a seriei dinamice supusă analizei (cronograma) oferă

posibilitatea unei constatări clare care evidenţiază creşterea constantă a producţiei de
motoare electrice pe parcursul celor 10 ani.
Dinamica producţiei de motoare electrice
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
Calculul indicelui mediu ( I ) şi respectiv a ritmului mediu (R ) anual de creştere:
a- procedeul mediei geometrice simple,

xn 860 9
Im = I = n −1 = 10−1 = 4,279 = 1,175
x1 201
log 4,279 0,63134

log I = = = 0,07015
9 9
antilog 0,07015 = 1,175
Rm = R = I ⋅ 100 − 100 = 1,175 ⋅100 − 100 = +17,5%
b- procedeul mediei geometrice corectate,
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
log 19,27 1,28488

log I = = = 0,05140
25 25
antilog 0,05140 = 1,126
Rm = R = I ⋅ 100 − 100 = 1,126 ⋅ 100 − 100 = +12,6%
c- procedeul autoregresiei,
Σ( xi ⋅ xi − 1 ) 3.244.867
Im = I = 2
= = 1,106
Σ( xi − 1 ) 2.933.436
Rm = R = I ⋅ 100 − 100 = 1,106 ⋅ 100 − 100 = +10,6%

Calculele prezentate ne oferă trei rezultate diferite deoarece logica metodologică a

acestor determinări diferă de la un procedeu la altul. Se precizează totuşi că, în acest caz,
procedeul care este recomandat pentru a calcula indicele mediu anual de creştere este
media geometrică simplă deoarece seria dinamică a producţiei de motoare electrice
înregistrază, în mod evident, o creştere permanentă de la un an la altul.
Prin urmare, pe baza calculelor efectuate, prin aplicarea procedeului mediei

geometrice simple, se constată că producţia de motoare electrice a crescut în fiecare an al
perioadei anilor 2-10, în medie de 1,175 ori sau cu 17,5%.
Notă: Se menţionează că, în condiţiile unei evoluţii exponenţiale, indicele mediu

anual de creştere sau de scădere poate fi calculat şi cu ajutorul metodei celor mai mici
pătrate prin estimarea valorii parametrului b din ecuaţia de tendinţă: y = a ⋅ b t . Este
evident că în acest caz, parametrul b are semnificaţia indicelui mediu, iar notaţia t
reprezintă variabila timp, pentru care se acordă valori convenţionale crescătoare
începând cu cifra 0, oferită primului segment de timp.
III.2.2. MĂRIMI MEDII DE POZIŢIE (MEDIANA ŞI
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,
fcp este suma frecvenţelor tuturor intervalelor precedente, constituite până la

intervalul în care se găseşte valoarea mediană,
fm este frecvenţa intervalului în care se poziţionează valoarea mediană.

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
Decilele. În unele cazuri, în procesul de prelucrare al datelor statistice, se optează

pentru calculul decilelor care sunt valori ale caracteristicii ce împart seria statistică în
zece părţi egale.
Decila a cincea este egală cu valoarea mediană, iar calculul celorlalte decile ţine
seama de poziţia acesteia în cadrul seriei de valori ale caracteristicii. Decilele se
calculează, de regulă când amplitudinea variaţiei este mai mare, astfel:
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
Dacă folosim datele statistice utilizate la exemplul 1, valoarea mediană şi

respectiv valoarea modală se calculează astfel:
Grupe de
Mărimea
apartamente Numărul Frecvenţele
intervalului
după consumul apartamentelor cumulate
(lim. sup.– lim.
de energie ( ni ) ascendent
inf.)
electrică ($)
6,0 – 6,5 5 0,5 5

6,5 – 7,0 7 0,5 12
7,0 – 7,5 10 0,5 22
7,5 – 8,0 6 0,5 28
8,0 – 8,5 2 0,5 30
Total 30 –
Locul valorii mediane:
Σ ni + 1 30 + 1
Me = = = 15,5 ,
2 2
prin urmare, mediana este valoarea medie a variantelor cu numărul de ordine 15 şi 16

care se poziţionează în intervalul, 7,0 - 7,5 (intervalul median).
Σ ni + 1 30 + 1
− fcp − 12
X Me = x0 + d ⋅ 2 = 7,0 + 0,5 ⋅ 2 = 7,175 $
fm 10

Intervalul modal este intervalul, 7,0 – 7,5 la care se înregistrează frecvenţa

maximă (10).
∆1 10 − 7
X Mo = x0 + d ⋅ = 7,0 + 0,5 ⋅ = 7,214 $
∆1 + ∆2 (10 − 7 ) + (10 − 6)
III.2.3. MEDIA ÎN CAZUL CARACTERISTICII
ALTERNATIVE
Programul observării statistice poate cuprinde şi caracteristici alternative, pentru

care există două variante de răspuns exprimate prin „da” sau „nu”. Pentru a calcula
nivelul mediu al unei astfel de caracteristici se înlocuiesc cu cifra 1 răspunsurile „da”
(când la o unitate statistică este caracteristica cercetată) şi cu 0 răspunsurile „nu” (când
unitatea statistică nu deţine caracteristica cercetată).
Valoarea medie se determină cu ajutorul mediei aritmetice ponderate, astfel:
1 ⋅ n1 + 0 ⋅ n2 n1
x= p= = .,
n1 + n2 n1 + n2
în care,
n1este numărul de unităţi care deţin caracteristica studiată,

n2 este numărul de unităţi care nu deţin caracteristica studiată.

Prin urmare, valoarea medie a unei caracteristici alternative este egală cu

proporţia unităţilor statistice care deţin caracteristica cercetată în totalul unităţilor care
formează colectivitatea statistică.
Acest calcul este în mod facil exemplificat dacă ne referim la proporţia pieselor
cu vicii de natură funcţională (rebutate) dintr-un lot de piese care au fost produse într-o
perioadă de timp. Dacă numărul pieselor considerate necorespunzătoare din punct de
vedere calitativ este de 20 dintr-un lot de 2000 de piese produse se constată că valoarea
medie sau proporţia pieselor rebutate este,
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.
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.
Mediile sunt și indicatori derivaţi, care exprimă ceea ce este tipic,

comun şi general în configuraţia fenomenelor;ele exprimă într-o
manieră abstractă tendinţa centrală de grupare a nivelurilor individuale
către un nivel de sinteză denumit mărime medie.
Media poate substitui nivelurile individuale pe care le sintetizează

deoarece este o valoare mai mult sau mai puţin reprezentativă în funcţie
de gradul de omogenitate al colectivităţii supuse cercetării.

III.4. TEMA DE CONTROL A UNITĂŢII NR. 3
1. Ce sunt mărimile relative?

2. Cum se calculează mărimile relative?
3. Cum se calculează şi în ce situaţii se utilizează media aritmetică?
4. Cum se calculează şi în ce cazuri se utilizează media armonică?
5. În ce situaţie se utilizează media geometrică şi cum se calculează?
6. Ce este valoarea modală şi cum se calculează?

1. Exemplificaţi şi interpretaţi felurile mărimilor relative.
2. Ce sunt mărimile medii?
3. În ce situaţie se utilizează media cronologică şi cum se calculează?
4. Cum se calculează media unei caracteristici alternative?
5. Ce este valoarea mediană şi cum se calculează?
III.5. BIBLIOGRAFIA SPECIFICĂ UNITĂŢII NR. 3
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;


Unitatea de studiu nr. 4: INDICATORII DE INFORMARE

STATISTICĂ PRIVIND VARIABILITATEA,
SIMETRIA, APLATIZAREA
ȘICONCENTRAREA

să cunoască care sunt formele şi modalitatea de calcul a indicatorilor gradului
de variabilitate;
să înţeleagă semnificaţia economică a indicatorilor gradului de variabilitate;
să cunoască utilitatea şi modalitatea de efectuare a analizei dispersionale
să cunoască modalitatea de calcul şi semnificaţia indicatorului de asimetrie;
să cunoască modalitatea de calcul şi semnificaţia indicatorului de boltire
(aplatizare);
să cunoască utilitatea şi modalitatea de calcul a indicatorului Jarque-Bera.
să cunoască modalitatea de calcul şi interpretare a indicatorului „Energia
informaţională”;
să cunoască modalitatea de calcul şi interpretare a indicatorului „Entropia
informaţională”;
să cunoască modalitatea de calcul şi interpretare a indicatorului ”Coeficientul
Gini”.
I
IV.1. Indicatorii gradului de variabilitate (pag. 57)

IV.1.1.Felurile şi semnificaţia indicatorilor gradului de variabilitate (pag. 57)
IV.1.2.Dispersia în cazul caracteristicii alternative(pag. 64)
IV.1.3.Felurile dispersiilor(pag. 65)
IV.1.4. Analiza dispersională(pag. 68)
IV.2. Indicatorii asimetriei şi boltirii (aplatizării) seriilor de repartiţie (pag. 72)
IV.3.Indicatorii gradului de concentrare / diversificare (pag. 75)
IV.4. Tema de control a unităţii nr.4 (pag. 79)
IV.5. Bibliografia specifică unităţii nr. 4 (pag. 79)
IV. INDICATORII GRADULUI DE VARIABILITATE
IV.1. FELURILE ŞI SEMNIFICAŢIA INDICATORILOR

GRADULUI DE VARIABILITATE
Datele reţinute în urma observării diferă de la o unitate statistică la alta, prin

urmare prezintă un anumit grad de variabilitate determinat de condiţiile de dezvoltare
specifice fenomenului studiat, de factorii care acţionează asupra apariţiei şi existenţei
fiecărei unităţi.
Pentru caracterizarea unei colectivităţi statistice din punct de vedere al

împrăştierii nivelurilor individuale se folosesc indicatori specifici cunoscuţi sub
denumirea de indicatorii variaţiei.
Dacă ţinem seama de numărul variantelor caracteristicii care se compară pentru a

obţine un indicator care măsoară gradul de variabilitate se disting două feluri de
indicatori:
- indicatori simpli
- indicatori sintetici

1. Indicatorii simpli ai variaţiei caracterizează abaterea unei singure variante faţă

de altă variantă sau faţă de valoarea medie a caracteristicii. Aceşti indicatori
dimensionează, prin urmare, aspecte izolate ale gradului de variabilitate şi pot fi calculaţi
atât în expresie absolută cât şi în expresie relativă.
a) Amplitudinea variaţiei (A) măsoară câmpul de împrăştiere a valorilor

caracteristicii şi se obţine prin compararea variantei cu mărimea cea mai mare sub care s-
a înregistrat caracteristica cu varianta de valoare minimă, astfel:
- amplitudinea absolută: A = x max − x min
xmax − xmin
- amplitudinea relativă: A(% ) = ⋅ 100
x
b) Abaterea fiecărei variante a caracteristicii de la valoarea medie ( ∆ i ),
- abaterea absolută: ∆ i = xi − x ; i = 1,2,..., n
xi − x
- abaterea relativă: ∆ i (% ) = ⋅ 100
x
Aceşti indicatori exprimă măsura în care fiecare variantă a caracteristicii se

distanţează de la valoare medie a tuturor variantelor. Pentru analiză prezintă interes, în
mod deosebit, abaterea maximă negativă şi respectiv abaterea maximă pozitivă care oferă
şi o informaţie generală asupra împrăştierii nivelurilor individuale în raport cu valoarea
medie.
2 Indicatorii sintetici ai variaţiei caracterizează abaterea medie a tuturor

variantelor caracteristicii de la media lor.
a) - Abaterea medie liniară sau abaterea medie absolută (d),

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 
Uneori, pentru determinarea dispersiei se poate folosi şi o formulă de calcul

simplificat, care are un suport metodologic similar cu cel utilizat la calculul simplificat al
mediei aritmetice,

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
Se precizează, de asemenea, că 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.
c) - Abaterea medie pătratică sau abaterea standard (σ x ) se calculează prin

extragerearădăcinii pătrate din dispersie, astfel,
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
Abaterea medie pătratică caracterizează gradul de variabilitate a variantelor

individuale ale caracteristicii de la valoarea medie. Cu cât abaterea medie pătratică are o
mărime mai mică cu atât valorile caracteristicii sunt mai concentrate în jurul mediei şi în
consecinţă colectivitatea statistică este mai omogenă şi invers, cu cât abaterea medie

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.
d) - Coeficientul de variaţie (V)
σx
V= ⋅ 100
x
Coeficientul de variaţie permită, datorită formei sale de exprimare procentuală,

cea mai generală apreciere a gradului de variabilitate medie a caracteristicii statistice
studiate, fără limite de interpretare.
Cu cât coeficientul de variaţie are o valoare mai mică, cu atât media caracteristicii
este mai reprezentativă pentru colectivitatea statistică studiată şi în consecinţă
colectivitatea este mai omogenă. Se apreciază că o valoare mai mică de 30% a
coeficientului de variaţie atestă un grad bun de omogenitate a colectivităţii şi respectiv de
reprezentativitate a valorii medii.
Exemplul 6
Calculul şi interpretarea indicatorilor care axprimă măsura gradului de

variabilitate a caracteristicii studiate în cadrul unei colectivităţi statistice îl vom
exemplifica pe baza datelor care formează seria de variaţie a 200 de agenţi economici,

grupaţi după mărimea cifrei de afaceri, care au ca obiect de activitate prestarea de servicii
turistice.
Tabelul 6
Gruparea agenţilor economici din turism după cifra de afaceri
Grupe Numărul Mijlocul Valoarea

după agenţilor intervalului totală a x− x x−x
⋅100 x − x ⋅ ni (x − x)2 ⋅ ni
mărimea economici (xi) cifrei de x
cifrei de afaceri
afaceri (xini)
(mii lei)
1 2 3 4 5 6 7 8
100 – 20 150 3.000 – – 58,9% 4.300 924.500
200 215
200 – 40 250 10.000 – – 31,5% 4.600 529.000
300 115
300 – 60 350 21.000 – 15 – 4,1% 900 13.500
400
400 – 50 450 22.500 + 85 + 23,3% 4.250 361.250
500
500 – 30 550 16.500 + + 50,7% 5.550 1.026.750
600 185
Total 200 73.000 19.600 2.855.000
Valoarea medie a cifrei de afaceri realizată de un agent economic este

Σ xi ni 73.000
x= = = 365 mii lei
Σ ni 200
Amplitudinea variaţiei
- amplitudinea absolută: A = x max − x min = 550 − 150 = 400 mii lei

xmax − xmin 400

- amplitudinea relativă: A(%) = ⋅ 100 = ⋅ 100 = 109,6%
x 365
Abaterea fiecărei variante a caracteristicii de la valoarea medie,

- abaterea absolută: ∆ i = xi − x ; i = 1,2,..., n
xi − x
- abaterea relativă: ∆ i (% ) = ⋅ 100
x
Valorile aferente acestui indicator sunt prezentate în coloana 5 şi respectiv în

coloana 6 a tabelului 6.
Abaterea medie liniară sau abaterea medie absolută,

Σ xi − x ⋅ ni 19.600
d= = = 98,000 mii lei
Σ ni 200
Dispersia,
2
Σ ( xi − x ) ⋅ ni 2.855.000
σ x2 = = = 14.275
Σ ni 200
Abaterea medie pătratică sau abaterea standard,

2
Σ ( x i − x ) ⋅ ni
σx = = 14.275 = 119,478 mii lei
Σni
Coeficientul de variaţie,
σx 119,478
V= ⋅ 100 = = 32,7%
x 365
Interpretarea rezultatelor care se referă la nivelul gradului de variabilitate poate

fi sintetizată astfel:

- Conform rezultatului obţinut în urma calculul abaterii medii pătratice, se

constată că fiecare unitate a colectivităţii are o valoare a cifrei de afaceri care se abate în
medie de la valoarea medie cu 119,478 mii lei.
- Abaterea medie liniară se interpretrează şi are acelaşi conţinut cu al abaterii
medii pătratice, cu toate că rezultatele sunt diferite. Diferenţa respectivă se explică prin
diferenţa logicii celor două modalităţi de calcul: dacă abaterea medie liniară acordă
aceeaşi importanţă tuturor abaterilor individuale de la medie, abaterea medie pătratică
amplifică importanţa abaterilor mari de la medie şi reduce importanţa abaterilor mici.
- Mărimea coeficientului de variaţie de 32,7% ne permite să apreciem că valoarea
medie a cifrei de afaceri are un grad bun de reprezentativitate, iar colectivitatea
societăţilor comerciale supusă cercetării este relativ omogenă. (deoarece acest indicator
este situat foarte aproape de un nivel opţional cu caracter limitativ de 30%), În aceste
condiţii se remarcă poziţia esenţială a coeficientului de variaţie care oferă cea mai
sintetică expresie a nivelului de împrăştiere a nivelurilor individuale ale caracteristicii
(cifra de afaceri) de la valoarea lor medie.
- Indicatorii simplii ai variaţiei oferă informaţii punctuale sau individuale ale
gradului de împrăştiere şi au o semnificaţie statistică mai redusă decât a indicatorilor
sintetici.
IV.1.2. DISPERSIA ÎN CAZUL CARACTERISTICII ALTERNATIVE
După cum se cunoaşte, în cazul caracteristicii alternative valoarea medie este

egală cu proporţia numărului unităţilor care deţin caracteristica urmărită în totalul
unităţilor care formează colectivitatea statistică (p). Pentru caracteristica alternativă
dispersia şi abaterea medie pătratică se calculează astfel:
- 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

- abaterea medie pătratică
σx = q ⋅ p
Notaţia „q” este acordată proporţiei numărului unităţilor care nu deţin

caracteristica urmărită în totalul unităţilor care formează colectivitatea statistică şi în
consecinţă, p + q = 1 . De asemenea, se menţionează că „p” este ponderea (frecvenţa)
relativă pentru varianta caracteristicii „1”, iar „q” este ponderea relativă pentru varianta
caracteristicii „0”.
IV.1.3. FELURILE DISPERSIILOR
Pentru a mări paleta concluziilor care privesc aspectele structurale ale

colectivităţilor statistice se procedează la împărţirea acestora în grupe omogene după
două sau mai multe caracteristici.
Grupele constituite diferă între ele atât prin valoarea lor medie, cât şi prin nivelul
intern al gradului de variabilitate. Indicatorii variaţiei calculaţi pentru întreaga
colectivitate sintetizează două categorii de influenţe:
- influenţa factorilor cu acţiune întâmplătoare localizaţi la nivelul grupelor care
determină variaţia internă a grupelor;
- influenţa factorilor obiectivi reprezentaţi prin conţinutul şi tipologia
caracteristicilor de grupare care au puterea de a determina departajarea colectivităţii în
grupe care evidenţiază tipuri calitative distincte şi care determină variaţia dintre grupe.
Analiza colectivităţilor statistice împărţite pe grupe, prin calcularea unor
indicatori specifici ai variaţiei, are în vedere următoarele tipuri de indicatori:
- dispersia caracteristicii statistice la nivelul colectivităţii (dispersia generală),
- dispersia caracteristicii statistice la nivelul fiecărei grupe (dispersia de grupă),

- media dispersiilor calculate pe grupe,

- dispersia dintre grupe.
a) Dispersia generală ( σ 02 ) oglindeşte variaţia caracteristicii statistice existentă în

colectivitatea totală şi produsă ca urmare a influenţei tuturor factorilor obiectivi şi
întâmplători care acţionează asupra unităţilor statistice,
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”,
x0 este media caracteristicii la nivelul colectivităţii totale,

k reprezintă numărul de grupe în care s-a împărţit colectivitatea,
nj
n j este frecvenţa grupei „j”, ∑n

i =1
ij = nj ,
nij este frecvenţa variantei „i” din grupa „j”.
b) Dispersia de grupă ( σ 2j ) caracterizează variaţia caracteristicii la nivelul unei
grupe de unităţi,
fj
∑ (x − x j ) ⋅ nij
2
ij
σ 2j = i =1
fj
, în care,
∑n i =1
ij
x j este valoarea medie a caracteristicii în grupa “j”.

c) Media dispersiilor calculate pe grupe ( σ 2j ) reflectă acea parte din variaţia
caracteristicii, existentă în colectivitatea totală, care este produsă de factorii cu acţiune

întâmplătoare,
∑σ
j =1
2
j ⋅nj
2
σ =
j k
∑nj =1
j
c) Dispersia dintre grupe ( δ 2 ) este măsura gradului de împrăştiere a mediilor

calculate pe grupe de la media generală. Această dispersie reflectă variaţia caracteristicii
din colectivitatea totală provocată de influenţa factorului obiectiv reprezentat prin
caracteristica folosită pentru a realiza gruparea,
∑ (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
IV.1.4. ANALIZA DISPERSIONALĂ

Analiza dispersională este o operaţiune de testare statistică ce se bazează pe

felurile dispersiilor şi care oferă posibilitatea cunoaşterii unor aspecte definitorii, cum ar
fi:
- semnificaţia factorului principal de grupare,
- identificarea existenţei unei corelaţii statistice între două variabile,
- semnificaţia raportului de corelaţie,
- egalitatea a două sau mai multor valori medii calculate pentru caracteristici
statistice identice înregistrate de unităţile care compun colectivităţile supuse comparaţiei.
Analiza dispersională, datorită suportului său metodologic de aplicare, se mai

numeşte şi „Criteriul F” deoarece se conformează legii de repartiţie Fisher.
Verificarea „ipotezei nule” cu ajutorul „Criteriului F” constă în a compara o

mărime F-statistic, obţinută prin calcul pe baza datelor de observare, cu o mărime F-
tabelară. Valoarea tabelară este o mărime teoretică care se extrage din tabela cu valorile
funcţiei de repartiţie Fisher în funcţie de probabilitatea cu care se doreşte să fie garantată
concluzia testării (pragul de semnificaţie) şi de numărul gradelor de libertate (Anexa 5).
Dacă F-statistic este mai mare decât F-tabelar, diferenţa care se constată între dispersia
dintre grupe şi dispersia din interiorul grupelor, are o mărime semnificativă din punct de
vedere statistic şi, în aceste condiţii, se respinge „ipoteza nulă”.
Exemplul 7
Verificarea semnificaţiei factorului principal de grupare (vechimea în muncă) este

o operaţiune statistică care se poate realiza cu ajutorul analizei dispersionale („Criteriul
F”). Pentru aceasta vom considera situaţia din tabelul 7.
Tabelul 7

Gruparea salariaţilor după vechimea în muncă şi salariul lunar
Grupe după Grupe după salariul lunar ( x j )

vechimea în 200-300 300-400 400-500 Total
muncă (mii lei) (mii lei) (mii lei) ( ni )
I (0-5 ani) 4 2 - 6
II (6-10 ani) 1 8 1 10
III (peste 10 - 1 3 4
ani)
Total ( n j ) 5 11 4 20
Numărul rândurilor: i = 1,…,v ; Numărul coloanelor: j = 1,…,c
3 3 3 3
Numărul total al unităţilor statistice: ∑∑ n
i =1 j =1
ij = ∑ ni = ∑ n j = n = 20
i =1 j =1
Tabloul sinoptic al rezultatelor testării

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
Tabelul calculelor intermediare

Calculul valorilor medii

Media salariului lunar 250 ⋅ 4 + 350 ⋅ 2
x1 = = 283 ,333
pentru grupa I – a de 6
vechime în muncă
Media salariului lunar 250 ⋅ 1 + 350 ⋅ 8 + 450 ⋅ 1
x2 = = 350 ,000
pentru grupa II – a de 10
vechime în muncă
Media salariului lunar 350 ⋅ 1 + 450 ⋅ 3
x3 = = 425 ,000
pentru grupa III – a de 4
vechime în muncă
Media salariului lunar 250 ⋅ 5 + 350 ⋅ 11 + 450 ⋅ 4
x= = 345 ,000
pentru colectivitatea 20
statistică totală
Calculul sumelor pătratelor abaterilor
3
2 2 2 2
∑ ( x i − x ) ⋅ ni = ( 283,3 − 345,0) ⋅ 6 + + (350,0 − 345,0) ⋅ 10 + ( 425,0 − 345,0) ⋅ 4 =
i =1
= 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
= 45.125 ,0 + 275 ,0 + 44 .100 ,0 = 89 .500 ,0

2
s1 24.333,35
Fstatistic = 2
= = 10,13 > Ftabelar = FP =0,95 ; f1 =2 ; f 2 =17 = 3,59
s2 2.401,89
Deoarece se constată că, F − statistic > F − tabelar , se respinge „ipoteza nulă” şi

prin urmare grupele constituite după vechimea în muncă diferă semnificativ între ele prin
prizma salariului lunar pe care îl înregistrează cei 20 de subiecţi. Concluzia prezentată
este garantată cu o probabilitate de 95%, sau prezintă un prag de semnificaţie (un
probabil risc de a greşi) de 5%.

În aceste condiţii, se confirmă faptul că factorul principal de grupare (vechimea în

muncă) conduce la o departajare semnificativă a colectivităţii statistice pe trei tipuri
calitative.
De asemenea, se menţionează că testarea efectuată ne permite să constatăm că
între vechimea în muncă şi salariul lunar se identifică o anumită formă de corelaţie
statistică. Această interdependenţă este confirmată şi prin modul de dispunere a
frecvenţelor în tabelul 7, care cuprinde datele empirice grupate după cele două
caracteristici luate în consideraţie ( n ij ) şi care tind să se aglomereze în jurul diagonalei
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.
IV.2.INDICATORII ASIMETRIEI ŞI BOLTIRII (APLATIZĂRII)

SERIILOR DE REPARTIŢIE

Indicatorii asimetriei şi boltirii seriilor de repartiţie oferă informaţii suplimentare

care completează şi le dezvoltă pe acelea sintetizate de indicatorii medii sau de cei ai
variaţiei.
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
b) Coeficientul de boltire (aplatizare) (Kx) se cuantifică cu ajutorul relaţiei:
4
1 x − x
Kx = Σ  
n  σx 
Mărimea coeficientului de boltire se compară cu nivelul standard de 3.
- dacă, Kx = 3, boltirea seriei statistice corespunde legii de repartiţie normale,

- dacă, Kx< 3, seria are o dispunere plată relativ la repartiţia normală,
- dacă, Kx> 3, seria are o formă ascuţită comparativ cu repartiţia normală,

Atunci când S x = 0 şi K x = 3 , seria statistică este normal distribuită.
Verificarea convergenţei seriei de repartiţie studiate către legea de repartiţie

normală pe baza indicatorilor de asimetrie şi boltire se poate realiza cu ajutorul testului
Jarque-Bera. Dimensiunea statistică a acestui test este:
n 2 n
JB = Sx + ( K x − 3 )2
6 24
Coeficientul statistic JB se distribuie conform legii de repartiţie χ 2 cu 2 grade de
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.
Indicatorii asimetriei şi boltirii seriilor de repartiţie prezintă, de asemenea, utilitate

practică pentru alegerea unei anumite scheme de sondaj. Se menţionează că în cazul
colectivităţilor statistice relativ simetrice, sau cu un grad redus de asimetrie şi o dispunere
compatibilă cu repartiţia teoretică normală, se adoptă, de regulă, un tip de sondaj simplu,
nestratificat.

Notă:Pentru calculul indicatorilor asimetriei şi boltirii (aplatizării) seriilor de

repartiţie pot fi utilizate ca soluţii alternative relaţiile lui Pearson, astfel:
1 4
Σ( x − x )
x − X Mo
Sx = , Kx = n
σ (σ )
2
2
IV.3. INDICATORII GRADULUI DE CONCENTRARE /

DIVERSIFICARE
Studiul seriilor statistice poate fi aprofundat prin conturarea unor concluzii

specifice cu privire la măsura în care volumul caracteristicii sau unităţile statistice se
dispun între stările, grupele sau segmentele de timp la care se referă.
Indicatorii cu ajutorul cărora se apreciază gradul de concentrare / diversificare

sunt:
- indicatorul „Energia informaţională” ( Ei = Σ r 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.

- indicatorul„Entropia informaţională” (En).
En = −log 2 10 ⋅ ( Σ r ⋅ log r) = −3,321928⋅ ( Σ r ⋅ log r)
Entropia informaţională poate lua o valoare în intervalul 0 şi log 2 n , în care „n”

reprezintă numărul stărilor sau al segmentelor de timp. Dacă En = 0 , există o singură
stare care concentrează toată activitatea, iar dacă En = log 2 n = 3,321928 ⋅ log10 n , se
confirmă o dispunere uniformă a tuturor stărilor prin prisma numărului unităţilor
statistice sau a volumului caracteristicii studiate.
-”Coeficientul Gini” (Kg)
Kg =
( )
n ⋅ Σ r2 −1
n −1
Coeficientul Gini se situiază ca mărime în intervalul 0 şi 1. Mărimea 0 atestă o

dispunere uniformă pe stări sau pe segmente de timp, iar valoarea 1 se obţine atunci când
se constată existenţa unei singure stări care concentrează întreaga activitate sau toate
unităţile colectivităţii statistice.
Exemplul 8
De la o societate comercială care realizează operaţiuni de comerţ exterior se

cunosc următoarele date:

Tabelul 8
Structura mărfurilor comercializate
Anul 1 Anul 2
Felul mărfurilor mii structura mii structura r02 r12
comercializate euro ( r0 ) euro ( r1 )
1. stofe 120 0,185 80 0,100 0,0342 0,0100

2. încălţăminte 80 0,123 120 0,150 0,0151 0,0225
pentru bărbaţi
3. obiecte de lenjerie 60 0,092 100 0,125 0,0085 0,0156
4. mobilier pentru 50 0,077 80 0,100 0,0059 0,0100
bucătărie
5. covoare 140 0,215 200 0,250 0,0462 0,0625
6. obiecte electrice 200 0,308 220 0,275 0,0949 0,0756
de uz casnic
Total 650 1,000 800 1,000 0,2048 0,1962
Ne propunem să caracterizăm dinamica procesului de concentrare sau de

diversificare a mărfurilor comercializate de această societate comercială cu ajutorul
coeficientului Gini.
- 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

Calculele efectuate oferă posibilitatea să se aprecieze că, în anul 2 comparativ cu

anul 1 a avut loc un un proces de diversificare al mărfurilor comecializate. Amploarea
acestui proces este exprimată de indicele de dinamică a indicatorului care dimensionează
modificarea gradului de dispunere a vânzărilor pe categorii de mărfuri, astfel,
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.
Indicatorii variaţiei calculaţi pentru întreaga colectivitate sintetizează două

categorii de influenţe:
- influenţa factorilor cu acţiune întâmplătoare localizaţi la nivelul
grupelor care determină variaţia internă a grupelor;
- influenţa factorilor obiectivi reprezentaţi prin conţinutul şi tipologia
caracteristicilor de grupare care au puterea de a determina departajarea
colectivităţii în grupe care evidenţiază tipuri calitative distincte şi care
determină variaţia dintre grupe.
Analiza dispersională este o operaţiune de testare statistică ce se bazează pe

felurile dispersiilor şi care oferă posibilitatea cunoaşterii unor aspecte
definitorii.

IV.5. TEMA DE CONTROL A UNITĂŢII NR. 4
1. Ce sunt indicatorii gradului de variabilitate?

2. Cum se calculează şi care este semnificaţia indicatorilor simpli ai variaţiei?
3. Care sunt felurile dispersiilor, în cazul colectivităţilor statistice împărţite pe grupe,
cum se calculează şi care este semnificaţia rezultatelor?
4. Cum se calculează şi care este semnificaţia coeficientului de asimetrie?
5. Cum se calculează coeficientul statistic Jarque-Bera şi care este utilitatea lui?
6. Cum se calculează şi care este semnificaţia indicatorului „Energia informaţională”?

1. Cum se calculează şi care este semnificaţia indicatorilor sintetici ai variaţiei?
2. Cum se calculează dispersia în cazul caracteristicii alternative?
3. Cum se calculează şi care este semnificaţia coeficientului de boltire (aplatizare)?
4. Cum se calculează şi care este semnificaţia indicatorului „Entropia informaţională” ?
5. Cum se calculează şi care este semnificaţia indicatorului „Coeficientul Gini” ?
IV.6. BIBLIOGRAFIA SPECIFICĂ UNITĂŢII NR. 4
1. Andrei, T., Statistică şi econometrie, Editura Economică, Bucureşti, 2003;

2. 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;
3.Mihăilescu, N.,Statistica şi bazele statistice ale econometriei, Editura

Unitatea de studiu nr. 5:PREZENTAREA DATELOR

STATISTICE ÎN TABELE ŞI SUB FORMA
REPREZENTĂRILOR GRAFICE
Competenţele specifice unităţii de învăţare

să cunoască elementele constructive ale unui tabel statistic;
să cunoască modalităţile de prezentare şi identificare grafică a datelor
statistice;

V.1. Prezentarea datelor statistice în tabele şi sub forma reprezentărilor grafice (pag. 80)
V.2. Tema de control a unităţii nr. 5 (pag. 89)
V.3. Bibliografia specifică unităţii nr. 5 (pag. 90)
V.1. PREZENTAREA DATELOR STATISTICE ÎN TABELE ŞI

SUB FORMA REPREZENTĂRILOR GRAFICE
În vederea prezentării datelor statistice iniţiale, obţinute după finalizarea

operaţiunilor de observare şi centralizare, 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.
Elementele constructive şi de identificare ale unui tabel statistic, sunt:

- titlurile tabelului, care pot fi,
- titlul general înscris deasupra machetei tabelului
- titlurile interioare ca forme sintetice explicite ale semnificaţiei datelor
statistice pe zone structurale ale colectivităţii statistice
- macheta tabelului sau liniatura tabelului, formată din rînduri şi coloane
- subiectul tabelului, este reprezentat de colectivitatea statistică la care se referă
datele statistice. Subiectul este precizat în titlul tabelului şi se identifică, de regulă, în
conţinutul rândurilor din prima coloană a tabelului
- predicatul tabelului, este forma concretă de detaliere a subiectului şi se
poziţionează, de regulă, în coloane
- datele numerice
- unitatea de măsură în care sunt reprezentate datele numerice
- numărul fizic al tabelului
- sursa datelor statistice
- nota explicativă
Reprezentările grafice se construiesc cu ajutorul sistemului de axe rectangulare,

prin figuri geometrice, hărţi, figuri simbolice etc.
Elementele constructive şi de identificare ale unei reprezentări grafice sunt:
- titlul graficului
- scara de reprezentare a indicatorilor statistici
- reţeaua graficului
- explicarea semnelor convenţionale (legenda)
- numărul graficului
- nota explicativă
- sursa datelor reprezentate în grafic

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,
Cereale Mii tone

- grâu 150
- porumb 240
- orz 90
- ovăz 70
Producţia de cereale realizată de o societate comercială
ovăz
orz
mii tone
porumb
grâu
0 50 100 150 200 250 300
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,
Continentul Mii turişti

Europa 150
Asia 140
America de Nord 90
America de sud 70
Africa 50
Australia 20
Numărul turiştilor care au vizitat România în anul 1, pe zone teritoriale
160
140
120
100
80 mii turişti
60
40
20
0
Europa Asia America de America de Africa Australia
Nord Sud
Fig. 3
- diagrama de structură - este utilizată pentru reprezentarea tipurilor calitative

de fenomene existente într-o colectivitate. Diagrama de structură se poate realiza pe cerc,
semicerc, pătrat sau dreptunghi prin reprezentarea grafică a mărimilor relative de
structură referitoare la grupele unei colectivităţi.

Exemplificăm prezentarea unei diagrame de structură pe baza datelor care se

referă la structura investiţiilor efectuate de o societate comercială,
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
Structura investiţiilor efectuate în anul 1
11%
5%
construcţii
45% utilaj tehnologic
mijloace de transport
birotică
39%
Fig. 4
Notă:Segmentele în care se împarte cercul sunt proporţionale cu mărimea

indicatorului care dimensionează proporţia fiecărei grupe în totalul colectivităţii.
- diagrama polară (radială) - este aplicată cu predilecţie pentru reprezentarea

grafică a unor indicatori de volum înregistraţi pe segmente de timp componente ale unei
perioade.

Exemplificarea acestui tip de reprezentare grafică o vom realiza pe baza seriei

dinamice a numărului de zile-turişti înregistrat pe luni pe parcursul unui an, la un hotel,
Lunile anului Numărul de zile-turişti

ianuarie 120
februarie 140
martie 130
aprilie 160
mai 160
iunie 170
iulie 180
august 160
septembrie 140
octombrie 140
noiembrie 120
decembrie 100
Dinamica numărului de zile-turişti
ianuarie
200
decembrie februarie
150
noiembrie 100 martie
50
Numărul de zile-turişti
octombrie 0 aprilie
septembrie mai
august iunie
iulie
Fig. 5

- histograma - este folosită pentru reprezentarea seriilor de repartiţie în care se

folosesc intervale de grupare.
Exemplificarea formei grafice denumită „histograma” o realizăm pentru o serie de

repartiţie care se referă la gruparea, pe intervale egale, a salariaţilor unei societăţi
comerciale după vechimea în muncă:
Grupe după vechimea în Numărul

muncă (ani) salariaţilor
0–5 4
5 –10 8
10 – 15 10
15 – 20 5
20 –25 3
25 – 30 1
Distribuţia salariaţilor după vechimea în muncă
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

Notă: Linia care uneşte mijlocul intervalelor reprezentate prin coloane se

numeşte „Poligonul frecvenţelor”. În cazul reprezentării grafice a seriilor de repartiţie
construite pe intervale neegale este necesar să se calculeze, în prealabil, mărimile
proporţionale alefrecvenţelor în funcţie de mărimea intervalelor de grupare şi apoi să se
realizeze histograma. Aceste mărimi proporţionale sunt denumite ”frecvenţe reduse” şi
sunt calculate ca raport între frecvenţele reale şi raportul dintre mărimea fiecărui
interval de grupare şi mărimea intervalului cel mai mic. În aceste condiţii fiecare
coloană, aferentă unui interval de grupare, va avea o înălţime care corespunde
frecvenţei reduse respective.
- curba cumulativă de frecvenţe (ascendentă sau descendentă);
- cronograma - este o modalitate clasică de reprezentare a seriilor dinamice

formate dintr-un număr suficient de mare de indicatori.
Pentru exemplificare vom folosi seria dinamică a producţiei de textile realizată pe

parcursul a zece ani,
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

Dinamica producţiei de textile
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
- cartograma - se realizează pe hartă prin haşurări de intensităţi diferite în funcţie

de mărimea indicatorilor reprezentaţi;
- cartodiagrama - se construieşte pe hartă folosind diagrame înscrise în fiecare

zonă teritorială;
- figuri geometrice (pătrat, cerc, paralelipiped, dreptunghi) - sunt folosite în

special pentru reprezentarea grafică a unor indicatori de volum;
- figuri simbolice - acestea reproduc la dimensiuni proporţionale mărimea

indicatorilor de volum pe care dorim să-i reprezentăm.
Studiul reprezentărilor grafice ne permite să formulăm aprecieri privind evoluţia

şi tendinţa indicatorilor economico-financiari, să concluzionăm asupra unor aspecte ale
corelaţiilor dintre fenomene, să caracterizăm din punct de vedere spaţial dezvoltarea unor
fenomene, să vizualizăm structura fenomenelor etc.
Este de relevat faptul că această metodă de analiză prin grafice este utilizată şi ca
etapă intermediară de lucru în cadrul folosirii altor metode mai complexe, cum ar fi metodele

statistico-matematice de analiză a corelaţiilor dintre fenomene sau cele de modelare a seriilor

dinamice.
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.
V.2. TEMA DE CONTROL AUNITĂŢII NR. 5
1. Care sunt elementele costructive şi de identificare ale unui tabel statistic?

2. Care sunt modalităţile grafice utilizate pentru reprezentarea datelor statistice?

TESTUL DE AUTOEVALUARE AL UNITĂŢII NR. 5
1. Când se utilizează histograma?
2. Când se recomandă utilizarea grafică prin benzi?
V.3. BIBLIOGRAFIA SPECIFICĂ UNITĂŢII NR. 5
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.

Unitatea de studiu nr. 6:STUDIUL STATISTIC AL


Dupăstudiul acestei unităţi de învăţare veţi putea să cunoaşteţi:
să cunoască modalităţile statistice simple de analiză a corelaţiei dintre fenomene
(variabile);
să cunoască modalitatea practică de utilizare şi interpretare a rezultatelor obţinute
prin metode analitice de studiu a corelaţiei dintre fenomene (variabile);

VI.1.Metode simple de analiză a corelaţiilordintre fenomene(pag. 153)
VI.2. Metodele statistico-matematice de analiză a corelaţiilor dintre fenomene(pag. 155)

VI.3. Metode de analiză a corelaţiei rangurilor (pag. 171)
VI.6. Tema de control a unităţii nr. 6(pag. 203)
VI.7. Bibliografia specifică unităţii nr. 6 (pag. 206)
Fenomenele şi procesele economice se găsesc în relaţii de interdependenţă, astfel

încât unele se comportă ca fenomene cauză, determinante, independente sau factoriale,
iar altele sunt fenomene efect, determinate, dependente sau rezultative.
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).
VI.1. METODE SIMPLE DE ANALIZĂ A CORELAŢIILOR

DINTRE FENOMENE
Metoda comparării seriilor paralele de date statistice interdependente constă

în stabilirea legăturilor de interdependenţă dintre fenomenele social-economice prin
compararea a două sau mai multe serii de indicatori.
În cazul seriilor de repartiţie indicatorii care se referă la variabila determinantă
sau independentă se aşează în ordine crescătoare sau descrescătoare şi în mod paralel se
înscriu apoi valorile corespunzătoare variabilei (caracteristicii) dependente.
Dacă se compara serii cronologice de indicatori aceştia se poziţionează în mod
paralel pe segmente de timp identice. Metoda comparării seriilor paralele de date
statistice interdependente se poate utiliza, de asemenea, şi atunci când seriile respective
de indicatori sunt înscrise în raport cu o caracteristică de spaţiu (teritorială).

Cu ajutorul acestei metode poate fi identificată, astfel, o anumită corespondenţă a

modificărilor înregistrate de indicatorii seriilor comparate, direcţia şi intensitatea
orientativă a modificărilor.
Metoda tabelului de corelaţie. Tabelul de corelaţie este un tabel statistic cu

dublă intrare şi cuprinde două serii statistice de repartiţie, o serie reprezintă seria de
variante, sau intervalele de grupare, ale caracteristicii determinante, iar cealaltă serie se
referă la caracteristica dependentă (determinată). Tabelul de corelaţie este o formă de
grupare combinată efectuată după două caracteristici considerate în sistem
interdependent.
În funcţie de modul în care se distribuie frecvenţele aferente celor două
caracteristici se poate contura o apreciere cu privire la existenţa sau inexistenţa unei
legături statistice, forma şi direcţia legăturii. Concentrarea frecvenţelor în jurul uneia
dintre diagonalele tabelului indică existenţa unei anumite legături statistice, iar dacă se
remarcă o împrăştiere a frecvenţelor în tot spaţiul tabelului se apreciază că cele două
caracteristici nu manifestă o stare de interdependenţă.
Prin metoda tabelului de corelaţie se identifică dacă există o legătură statistică
între fenomenele studiate, în profil static, la un anumit moment la care se referă datele,
legătură care poate să nu se mai manifeste la alte momente de existenţă a unităţilor
statistice.
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.
Metoda graficului de corelaţie (corelograma) constă în analiza unui grafic

construit pe baza axelor rectangulare, valorile caracteristicii independente se înscriu pe
abscisă, iar cele ale caracteristicii rezultative se înscriu pe axa ordonatelor.
Reprezentarea punctelor de intersecţie a valorilor celor două caracteristici („norul de
puncte”) oferă o dispunere care permite, prin observaţie, să se concluzioneze asupra

existenţei corelaţiei, precum şi asupra direcţiei şi formei analitice de manifestare a

corelaţiei.
VI.2. METODE STATISTICO-MATEMATICE DE ANALIZĂ A

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.
2) După sensul sau direcţia corelaţiei pot exista:

- corelaţii directe, când modificarea într-un anumit sens a fenomenului
cauză determină modificarea în acelaşi sens a fenomenului efect;
- corelaţii inverse, când modificarea într-un anumit sens a fenomenului
cauză determină modificarea în sens invers a fenomenului efect.

2) După forma analitică, legăturile de interdependenţă pot fi:

-corelaţii liniare,
- simple, exprimate cu ajutorul ecuaţiei:
y = a + bx
- multiple, sintetizate prin ecuaţia:
y = a + bx1 + cx2 + dx3 , dacă variabilele independente (x) sunt în
număr de trei
- corelaţii de tip parabolic,

- simple: y = a + bx + cx 2
- multiple: y = a + bx1 + cx12 + dx2 + ex22 , dacă variabilele independente

(x) sunt în număr de două
- corelaţii de tip hiperbolic,

b
- simple: y=a+
x
b c
- multiple: y = a + +
x1 x2
-corelaţii de tip exponenţial,

- simple: y = a ⋅ bx
- 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.
În cadrul ecuaţiilor de regresie fenomenul efect (rezultativ, determinat sau

dependent) este notat cu y, fenomenul sau fenomenele cauză (determinante sau

independente) cu x, iar parametrii a, b, c, d, ... asociaţi fenomenelor determinante sau

independente se numesc coeficienţi de regresie.
În cazul abordării unei probleme de analiză a corelaţiei dintre fenomene cu

ajutorul metodelor statistico-matematice, se are în vedere parcurgerea următoarelor
etape:
* constituirea sistemului de indicatori statistici sau de măsurare propuşi a fi
studiaţi în sistem interdependent.
Se menţionează că în această etapă de lucru trebuie să se ţină seama de condiţiile
restrictive ce privesc volumul datelor. În cazul studierii corelaţiei între indicatori statistici
prezentaţi sub forma seriilor dinamice, numărul minim acceptat este de 15 indicatori, iar
în cazul datelor obţinute prin experimentări sau măsurări ale unor unităţi reţinute prin
sondaj, numărul minim de indicatori este apreciat la 40;
* analiza sistemului propus prin prisma cunoştinţelor de economie generală,

precum şi a experienţei practice din domeniul concret al măsurătorilor efectuate, în
vederea stabilirii caracterului real sau absurd de existenţă a interdependenţei între
fenomenele sistemului.
Această decizie este necesară deoarece prelucrarea indicatorilor iniţiali se
realizează folosind o metodologie matematică care nu poate preciza caracterul real sau
absurd al corelaţiei.
* se apreciază, tot pe bază de analiză, care este tipologia fenomenelor constituite

în sistem interdependent, respectiv care este fenomenul dependent-efect (y) şi care este
fenomenul independent-cauză (x);
* se reprezintă grafic sisteme de corelaţie constituite dintr-un fenomen efect şi

unul cauză, folosind axele rectangulare. Pe grafic va rezulta un „nor de puncte” care va
sugera forma ecuaţiei de regresie în funcţie de modul de dispunere a punctelor în plan;

* pe baza reprezentării grafice, prin apreciere vizuală, se alege forma ecuaţiei de

regresie, considerată ca sintetizând în mod corespunzător modul de aşezare a norului de
puncte;
* se estimează valorile parametrilor din ecuaţia de regresie aleasă, folosind

metoda celor mai mici pătrate, care constă în minimizarea sumei pătratelor abaterilor
nivelurilor reale ale fenomenului dependent-efect (y) de la nivelurile calculate pe baza
ecuaţiei de regresie ale aceluiaşi fenomen notate cu yc sau yˆ ,
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.
În cazul particular al unei ecuaţii de regresie de forma: y = a + b ⋅ x , sistemul de

ecuaţii obţinut prin metoda celor mai mici pătrate care permite estimarea parametrilor
ecuaţiei de regresie, „a” şi „b”, este dedus astfel:
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
Rezolvarea matricială a sistemului se bazează pe relaţia:
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”
Estimarea valorii parametrilor care definesc o ecuaţie de regresie poate fi

efectuată şi cu ajutorul unor metode considerate echivalente cum ar fi: metoda punctelor
empirice alese sau metoda totalurilor parţiale echidistante.
* se calculează estimaţia erorii standard pentru fiecare parametru al ecuaţiei de

regresie şi se verifică semnificaţia parametrilor cu ajutorul „Criteriului t”.
Confirmarea semnificaţiei parametrilor ecuaţiei de regresie este atestată cu
ajutorul „Criteriului t” care constă în a compara variabila t-statistic cu variabila t-tabelară
corespunzătoare unui anumit prag de semnificaţie (de obicei se optează pentru o
probabilitate P = 95%, respectiv un prag de semnificaţie q = 5%, q = 1 - P şi f = n - k
grade de libertate, distribuită după funcţia de repartiţie Student). Se precizează că „n”
reprezintă numărul variantelor, iar „k” reprezintă numărul parametrilor ecuaţiei de
regresie.
Variabila t-statistic se obţine raportând estimaţia parametrului la estimaţia erorii
standard asociată fiecăruia dintre parametrii ecuaţiei, astfel:
Dacă ecuaţia de regresie este de forma: y = a + b ⋅ x1 + c ⋅ x 2 + d ⋅ x3
a
- pentru parametrul a, t − statistic = , în care sa este estimaţia erorii standard a
sa
parametrului a,
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,
Notă: Estimaţiileerorilor standard ale parametrilor ecuaţiei de regresie (sa, sb, sc

şi sd) sunt determinate prin extragerea rădăcinii pătrate din elementele situate pe
diagonala principală a matricei rezultate din produsul estimaţiei dispersiei erorii
standard a ecuaţiei de regresie sau pătratului erorii standard a ecuaţiei de regresie
2
( s y.y c
) cu matricea inversă a produsului matricei transpuse a variabilelor independente (
X' ) cu matricea iniţială a acestor variabile ( X ) :
s 2y.yc ⋅ (X'⋅X) −1 = s y.y

2
c
⋅ (A) −1
în care,
2
2 Σ ( y − yc )
s y.y =
c
n−k
Testarea şi interpretarea semnificaţiei parametrilor ecuaţiei de regresie conduce la

următoarele concluzii:
-dacă mărimea cifrică a parametrul „a” este suficient de mare, se obţine
informaţia că sistemul de corelaţie studiat este format dintr-un număr redus de variante
dar, în anumite condiţii date ale analizei abordate această concluzie poate fi ignorată.

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;
* se calculează nivelurile estimate (teoretice) ale fenomenului efect prin aplicarea

ecuaţiei de regresie, urmărindu-se realizarea următoarei egalităţi:
Σ y = Σ yc
Prin această egalitate se confirmă exactitatea calculelor efectuate până la această

etapă de lucru.
* se procedează la testarea ipotezei privind existenţa autocorelaţiei între valorile

variabilei reziduale cu ajutorul criteriului statistic DURBIN-WATSON care se bazează
pe calculul şi interpretarea următorului indicator ( coeficientul de autocorelaţie - DW):

∑ (u
t =2
t − u t −1 )
2
DW = n
; ut = (y − yc )t
∑u
t =1
t
2
Criteriului statistic DURBIN-WATSON atestă o bună eficacitate a parametrilor

ecuaţiei de regresie şi respectiv a ecuaţiei de regresie de a fi utilizată în calcule care
vizează extrapolarea corelaţiei studiate, dacă mărimea coeficientul de autocorelaţie - DW
este cuprinsă în intervalul 1,4 şi 2,6, în condiţii restrictive de număr suficient de mare al
observaţiilor.
Se precizează că indicatorul statistic DW poate avea o mărime situată în
intervalul, 0 şi 4:
- dacă: 0,0 ≤ DW< 1,4, se confirmă o corelaţie pozitivă între termenii de eroare sau
reziduali (autocorelaţie pozitivă);
- 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.
În cazul ecuaţiilor de regresie care nu au parametrul „a“, testarea existenţei

autocorelaţiei între variantele variabilei reziduale cu ajutorul indicatorului statistic DW nu
este relevantă.
* se calculează intensitatea corelaţiei, folosind:
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
Uneori se practică şi un calcul corectat (ajustat) al raportului de corelaţie în

funcţie de numărul gradelor de libertate aferente celor două sume de pătrate. Se
menţionează că acest calcul este aplicat, de regulă, atunci când baza de date este
reprezentată de un eşantion şi în consecinţă raportul de corelaţie corectat este măsura
estimaţiei intensităţii corelaţiei dintre fenomenele sistemului studiat. Relaţia de calcul a
raportului de corelaţie corectat are următoarea formă:
 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
în care : k = numărul parametrilor din ecuaţia de regresie.
Rezultatul raportului de corelaţie se consideră, practic, că nu are semn algebric şi

se încadrează ca mărime în intervalul 0 şi 1. Cu cât raportul de corelaţie are o valoare mai
apropiată de 1, cu atât legătura dintre fenomenele sistemului studiat este mai puternică şi,
dimpotrivă, cu cât valoarea sa se apropie de 0 se apreciază că interdependenţa este slabă
sau inexistentă.
Se consideră o corelaţie foarte puternică atunci când Ry.x are o valoare cuprinsă
între 0,8 şi 1. Dacă mărimea raportului de corelaţie este cuprinsă între 0,6 şi 0,8, se
consideră existenţa unei corelaţii suficient de puternică; dacă rezultatul se situează între
0,4 şi 0,6, corelaţia este de intensitate medie; iar dacă valoarea sa este mai mică de 0,4,
corelaţia este slabă sau inexistentă.

b)- Coeficientul simplu de corelaţie liniară - ca formă particulară a raportului de

corelaţie - se aplică numai în cazul corelaţiei sintetizată prin ecuaţia de regresie, y = a +
bx ,
n ⋅ Σ xy − Σ x ⋅ Σ y
ry . x =
[n ⋅ Σ x 2 2
][
− (Σ x ) ⋅ n ⋅ Σ y 2 − (Σ y )
2
]
în care: n = numărul variantelor (observaţiilor)
Mărimea acestui coeficient se poate situa între -1 şi +1, semnul coeficientului

arătând sensul legăturii (inversă, când are semnul minus sau directă când este pozitiv). Cu
cât coeficientul simplu de corelaţie are o valoare mai apropiată de +1 sau de -1, cu atât
legătura dintre fenomenele sistemului studiat este mai puternică şi, dimpotrivă, cu cât
valoarea sa se apropie de 0 se apreciază că interdependenţa este mai slabă sau inexistentă.
Interpretarea acestui coeficient pe intervale de mărimi, indiferent de semnul rezultatului,
este similară cu aceea prezentată în cazul raportului de corelaţie.
Dacă este supus studiului un sistem multiplu de corelaţie este posibil să se
calculeze un raport de corelaţie multiplu dar şi coeficienţi de corelaţie parţială.
* se verifică semnificaţia indicatorului care exprimă intensitatea corelaţiei cu

ajutorul„Criteriului F”. Folosirea acestui criteriu de testare a semnificaţiei raportului de
corelaţie se aplică prin compararea variabilei F-statistic cu variabila F-tabelar care
corespunde probabilităţii P = 0,95 şi numărului gradelor de libertate, f1 = k - 1 şi f2 = n - k
,
2 2
Σ ( yc − y ) Σ ( y − yc )
F − statistic = :
k −1 n−k
Dacă F-statistic >F-tabelar, „ipoteza nulă” este respinsă şi deci, raportul de

corelaţie este semnificativ diferit de zero.

În acelaşi timp, raportul de corelaţie şi expresia relativă a estimaţiei erorii

standard a ecuaţiei de regresie ( V y.y c < 10% ) confirmă prin mărimea lor că, ecuaţia de
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.
* se calculează coeficientul de determinare în formă procentuală, astfel:
În cazul corelaţiilor simple se calculează coeficientul simplu dedeterminare, pe

baza relaţiei:
d y . x = ry2. x ⋅ 100 sau, d y . x = Ry2 . x ⋅ 100 ;
iar în cazul corelaţiilor multiple, se calculează coeficientul multiplu de determinare:
Dy . xi = Ry2 . xi ⋅ 100 .
Coeficientul de determinare exprimă cât la sută din modificarea (variaţia)

indicatorului rezultativ (y) este determinată de modificarea (variaţia) indicatorului
(indicatorilor) factorial (factoriali) sau independent (independenţi) din sistemul
interdependent considerat. Diferenţa până la 100% este reprezentată de influenţa altor
factori care nu au fost cooptaţi în sistemul studiat.
* se calculează estimaţia erorii medii a ecuaţiei de regresie (estimaţia erorii

standard a regresiei):
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
O semnificaţie statistică similară aceleia pe care o oferă eroarea medie relativă a

ecuaţiei de regresie este obţinută prin calculul şi interpretarea „Coeficientului de
neregularitate al lui Theil” care se determină astfel:
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

Pentru a formula o concluzie corectă cu privire la existenţa sau inexistenţa unei

corelaţii (dependenţe) între două variabile se poate utiliza „Criteriul χ 2 ” ca suport
statistico-matematic de testare a ipotezei propuse. Exemplificarea modalităţii în care
„Criteriul χ 2 ” oferă informaţia necesară cu privire la această testare o vom realiza pe
baza datelor referitoare la opţiunea pentru a viziona filme poliţiste şi sexul persoanelor
intervievate.
Tabelul 9
Gruparea persoanelor după sex şi opţiunea pentru filme poliţiste
Sexul Opţiunea pentru filme poliţiste Total

persoanelor Da Nu (n )
j
frecvenţe frecvenţe frecvenţe frecvenţe

reale teoretice reale teoretice
(n ) ij (nt )
ij (n )
ij (nt )
ij
- bărbaţi 20 31,49 74 62,51 94

- femei 47 35,51 59 70,49 106
Total (ni ) 67 67,00 133 133,00 200
2 2 2 2
∑∑ n = ∑ n = ∑ n
i =1 j =1
ij
i =1
i
j =1
j = n = 200
Distribuţia frecvenţelor teoretice este obţinută prin aplicarea următoarei relaţii de

calcul:
ni ⋅ n j
ntij =
n
Verificarea ipotezei propuse se realizează prin compararea lui χ 2 - statistic cu χ 2 -
tabelar, astfel:

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
Deoarece χ 2 − statistic > χ 2 − tabelar se respinge ipoteza nulă şi deci există

suficient temei pentru a considera că între opţiunea pentru filme poliţiste şi sexul
persoanelor intervievate este interdependenţă. Concluzia formulată este garantată cu o
probabilitate de 95%.
Notă:Valoarea tabelară a lui χ 2 a fost extrasă din „Anexa 3” pentru o
probabilitate de 95% şi 1 grad de libertate (f = 1), f = (v − 1)(c − 1) = (2 − 1)(2 − 1) = 1 ,

unde „v” reprezintă numărul rândurilor şi „c” numărul coloanelor.
Exemplul 10
Exemplificarea metodologiei statistice pentru analiza corelaţiei dintre fenomene

(metode statistico-matematice sau parametrice de analiză a corelaţiei) va fi efectuată pe
baza seriilor dinamice a doi indicatori statistici, prezentaţi într-o formă convenţională,
„dinamica cheltuielilor pentru servicii” (SERIA 01) - variabila dependentă (y) şi
„dinamica veniturilor” (SERIA 02) - variabila independentă (x).
Tabelul 10
Dinamica veniturilor şi cheltuielilor pentru servicii

Anul Dinamica cheltuielilor Dinamica veniturilor

pentru servicii
SERIA 01 (y) SERIA 02 (x)
1 1,00 2,00
2 2,00 4,00
3 4,00 6,00
4 5,00 8,00
5 8,00 10,00
Total 20,00 30,00
Reprezentarea grafică a corelaţiei dintre seria 01 şi seria 02 este expusă în

figura 8.
Corelograma dinamicii cheltuielilor pentru

servicii în funcţie de dinamica veniturilor
10
pentru servicii (%)
8
cheltuielilor
Dinamica
6
y
4
2
0
0 5 10 15
Dinamica veniturilor (%)
Fig. 8
Pe baza reprezentării grafice din figura 8 se conchide că ecuaţia de regresie, y = a

+ bx, sintetizează în mod corespunzător interdependenţa dintre cele două variabile
deoarece distribuţia norului de puncte se grupează în jurul unei linii drepte.
Sistemul de ecuaţii necesar calculului valorilor estimate ale parametrilor ecuaţiei
de regresie, „a” şi „b”, se realizează cu ajutorul metodei celor mai mici pătrate. În cazul
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.
Exemplificăm calculul matricial al parametrilor ecuaţiei de regresie, deoarece, de

regulă, programele informatice aplică această metodologie.
−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).
Vectorul B poate fi obţinut şi prin efectuarea produsului dintre transpusa matricei

aferente variabilei independente ( X ′) şi vectorul variabilei dependente (y), astfel:
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
Calculul termenilor care formează vectorul coeficienţilor ecuaţiei de regresie, se

realizează prin înmulţirea matricei ( A −1 ) cu vectorul (B), astfel:
1,100 ⋅ 20 + (−0,150) ⋅ 154 = −1,10
− 0,150 ⋅ 20 + 0,025 ⋅ 154 = 0,85
Calculul matricei inverse a matricei A se desfăşoarăastfel:
 5 30   220 − 30   220 / 200 − 30 / 200   1,100 − 0,150 

  →  → = 
 30 220   − 30 5   − 30 / 200 5 / 200   − 0,150 0,025 
transpusa asociata matricea
matricei A = A′ transpusei inversă = A-1
matricei A = A
 5 30 
Transpusa matricei A: - liniile devin coloane: A′ =  
 30 220 
Asociata transpusei: - elementele transpusei matricei A se înlocuiesc cu

i+ j
complemenţii algebrici - Aij = (- 1) ⋅ ∆ij ,
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 

Minorii, ∆ij , se calculează după ce se ignoră linia şi coloana elementului din

matricea A′ care urmează să fie înlocuit. Minorii sunt reprezentaţi de valoarea unui
determinant dacă matricea A′ are trei sau mai multe linii şi coloane sau de o valoare
simplă dacă matricea A′ este formată din două linii şi două coloane.
Se remarcă faptul că semnele elementelor din matricea asociată transpusei ( A )
alternează.
 + 220 − 30 
A =  
 − 30 + 5 
Pentru a obţine matricea inversă, fiecare termen al asociatei transpusei matricei A

se împarte la valoarea determinantului aferent matricei sistemului de ecuaţii.
Valoarea determinantului aferent matricei sistemului de ecuaţii este:
5 30
A= = 5 ⋅ 220 − 30 ⋅ 30 = 200
30 220
Rezultă că ecuaţia de regresie are următoarea formă:
y = −1,10 + 0,85 ⋅ x
Parametrul, b = 0,85, este denumit coeficient de regresie sau propensiunea

marginală deoarece cuantifică modificarea fenomenului dependent atunci când variabila
independentă se modifică cu o unitate.
Calculul valorii estimate a erorii standard pentru fiecare parametru al ecuaţiei de

regresie are la bază următoarea metodologie:
a- se calculează produsul estimaţiei pătratului erorii standard a ecuaţiei de regresie
cu matricea inversă a matricei sistemului de ecuaţii,

 1,100 − 0,150   0,403333 − 0,054999 

σˆ 2y ⋅ y) ⋅ A −1 = 0,366666 ⋅   =  
 − 0,150 0,025   − 0,054999 0,009166 
Acelaşi rezultat se obţine dacă se optează pentru următoarea variantă de lucru:
−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 
Se menţionează că matricea inversă a sistemului de ecuaţii A −1 este explicată ( )

prin următoarea relaţie:
( X ′ ⋅ X ) −1 = A −1
b- se calculează estimaţia erorii standard a parametrului a,
sa = 0,403333 = 0,635085
c- se calculează estimaţia erorii standard a parametrului b,
sb = 0,009166 = 0,095743
Se precizează că estimaţia erorii standard a parametrilor ecuaţiei de regresie este

reprezentată prin rădăcina pătrată a elementelor situate pe diagonala principală a matricei

( 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
Verificarea semnificaţiei parametrilor ecuaţiei de regresie este realizată prin

compararea variabilei t-statistic cu t-tabelar.
Dacă, t-statistic >t-tabelar , se respinge ipoteza nulă şi în aceste condiţii parametrii

ecuaţiei de regresie sunt semnificativ diferiţi de zero.
Variabila t-statistic se obţine raportând estimaţia parametrului la estimaţia erorii

standard asociată fiecăruia dintre parametrii ecuaţiei, astfel:
a − 1,10
- pentru parametrul a, t − statistic = = = −1,732051
sa 0,635085
t − statistic = − 1,73205 < t − tabelar = 3,182

t − tabelar = t q =0,05 ; f = n-k = 5-2 =3 = 3,182 ↔ (Anexa 4)
b 0,85
- pentru parametrul b, t − statistic = = = 8,877960
sb 0,095743
t − statistic = 8,87796 > t − tabelar = 3,182

t − tabelar = tq =0,05 ; f = n-k = 5-2 = 3 = 3,182 ↔ (Anexa 4)
În cazul studiului corelaţiei dintre dinamica cheltuielilor pentru servicii - variabila

dependentă (y) şi dinamica veniturilor - variabila independentă (x) se confirmă statatistic
că parametrul „b” are o mărime semnificativă în timp ce parametrul „a” nu este atestat

statistic ca o mărime semnificativ diferită de zero. În principiu, această concluzie nu

afectează, însă, utilitatea ecuaţiei de regresie deoarece infirmarea semnificaţiei
parametrului „a” (ordonata la origine) este şi o consecinţă a numărului redus de valori
luate în calcul (n = 5).
Analiza sistemului interdependent de indicatori statistici prezentaţi sub forma

celor două serii dinamice se bazează pe interpretarea indicatorilor analitici prezentaţi în
tabelul 11.
Tabelul 11
Sistemul indicatorilor analitici care privesc corelaţia dintre SERIA 01 şi SERIA 02
Variabila dependentă - dinamica cheltuielilor pentru servicii: SERIA 01

Metoda celor mai mici pătrate
Numărul observaţiilor: 5
Variabila Coeficientul Eroarea t-statistic
standard
b → coeficientul 0,850000 0,095743 8,877960
de regresie
a -1,100000 0,635085 -1,732051
R 2 - coeficientul de 0,963333 Media variabilei 4,000000

determinare dependente
R – raportul de
corelaţie (R) 2 0,981495
R 2 − ajustat 0,951111 Estimaţia abaterii 2,738613

standard a variabilei
dependente
Eroarea standard a 0,605530 F-statistic 78,81818
ecuaţiei de regresie
Suma pătratului 1,100000 Prob. (F-statistic) 0,003013
reziduurilor: (pragul de semnificaţie)

2
Σ ( y − yˆ )
Coeficientul Durbin- 2,509091
Watson
Metodologia de calcul a indicatorilor din tabelul 11 este următoarea:
- Coeficientul de determinare ( R 2 )
2
2 Σ ( y − yˆ ) 1,10
R = 1− 2
= 1− = 0,963333
Σ( y − y ) 30
Intervalul de localizare a coeficientului de determinare şi respectiv a raportului de

corelaţie este:
0 ≤ R2 , R ≤ 1
- Raportul de corelaţie (R) se obţine prin extragerea rădăcinii pătrate din
coeficientul de determinare, R = R 2 = 0,963333 = 0,9815 , şi indică, pentru corelaţia

studiată, o intensitate foarte puternică.
- Coeficientul de determinare corectat înfuncţie de numărul gradelor de
libertate aferente celor douăsume de pătrate,
 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
- Estimaţia erorii standard a ecuaţiei de regresie,

2
Σ( y − yˆ ) 1,10
σˆ y.yˆ = = = 0,60553
n−k 5−2
- Suma pătratelor reziduurilor sau erorilor,
2
Σ ( y − yˆ ) = 1,10
- Se testează ipoteza privind existenţa autocorelaţiei între valorile variabilei

reziduale cu ajutorul criteriului statistic DURBIN-WATSON,
∑ (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.
- Valoarea mediea variabileidependente,
Σ y 1 + 2 + 4 + 5 + 8 20
y= = = =4
n 5 5
- Estimaţia abaterii standard a variabilei dependente,

2
Σ( y − y ) 30
sy = = = 2,738613
n −1 5 −1
- Verificarea semnificaţiei raportului de corelaţie cu ajutorul „Criteriului F”,
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
F -statistic = 78,81818 >F -tabelar = 10,1

F -tabelar = FP; f 1 = k − 1; f 2 = n − k = F0,95 ; f 1 = 2 −1 = 1 ; f 2 = 5 − 2 = 3 = 10,1

Deoarece, F-statistic >F-tabelar se respinge ipoteza nulă şi în consecinţă Raportul

de corelaţie (R) diferă în mod semnificativ de zero, iar corelaţia studiată este reală.
Notă:Se menţionează că, F-statistic este un criteriu cu ajutorul căruia se testează

veridicitatea modelului (ecuaţiei de regresie) în ansamblul său. Prin această testare se
verifică, de asemenea, ipoteza de valoare „zero” a tuturor coeficienţilor de regresie,
respectiv a coeficienţilor variabilelor independente, cu excepţia coeficientului care
dimensionează ordonata la origine. Valoarea critică a acestui indicator, (F-statistic),
este 2,7 ce corespunde unei probabilităţi de 95% şi care atestă că cel puţin un coeficient
de regresie este în mod semnificativ diferit de zero.
În cazul exemplului considerat de noi, probabilitatea de a accepta ipoteza nulă
este foarte mică: 0,003013 sau 0,30%. Riscul de a formula o concluzie greşită este, în
această situaţie, practic inexistent.
Regula de adunare a dispersiilor se verifică numai atunci când nu se ţine seama
de numărul gradelor de libertate aferente fiecărei sume de abateri ridicate la pătrat şi
deci fiecare din cele trei sume de abateri ridicate la pătrat se raportează la numărul
observaţiilor (n).
Tabel pentru efectuarea calculelor intermediare
Anul y ŷ = -1,10 + 0,85x u = y − yˆ u 2 = (y − yˆ )2

1 1 ŷ 1 = -1,10 + 0,85(2) = 0,6 0,4 0,16
2 2 ŷ 2 = -1,10 + 0,85(4) = 2,3 -0,3 0,09
3 4 ŷ 3 = -1,10 + 0,85(6) = 4,0 0 0
4 5 ŷ 4 = -1.10 + 0,85(8) = 5,7 -0,7 0,49
5 8 ŷ 5 = -1,10 + 0,85(10) = 7,4 0,6 0,36
Tota 20 20,0 0 1,10

l

(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
Nivelurile calculate ale variabilei dependente ( ŷ ) , determinate pe baza ecuaţiei de

regresie, pot fi obţinute şi în varianta de calcul matricial, astfel:
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 
   
În tabelul 12 se prezintă, în mod comparativ, seria reală a variabilei dependente

sau rezultative (y) cu nivelurile, aceleiaşi variabile, estimate pe baza ecuaţiei de regresie (
ŷ ), precum şi distribuţia erorilor (reziduurilor).

Tabelul 12
Situaţia reziduurilor: mărimile absolute şi dispunerea grafică
Anul Nivelurile Nivelurile Reziduuri

reale calculate sau (Termenul Plaja reziduurilor
(y) estimate*) ( ŷ de eroare)
SER01 ) u = y − yˆ − σˆ y ⋅ yˆ 0 + σˆ y ⋅ yˆ
SER01F
1 1,00000 0,60000 0,40000 | . | * . |
2 2,00000 2,30000 -0,30000 | . * | . |
3 4,00000 4,00000 0,00000 | . * . |
4 5,00000 5,70000 -0,70000 |* . | . |
5 8,00000 7,40000 0,60000 | . | * |
Notă: ± σˆ y ⋅ yˆ = ±0,60553 , este reprezentată, în plaja reziduurilor, prin puncte.
*) Nivelurile calculate sau estimate ale variabilei dependente ( ŷ ) sunt determinate pe

baza ecuaţiei de regresie: y = a + bx
Este un indiciu pozitiv al eficienţei modelului sintetizat prin ecuaţia de regresie,

atunci când dimensiunea reziduurilor nu depăşeşte plaja delimitată de o estimaţie a erorii
standard a ecuaţiei de regresie,( ± σˆ y⋅ yˆ ).
- Experienţa practică asigură suportul de apreciere a faptului că se îndelineşte în

mod implicit condiţia de normalitate a distribuţiei seriei erorilor (reziduurilor) dacă n>
40, atunci când sunt date de natură experimentală sau, n> 15 în cazul seriilor dinamice.
Estimarea parametrilor care localizează o ecuaţie de regresie poate fi efectuată şi

cu ajutorul unor metode considerate mai puţin eficiente, în comparaţie cu metoda celor
mai mici pătrate, dar suficient de utile pentru a identifica forma ecuaţiei de regresie.

În această categorie de metode sunt incluse:
- metoda punctelor empirice alese şi

- metoda totalurilor parţiale echidistante sau metoda mediilor echidistante.
Metoda punctelor empirice alese
Aplicarea metodei punctelor empirice alese se conformează următoarelor etape de

lucru:
a) - se alege forma ecuaţiei de regresie pe baza reprezentării grafice a sistemului
de variabile considerate în sistem interdependent şi se apreciază, în mod vizual, care
niveluri reale se apropie cel mai mult de o linie teoretică ce sintetizează corelaţia.
Numărul punctelor alese este în funcţie de numărul parametrilor care localizează
ecuaţia de regresie. Dacă ecuaţia de regresie este de forma, y = a + bx , se aleg două
puncte care vor forma un sistem cu două ecuaţii, deoarece ecuaţia are doi parametrii, „a”
şi „b”,
b) - se calculează valorile estimate ale parametrilor ecuaţiei de regresie pe baza
sistemului de ecuaţii care a fost constituit.
Pentru a exemplifica metodologia de estimare a parametrilor unei ecuaţii de

regresie şi respectiv a valorilor variabilei dependente cu ajutorul metodei punctelor
empirice alese vom considera sistemul convenţional de valori referitoare la creşterile
procentuale ale cheltuielilor pentru servicii în funcţie de creşterile procentale a
veniturilor, aşa cum rezultă din tabelul 13.

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
Notă:Simbolul ŷ acordat nivelurilor estimate ale variabilei dependente are

acelaşi conţinut cu simbolul yc .care a mai fost utilizat în acest paragraf.

Corelograma variabilei y în funcţie de variabila x
12
10
6 y
0
0 2 4 6 8 10 12 14
Fig. 9
Reprezentarea grafică din fig. 9 care prefigurează norul de puncte al

interdependenţei dintre variabilele luate în discuţie, costituie mijlocul practic de alegere a
punctelor empirice care vor fi utilizate pentru a costitui sistemul de ecuaţii. În aceste
condiţii se apreciază că punctele anilor 2 şi 3 pot forma sistemul de ecuaţii necesar
estimării parametrilor „a” şi „b” din ecuaţia y = a + bx , deoarece se cosideră că se
poziţionează pe o linie dreaptă conveţională care sintetizează corelaţia dintre cele două
variabile.
Sistemul de ecuaţii va fi,
2 = a + 4b

4 = a + 6b
de unde rezultă, a = −2 şi b = 1 şi în consecinţă, ecuaţia de regresie este: yˆ = −2 + 1 ⋅ x

Metoda totalurilor parţiale echidistante
Exemplificarea modului practic de estimare a parametrilor unei ecuaţii de regresie

şi respectiv a valorilor variabilei dependente cu ajutorul metodei totalurilor parţiale
echidistante se va realiza pe baza aceluiaşi sistem de date statistice utilizat la exemplul 11
Se precizează că aplicarea metodei totalurilor parţiale echidistante impune ca

volumul datelor (segmentelor de timp) să fie un multiplu al numărului de parametrii care
localizează ecuaţia de regresie.
Exemplul 12
Tabelul 14
Sistemul interdependent al cheltuielilor pentru servicii în funcţie de venituri
Variabila Variabila Nivelurile estimate ale variabilei

dependentă independentă dependente pe baza ecuaţiei
(creşterile (creşterile yˆ = −1,222 + 0,889 ⋅ x
Anul procentuale procentale a (metoda totalurilor parţiale
ale veniturilor) echidistante)
cheltuielilor
pentru x
servicii)
y
1 1 2 ŷ1 = −1,222 + 0,889 ⋅ 2 = 0,556
2 2 4 ŷ2 = −1,222 + 0,889 ⋅ 4 = 2,330
3 4 6 ŷ3 = −1,222 + 0,889 ⋅ 6 = 4,110
4 5 8 ŷ 4 = −1,222 + 0,889 ⋅ 8 = 5,890

5 8 10 ŷ5 = −1,222 + 0,889 ⋅ 10 = 7,668

6 10 12 ŷ 6 = −1,222 + 0,889 ⋅12 = 9,446
Total 30
30,000
Deoarece dispunerea „norului de puncte”, prezentat în fig. 9, sugerează o corelaţie

de tip liniar, pentru a estima valorile parametrilor din ecuaţia y = a + bx , se constituie
două totaluri parţiale, primul total va fi format din primele trei puncte anuale şi respectiv
al doilea total va cuprinde ultimele trei puncte anuale, după cum urmează,
1 = 1 ⋅ a + 2 ⋅ b 5 = 1 ⋅ a + 8 ⋅ b
 
2 = 1 ⋅ a + 4 ⋅ b şi 8 = 1 ⋅ a + 10 ⋅ b
4 = 1 ⋅ a + 6 ⋅ b 10 = 1 ⋅ a + 12 ⋅ b
 
Prin însumarea celor două grupuri de ecuaţii rezultă sistemul de ecuaţii:
 7 = 3a + 12b

23 = 3a + 30b
şi respectiv următoarele estimaţii ale parametrilor, a = −1,222 şi b = 0,889
Metoda totalurilor parţiale conduce, astfel, la o ecuaţie de regresie care are

expresia: yˆ = −1,222 + 0,889 ⋅ x
Notă: În practică, de regulă, aceste metode nu sunt agreate şi, în consecinţă, nu

se utilizează pentru a estima valorile parametrilor care localizează o ecuaţie de regresie,
cu excepţia unor cazuri particulare cum ar fi:
- ecuaţia de regresie are o formă care implică o rezolvare manuală mai dificilă,
dacă se aplică metoda celor mai mici pătrate,
- constituie o soluţie mai rapidă de estimare a parametrilor ecuaţiei de regresie.

VI.3. METODE DE ANALIZĂ A CORELAŢIEI RANGURILOR
În cazul considerării unui sistem interdependent de variabile pentru care se

infirmă ipoteza corespondenţei cu legea de repartiţie normală, calculul intensităţii
corelaţiei se realizează prin aplicarea unor metode neparametrice.
Prezumţia parametrică a corelaţiei este eliminată prin ordonarea, în mod crescător
sau descrescător, a valorilor variabilei independente (X), urmând să se opereze cu mărimi
echivalente, denumite ranguri.
Metodele neparametrice permit măsurarea intensităţii corelaţiei atât pentru
variabile cantitative cât şi pentru variabile calitative.
Opţiunea pentru aplicarea acestor metode este, de obicei, adoptată atunci când se
studiază corelaţii între variabile economice cu variabile proprii unor domenii
neeconomice (demografice, psihologice, medicale, sportive etc. ).
Coeficientul lui Spearman
6 ⋅ Σd 2
θ = 1- , în care:
(
n n2 − 1)
d - reprezintă diferenţa dintre rangurile (numerele de ordine) corespunzătoare lui

„y” şi respectiv „x”, d = ry − rx
n - numărul nivelurilor aferente variabilelor statistice
Coeficientul lui Kendall
2⋅S
τ= , în care:
n(n − 1)
S = P−Q ,

P - este indicatorul concordanţei sau numărul rangurilor superioare termenului

respectiv, numărate în continuare, aferente variabilei dependente - y
Q - este indicatorul discordanţei sau numărul rangurilor inferioare termenului
respectiv, numărate în continuare, aferente variabilei dependente - y.
Intensitatea corelaţiei este apreciată în funcţie de mărimea coeficientului, care
poate lua o valoare în intervalul –1, +1.
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)
Coeficienţii calculaţi ne permit să apreciem că între suma cheltuielilor efectuate

cu publicitatea, de către cele 17 societăţi comerciale cuprinse în cercetare, şi cifra de
afaceri, este o corelaţie suficient de puternică, deoarece mărimea lor se situează în
intervalul 0,6 - 0,8.
Intensitatea interdependenţei dintre variabile poate fi cunoscută şi pe baza

indicatorului, „Coeficientul de concordanţă”, care se calculează cu ajutorul următoarei
formule:
A− B
Kcon = ,
A+ B

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
Coeficientul de concordanţă este o metodă neparametrică de calcul a

interdependenţei dintre variabile în condiţiile neimpunerii condiţiei de normalitate a
repartiţiei seriilor empirice.
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).

VI.6. TEMA DE CONTROL A UNITĂŢII NR. 6
1. Descrieţi metodele simple utilizate pentru a studia legăturile statistice care se

formează între fenomenele social-economice.
2. Descrieţi etapele calculului în cazul analizei corelaţiilor dintre fenomene cu
ajutorul metodei celor mai mici pătrate.
3. Cum se calculează şi care este semnificaţia rezultatului coeficientului simplu
de corelaţie liniară şi respectiv a raportului de corelaţie?
4. Cum se calculează şi care este semnificaţia coeficientului statistic Durbin-
Watson?
1. Cum se calculează şi care este semnificaţia coeficientului de neregularitate

al lui Theil?
2. Cum se verifică semnificaţia statistică a raportului de corelaţie?
3. Precizaţi utilitatea analizei corelaţiei rangurilor şi metodologia de realizare
a acestei analize cu ajutorul coeficienţilor statistici elaboraţi de Spearmanşi respectiv
deKendall.
VI.4. BIBLIOGRAFIA SPECIFICĂ UNITĂŢII NR. 6
1. Andrei, T., Statistică şi econometrie, Editura Economică, Bucureşti, 2003.

2. Baron, T., Biji, E.; Tövissi L.; Wagner, P.; Isaic-Maniu, Al.; Korka, M.; Porojan,
1996.

3. Mihăilescu, N., Statistica şi bazele statistice ale econometriei, Editura


Unitatea de studiu nr. 7: INDICII STATISTICI

să cunoască tipologia, calculul şi interpretarea indicilor statistici;
să cunoască modalitatea de aplicare a procedeului sustituirilor succesive pentru
definirea indicilor statistici factoriali precum şi a modificărilor absolute aferente
acestora;
să cunoască modalitatea de calcul şi interpretare a indicilor de grup calculaţi ca
raport a două mărimi medii.

VII.1.Metodologia de calcul şi interpretare a indicilor statistici (pag. 132)
VII.2. Indicii de grup medii armonici (pag. 147)

VII.3. Indicii de grup medii aritmetici (pag. 148)
VII.4. Indicii de grup calculaţi ca raport între mărimi medii (pag. 148)
VII.5. Indicii teritoriali (pag. 156)

VII.6. Tema de control a unităţii nr. 6(pag.159)
VII.7. Bibliografia specifică unităţii nr. 6 (pag. 159)
VII.1. METODOLOGIA DE CALCUL ŞI INTERPRETARE A

INDICILOR STATISTICI

Pentru fundamentarea deciziilor care vizează conducerea activităţii economice o

utilitate deosebită prezintă metoda indicilor datorită conţinutului informaţional pe care îl
oferă dimensiunea statistică numită indice, obţinută ca rezultat al comparaţiei realizate în
raport dinamic sau în statică.
Indicele statistic este o mărime relativă care exprimă una din următoarele
categorii de stări a fenomenelor economice:
- dinamica,
- gradul de îndeplinire a indicatorilor programaţi sau planificaţi,
- nivelul relativ al sarcinii propuse pentru creşterea sau diminuarea unui
indicator economic în segmentul de timp care urmează,
- raportul de mărime dintre doi indicatori economici identici din punct de
vedere al conţinutului şi modului de calcul, referitori la două entităţi teritoriale similare
(oraş, judeţ, ţară) sau doi agenţi economici, dar coexistenţi în timp.
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.
Din punct de vedere al sferei de cuprindere se disting două categorii de indici

statistici: indici individuali, elementari sau simpli şi indici de grup.
Indicele individual exprimă raportul de mărime între doi indicatori statistici care
caracterizează colectivităţi de unităţi (obiecte sau tipuri de produse,) omogene sau
fenomene cu acelaşi conţinut economic. De exemplu, se poate calcula indicele individual
al dinamicii volumului fizic, al dinamicii preţurilor sau al dinamicii valorii mărfurilor
vândute de un agent economic pentru fiecare fel de marfă, în mod distinct.
Formulele generale de calcul a indicilor individuali de dinamică sunt:
- pentru un indicator economic de tip cantitativ,

f1
i( f ) = ,
f0
- pentru un indicator economic de tip calitativ,
x1
i(x ) = ,
x0
- pentru un indicator economic complex,
f 1 x1
i fx =
f0 x0
Indicele de grup exprimă modificarea medie relativă a caracteristicii unei

colectivităţi de unităţi care diferă între ele prin conţinut sau valoare de întrebuinţare.
De exemplu, indicele de grup al dinamicii valorii mărfurilor vândute de o
societate comercială (indicele de grup al dinamicii cifrei de afaceri), care este un indice al
unui indicator statistic complex, se calculează ca raport între suma încasărilor (valoarea
vânzărilor) din perioada curentă sau de calcul şi suma încasărilor (valoarea vânzărilor)
din perioada bază de comparaţie, conform următoarei relaţii,
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).

Se precizează că atât volumul fizic al vânzărilor cât şi preţurile unitare de vânzare

sunt neînsumabile în mod direct deoarece se referă la tipuri diferite de mărfuri şi în
consecinţă pentru a evidenţia influenţa sau modificarea separată a fiecăruia din cei doi
factori (q şi p) se calculează indici de grup factoriali prin aplicarea unui anumit sistem de
ponderare.
Prin urmare, în cazul unei relaţii factorial-deterministe de forma y = fx, sau
Σ y = Σ fx , pentru a dimensiona modificarea separată a fiecăruia din cei doi factori
(cantitativ-f şi calitativ-x) care au determinat modificarea indicatorului complex (y) sau,
într-o altă formă de interpretare, folosită numai în cazul indicilor de grup factoriali,
pentru a cuantifica modificarea medie a indicatorului cantitativ şi respectiv a celui
calitativ se utilizează, de regulă, metoda substituirilor succesive (în lanţ) dar, în practica
de analiză se recurge uneori şi la alte modalităţi de ponderare.
În vederea sistematizării, generalizării şi rigurozităţii aplicării metodei

substituirilor succesive, indicatorii economici sunt grupaţi astfel:
- indicatori economici cantitativi (f)cum ar fi: volumul fizic al producţiei sau al
prestaţiilor de servicii (q); numărul mediu al salariaţilor (N); timpul lucrat de salariaţi,
exprimat în om-ore (Nh); timpul lucrat de salariaţi, exprimat în om-zile (Nz); valoarea
medie a mijloacelor fixe (Mf); valoarea medie a activelor circulante (Ac); locuri
capacitate de cazare turistică existentă sau capacitatea construită şi destinată pentru
cazarea turiştilor - (L); locuri-zile capacitate de cazare turistică existentă (Le); locuri-zile
capacitate de cazare turistică disponibilă, în funcţiune sau activă (Lz); turişti cazaţi în
unităţile de cazare turistică (T); numărul de zile-turişti (Tz) etc.;
- indicatori economici calitativi (x): preţul de producţie sau tariful pe unitate
fizică de servicii (p); preţul de vânzare cu amănuntul (pv); cheltuielile cu forţa de muncă
efectuate în medie cu un salariat ( cfm ); costul complet unitar (c); consumul specific de
resurse materiale şi energetice exprimat în unităţi naturale (m); cheltuielile la 1000 lei
cifră de afaceri (Ch); rata rentabilităţii financiare (Rrf); productivitatea muncii (w);
numărul mediu de rotaţii a activelor circulante (n), durata medie în zile a unei rotaţii a
activelor circulante (d) şi în general toţi indicatorii care exprimă eficienţă economică;

- indicatori economici complecşi (fx): cifra de afaceri (CA); marja comercială

(MC); producţia exerciţiului (Q); valoarea adăugată (VA), cheltuielile totale (Ct);
veniturile totale (Vt); cheltuielile totale cu forţa de muncă (CFM); cheltuielile totale cu
materiile prime, materialele şi energia aferente activităţii productive, de comerţ sau de
prestare a serviciilor (CM); consumul total de materii prime, materiale şi combustibil
exprimat în unităţi naturale - pe feluri de resurse - (M); rezultatul din exploatare (Re);
rezultatul net al exerciţiului financiar (Rn), rezultatul brut al exerciţiului (Rb).
Aplicarea metodei substituirilor succesive implică respectarea următoarelor două

reguli de bază:
1) individualizarea şi dimensionarea influenţei unui factor de tip cantitativ care a
determinat modificarea indicatorului complex se realizează prin ponderare (menţinere
constantă) cu factorul de tip calitativ bază de comparaţie;
2) individualizarea şi dimensionarea influenţei unui factor de tip calitativ care a
determinat modificarea indicatorului complex se realizează prin ponderare cu factorul
de tip cantitativ comparat.
Facem precizarea că, în cazul analizei pe factori a indicatorilor care caracterizează

eficienţa utilizării factorilor de producţie direcţi sau primari (forţa de muncă, mijloacele
fixe şi activele circulante materiale sau resursele materiale şi energetice), consumaţi
pentru obţinerea unui rezultat economic, indicatorii de efect economic sunt trataţi ca
indicatori de tip calitativ, iar cei de efort economic au semnificaţia şi se comportă ca
indicatori de tip cantitativ.
Formulele generale de calcul folosite în cazul metodei substituirilor succesive,
atunci când dorim să cuantificăm modificările respective în mărimi relative şi absolute,
sunt următoarele:
- modificarea totală a fenomenului (indicatorului) complex:
f 1 x1 Σ f 1 x1
I fx = sau I fx =
f 0 x0 Σ f 0 x0

∆ = f1 x1-f0 x0 sau ∆ = Σ f 1 x1- 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
- influenţa modificării factorului de tip calitativ:
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
urmând să se verifice egalităţile:
I fx = I(f) ⋅ I ( x )
∆ = ∆( f ) + ∆( x )
În cazul concret al indicilor de grup factoriali care explică, în dinamică, influenţa

modificării volumului fizic şi respectiv influenţa modificării preţurilor de vânzare asupra
modificării cifrei de afaceri sau exprimă modificarea medie a volumului fizic şi respectiv
modificarea medie a preţurilor de vânzare pot fi scrise următoarele relaţii de calcul:
- indicele de grup al dinamicii volumului fizic,

Σ q1 p0
I qqp =
Σ q0 p0
- indicele de grup al dinamicii preţurilor de vânzare,
Σ q1 p1
I pqp =
Σ q1 p0
O altă procedură metodologică folosită pentru a calcula influenţa factorilor care

au determinat modificarea unui indicator complex, este cunoscută sub denumirea
„Metoda separării acţiunii izolate a fiecărui factor“.
Aplicarea principiului de separare a acţiunii individuale a factorilor care
determină modificarea unui indicator complex - prezentat în funcţie de doi sau mai mulţi
factori de influenţă, conform unei relaţii factorial-deterministe - se bazează pe un sistem
de ponderare care utilizează în mod invariabil indicatorii bază de comparaţie, indiferent
că sunt de natură cantitativă sau calitativă. Rezultă, în acest caz, şi o influenţă
suplimentară care este cauzată de interacţiunea factorilor sau a acţiunii simultane a
factorilor.
Metoda substituirilor succesive, prezentată anterior, permite obţinerea unor
rezultate mulţumitoare numai atunci când modificarea indicatorului complex nu are o
amplitudine mare şi în consecinţă şi influenţele factorilor consideraţi sunt relativ mici.
De aceea, schema de evidenţiere izolată a influenţei factorilor asupra fenomenului
complex îşi găseşte utilitatea în special atunci când mărimea absolută a interacţiunii
factorilor este mai importantă. Pornind de la aceste considerente, metoda separării
acţiunii izolate a fiecărui factor se recomandă a fi utilizată atunci când mărimea relativă a
influenţei interacţiunii factorilor în creşterea totală a fenomenului complex depăşeşte 5%,
adică:

∆( f )( x ) ( f − f0 )(x1 − x0 ) ⋅ 100 > 5% ,

⋅ 100 = 1
∆ f 1 x1 − f 0 x0
în care:
∆( f )(x ) - modificarea absolută a indicatorului complex datorită interacţiunii
factorilor, f şi x, consideraţi printr-o relaţie deterministă.
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
- influenţa indicatorului de tip calitativ,
Σ f0 x1
I(x) =
Σ f 0 x0
- influenţa interacţiunii factorilor (acţiunea simultană a factorilor),
Σ f 1 x1 Σ f 0 x1
I(f)( x ) = :
Σ f 1 x0 Σ f 0 x0
În acest caz se confirmă următoarea relaţie de recurenţă:
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 

Dacă se efectuează o analiză factorială prin aplicarea metodei separării acţiunii

izolate a fiecărui factor şi se doreşte să se calculeze expresiile absolute ale modificărilor
aferente unui indicator complex, se optează, de regulă la varianta repartizării
proporţionale a modificării datorate interacţiunii factorilor.(metoda creşterilor
proporţionale).
Relaţiile generale de calcul, utilizate în acest caz, sunt următoarele:
- modificarea absolută totală a indicatorului complex:
∆ = 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
- influenţa modificării factorului de tip calitativ:

f 0 x1 − f 0 x0
∆( x ) = ( f 0 x1 − f 0 x0 ) + ( f − f )(x − x ) ,
( f1 x0 − f0 x0 ) + ( f0 x1 − f0 x0 ) 1 0 1 0
verificându-se egalitatea:
∆ = ∆( f ) + ∆( x )
Notă:Se menţionează că rezultatul interacţiunii factorilor nu poate fi interpretat

în formă economică clară şi în aceste condiţii el trebuie repartizat factorilor
individualizaţi prin relaţia funcţională a indicatorului complex sau analizat, folosind un
anumit criteriu de repartizare.
Dacă se consideră, în mod convenţional, că modificarea indicatorului complex

datorată interacţiunii factorilor este un rezultat exclusiv al acţiunii factorului de natură
calitativă se ajunge la forma de ponderare care corespunde metodei substituirilor
succesive. Prin urmare, se poate aprecia că metoda substituirilor succesive este un caz
particular al metodei separării acţiunii izolate a fiecărui factor în condiţiile alocării în

totalitate a modificării datorate interacţiunii factorilor, asupra factorului de natură
calitativă.
Cele mai folosite sisteme alternative de calcul a indicilor de grup factoriali sunt
cele propuse de Laspeyres (care, în mod invariabil, utilizează ca ponderi indicatorii
factoriali corespondenţi din perioada de bază), Paasche (care, în mod invariabil,
utilizează ca ponderi indicatorii factoriali corespondenţi din perioada de calcul), Fisher
(care realizează media geometrică a indicilor Laspeyres şi Paasche) sau Edgeworth (în
care caz ponderile sunt reprezentate de media aritmetică simplă a indicatorilor factoriali
corespondenţi, din cele două perioade de referinţă), astfel:
- indicele de grup al factorului de tip cantitativ,
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
- indicele de grup al factorului de tip calitativ,

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
În tabelul 16 se prezintă un model tehnic general pentru sistematizarea calculelor

implicate în condiţiile folosirii metodei substituirilor succesive. Sunt expuse relaţiile de
calcul ale indicilor individuali (elementari) şi de grup, modificarea absolută a
indicatorului complex atât în condiţiile unei relaţii deterministe pentru fenomene
omogene cât şi în cazul fenomenelor eterogene, proporţiile modificărilor absolute
factoriale în modificarea absolută totală a indicatorului statistic complex, contribuţia
procentuală a factorilor la formarea ritmului indicatorului statistic complex precum şi
relaţiile de recurenţă aferente.
Exemplul 14

Vânzările de mărfuri cu amănuntul ale unei societăţi comerciale sunt prezentate în

tabelul 17.
Tabelul 17
Situaţia vânzărilor de mărfuri pe feluri de mărfuri
Felul Unitatea Perioada de bază Perioada de calcul

mărfurilor de Cantităţi Preţul Valoarea Cantităţi Preţul Valoarea
vândute măsură vândute de vânzărilor vândute de vânzărilor
(q0 ) vânzare (q0 p0 ) ( q1 ) vânzare ( q1 p1 )
( p0 ) -lei- ( p1 ) -lei-
-lei- -lei-
„A” m 500 10 5.000 600 9 5.400
„B” buc. 200 30 6.000 300 30 9.000
„C” kg 1.000 5 5.000 900 4 3.600
Total 16.000 18.000
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.
Indicii individuali (elementari) ai dinamicii volumului fizic,
q1 600
- pentru marfa „A”: i (q ) = = = 1,2 ; 120% ; + 20%
q0 500
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%.
Indicii individuali (elementari) ai dinamicii preţurilor de vânzare,

p1 9
- pentru marfa „A”: i ( p ) = = = 0,9 ; 90% ; − 10%
p0 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%.
Indicii individuali (elementari) ai dinamicii valorii vânzărilor,

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
Aceste rezultate evidenţiază faptul că în perioada de calcul valoarea vânzărilor a

înregistrat creşteri faţă de perioada de bază, cu 8% la marfa „A” şi cu 50% la marfa „B”,
în timp ce la marfa „C” valoarea vânzărilor s-a diminuat cu 28%.
Indicele de grup al valorii vânzărilor,

Σq1 p1 18.000
I qp = = = 1,125 ; 112,5% ; + 12,5%
Σq0 p0 16.000
Indicele de grup al volumului fizic a vânzărilor,

Σq1 p0 600 ⋅ 10 + 300 ⋅ 30 + 900 ⋅ 5 19.500
I qqp = = = =
Σq0 p0 16.000 16.000
= 1,21875 ; 121,875% ; + 21,875%
Indicele de grup al preţurilor de vânzare,

Σq1 p1 18.000
I pqp = = = 0,92308 ; 92,308% ; - 7,692%
Σq1 p0 19.500
Rezultatele calculelor efectuate ne confirmă faptul că valoarea vânzărilor a

crescut, în perioada de calcul comparativ cu perioada de bază, cu 12,5%. Această creştere
a fost determinată, în totalitate, de majorarea cantităţilor vândute. Dacă preţurile de
vânzare s-ar fi menţinut la nivelul înregistrat în perioada de bază, valoarea vânzărilor ar fi
crescut cu 21,875%, dar reducerile operate la preţurile de vânzare a provocat o diminuare
a valorii vânzărilor cu 7,692%. În acest caz, se poate interpreta acest rezultat şi în felul

următor: în perioada de calcul comparativ cu perioada de bază preţurile de vânzare s-au

micşorat în medie cu 7,692%.
Pe baza sumelor folosite la calculul indicilor de grup putem determina, în

continuare, volumul absolut al modificării valorice a vânzărilor, totale şi pe seama celor
doi factori, astfel:
- modificarea absolută totală a valorii vânzărilor,

∆ qp = Σ q1 p1 − Σ q0 p0 = 18.000 − 16.000 = +2.000 lei
din care:
- influenţa modificării volumului fizic al vânzărilor,

∆(q ) = Σ q1 p0 − Σ q0 p0 = 19.500 − 16.000 = +3.500 lei
- influenţa modificării preţurilor de vânzare,

∆( p ) = Σ q1 p1 − Σ q1 p0 = 18.000 − 19.500 = −1.500 lei
VII.2. INDICII DE GRUP MEDII ARMONICI
Dacă se analizează formulele de calcul a indicilor de grup care exprimă influenţa

modificării relativă a factorilor cantitativi şi calitativi (indicii de grup factoriali),
construiţi pe baza metodei substituirilor succesive, se observă că pentru a fi calculaţi este
necesară o mărime recalculată ( Σ f1 x0 ).
Determinarea directă a acestei sume este, uneori, dificil de realizat datorită lipsei
datelor în evidenţă. Din acest motiv, pentru calculul indicilor de grup factoriali se
utilizează, după caz, şi formula mediei armonice sau a mediei aritmetice. Aceste relaţii de
calcul se obţin prin transformarea corespunzătoare a indicilor de grup prezentaţi în formă
agregată.

Un exemplu practic de calcul al indicelui de grup mediu armonic se referă la

modificarea medie a preţurilor de vânzare, astfel:
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
Prin urmare, indicele de grup al preţurilor de vânzare se calculează pe baza

formulei mediei armonice ori de câte ori ni se oferă date asupra indicilor individuali ai
preţurilor de vânzare (i(p)) şi respectiv asupra cifrei de afaceri din perioada de calcul, pe
tipuri de produse şi pe total ( q1 p1 şi Σq1 p1 ).
VII.3. INDICII DE GRUP MEDII ARITMETICI
În cazul particular al indicelui de grup al volumului fizic al vânzărilor, în formă

agregată, indicatorul recalculat ( Σ q1 p0 ) se situează la numărător şi în aceste condiţii se
va opera o transformare constructivă la numărătorul indicelui, folosind forma mediei
aritmetice, astfel:
q1
Σ q0 p0
Σ q1 p0 q0 Σ[i (q ) ⋅ q0 p0 ]
I qqp = I (q ) = = =
Σ q0 p0 Σ q0 p0 Σ q0 p0
Aceasta este formula indicelui de grup mediu aritmetic al dinamicii volumului

fizic, în care i(q) reprezintă indicii individuali ai volumului fizic iar q0 p0 valoarea
vânzărilor pe feluri de mărfuri din perioada de bază.
VII.4. INDICII DE GRUP CALCULAŢI CA RAPORT ÎNTRE

MĂRIMI MEDII

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.
În lucrările de calcul statistic se folosesc frecvent indici de grup calculaţi ca raport

între mărimi medii în vederea analizei dinamicii sau pentru analiza îndeplinirii
indicatorilor programaţi privind productivitatea muncii, costul unitar, cheltuielile totale la
1000 lei venituri totale etc.
Formula generală de calcul a indicilor de grup cu structură variabilă, este:
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
Relaţia generală de calcul a indicelui de grup reprezentat prin raportul a două

mărimi medii este denumit indice de grup cu structură variabilă al modificării
indicatorului calitativ mediu.
Asupra indicelui de grup cu structură variabilă exercită influenţă doi factori:
a) modificarea structurii factorului de tip cantitativ (g).
b) modificarea nivelului factorului calitativ la fiecare unitate statistică în parte (x),
Prin urmare, este necesar să remarcăm că, modificarea absolută totală a

indicatorului de tip cantitativ nu este un factor de influenţă asupra modificării
indicatorului calitativ mediu.

Dacă dorim să cunoaştem dinamica relativă a indicatorului calitativ mediu

datorată modificării structurii factorului cantitativ însumat, în formula indicelui cu
structură variabilă considerăm constant factorul calitativ individual din perioada de bază
( x0 ) şi obţinem indicele de grup al schimbării structurii,
Σ g1 x0
I gx =
Σ g0 x0
Dacă dorim, însă, să calculăm dinamica relativă a indicatorului calitativ mediu

datorată modificării factorului calitativ individual, în formula indicelui cu structură
variabilă considerăm constant factorul de tip cantitativ (structura indicatorului cantitativ)
din perioada de calcul ( g1 ) şi obţinem indicele de grup cu structură fixă,
Σ g1 x1
I xx =
Σ g1 x0
Între indicii de grup cu structură variabilă, al schimbării structurii şi cu structură

fixă se poate scrie următoarea relaţie,
I x = I gx ⋅ I xx
Pe baza relaţiilor de calcul a indicilor de grup obţinuţi ca raport între mărimi

medii se poate determina modificarea absolută a indicatorului rezultativ (complex),
( Σ fx ) ca urmare a modificării indicatorului calitativ mediu ( ∆ fxx ), a structurii
indicatorului cantitativ însumat ( ∆ fxg ) şi respectiv a indicatorului calitativ individual
( ∆ 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
Exactitatea calculelor este confirmată de următoarea relaţie de recurenţă:
∆ fxx = ∆ fxg + ∆ fxx
Exemplul 15
Pentru exemplificarea calculului indicilor determinaţi ca raport între două mărimi

medii vom utiliza datele sintetizate în „Contul de profit şi pierdere” al unui agent
economic.
Tabelul 18
Situaţia veniturilor şi cheltuielilor grupate pe feluri de activităţi
Felul Venituri (mil. lei) Cheltuieli (mil. lei)

activităţii Perioada de Perioada de Perioada de Perioada de
(Sursa bază calcul bază calcul
veniturilor şi
natura
cheltuielilor)
Exploatare Ve08.000 Ve110.000 Ce06.000 Ce17.500
Financiară Vf0 500 Vf1 300 Cf01.000 Cf1 1.400
Extraordinară Vex01.500 Vex11.700 Cex01.000 Cex11.100
Total Vt0 Vt1 Ct0 Ct1

10.000 12.000 8.000 10.000
Pe baza acestor date ne propunem să analizăm dinamica cheltuielilor totale la

1.000 lei venituri totale prin prisma modificării structurii veniturilor totale şi a
cheltuielilor la 1000 lei venituri pe feluri de activităţi.
Pentru a pune în evidenţă factorii enunţaţi, cheltuielile totale la 1.000 lei venituri
totale sunt prezentatate prin relaţia următoare:
Ct Ce + Cf + Cex Σ(Vi ⋅ C / 1000)

Ct/ 1000 =
Vt
⋅ 1000 =
Ve + Vf + Vex
⋅ 1000 =
Σ Vi
(
= Σ g Vt ⋅ C / 1000 )
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,
- Ct / 1000 este indicatorul calitativ mediu

- C / 1000 este indicatorul calitativ individual
- g Vt este structura indicatorului cantitativ însumat
- Vt = Venituri totale;
- Ct = Cheltuieli totale;
Vi
- g Vt =
ΣVi

Tabel cu calculele intermediare necesare
Structura Structura Cheltuielile Cheltuielile

veniturilor veniturilor la 1000 lei la 1000 lei
totale din totale venituri venituri pe g 1Vt ⋅ C/ 1000 0
Felul perioada din pe feluri de feluri de
activităţii de bază perioada activităţi, în activităţi,
g 0Vt de perioda de în perioda
calcul bază de calcul
g1Vt C/10000 C/10001
Exploatare 0,80000 0,83333 750,00 750,00 625,0

Financiară 0,05000 0,02500 2.000,00 4.666,67 50,0
Extraordinară 0,15000 0,14167 666,67 647,06 94,4
Total 1,00000 1,00000 800,00 833,33 769,4
Indicele de grup cu structură variabilă al cheltuielilor totale la 1000 lei venituri

totale,
Ct / 10001 Σ( g1Vt ⋅ C / 10001 ) 833,3

I Ct/1000 = = = = 1,04162 ; 104,162% ; + 4,162%
Ct / 10000 Σ( g0Vt ⋅ C / 10000 ) 800,0
Indicele de grup al schimbării structurii,
Σ( g1Vt ⋅ C / 10000 ) 769,4

I gCt/1000 = = = 0,96175 ; 96,175% ; − 3,825%
Σ( g0Vt ⋅ C / 10000 ) 800,0

Indicele de grup cu structură fixă,
Ct/1000 Σ( g1Vt ⋅ C / 10001 ) 833,3

I C/1000 = = = 1,08305 ; 108,305% ; + 8,305%
Σ( g1Vt ⋅ C / 10000 ) 769,4
I Ct/1000 = I gCt/1000 ⋅ I C/1000

Ct/1000
= 0,96175 ⋅ 1,08305% = 1,04162
Varianta calculelor reprezentând corespondentul în cifre absolute al modificărilor

relative exprimate de indicii de grup, este:
Modificarea totală a cheltuielilor totale la 1.000 lei venituri totale:
∆ = Ct / 10001 − Ct / 10000 = 833,3 − 800,0 = +33,3 lei

∆ = ∆ ( g ) + ∆(C / 1000) = -30,6 + 63,9 = +33,3 lei
din care:
- influenţa modificării structurii veniturilor totale
( ) ( )
∆ ( g ) = Σ g1Vt ⋅ C / 1000 0 − Σ g 0Vt ⋅ C / 1000 0 = 769, 4 − 800,0 = −30,6 lei
- influenţa modificării cheltuielilor la 1000 lei venituri pe feluri de

activităţi
( ) ( )
∆ (C / 1000 ) = Σ g 1Vt ⋅ C / 10001 − Σ g 1Vt ⋅ C / 1000 0 = 833,3 − 769,4 = +63,9 lei
Calculele efectuate ne permit să constatăm că cheltuielile totale efectuate pentru

1.000 lei venituri totale au crescut în perioada de calcul comparativ cu nivelul înregistrat

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.
Forma absolută a modificării cheltuielilor totale ca indicator complex sau

rezultativ este oferită de următoarele calcule:
- modificarea absolută a cheltuielilor totale datorată creşterii cheltuielilor totale la
1000 lei venituri totale este,
 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

- influenţa modificării cheltuielilor la 1000 lei venituri pe feluri de activităţi,
∆ 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
VII.5. INDICII TERITORIALI
Indicele teritorial rezultă din compararea indicatorilor statistici referitori la două

sau mai multe unităţi teritoriale similare (oraş, judeţ, ţară etc.) sau din compararea unui
indicator determinat pe o unitate teritorială cu indicatorul corespunzător care se referă la
întregul teritoriu. Într-un sens mai general, indicele teritorial este o mărime relativă de
coordonare obţinută din compararea a două fenomene de aceeaşi natură coexistente în
timp, dar situate în diferite domenii spaţiale.
Formula generală după care se calculează un indice individual teritorial este

următoarea:
x xA x xB
i A/B = sau iB/A = ,
xB xA
în care:
x A - reprezintă mărimea fenomenului cercetat în unitatea teritorială „A”,
xB - reprezintă mărimea fenomenului cercetat în unitatea teritorială „B”.
Dacă valorile caracteristicii studiate (x) se pot generaliza la nivelul celor două
colectivităţi poziţionate în teritorii diferite (A şi B) sub forma mărimilor medii, rezultă
următoarele forme de indici teritoriali:

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
- pentru indicatorul de natură cantitativă,
Σ f A xB Σ fB xA
I (fxf ) A/B = sau I (fxf )B/A =
Σ f B xB Σ f A xA
- pentru indicatorul de natură calitativă,
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
Problema ponderilor, în cazul indicilor teritoriali, se rezolvă numai în urma unei

analize atente a fenomenului cercetat, deoarece o ponderare neraţională poate conduce la
rezultate contradictorii sau chiar paradoxale. În aceste condiţii se propun şi alte metode
de ponderare, cum ar fi metoda ponderilor standard. Această metodă exclude sistemul

de ponderare al indicilor teritoriali cu mărimile unuia din teritoriile comparate, ea

presupune alegerea unor ponderi care să se refere la un teritoriu mult mai larg, care
cuprinde ambele zone teritoriale într-o expresie medie, astfel:
- pentru indicele teritorial al indicatorului de natură cantitativă,
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 )
- pentru indicele teritorial al indicatorului de natură calitativă,
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:
X este ponderea standard calitativă, determinată ca medie aritmetică ponderată,
f A x A + f B xB
X = ,
fA + fB
F este ponderea standard cantitativă, determinată ca medie aritmetică simplă,

astfel:
fA + fB
F=
2
Folosirea ponderilor standard elimină, în principiu, influenţa subiectivismului la

alegerea ponderilor şi deci asupra rezultatului obţinut prin calculul indicelui teritorial.
Totuşi, se precizează că la alegerea tipului de ponderare este indicat să se ţină seama de
particularităţile fenomenului al cărui indice teritorial urmează a fi calculat.

VII.6. TEMA DE CONTROL A UNITĂŢII NR. 7
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?
1. Care sunt regulile de aplicare a procedeului sustituirilor succesive pentru

definirea indicilor statistici factoriali precum şi a modificărilor absolute
aferente acestora?
2. Descrieţi semnificaţia indicilor de grup calculaţi ca raport între mărimi medii.
VII.7. BIBLIOGRAFIA SPECIFICĂ UNITĂŢII NR. 7

1996.

Unitatea de studiu nr. 8:ANALIZA STATISTICĂ A

SERIILOR DINAMICE

să cunoască modul de calcul şi de interpretare a indicatorilor derivaţi cu ajutorul
cărora sunt caracterizate seriile dinamice;
să cunoască metodologiile de ajustare a seriilor dinamice;
să cunoască modalitatea de calcul şi interpretare a coeficienţilor de sezonalitate.

VIII.1.Sistemul de indicatori ai seriilor dinamice(pag. 161)
VIII.2. Ajustarea seriilor dinamice(pag. 167)
VIII.3. Măsurarea oscilaţiilor sezoniere (pag. 186)
VIII.4. Caracterizarea dinamicii fenomenelor social-economicecu ajutorul coeficienţilor

de elasticitate(pag. 202)
VIII.5. Tema de control a unităţii nr. 6(pag. 205)
VIII.6. Bibliografia specifică unităţii nr. 6 (pag. 205)

VIII.1. SISTEMUL DE INDICATORI AI SERIILOR DINAMICE
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.
Sistemul indicatorilor statistici cu ajutorul cărora pot fi caracterizate seriile

dinamice sunt:
- indicatorii exprimaţi prin mărimi absolute:
- indicatorii de nivel
- indicatorii modificărilor absolute care pot fi calculaţi în două variante: cu
bază fixă şi cu bază variabilă (în lanţ)
- indicatorii exprimaţi prin mărimi relative

- indicii de dinamică calculaţi cu bază fixă sau cu bază variabilă (în lanţ)
- ritmul dinamicii cu bază fixă sau cu bază variabilă (în lanţ)
- valoarea absolută a unui procent din ritmul dinamicii
- indicatorii exprimaţi prin mărimi medii

- nivelul mediu
- creşterea sau scăderea medie
- indicele mediu de creştere sau de scădere
- ritmul mediu de creştere sau de scădere

Indicatorii exprimaţi prin mărimi absolute
Indicatorii exprimaţi prin mărimi absolute sunt prezentaţi în unităţi de măsură

concrete (lei, tone, metri etc.), specifice fenomenului a cărui evoluţie este analizată.
Indicatorii de nivel sunt reprezentaţi prin datele iniţiale, obţinute prin observare,
care dimensionează volumul caracteristicii studiate ( xi ).
Indicatorii modificărilor absolute pot fi calculaţi în două variante:

- cu bază fixă: ∆ i/ 1 = xi − x1 ; i = 2, 3, 4, ..., n
- cu bază variabilă (în lanţ): ∆ i/i −1 = xi − xi −1
Indicatorii exprimaţi prin mărimi relative
Pe baza indicatorilor iniţiali exprimaţi în mărimi absolute se pot calcula indicatori

relativi, care dau o consistenţă distinctă concluziilor pe care le generează. Indicatorii
exprimaţi prin mărimi relative sunt:
- indicii de dinamică:
xi
- cu bază fixă: I i/1 = ; i = 2, 3, 4, ..., n
x1
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
- valoarea absolută a unui procent din ritmul dinamicii

∆ 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
Varietatea nivelurilor absolute iniţiale, a modificărilor individuale exprimate în

cifre absolute sau relative ce caracterizează evoluţia unui fenomen de la un segment de
timp la altul care formează perioada considerată pentru a fi cercetată, condiţionează
necesitatea generalizării acestora cu ajutorul indicatorilor medii.
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:
a)- Nivelul mediu

Nivelul mediu al unei serii dinamice se calculează prin procedee distincte, după
cum aceaste este de intervale de timp sau de momente, astfel:
- pentru o serie dinamică de intervale de timp, nivelul mediu se calculează cu
Σ xi
ajutorul mediei aritmetice simple: x = ,
n
în care:
xi reprezintă indicatorii de nivel ai seriei dinamice
n este numărul segmentelor detimp

- în cazul seriilor dinamice de momente, nivelul mediu al indicatorilor prezentaţi

în serie dinamică se calculează cu ajutorul mediei cronologice simple sau ponderate după
cum intervalele de timp dintre momente sunt egale sau inegale.
b)- Creşterea sau scăderea medie absolută

Creşterea sau scăderea medie absolută a unui fenomen pe parcursul perioadei
supuse studiului se calculează prin aplicarea mediei aritmetice simple la modificările
absolute cu bază în lanţ, asfel:
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.
d)- Ritmul mediu de creştere sau de scădere

Ritmul mediu de creştere sau de scădere a unui fenomen (R ) se determină în
formă procentuală pe baza indicelui mediu, astfel:
R = I ⋅ 100 − 100
Ritmul mediu exprimă cu cât a crescut sau a scăzut fenomenul în perioada

studiată.

Exemplul 16
Pe baza seriei dinamice a cifrei de afaceri realizată de o societate comercială se va

exemplifica calculul indicatorilor absoluţi, relativi şi medii cu ajutorul cărora se poate
caracteriza evoluţia cifrei de afaceri.
Tabelul 19
Dinamica cifrei de afaceri
Anu Cifra Modificarea Indicii de Ritmul Valoarea

l de absolută dinamică dinamicii absolută a
afaceri ∆ i/ 1 ∆ i/ i −1 I i/1 I i/i −1 Ri/1 Ri/i −1 unui
-mil. (%) (%) procent
lei- din ritmul
dinamicii
(xi ) cu bază
variabilă
(în lanţ)
Vi/i −1
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 % %

7 2.600 1.6 300 2,60 1,13 +160 +13 23

00 % %
8 2.700 1.7 100 2,70 1,04 +170 +4% 26
00 %
9 3.000 2.0 300 3,00 1,11 +200 +11 27
00 % %
Tot 18.500 2.000
al
Se menţionează că suma modificărilor absolute calculate cu baza în lanţ este egală

cu ultima modificare absolută calculată cu baza fixă,
Σ∆ i/i −1 = ∆ n/ 1 = 400 + 300 + 100 + 200 + 300 + 300 + 100 + 300 = 2.000
şi de asemenea, produsul indicilor de dinamică calculaţi cu baza în lanţ este egal cu

ultimul indice de dinamică calculat cu baza fixă,
∏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
- Ritmul mediu anual de creştere

R = I ⋅ 100 − 100 = 1,147 ⋅ 100 − 100 = +14,7%
VIII.2. AJUSTAREA SERIILOR DINAMICE
Evoluţia fenomenelor social-economice, modificările care se produc de la un

segment de timp la altul, sunt influenţate de un complex de factori esenţiali şi neesenţiali,
care pot acţiona într-o paletă largă de forme: concomitent sau succesiv; cu o intensitate
mai mare sau mai mică; în acelaşi sens sau în sensuri diferite.
Factorii esenţiali sau de natură obiectivă imprimă fenomenului o evoluţie bine
determinată, care este reprezentată printr-o traectorie de dezvoltare constituită din două
componente: tendinţa generală şi tendinţa periodică sau sezonieră. Factorii neeesenţiali
au o reprezentare aleatoare în structura factorilor de influenţă şi din acest motiv, din
punct de vedere statistic, sunt consideraţi că formează „termenul de eroare”.
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
C- metode de ajustare analitică

A) Metoda de ajustare grafică

Ajustarea grafică se bazează pe reprezentarea grafică a seriei dinamice sub forma
cronogramei (historiogramei) şi trasarea vizuală a unei linii drepte sau curbe, după caz,
care este considerată că sintetizează în mod corespunzător evoluţia fenomenului
respectiv.
Această metodă are ca suport metodologic intuiţia cercetătorului de a identifica
tendinţa generală atunci când linia empirică nu sugerează în mod direct imaginea
tendinţei fenomenului. Ajustarea grafică are un caracter orientativ şi serveşte, de regulă,
pentru alegerea funcţiei matematice (ecuaţiei de trend) când se procedează la aplicarea
unor metode analitice de ajustare.
B) Metode de ajustare mecanică

Ajustarea mecanică a seriilor dinamice se realizează prin aplicarea în mod
mecanic a unei metodologii sau formule considerată ca fiind adecvată pentru seria
dinamică supusă analizei.
Metodele de ajustare a seriilor dinamice cu un suport metodologic mecanic de

calcul sunt:
- metoda mediilor mobile
- metoda sporului (scăderii) mediu
- metoda indicelui mediu de creştere (scădere)
Ajustarea cu ajutorul mediilor mobile permite caracterizarea tendinţei generale a

evoluţiei unui fenomen prin eliminarea totală sau numai parţială a variabilităţii cauzată de
factorii cu acţiune sezonieră precum şi a termenului rezidual. Acest deziderat se
realizează prin înlocuirea indicatorilor reali ai seriei dinamice cu indicatori medii
calculaţi pe baza unui număr determinat de indicatori ai seriei iniţiale. Subperioadele de
timp pentru care se calculează mediile mobile rămân egale ca mărime, deplasându-se de

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.
Ajustarea cu ajutorul sporului (scăderii) mediu

Procedeul sporului (scăderii) mediu se aplică cu suficientă încredere pentru
ajustarea unei serii dinamice, atunci când modificările absolute calculate cu baza în lanţ
din indicatorii de nivel iniţiali, sunt apropiate ca mărime între ele. Dacă este îndeplinită
această condiţie, ajustarea se realizează cu ajutorul următoarei relaţii:
y i = x B + (i − B ) ⋅ ∆ ,
în care,
i = 1, 2, 3, ... , n
yi = xˆi reprezintă valoarea ajustată, care înlocueşte termenul real xi
xB este unul din indicatorii reali, ales ca bază de ajustare, B = 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

Ajustarea cu ajutorul indicelui mediu de creştere (scădere)

Această metodologie de ajustare are ca suport aproximarea indicatorilor unei serii
dinamice pe baza relaţiei existente între primul nivel al seriei ( x1 ), indicele mediu de
creştere sau scădere (I ) şi nivelul final al seriei dinamice ( xn ).

Ajustarea cu ajutorul indicelui mediu de creştere (scădere) este recomandată
atunci când indicii de creştere (scădere) calculaţi cu baza în lanţ au valori apropiate ca
mărime între ei.
În aceste condiţii relaţia pentru ajustare este,
yi = xB ⋅ (I )
i−B
,
în care,
I este indicele mediu calculat cu media geometrică

Celelalte notaţii au aceleaşi semnificaţii cu acelea precizate la ajustarea cu
ajutorul sporului (scăderii) mediu
Exemplul 17
Exemplificarea metodologiei de ajustare a seriilor dinamice cu ajutorul metodei

sporului (scăderii) mediu şi respectiv a metodei indicelui mediu de creştere (scădere) o vom
realiza pe baza unei serii statistice care exprimă evoluţia cifrei de afaceri înregistrată de o
societate comercială într-o perioadă de 8 ani (Tabelul 20).

Tabelul 20
Cifra Niveluri ajustate cu ajutorul Niveluri ajustate cu ajutorul

de sporului mediu anual indicelui mediu anual de
Anul afac yi = xB + (i − B ) ⋅ ∆ creştere
eri yi = xB ⋅ (I )
i−B
(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
4 180 y4 = 180 + (4 − 4 ) ⋅ 37 = 180 y4 = 190 ⋅ 1, 2033(4 − 5 ) = 157,90
5 190 y5 = 180 + (5 − 4 ) ⋅ 37 = 217 y 5 = 190 ⋅ 1,2033 (5−5 ) = 190,00
6 270 y6 = 180 + (6 − 4) ⋅ 37 = 254 y6 = 190 ⋅ 1,2033(6 − 5 ) = 228,63
7 290 y7 = 180 + (7 − 4) ⋅ 37 = 291 y7 = 190 ⋅ 1, 2033(7 − 5 ) = 275,11
8 359 y8 = 180 + (8 − 4 ) ⋅ 37 = 328 y8 = 190 ⋅ 1,2033(8 − 5 ) = 331,04
Tota 1.64
l 0
1) Ajustarea seriilor dinamice cu ajutorul metodei sporului (scăderii) mediu se

derulează în următoarele etape:
a) - se reprezintă grafic seria dinamică a cifrei de afaceri şi se procedează la
ajustarea grafică a acesteia prin trasarea unei drepte,

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
b) - se alege indicatorul real bază de ajustare

Reprezentarea grafică şi respectiv dreapta care ajustează seria dinamică a cifrei de
afaceri oferă posibilitatea vizuală să se aprecieze că nivelul anului 4 se apropie cel mai
mult de linia ajustării grafice, (x B = x 4 = 180) .
c) - se calculează modificarea medie absolută (sporul mediu),

Σ∆ i/i −1 ∆ n/ 1 xn − x1 359 − 100
∆= = = = = 37 mil. lei
n −1 n −1 n −1 8 −1
d) - se calculează nivelurile ajustate ale cifrei de afaceri pe baza ecuaţiei,
yi = xB + (i − B ) ⋅ ∆
Seria de valori ajustate este prezentată în tabelul 20, coloana 3.
2) Metoda indicelui mediu de creştere (scădere), aplicată pentru ajustarea seriilor

dinamice, se derulează într-o modalitate de lucru similară cu metoda sporului (scăderii)
mediu dar la calculul nivelurilor ajustate se foloseşte ecuaţia:
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
Indicele mediu anual de creştere este:
xn 8 −1 359 7
I = n −1 = = 3,59 = 1,2033
x1 100
Seria de valori ajustate cu cu ajutorul indicelui mediu anual de creştere este

prezentată în tabelul 20, coloana 4.
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.

C) Metode de ajustare analitică

Pentru a caracteriza evoluţia şi tendinţa fenomenelor cu ajutorul metodelor
analitice se folosesc serii dinamice de date statistice referitoare la perioade reprezentative
de timp. Dacă este necesar, indicatorii analizaţi sunt supuşi unor prelucrări preliminare
pentru a asigura comparabilitatea acestora în timp prin operarea acelor corecţii care au în
vedere, de exemplu, nivelul indicelui inflaţiei, respectiv transformarea indicatorilor din
mărimi nominale sau curente în mărimi reale prin raportarea nivelului nominal la indicele
inflaţiei sau, pentru a corecta indicatorii înregistraţi pe segmente de timp prin prisma
numărului de zile aferente pentru a se referi la durate perfect comparabile etc..
De asemenea, comparabilitatea indicatorilor prezentaţi în serie dinamică se
asigură prin folosirea aceleiaşi metodologii de calcul, exprimă fenomene cu acelaşi
conţinut, definite în acelaşi mod şi se referă la structuri organizatorice similare.
Dacă ne referim la evoluţia unui indicator economico-financiar acesta are mai

multe componente care îşi pun amprenta pe mărimea nivelurilor individuale şi anume:
- o componentă are un conţinut esenţial, marchează tendinţa obiectivă sau
evoluţia generală datorată creşterii sau regresului economic înregistrat în plan economic
pe termen lung,
- o componentă exprimă modificarea ciclică, conjuncturală, sesizabilă pe
perioade mari de timp (5, 10, 15 sau 20 de ani), determinată de factori care acumulează
periodic efecte ale contradicţiilor obiective ce au loc în activitatea economico-socială şi
politică,
-o componentă este reprezentată de manifestarea cu caracter sezonier, lunară sau
trimestrială,
- o componentă se referă la variaţiile cu caracter întâmplător, neesenţiale
(variaţia reziduală sau termenul de eroare).
Toate activităţile şi subactivităţile economice sunt influenţate, într-o măsură mai

mare sau mai mică, de factori naturali, de factori economici constanţi sau cu caracter
conjunctural, precum şi de factori dirijaţi prin decizii legislative, care pot determina în
consecinţă oscilaţii ale mărimii indicatorilor economici şi financiari.

Succesiunea anotimpurilor exercită în mod evident o anumită influenţă asupra

unor activităţi economice (transport, agricultură, unele ramuri industriale, turism) printr-o
ofertă diferită de produse sau printr-o solicitare sezonieră diferenţiată din partea
beneficiarilor de produse şi servicii. În general, fiecare an calendaristic se constituie ca un
ciclu economic prezentând aceleaşi regularităţi sezoniere de creştere şi de reducere a
activităţii, dar pe fondul unei evoluţii şi tendinţe medii a volumului de activitate.
Metodele analitice de ajustare constau în înlocuirea nivelurilor reale ale seriei

dinamice cu niveluri calculate (teoretice) pe baza unei ecuaţii de tendinţă, ai cărei
parametrii sunt estimaţi, de regulă, prin metoda celor mai mici pătrate, dar rezultate
convenabile pot fi obţinute şi cu ajutorul altor metode, cum ar fi:metoda totalurilor
parţiale echidistante sau metoda punctelor empirice alese.
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 ;

- dacă indicii de dinamică calculaţi cu baza în lanţ din logaritmii indicatorilor de

nivel reali, sunt de mărimi apropiate între ele, ajustarea poate fi efectuată pe baza
ecuaţiei: log y = abt .
- în vederea ajustării seriilor dinamice a căror evoluţie este de tip exponenţial sau
are o formă logistică, respectiv se conformează formei literei S, curba tinde să se apropie
de o limită superioară sau inferioară denumită asimptotă, se optează, de regulă, pentru
una din următoarele tipuri de ecuaţie:
y = a + b ⋅ c t - ecuaţia (curba) exponenţială modificată
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
Se menţionează că reprezentarea grafică şi respectiv ajustarea grafică a seriei

dinamice oferă, de asemenea, soluţii utile pentru alegerea formei ecuaţiei de tendinţă,
deoarece se vizualizează astfel atât evoluţia cât şi tendinţa indicatorului analizat.
Metodologia ajustării seriilor dinamice are în vedere parcurgerea următoarelor

etape de lucru:
a- se reprezintă grafic seria dinamică sau se calculează indicatorii derivaţi care
oferă informaţia necesară alegerii formei ecuaţiei de tendinţă;
b- se alege tipul de ecuaţie care se consideră că sintetizează în mod adecvat
evoluţia indicatorului prezentat în serie dinamică;
c- se calculează valorile estimate ale parametrilor care localizează ecuaţia de
tendinţă în care scop se utilizează, de regulă, metoda celor mai mici pătrate, dar se poate
apela şi la metoda totalurilor parţiale echidistante sau metoda punctelor empirice alese,
după cum se apreciază că sunt soluţii viabile;

d- pe baza ecuaţiei de tendinţă, se determină seria nivelurilr estimate ale

indicatorului studiat ( y i ) , şi se verifică corectitudinea calculelor prin existenţa
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.
Studiu comparativ de ajustare a unei serii dinamice ai cărei

parametrii sunt estimaţi prin trei metode
1) metoda punctelor empirice alese,

2) metoda totalurilor parţiale echidistante
3) metoda celor mai mici pătrate
Exemple demonstrative
1) Metoda punctelor empirice alese
Se reprezintă grafic seria dinamică a nivelurilor reale şi se trasează o linie de

ajustare grafică.

Reprezentarea grafică a seriei de valori reale şi a

seriei de valori estimate
12
10
Niveluri reale
8
6
Niveluri
4
estimate
2
0
1 2 3 4 5 6
Anii
Fig. 12
Pe baza ajustării grafice a seriei dinamice se apreciază că punctele aferente anilor

2001 şi 2002 se apropie cel mai mult de o linie convenţională trasată prin apreciere
vizuală şi pot forma, prin urmare, sistemul de ecuaţii necesar estimării parametrilor „a” şi
„b” din ecuaţia y = a + bt , astfel:
2 = a + 2b
 → a = −2 şi b = 2
 4 = a + 3b
Ecuaţia de tendinţă definită prin metoda punctelor empirice alese este:

y = −2 + 2 ⋅ t
Se menţionează că nivelurile ajustate sau estimate prin folosirea metodei

punctelor empirice alese depind într-o măsură categorică de poziţia punctelor pe baza
cărora s-a constituit sistemul de ecuaţii.
În aceste condiţii se constată că numai în mod întâmplător se verifică egalitatea:

Σx = Σy

Tabel cu rezultate şi calcule intermediare
Metoda punctelor empirice alese

Nive
Anu - ti xi2 Niveluri ui = xi − yi ui2 yi2
l luril le
e ajustate
reale yi
xi
200 1,00 1 1 0 1 1 0
0
200 2,00 2 4 2 0 0 4
1
200 4,00 3 16 4 0 0 16
2
200 5,00 4 25 6 -1 1 36
3
200 8,00 5 64 8 0 0 64
4
200 10,0 6 10 10 0 0 100
5 0 0
Tot 30,0 21 21 34 2 220
al 0 0

„Coeficientul de neregularitate al lui Theil”
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
2) Metoda totalurilor parţiale echidistante
Sistemul de ecuaţii necesar estimării parametrilor ecuaţiei de tendinţă se obţine

prin însumarea ecuaţiilor liniare aferente primelor trei segmente de timp şi respectiv
ultimelor trei segmente, astfel:
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 
Sistemul de ecuaţii care se formează este
 7 = 3a + 6b
 → a = −1,2222 şi b = 1,7777
23 = 3a + 15b
Ecuaţia de tendinţă definită prin metoda totalurilor parţiale echidistante este:

y = −1,2222 + 1,7777 ⋅ t

Nive Metoda totalurilor parţiale echidistante

- Nivelurile ui = xi − yi ui2 yi2
Anu luril ti xi2 ajustate
l e yi
reale
xi
200 1,00 1 1 0,56 0,44 0,1936 0,3136
0
200 2,00 2 4 2,33 -0,33 0,1089 5,4289
1
200 4,00 3 16 4,11 -0,11 0,0121 16,8921
2
200 5,00 4 25 5,89 -0,89 0,7921 34,6921
3
200 8,00 5 64 7,67 0,33 0,1089 58,8289
4
200 10,0 6 10 9,44 0,56 0,3136 89,1136
5 0 0
Tot 30,0 21 21 30,00 0,00 1,5292 205,2692
al 0 0

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
3) Metoda celor mai mici pătrate
Sistemul de ecuaţii rezultat prin aplicarea metodei celor mai mici pătrate şi
nivelurile estimate ale parametrilor ecuaţiei de tendinţă y = a + bt sunt:
 Σ x = n⋅a + b⋅Σt  30 = 6a + 21b

 2 →  → a = −1, 4 şi b = 1,828571
Σ xt = a ⋅ Σ t + b ⋅ Σ t 137 = 21a + 91b
Ecuaţia de tendinţă definită prin metoda celor mai mici pătrate este:
y = −1,4 + 1,828571 ⋅ t

Nive Metoda celor mai mici pătrate

- Niveluri ui = xi − yi ui2 yi2
Anu luril ti xi t i t i2 xi2 le
l e ajustate
reale yi
xi
200 1,00 1 1 1 1 0,43 0,57 0,32 0,1849
0 49
200 2,00 2 4 4 4 2,26 -0,26 0,06 5,1076
1 76
200 4,00 3 12 9 16 4,09 -0,09 0,00 16,728
2 81 1
200 5,00 4 20 16 25 5,91 -0,91 0,82 34,928
3 81 1
200 8,00 5 40 25 64 7,74 0,26 0,06 59,907
4 76 6
200 10,0 6 60 36 10 9,57 0,43 0,18 91,584
5 0 0 49 9
Tot 30,0 21 13 91 21 30,00 0,00 1,48 208,44
al 0 7 0 12 12

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
Mărimea cea mai mică a coeficientului de neregularitate al lui Theil confirmă

faptul că seria de valori estimate cu ecuaţia de tendinţă care a fost localizată prin
aplicarea metodei celor mai mici pătrate prezintă cea mai bună soluţie de ajustare
(cunoscînd că în acest caz Th = 4,207%). Prin urmare, ecuaţia y = −1,4 + 1,828571 ⋅ t ,
poate fi utilizată cu încredere în calcule de prognoză.
Se remarcă, de asemenea, că metoda totalurilor parţiale echidistante oferă o

soluţie echivalentă, deoarece valorile coeficientului Th, aferente celor două metode, sunt
aproximativ egale.
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.

Situaţia sinoptică a rezultatelor obţinute prin cele trei metode
Niveluri Niveluri ajustate Niveluri ajustate

Nive ajustate sau sau estimate prin sau estimate prin
Anu - ti estimate prin metoda totalurilor metoda celor
l luril metoda parţiale echidistante mai mici pătrate
e punctelor y = − 1, 2222 + 1,7777 ⋅ t y = −1,4 + 1,828571 ⋅ t
reale empirice alese
xi (2001 şi 2002)
y = −2 + 2 ⋅ t
200 1,00 1 0 0,56 0,42857
0
200 2,00 2 2 2,33 2,25714
1
200 4,00 3 4 4,11 4,08571
2
200 5,00 4 6 5,89 5,91429
3
200 8,00 5 8 7,67 7,74286
4
200 6 10 9,44 9,57143
5 10,0
0
Tota 30,0 21 34 30,000000 30,00000
l 0

VIII.3. MĂSURAREA OSCILAŢIILOR SEZONIERE
Sunt unele fenomene social-economice a căror evoluţie prezintă oscilaţii

periodice datorită particularităţilor sezoniere ale consumului sau ale producţiei, ale
obţinerii veniturilor sau ale desfăşurării unor operaţiuni de aprovizionare cu mărfuri, cu
materii prime şi materiale. Asemenea oscilaţii pot fi întâlnite în cazul producţiei agricole,
al transporturilor maritime şi fluviale, în turism, în vânzarea către consumatorii finali a
unor mărfuri care au fie producţie sezonieră fie consum sezonier (fructe, bere, sucuri şi
răcoritoare, îngheţată, conserve de legume şi de fructe, diverse obiecte de îmbrăcăminte
şi încăţăminte etc.).
Pentru a analiza componenta sezonieră a variabilităţii temporale a fenomenelor
este necesar să se cunoască, mai întâi, care este periodicitatea acestora, dacă sezonalitatea
se manifestă lunar sau trimestrial.
Măsurarea oscilaţiilor sezoniere se realizează cu ajutorul coeficienţilor de
sezonalitate care se determină prin raportarea nivelului mediu al fiecărui trimestru (lună)
din perioada analizată la nivelul mediu general calculat pentru un trimestru sau lună în
următoarele două condiţii metodologice:
- calculul valorilor medii, în mod nemijlocit, pe baza indicatorilor de nivel reali.
- calculul valorilor medii pe baza rezultatelor obţinute prin raportarea indicatorilor
de nivel reali la indicatorii de nivel estimaţi (ajustaţi), care sintetizează tendinţa generală
a evoluţiei fenomenului studiat ( xi /yi ) . Pentru calculul indicatorilor de nivel estimaţi se
poate apela la una din metodele mecanice sau analitice de ajustare a seriilor dinamice.
Exemplul 18
Exemplificarea metodologiei de calcul a coeficienţilor de sezonalitate, în varianta

folosirii indicatorilor de nivel reali, folosim datele din tabelul 21, care se referă la
vânzările unei mărfi a cărei sezonalitate se manifestă trimestrial.

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.
Pentru a calcula coeficienţii de sezonalitate este necesar să se determine, în primul

rând, desfacerile medii din fiecare trimestru şi respectiv desfacerile medii pe un trimestru
din cei patru ani supuşi studiului (media trimestrială generală), astfel:
- desfacerile realizate în medie în fiecare trimestru,
1. pentru trimestru I
500 + 520 + 550 + 570

xI = = 535,0 mii lei
4
2. pentru trimestru II
600 + 780 + 900 + 1.030

xII = = 827,5 mii lei
4

3. pentru trimestru III
800 + 900 + 1.100 + 1.300

xIII = = 1.025,0 mii lei
4
4. pentru trimestru IV
1.100 + 1.300 + 1.550 + 1.800

xIV = = 1.437,5 mii lei
4
- desfacerile realizate în medie într-un trimestru (media trimestrială generală),
535,0 + 827,5 + 1.025,0 + 1.437,5

x0 = = 956,25 mii lei
4
În continuare se calculează coeficienţii de sezonalitate trimestrială, astfel:
- coeficientul de sezonalitate al trimestrului I

535,00
Cs1 = = 0,560; 56,0%
956,25
- coeficientul de sezonalitate al trimestrului II
827,50
Cs2 = = 0,865; 86,5%
956,25
- coeficientul de sezonalitate al trimestrului III
1.025,00
Cs3 = = 1,072; 107,2%
956,25
- coeficientul de sezonalitate al trimestrului IV
1.437,50
Cs4 = = 1,503; 150,3%
956,25

Prin urmare, se menţionează că dacă vânzările din marfa respectivă ar fi fost

uniforme în fiecare trimestru, atunci mărimea coeficienţilor de sezonalitate ar fi
înregistrat o valoare constantă de 956,25 mii lei dar, în aceste condiţii nu ar fi existat
fenomenul de sezonalitate.
În cazul exemplului luat în discuţie, coeficienţii de sezonalitate au mărimi diferite

şi arată, prin urmare, care sunt trimestrele în care vânzările depăşesc nivelul mediu
trimestrial general (trimestrele III şi IV) şi respectiv care sunt trimestrele în care vânzările
se poziţionează sub media generală (trimestrele I şi II). Se identifică astfel faptul că
sezonul vânzărilor din marfa respectivă este în trimestrele III şi IV deoarece coeficienţii
de sezonalitate calculaţi pentru aceste trimestre au valori supraunitare.
Opţiunea pentru a folosi metodologia determinării coeficienţilor de sezonalitate

prin calculul valorilor medii, în mod nemijlocit, pe baza indicatorilor de nivel reali este
mai redusă deoarece se consideră că în acest fel mărimea coeficienţilor este influenţată şi
de tendinţa obiectivă generală de creştere a fenomenului studiat, de la un segment de timp
la altul. În aceste condiţii se apreciază că este mai indicat să se folosească pentru calculul
coeficienţilor de sezonalitate cea de a două variantă metodologică care utilizează valorile
medii determinate pe baza rezultatelor obţinute prin raportarea indicatorilor de nivel reali
la indicatorii de nivel estimaţi (ajustaţi), aşa cum se va proceda în cazul exemplelor
următoare, 19 şi 20.
Exemplul 19
Analiza seriilor dinamice prin ajustare şi identificarea componentei sezoniere cu

ajutorul„mediilor mobile”o vom exemplifica prin prelucrarea seriei referitoare la
dinamica cifrei de afaceri din tabelul 22.

Tabelul 22
Perioa Cifra Medii xi Coeficientul Seria dinamică iniţială

da de mobile MM i mediu de ajustată prin excluderea
afacer ( MM i ) sezonalitate sezonalităţii
i trimestrială (modelul multiplicativ)
(mil. xi
( yi ) →
lei) it Cst
Cst =
(xi ) i
Anul 2 0,503212 3,97447150891

1:1
Anul 6 1,457192 4,11750927692
1:2
Anul 11 5,750 1,91304 2,315452 4,75069203124
1:3 35
Anul 3 6,500 0,46153 0,588975 5,09359409991
1:4 85
Anul 4 7,875 0,50793 0,503212 7,94894301782
2:1 65
Anul 10 9,000 1,11111 1,457192 6,86251546153
2:2 11
Anul 18 9,250 1,94594 2,315452 7,77385968748
2:3 59
Anul 5 10,000 0,50000 0,588975 8,48932349985
2:4 00
Anul 4 11,625 0,34408 0,503212 7,94894301782
3:1 60
Anul 16 12,750 1,25490 1,457192 10,9800247384

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
Notă:Analiza seriilor dinamice cu ajutorul „mediilor mobile” trebuie să se

bazeze pe serii formate din minimum 4 ani.
În cazul acestui exemplu reprezentarea grafică a seriei dinamice (Fig.13)

identifică existenţa unei sezonalităţi trimestriale.
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

Etapele calculului în cazul sezonalităţii trimestriale:
1) Calculul mediilor mobile:

0,5 ⋅ 2 + 6 + 11 + 3 + 0,5 ⋅ 4 23
MM 1 = = = 5,750
4 4
0,5 ⋅ 6 + 11 + 3 + 4 + 0,5 ⋅ 10 26
MM 2 = = = 6,500
4 4
0,5 ⋅ 11 + 3 + 4 + 10 + 0,5 ⋅ 18 31,5
MM 3 = = = 7,875
4 4
0,5 ⋅ 3 + 4 + 10 + 18 + 0,5 ⋅ 5 36
MM 4 = = = 9,000
4 4
0,5 ⋅ 4 + 10 + 18 + 5 + 0,5 ⋅ 4 37
MM 5 = = = 9,250
4 4
0,5 ⋅ 10 + 18 + 5 + 4 + 0,5 ⋅ 16 40
MM 6 = = = 10,000
4 4
0,5 ⋅ 18 + 5 + 4 + 16 + 0,5 ⋅ 25 46,5
MM 7 = = = 11,625
4 4
0,5 ⋅ 5 + 4 + 16 + 25 + 0,5 ⋅ 7 51
MM 8 = = = 12,750
4 4
0,5 ⋅ 4 + 16 + 25 + 7 + 0,5 ⋅ 6 53
MM 9 = = = 13,250
4 4
0,5 ⋅ 16 + 25 + 7 + 6 + 0,5 ⋅ 20 56
MM 10 = = = 14,000
4 4
0,5 ⋅ 25 + 7 + 6 + 20 + 0,5 ⋅ 30 60,5
MM 11 = = = 15,125
4 4
o,5 ⋅ 7 + 6 + 20 + 30 + 0,5 ⋅ 9 64
MM 12 = = = 16,000
4 4
Notă:Fiecare medie mobilă va înlocui indicatorul de nivel real situat în mijlocul

seriei de indicatori care stau la baza calculului mediei. Astfel, MM1, va înlocui nivelul
înregistrat în Anul 1: 3; MM2, va înlocui nivelul înregistrat în Anul 1: 4, ş. a. m. d.. Dacă
mediile mobile sunt formate dintr-un număr impar de indicatori, nu mai este necesar ca

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.
2) Calculul „mediilor individuale de sezonalitate trimestrială” (i t ) ca medii
aritmetice ale ratelor exprimate prin rapoartele, x i / MM i şi a „mediei generale de
sezonalitate trimestrială”, aferentă întregii perioade, i , calculată ca medie geometrică,

astfel:
0,5079365 + 0,3440860 + 0,3966942
i1 = = 0,4162389
3
1,1111111 + 1,2549020 + 1,2500000
i2 = = 1,2053377
3
1,9130435 + 1,9459459 + 1,8867924
i3 = = 1,9152606
3
0,4615385 + 0,5000000 + 0,5000000
i4 = = 0,4871795
3
i = 4 i1 ⋅ i2 ⋅ i3 ⋅ i4 = 4 0,4162389 ⋅ 1,2053377 ⋅ 1,9152606 ⋅ 0,4871795 =

= 4 0,46813195 = 0,82716485
3) Calculul coeficienţilor medii de sezonalitate trimestrială, Cs t , prin raportarea
mediilor individuale de sezonalitate trimestrială (it ) la media generală de sezonalitate
trimestrială, aferentă întregii perioade, i :
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

4) Calculul seriei dinamice ajustată (seria iniţială ajustată prin excluderea

xi
sezonalităţii), yi =
Cst
Reprezentarea grafică a seriei dinamice iniţiale şi a seriei ajustate sunt prezentate
în Fig 14.
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
Pentru a calcula nivelurile prognozate ale cifrei de afaceri pe trimestrele anului 5

se poate utiliza un procedeu de extrapolare care se bazează pe aplicarea unor modificări
medii calculate succesiv, astfel:
a) Extrapolarea seriei ajustate pe baza modificării medii de la trimestrul IV

la trimestrul I.
7,948943 – 5,093594 = 2,855349

7,948943 – 8,489323 = - 0,540380
11,923415 – 11,885053 = 0,038362
Total……2,353331 : 3 = + 0,784444
- Prognoza nivelului care exprimă tendinţa

Anul 5 : 1 ⇒ 15,280782 + 0,784444 = 16,065226 mil. lei

- Prognoza nivelului care exprimă tendinţa şi sezonalitatea
Anul 5 : 1 ⇒ 16,065226 ⋅ 0,503212 = 8,084215 mil. lei
b) Extrapolarea seriei ajustate pe baza modificării medii de la trimestrul I la

trimestrul II.
4,117509 – 3,974472 = 0,143037

6,862515 – 7,948943 = - 1,086428
10,980025 – 7,948943 = 3,031082
13,725031 – 11,923415 = 1,801616
Total……3,889307 : 4 = + 0,972327
Anul 5 : 2 ⇒ 16,065226 + 0,972327 = 17,037553 mil. lei
Anul 5 : 2 ⇒ 17,037553 ⋅ 1,457192 = 24,826986 mil. lei
c) Extrapolarea seriei ajustate pe baza modificării medii de la trimestrul II

la trimestrul III.
4,750692 – 4,117509 = 0,633183

7,773860 – 6,862515 = 0,911345
10,797027 – 10,980025 = - 0,182998
12,956433 – 13,725031 = - 0,768598
Total…….0,592932 : 4 = + 0,148233
Anul 5 : 3 ⇒ 17,037553 + 0,148233 = 17,185786 mil. lei
Anul 5 : 3 ⇒ 17,185786 ⋅ 2,315452 = 39,792863 mil. lei

d) Extrapolarea seriei ajustate pe baza modificării medii de la trimestrul III

la trimestrul IV.
5,093594 – 4,750692 = 0,342902

8,489323 – 7,773860 = 0,715463
11,885053 – 10,797027 = 1,088026
15,280782 – 12,956433 = 2,324349
Total…..4,470740 : 4 = +1,117685
Anul 5 : 4 ⇒ 17,185786 + 1,117685 = 18,303471 mil. lei
Anul 5 : 4 ⇒ 18,303471 ⋅ 0,588975 = 10,780287 mil. lei
Exemplul 20
Pentru exemplificarea metodelor analitice de analiză a evoluţiei, sezonalităţii şi

tendinţei cifrei de afaceri pe care a înregistrat-o un agent economic, s-a constituit o serie
dinamică cu niveluri trimestriale pe o perioadă de 3 ani, iar în final pe baza rezultatelor
analizei evoluţiei generale corectată cu sezonalitatea, ne propunem să calculăm estimaţia
cifrei de afaceri, pe trimestre, în anul 4.

Tabelul 23
Calcule necesare analizei evoluţiei şi tendinţei cifrei de afaceri

Cifra de Tendinţa Coeficientul Tendinţa
afaceri ti t2i x i ti liniară produsului liniară
(xi) yi = a + bti componentei corectată în
sezonalităţii cu funcţie de
Perioada
(T ⋅ S ⋅ R) (T) termenul de sezonalitate
eroare a
( xi /yi ) trimestrială
 T ⋅ S⋅ R  ( yi ⋅ Csi )
 = S⋅ R 
 T 
(T ⋅ S)
trim.I 2 1 1 2 3,923077 0,5098 1,79332

trim.II 6 2 4 12 4,891608 1,2266 5,94947
trim.III 11 3 9 33 5,860140 1,8771 10,91389
trim.IV 3 4 16 12 6,828671 0,4393 3,16998
Total 22 30 59 4,0528 21,82666
an 1
trim.I 4 5 25 20 7,797203 0,5130 3,56426
trim.II 10 6 36 60 8,765734 1,1408 10,66141
trim.III 18 7 49 126 9,734266 1,8491 18,12905
trim.IV 5 8 64 40 10,702797 0,4672 4,96842
Total 37 17 246 3,9701 37,32314
an 2 4
trim.I 4 9 81 36 11,671329 0,3427 5,33521
trim.II 16 10 10 160 12,639860 1,2658 15,37336
0
trim.III 25 11 12 275 13,608392 1,8371 25,34420
1
trim.IV 7 12 14 84 14,576923 0,4802 6,76685
4
Total 52 44 555 3,9258 52,81962

an 3 6
Total 111 78 65 860 111,00000 11,9487 111,96942
general 0 0
Notă:Seria dinamică a cifrei de afaceri ajustată cu ajutorul ecuaţiei de tendinţă

liniară este prezentată în coloana, „Tendinţa liniară”.
Notaţiile folosite în tabelul 23 au următoarele semnificaţii:

xi ⇔ T⋅ S⋅ R
y i = xˆ i ⇔ T
y i ⋅ Cs i ⇔ T⋅ S
T = tendinţa generală exprimată prin ecuaţia dreptei;

S = sezonalitatea;
R = termenul rezidual (termenul de eroare)
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

Relaţiile de calcul pentru diferitele componente ce determină o anumită mărime a

indicatorilor de nivel iniţiali sunt evidenţiate în două variante:
- prin procedeul multiplicativ:

xi T ⋅S⋅ R T ⋅S⋅ R S⋅R
↔ = S⋅R ; =R ; =S
yi T T ⋅S R
- prin procedeul aditiv:
(T + S+ R) − T = S+ R ; (T + S+ R) − (T + S) = R ; (S+ R) − R = S
Tendinţa generală a cifrei de afaceri este estimată cu ajutorul ecuaţiei de regresie

liniară, deoarece reprezentarea grafică (Fig. 15) sugerează o formă liniară a evoluţiei
cifrei de afaceri, în perioda celor trei ani supuşi analizei, y = a + bt .
Calculul parametrilor din ecuaţia de tendinţă aleasă este realizat prin aplicarea
metodei celor mai mici pătrate care conduce la următorul sistem de ecuaţii:
 Σ x = n ⋅ a + b ⋅ Σt  111 = 12a + 78b

 2
→ 
Σ xt = a ⋅ Σ t + b ⋅ Σ t 860 = 78a + 650b
Rezolvarea sistemului de ecuaţii a permis definirea ecuaţiei de tendinţă în forma: y

= 2, 954545 + 0, 968531 t
111 ⋅ 650 - 860 ⋅ 78 5070 12 ⋅ 860 - 78 ⋅ 111 1662

a= = = 2,954545 b = = = 0,968531
12 ⋅ 650 - 78 ⋅ 78 1716 12 ⋅ 650 - 78 ⋅ 78 1716
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, ...,) ,
- diferenţa dintre oricare două valori succesive ale lui t să fie constantă.
Mediile trimestriale ale componentelor cumulate de sezonalitate şi eroare:
a) Medii trimestriale individuale:
0,5098 + 0,5130 + 0,3427

M ( xi:yi )1 = = 0,455167
3
1,2266 + 1,1408 + 1,2658

M ( xi:yi )2 = = 1,211067
3
1,8771 + 1,8491 + 1,8371
M ( xi:yi )3 = = 1,854433
3
0,4393 + 0,4672 + 0,4802

M ( xi:yi )4 = = 0,462233
3
11,9487
b) Media trimestrială generală: M ( xi :yi )0 = = 0,995725
12
Coeficienţii medii de sezonalitate trimestrială aferenţi perioadei anilor 1-3:
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
Notă:Coeficienţii medii de sezonalitate trimestrială (Csi), fiind calculaţi ca raport

între mărimi medii, exprimă o tendinţă centrală şi nu sunt afectaţi de termenul de eroare.
Prognoza: y p = (a + btv ) ⋅ Cs

Anul 4 : 1 = 7, 10615 = (2,954545 + 0,968531 * 13) * 0,457121

Anul 4 : 2 = 20, 08539 = (2,954545 + 0,968531 * 14) * 1,216266
Anul 4 : 3 = 32, 55934 = (2,954545 + 0,968531 * 15) * 1,862395
Anul 4 : 4 = 8, 56529 = (2,954545 + 0,968531 * 16) * 0,464217
Această analiză semnalizează managerilor când este necesar să se aplice măsuri

prin care:
- să se asigure capacitatea necesară pentru acoperirea cererii de produse (servicii)
din trimestrele II şi III când sezonalitatea este supraunitară,
- să se asigure executarea lucrărilor de raparaţii la mijloacele fixe cu prioritate în
trimestrele cu activitate redusă,
- să se realizeze aprovizionarea cu resursele necesare în mod diferenţiat în funcţie
de mărimea solicitării trimestriale,
- să se programeze în mod judicios concediile de odihnă,
- să se asigure o plasare profitabilă a lichidităţilor,
- să se adopte cea mai bună politică pentru contractarea creditelor curente (de
trezorerie),
- să se asigure personalul necesar pentru realizarea volumului de activitate
previzibil, care va fi solicitat pe trimestre.
Prognoza volumului de activitate poate fi completată cu o estimare a structurii

cifrei de afaceri pe subactivităţi pe baza metodei lanţurilor Markov.
Este evident că pentru a obţine o creştere a performanţelor economico-financiare,

şi transformarea din deziderat în realitate a acestui obiectiv major al oricărei entităţi
economice, este necesar ca factorii de decizie, managerii să-şi fundamenteze acţiunile pe
analize statistice şi economice complexe.

Notă:Din punct de vedere metodologic, analiza prezentată poate fi considerată

ca model şi pentru alte activităţi cu o desfăşurare sezonieră cum ar fi producţia de
conserve din fructe sau produse agricole, producţia şi comercializarea de bere,
producţia de zahăr etc..
VIII.4. CARACTERIZAREA DINAMICII FENOMENELOR

SOCIAL-ECONOMICE CU AJUTORUL COEFICIENŢILOR DE
ELASTICITATE
Unele fenomene social-economice au o manifestare dinamică care este corelată cu

evoluţia altor fenomene. În acest sistem de interdependenţă statistică modificarea
dinamică a unor fenomene va fi determinată de modificarea altora. Identificarea şi analiza
influenţei factorilor determinanţi asupra celor determinaţi sau a măsurii în care
reacţionează un fenomen la modificarea în timp a altui fenomen se poate realiza şi cu
ajutorul coeficienţilor de elasticitate.
Coeficienţii de elasticitate exprimă procentul de creştere sau descreştere a
fenomenului rezultativ (determinat) atunci când fenomenul determinant se modifică cu un
procent.
În lucrările de analiză statistică, calculul şi interpretarea coeficienţilor de
elasticitate este particularizat, de regulă, pentru determinarea elasticităţii cheltuielilor
efectuate în vederea satisfacerii unei nevoi de consum personal în funcţie modificarea
veniturilor sau a preţurilor de vânzare, studiul elasticităţii vânzărilor dintr-o grupă de
mărfuri în funcţie de vânzările totale sau a altei grupe de mărfuri, pentru a analiza
elasticitatea exporturilor totale sau dintr-o anumită grupă de mărfuri în funcţie de
modificarea produsului intern brut.
Mărimea coeficienţilor de elasticitate poate fi subunitară, atunci când la o
modificare cu 1% a fenomenului determinant se produce o modificare mai mică de 1% a
fenomenului determinat, în acest caz se apreciază că fenomenul determinat este inelastic

sau are o elasticitate negativă (inversă) în raport cu modificarea fenomenului

determinant.
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%.
Formula generală de calcul a coeficienţilor de elasticitate, în profil dinamic, este:
y1 − y0 x1 − x0 ∆y1 / 0 ∆x1 / 0 x0 ⋅ ∆y1 / 0

E= : = : =
y0 x0 y0 x0 y0 ⋅ ∆x1 / 0
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.
Dacă studiul statistic se referă la o serie dinamică de indicatori, calculul

coeficienţilor de elasticitate poate fi efectuat atât cu baza fixă cât şi cu baza variabilă (în
lanţ).
Caracterizarea dinamicii fenomenelor social-economice cu ajutorul coeficienţilor

de elasticitate oferă posibilitatea formulării unor concluzii cu semnificaţie statistică
superioară dacă coeficienţii de elasticitate sunt calculaţi pe baza unor niveluri estimate ale
fenomenului determinat, obţinute prin aplicarea unei ecuaţii de regresie care sintetizează
corelaţia dintre fenomenele sistemului propus şi care exprimă ce este esenţial în evoluţia

respectivă, se elimină, astfel, influenţa termenului de eroare (rezidual) sau a variaţiilor

neesenţiale. În aceste condiţii relaţia de calcul a coeficienţilor de elasticitate este,
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.
De exemplu, dacă se apreciază că ecuaţia liniei drepte ( y = a + bx ) sintetizează în

mod corespunzător corelaţia dintre fenomenele sistemului studiat, relaţia de calcul a
coeficientului de elasticitate are următoarea formă,
x0 ′ x
E= ⋅ (a + bx ) = 0 ⋅ b
a + bx0 yˆ0
Notă: Atunci când se consideră necesar, pentru a obţine rezultate şi respectiv

concluzii, cu grad sporit de abstractizare şi generalizare a semnificaţiei statistice, care
elimină influenţa factorului rezidual din evoluţia fenomenului determinant, se
procedează, în prelabil, la ajustarea seriei dinamice formată din indicatorii fenomenului
determinant prin aplicarea unei ecuaţii de tendinţă adecvate şi, în aceste condiţii, nivelul
real (empiric) x0 , din formula coeficientului de elasticitate, va fi înlocuit cu nivelul
estimat x̂0 .

VII.5. TEMA DE CONTROL A UNITĂŢII NR. 8
1. Descrieţi sistemul indicatorilor statistici exprimaţi prin mărimi absolute cu

ajutorul cărora sunt caracterizate seriile dinamice.
2. Descrieţi sistemul indicatorilor statistici exprimaţi prin mărimi relative cu
3. Descrieţi sistemul indicatorilor statistici exprimaţi prin mărimi medii cu
1. Ce este ajustarea seriilor dinamice ?

2. Descrieţi metodele de ajustare mecanică.
3. Descrieţi metodologia de ajustare analitică a seriilor dinamice cu ajutorul
metodei celor mai mici pătrate.
VII.7. BIBLIOGRAFIA SPECIFICĂ UNITĂŢII NR. 8

1996.

Unitatea de studiu nr. 9: CERCETAREA STATISTICĂ

PRIN SONDAJ

săcunoască conceptul de sondaj statistic;
să înţeleagă inevitabilitatea apariţiei erorilor de reprezentativitate întâmplătoare;
să cunoască procedeele statistice prin care se constituie eşantioane;
să cunoască modul de calcul al mărimii estimate a erorii de reprezentativitate
întâmplătoare în funcţie de tipul eşantionului;
să calculeze intervalul de încredere pentru un indicator statistic aferent
colectivităţii statistice din care s-a extras eşantionul.
.
IX.1.Fundamente conceptuale privind cercetarea statistică prin sondaj(pag. 207)
IX.2. Erorile în cercetarea statistică prin sondaj(pag. 210)

IX.3. Procedee de sondaj (pag. 213)
IX.4. Felurile eşantioanelor (pag. 220)
XI.5. Tema de control a unităţii nr. 9(pag. 260)

IX.6. Bibliografia specifică unităţii nr. 9(pag. 260)

IX.1. FUNDAMENTE CONCEPTUALE PRIVIND CERCETAREA

STATISTICĂ PRIN SONDAJ
Datele statistice care dau forma concretă de existenţă şi manifestare a

colectivităţilor statistice se obţin fie prin observarea totală a unităţilor componente , fie
prin observări parţiale de tipul anchetelor, monografiilor sau cercetărilor statistice prin
sondaj.
Cercetarea statistică prin sondaj are ca scop general efectuarea unei analize
tematice riguroase privind un ansamblu de unităţi pe care îl vom numi “populaţie” (în
sens statistic) sau colectivitate statistică, observând, prelucrând şi interpretând rezultate
ce se referă numai la oparte din unităţile ce o compun, numită eşantion.
Privită numai din acest punct de vedere se poate aprecia că, cunoaşterea umană
bazată pe observaţii parţiale este foarte veche, dar luată ca un procedeu fundamentat şi
utilizat în mod ştiinţific, cercetarea prin sondaj s-a conturat după al doilea război
mondial.
Pe plan mondial, cu toate progresele teoretice, incontestabile, înregistrate, cu
precădere, între cele două războaie mondiale, datorită unor iluştri specialişti ca Student,
K. Pearson, R. A. Fisher, Jerzy Neyman, A. N. Kolmogorov, P. C. Mahalanobis,
aplicaţiile metodei sondajului sunt totuşi modeste, în raport cu eficacitatea scontată a sa.
Cercetarea prin sondaj este forma cea mai eficientă de cercetare parţială, deoarece
se bazează pe studierea unei colectivităţi de unităţi relativ mici, însă constituită, prin
aplicarea unor reguli fundamentate în mod riguros şi care permite să se facă aprecieri
foarte precise asupra întregii mase de unităţi ce formează populaţia statistică.
Scopul aplicării unei asemenea metodologii de cercetare este de a estima
nivelurile unor caracteristici ale populaţiei statistice, cum sunt: media şi dispersia,
proporţia unităţilor ce deţin o anumită caracteristică, corelaţia dintre două sau mai multe
caracteristicii sau de a cunoaşte repartiţia unităţilor populaţiei după una sau mai multe
caracteristici.

Folosirea pe scară din ce în ce mai mare a cercetărilor prin sondaj este

determinată de avantajele pe care le prezintă această metodă, comparativ cu cercetarea
totală, şi anume:
- asigură o importantă economie de timp prin observarea, prelucrarea şi
interpretarea rezultatelor obţinute de la un număr relativ mic de unităţi ale populaţiei;
- permite reducerea volumului de mijloace umane şi financiare, comparativ cu
necesităţile de realizare ale unei observări totale;
- prin studierea caracteristicilor înregistrate numai la o parte a populaţiei apare
posibilitatea desfăşurării unei observări mai extinse, mai amănunţite, mai complexe şi
mai exacte a unităţilor supuse cercetării;
- în cadrul organizatoric al unei cercetări prin sondaj este posibilă exercitarea unui
control mai strict asupra operaţiunilor de culegere şi prelucrare a datelor;
- sondajul poate fi efectuat de un personal mai bine calificat pentru a culege,
prelucra şi interpreta rezultate;
- sondajul poate fi aplicat cu succes atunci când observarea totală a unităţilor ce
compun populaţia nu este posibilă, fie datorită unor necesităţi de resurse băneşti şi umane
foarte mari, care nu ar fi compensate de avantajele ce s-ar obţine prin folosirea
rezultatelor oferite, fie datorită faptului că unităţile supuse observării se distrug, fie că
populaţia statistică ce urmează a fi cercetată este infinită sau foarte numeroasă;
- prin sondaj se poate efectua verificarea modului de organizare şi a programului
unui recensământ ce urmează să fie realizat;
- pe baza unui sondaj se poate determina gradul de precizie a datelor obţinute
printr-un recensământ şi respectiv se poate opera o corecţie a datelor respective;
- datele obţinute prin sondaj sunt afectate de unele erori de reprezentativitate
întâmplătoare, a căror mărime poate fi însă estimată dacă se respectă caracterul
întâmplător de formare a eşantionului.
Teoria metodei sondajelor se bazează pe legea numerelor mari, care în esenţă este
formulată astfel: se poate afirma cu o probabilitate apropiată de unitate că, în cazul unui
număr suficient de mare de unităţi cercetate, indicatorii medii care caracterizează
eşantionul diferă cu o cantitate foarte mică de indiatorii care caracterizează populaţia
statistică din care a fost extras.

Practica cercetărilor statistice prin sondaj a făcut necesară consacrarea unor

noţiuni specifice, cu o semnificaţie adecvată acestui domeniu, astfel:
- Sondajul este un complex de operaţiuni metodologice aferente cercetării unei
părţi dintr-o populaţie statistică numită eşantion constituit prin folosirea unor procedee
adecvate de extragere. Sondajul poate fi de tip aleator sau probabilist sau de tip nealeator,
însă numai pentru sondajul aleator este posibil să se estimeze limitele erorilor de
reprezentativitate, în timp ce pentru sondajul care nu are un caracter aleator nu poate fi
calculat un nivel estimativ al erorilor comise.
- Eşantionul este o parte a unei populaţii statistice constituită în urma unei
operaţii de extragere a unora din unităţile ce o compun.
- Sondajul aleator sau probabilist este un sondaj efectuat pe baza teoriei
probabilităţilor; fiecare unitate din populaţie are o probabilitate cunoscută şi diferită de
zero de a fi inclusă în eşantion. În acest caz eşantionul se constituie prin utilizarea
procedeului tragerii la sorţi sau a procedeului sondajului cu ajutorul tabelului cu numere
întâmplătoare.
- Sondajul nealeator este acela care nu respectă în mod deplin principiul de
includere întâmplătoare în eşantion a unităţilor statistice. Unităţile eşantionului sunt alese
în mod conştient, premeditat sau se aplică un procedeu care poate introduce unele erori
sistematice cum ar fi: procedeul sondajului sistematic sau mecanic, procedeul cotelor,
procedeul concentrat, procedeul observaţiilor la intervale egale sau neegale de timp,
procedeul observatorului mobil.
- Eşantionul aleator este eşantionul constituit printr-un procedeu aleator de
extragere a unităţilor statistice din colectivitatea totală.
- Volumul eşantionului reprezintă numărul unităţilor extrase dintr-o populaţie
statistică şi care au intrat în componenţa eşantionul.
- Unitatea de sondaj este unitatea care face parte dintr-o populaţie şi care
urmează să facă obiectul unor extrageri.
- Baza de sondaj este o listă, o hartă sau o colecţie de formulare ce conţine
informaţii cu privire la unităţile populaţiei statistice din care urmează să se constituie un
eşantion.

- Fracţia de sondaj reprezintă raportul dintre numărul unităţilor ce compun

eşantionul şi numărul total al unităţilor din populaţie.
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.
IX.2. ERORILE ÎN CERCETAREA STATISTICĂ PRIN SONDAJ
Metodologia adoptată pentru constituirea eşantionului influenţează, în mod

inevitabil, fazele ulterioare ale cercetării, nivelurile estimative ale caracteristicilor
statistice şi al erorilor aferente.
În cazul cercetărilor prin sondaj rezultatele finale sunt afectate de unele erori, care
însă trebuie să fie suficient de mici pentru a nu denatura concluziile referitoare la
populaţia cercetată.
Tipurile de erori considerate ca fiind specifice cercetărilor statistică prin sondaj
sunt: erori de înregistrare sau de observare cu o dimensiune minimă, aproape inexistente
şi erori de reprezentativitate.
Erorile de înregistrare sunt, de regulă, neglijabile în acest caz, deoarece este
posibil ca etapa de observare să se desfăşoare în condiţii organizatorice superioare şi cu
un control mai riguros, comparativ cu observările totale.
Erorile de reprezentativitate apar la toate cercetările prin sondaj deoarece
observarea se extinde numai asupra părţii din populaţia statistică care a fost cuprinsă în

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.
Erorile de reprezentativitate întâmplătoare nu pot fi eliminate, acestea se produc

şi atunci când s-a respectat cu stricteţe caracterul aleator de extragere a unităţilor care vor
constitui eşantionul. Dar, se remarcă faptul că este posibil, în acest caz, să se calculeze cu

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”
Valoarea medie a erorilor de reprezentativitate întâmplătoare depinde de

volumul eşantionului, de gradul de variabilitate al caracteristicilor studiate şi de
procedeul de sondaj aplicat.
Din punct de vedere al structurii, reprezentativitatea unui eşantion se consideră

corespunzătoare atunci când structura acestuia este identică, sau diferă foarte puţin de
structura populaţiei din care a fost extras, acest fapt se apreciază prin compararea
mărimilor relative de structură ale eşantionului şi respectiv ale populaţiei care nu trebuie
să evidenţiaze diferenţe mai mari de ± 5% . O concluzie utilă cu privire la
reprezentativitatea structurală a unui eşantion poate fi obţinută şi cu ajutorul „Criteriului
χ 2 ” - „Testul de conformitate”.
Exemplul 21
Să se verifice reprezentativitatea structurii eşantionului pentru o colectivitate de

salariaţi grupaţi pe categorii profesionale, cu ajutorul „Criteriului χ 2 ”

Tabelul 24
Categorii Colectivitatea totală Eşantion Frecvenţe (ni − nti )2

profesionale Numărul Structura (Nr. teoretice
nti
persoanelor pers.) nti
ni
„A” 1961 0,37 400 370 2,4324
„B” 2385 0,45 420 450 2,0000
„C” 689 0,13 140 130 0,7692
„D” 265 0,05 40 50 2,0000
Total 5300 1,00 1000 1000 7,2016
Notă:Distribuţia teoretică a frecvenţelor este calculată prin aplicarea mărimilor

relative de structură de la nivelul colectivităţii totale asupra volumului eşantionului.
Verificarea ipotezei propuse se realizează prin compararea lui χ 2 - statistic cu χ 2

- tabelar, astfel:
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.
IX.3. PROCEDEE DE SONDAJ
În vederea asigurării caracterului aleator al eşantionului, în practica cercetărilor

prin sondaj, se recurge la unul din următoarele două procedee:
- procedeul tragerii la sorţi,
- procedeul sondajului cu ajutorul tabelului cu numere întâmplătoare.

Procedeul tragerii la sorţi
Procedeul tragerii la sorţi sau al loteriei constă în extragerea la întâmplare dintr-o

urnă a unor bile, discuri sau fişe identice ca formă, ce reprezintă unităţi de sondaj, până la
constituirea volumului necesar al eşantionului. Acest procedeu poate fi aplicat în două
variante, astfel:
a) - extragerea cu reintroducere (sondajul aleator cu revenire), când unitatea

extrasă şi supusă observării este reintrodusă în popuplaţia statistică, astfel încât la o
extragere următoare această unitate poate fi cercetată încă odată.
În această variantă, fiecare unitate de sondaj are aceeaşi probabilitate de a fi
extrasă şi respectiv de a fi cuprinsă în eşantion cu o mărime diferită de zero, egală cu,
1
P= , în care,
N
P este probabilitatea unei unităţi de sondaj a populaţiei statistice de a fi inclusă în
eşantion,
N reprezintă numărul total al unităţilor populaţiei statistice.
b) - extragerea fără reintroducere (sondajul aleator fără revenire), când unitatea

extrasă şi supusă observării nu mai este reintrodusă în colectivitatea totală.
Prin acest procedeu de extragere probabilitatea fiecărei unităţi de a fi inclusă
în eşantion creşte odată cu derularea procesului de efectuare a extragerilor, ca
urmare a micşorării continue a volumului populaţiei statistice. Astfel,
1
probabilitatea primei unităţi de sondaj de a fi extrasă este: P = ,
N
1
probabilitatea celei de a doua unităţi este: P = şi în final probabilitatea
N −1
1
de a intra în eşantion a ultimei unităţi este, P = , în care cu „n” s-a
N − (n − 1)
notat numărul total de unităţi ale eşantionului.

Dintre cele două variante de extragere a unităţilor conform procedeului tragerii la

sorţi, mai avantajos este sondajul fără revenire, deoarece în acest caz erorile de
reprezentativitate întâmplătoare sunt mai mici. Prin includerea în eşantion a unei unităţi
de sondaj, o singură dată, se elimină posibilitatea deformării frecvenţei variantelor
caracteristicii.
Procedeul sondajului cu ajutorul tabelului cu numere aleatoare (întâmplătoare).
Acest procedeu constă în numerotarea, de la 1 la N, a tuturor unităţilor ce compun

populaţia statistică, fără a avea în vedere o ordine dinainte stabilită, şi extragerea unui
număr de „n” unităţi de sondaj cu ajutorul unui tabel cu numere aleatoare.
În practică se cunosc mai multe tipuri de asemenea tabele, întocmite de Tippett,
de Fisher şi Yates, de Burke Horton, de Kendall şi Babington Smith şi de Rond
Corporation. Aceste tabele au rezultat în urma a numeroase trageri la sorţi, efectuate cu
ajutorul unor maşini de amestecat numere.
Pentru exemplificarea tehnicii de obţinere a eşantionului folosind procedeul
sondajului cu ajutorul tabelului cu numere aleatoare, vom considera o populaţie statistică
compusă din 200 unităţi, din care dorim să extragem 10 unităţi. În primul rând, cele 200
de unităţi ale populaţiei vor fi numerotate într-o ordine oarecare, de la 1 la 200. În
continuare vom alege o coloană din tabelul respectiv, să zicem coloana a 7-a, din care
reţinem 10 grupe de numere. Deoarece grupele de numere din tabel sunt formate din câte
cinci cifre, acestea trebuie descompuse în grupe cu un număr de cifre egal cu numărul din
care este compus volumul total al populaţiei (în cazul nostru în grupe de câte trei cifre).
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.
Procedeul sondajului sistematic
În condiţiile sondajului sistematic sau mecanic, pentru constituirea eşantionului,

unităţile de sondaj sunt extrase dintr-o bază de sondaj de forma unei liste sau a unui
pachet de fişe care cuprinde toate unităţile populaţiei statistice.
În baza de sondaj, unităţile sunt poziţionate şi numerotate conform unei criteriu
oarecare, independent de mărimea caracteristicilor care vor fi studiate prin folosirea

eşantionului. O eventuală corelare a criteriului de ordonare a unităţilor în baza de sondaj

cu nivelul caracteristicii studiate sau existenţa unei periodicităţi a nivelului caracteristicii
în baza de sondaj constituie surse de erori de reprezentativitate sistematice ce trebuie
evitate.
Extragerea unităţilor de sondaj din baza de sondaj, în vederea formării
eşantionului, se efectuează prin aplicarea unui interval sau pas de numărare, calculat
N
astfel: k = . În acest fel, populaţia statistică este împărţită în grupe convenţionale
n
neomogene cu un număr de unităţi egal cu mărimea pasului de numărare, din fiecare
grupă urmând a se extrage câte o unitate.
Operaţiunea de extragere începe prin localizarea unei unităţi din prima grupă prin
aplicarea tragerii la sorţi, această unitate va fi baza de plecare a extragerilor următoare
(unitatea de start). La numărul de ordine asociat primei unităţi extrase se adaugă mărimea
pasului de numărare şi se obţine numărul de ordine al următoarei unităţi de sondaj,
procesul continuă până la formarea completă a eşantionului.
Sondajul sistematic, efectuat în modalitatea prezentată mai sus, este asimilat
procedeului de sondaj aleator cu revenire, deoarece volumul colectivităţii totale rămâne
constant pe toată durata realizării extragerilor, iar caracterul aleator se asigură prin
folosirea unei baze de sondaj adecvate. De foarte multe ori, în practică, se adoptă
sistemul de ordonare alfabetică a unităţilor, în baza de sondaj, care permite, de regulă, o
poziţionare aleatoare a unităţilor.
Din punct de vedere teoretic, mărimea reală a erorilor de reprezentativitate,
introduse prin aplicarea procedeului sistematic, este mai mică decât în cazul sondajului
aleator cu revenire deoarece se evită riscul cooptării repetate a uneia şi aceleaşi unităţi în
eşantion dar este mai mare comparativ cu sondajul aleator fără revenire, deoarece
volumul şi ordinea populaţiei statistice rămân aceleaşi pe toată durata sondajului.
Sondajul sistematic este aplicat cu succes în cercetările sociologice şi
demografice, în studiile de opinie sau de preferinţe, cu condiţia ca baza de sondaj folosită
să fie completă, actuală şi cu o ordine întâmplătoare a unităţilor.

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
Cazurile practice în care se recurge la procedeul cotelor sunt cele care au ca

obiectiv cunoaşterea opiniilor, preferinţele sau a cerinţelor de consum ale unor grupuri de
persoane.
Procedeul cotelor poate fi aplicat numai atunci când este cunoscută structura
populaţiei statistice care urmează să fie cercetată prin sondaj. Dacă grupele populaţiei
statistice constituite după mai multe caracteristici considerate esenţiale sunt omogene din
punct de vedere al scopului cercetării, rezultă variaţii mici ale nivelurilor individuale faţă
de nivelul mediu al grupei şi prin urmare diferenţa dintre un eşantion obţinut prin
procedeul cotelor şi un eşantion constituit prin aplicarea unui procedu de tip aleator este
relativ redusă.
Fiecare operator de interviu primeşte o „cotă” de unităţi care vor fi observate, de
exemplu, câte persoane de sex feminin şi câte de sex masculin să fie intervievate, câte
persoane active din anumite profesii, câte persoane să aparţină unei anumite grupe de
vârstă, câte persoane care au domiciliul în mediul rural şi câte în urban etc., astfel încât
prin reunirea tuturor cotelor să se reconstituie structura populaţiei statistice pe un volum
al eşantionului considerat satisfăcător pentru a obţine o caracterizare corespunzătoare a
populaţiei.
Includerea unităţilor statistice (persoanelor) în eşantion se face prin alegerea
subiecţilor, în conformitate cu cotele care i-au fost repartizate, la aprecierea subiectivă a
fiecărui operator, fapt ce favorizează apariţia unor erori de reprezentativitate sistematice.

Procedeul cotelor, datorită caracterului predominant al factorului subiectiv,

comparativ cu includerea întâmplătoare în eşantion a unităţilor statistice, nu permite
estimarea erorilor de reprezentativitate şi în consecinţă nu poate fi calculat intervalul de
încredere pentru mărimea medie sau totală a unei caracteristici care se doreşte a fi
estimată.
Procedeul concentrat
Procedeul concentrat sau al părţii principale poate fi adoptat atunci când, în

funcţie de o anumită caracteristică, populaţia statistică este puternic asimetrică. Aceasta
constă în aceea că procedăm la cercetarea tuturor unităţilor în care este concentrată, într-o
proporţie mare (90-95%), caracteristica ce ne interesează şi care sunt puţine la număr şi
respectiv sunt excluse în totalitate din cercetare un număr mare de unităţi în care
caracteristica respectivă are o pondere mică (5-10%).
Procedeul introduce în mod deliberat, fără îndoială, o eroare de reprezentativitate
sistematică, dar care este posibil să fie de proporţii mici şi să fie considerată acceptabilă.
Procedeul observaţiilor la intervale egale sau neegale de timp
Acest procedeu se aplică în special la studiul statistic al calităţii producţiei

industriale precum şi pentru estimarea gradului de îndeplinire a sufragiilor pentru consum
a populaţiei şi constă în observarea, la anumite momente, a uneia sau mai multor unităţi
care aparţin unui colectivităţi cu o desfăşurare în timp.
Procedeul observatorului mobil
Procedeul observatorului mobil este utilizat atunci când se doreşte a determina

numărul de persoane ce se deplasează la anumite ore pe o stradă sau într-o zonă a unei

artere cu circulaţie intensă. În acest scop observatorul se deplasează pe artera respectivă

într-unul din sensuri, şi numără toate persoanele pe lângă care trece indiferent de sensul
în care circulă acestea (vin din sens contrar sau sunt depăşite de observator) şi scade
numărul persoanelor care merg în acelaşi sens cu observatorul dar îl depăşesc. Apoi,
observatorul parcurge din nou porţiunea respectivă de stradă, în sens contrar de această
dată, dar cu aceeaşi viteză, şi procedează la o modalitate identică de numărare a
persoanelor. Media rezultatelor celor două numărători va reprezenta numărul mediu de
persoane aflate pe stradă în perioada respectivă.
Acest procedeu de sondaj poate fi aplicat şi în cazul estimării efectivului unei

colectivităţi de animale aflate în mişcare, cu condiţia ca fiecare animal să fie uşor de
identificat iar deplasarea observatorului să nu influenţeze mişcarea colectivităţii de
animale supuse observării.
IX.4. FELURILE EŞANTIOANELOR
a) Eşantionul simplu aleator constituit prin tragere la sorţi cu revenire
În cazul acestui tip de eşantion pot fi fundamentate următoarele relaţii de calcul

atât în varianta reală cât şi în varianta estimată:

Pentru o caracteristică cantitativă
Valoarea reală Valoarea estimată

Denumirea indicatorilor -calculată pe baza datelor -calculată pe baza datelor
aferente colectivităţii obţinute din sondaj-
totale-
1. Volumul colectivităţii totale
(N)
2. Volumul eşantionului (n)
3. Valoarea medie a Σ xi Σ xi
m= mˆ = x =
caracteristicii de N n
reprezentativitate
4. Dispersia caracteristicii de
σ 2
=
∑ (x i − m)
2
2
σˆ = s 2
=
∑ (x i
2
− x)
reprezentativitate X
N
X X
n −1
5. Eroarea medie a valorii medii
Σ(xi − m )
2
s X2
de sondaj σx = = σˆ x =
Nn n
σ X2
=
n
6. Eroarea medie a valorii totale σX = N ⋅ σx σˆ X = N ⋅ σˆ x
a caracteristicii de
reprezentativitate
7. Numărul total de eşantioane
care pot fi formate prin aplicarea
procedeului de extragere prin
tragere la sorţi cu revenire
(Nn)
8. Eroarea limită sau maximă ∆x = z ⋅ σx ∆ˆ x = z ⋅ σˆ x
admisă pentru valoarea medie

Pentru o caracteristică alternativă
Valoarea reală Valoarea estimată

Denumirea indicatorilor -calculată pe baza datelor -calculată pe baza datelor
aferente colectivităţii obţinute din sondaj-
totale-
1. Volumul colectivităţii totale(N)
3. Valoarea medie a caracteristicii M m
p= pˆ = w =
N n
alternative
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 σ 2p = p(1 − p ) n
σˆ p2 = sw2 = w(1 − w) ⋅
alternative n −1
7. Eroarea medie a valorii medii σ 2p sw2 w(1 − w )
p (1 − p )
σw = = σˆ w = =
de sondaj n n n n −1
8. Eroarea medie a valorii totale a σM = N ⋅ σw σˆ M = N ⋅ σˆ w
caracteristicii alternative
tragere la sorţi cu revenire ( N n )
10. Eroarea limită sau maximă ∆w = z ⋅ σw ∆ˆ w = z ⋅ σˆ w
admisă pentru valoarea medie

b) Eşantionul simplu aleator constituit prin tragere la sorţi fără revenire
În cazul acestui tip de eşantion pot fi fundamentate următoarele relaţii de calcul,

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)
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

5. Eroarea medie a valorii medii de Valoarea reală

sondaj 2
Σ( xi − m ) σ X2 N − n
σx = = ⋅
C Nn n N −1
Valoarea estimată
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 )
8. Eroarea limită sau maximă admisă Valoarea reală

pentru valoarea medie ∆x = z ⋅ σx
Valoarea estimată
∆ˆ x = z ⋅ σˆ x
Notă:Calculul numărului de combinări este efectuat astfel,

N!
C Nn =
n! ⋅ ( N-n )!

Pentru o caracteristică alternativă
Valoarea reală
Valoarea estimată
este calculată pe baza datelor obţinute
din sondaj
1. Volumul colectivităţii totale (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


sondaj σ 2p N − n p (1 − p ) N − n
σw = ⋅ = ⋅
n N −1 n N −1
Valoarea estimată
σˆ 2p N − n w(1 − w) N − n
σˆ w = ⋅ = ⋅
n N −1 n −1 N
caracteristicii alternative σM = N ⋅ σw
Valoarea estimată
σˆ M = N ⋅ σˆ w
9. Numărul total de eşantioane care
pot fi formate prin aplicarea
tragere la sorţi fără revenire ( C Nn )
10. Eroarea limită sau maximă Valoarea reală

admisă pentru valoarea medie ∆w = z ⋅ σw
Valoarea estimată
∆ˆ w = z ⋅ σˆ w

CALCULUL VOLUMULUI EŞANTIONULUI
Tipul eşantionului Relaţia de calcul

Eşantion simplu aleatoriu cu z 2 ⋅ σ X2
n=
revenire(caracteristică cantitativă) ∆2x
Eşantion simplu aleatoriu cu z 2 ⋅ p(1 − p )
n=
revenire(caracteristică alternativă sau ∆2w
calitativă)
Eşantion simplu aleatoriu fără z 2 ⋅ σ X2 ⋅ N
n=
revenire(caracteristică cantitativă) (N − 1) ⋅ ∆2x + z 2 ⋅ σ X2
Eşantion simplu aleatoriu fără z 2 ⋅ p (1 − p ) ⋅ N
n=
revenire(caracteristică alternativă sau (N − 1) ⋅ ∆2w + z 2 ⋅ p(1 − p )
calitativă)
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);
- σ X2 este dispersia caracteristicii de reprezentativitate, cunoscută dintr-o

cercetare totală efectuată anterior sau este o estimaţie obţinută pe baza unui eşantion;
- p(1 − p ) este dispersia caracteristicii alternative sau calitative, cu două

variante, cunoscută dintr-o cercetare totală efectuată anterior sau este o estimaţie
obţinută pe baza unui eşantion;
- ∆ x este eroarea limită sau maximă admisă pentru valoarea medie a

caracteristicii de reprezentativitate cantitative, pentru care se optează, astfel încât
mărimea relativă a erorii limită în raport cu valoarea medie să nu depăşească 5%;

- ∆ w este eroarea limită sau maximă admisă pentru valoarea medie a

caracteristicii de reprezentativitate alternative sau calitative, cu două variante, pentru
care se optează, astfel încât mărimea relativă a erorii limită în raport cu valoarea medie
să nu depăşească 5%.
c) Eşantionul simplu constituit prin procedeul sistematic
Atunci când unităţile statistice de sondaj sunt ordonate în baza de sondaj după
mărimea caracteristicii de reprezentativitate.

Valoarea reală
Valoarea estimată
este calculată pe baza datelor
obţinute din sondaj
(N)
2. Volumul eşantionului
(n)
de reprezentativitate Σxi
m=
N
Valoarea estimată
Σxi
mˆ = x =
n


reprezentativitate
σ X2 = ∑
(xi − m )2
N
5. Eroarea medie a valorii medii Valoarea reală
de sondaj 2
Σ( xi − m ) σ X2
σx = = ⋅ [1 + (n − 1) ⋅ ρ ]
e n
Valoarea estimată
Yates
2
N − n n −1 ( xi + 1 − xi )
σˆ x = ⋅∑
N ⋅ n i =1 2(n − 1)
Cochran
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
caracteristicii de reprezentativitate σ X = N ⋅σ x
Valoarea estimată
σˆ X = N ⋅ σˆ x
procedeului de extragere
sistematică (e)


admisă pentru valoarea medie ∆x = z ⋅σ x
Valoarea estimată
∆ˆ x = z ⋅ σ̂ x
11. Eroarea limită relativă pentru Valoarea reală
valoarea medie ∆x
⋅ 100
m
Valoarea estimată
∆ˆ x
⋅ 100
x
Notă:
- în relaţia de calcul a coeficientului de corelaţie interclasă, mărimea „k” va fi

folosită cu zecimale, dacă aşa rezultă din calcul;
- dacă pasul sau intervalul de numărare „k” este un număr întreg se aplică un
sondaj sistematic liniar. În acest caz „unitatea de start” este extrasă prin tragere la sorţi
din prima grupă convenţională de unităţi statistice de sondaj care are mărimea pasului
de numărare;
- dacă pasul sau intervalul de numărare „k” este un număr zecimal, se foloseşte
partea întreagă a numărului şi se aplică un sondaj sistematic circular. În acest caz
„unitatea de start” este extrasă prin tragere la sorţi din N;
- dacă în baza de sondaj, unităţile statistice de sondaj au o ordine aleatorie, sau
sunt ordonate după o caracteristică independentă, necorelată cu caracteristica de
reprezentativitate, cum ar fi ordinea alfabetică, sondajul simplu sistematic este asimilat
sondajului simplu aleatoriu cu revenire;
- estimaţiile oferite de Yates şi Cochran, pentru eroarea medie a valorii medii de
sondaj, sunt „uşor” distorsionate;
- sondajul sistematic sau mecanic, în cazul ordonării unităţilor statistice de
sondaj în baza de sondaj după mărimea caracteristicii de reprezentativitate, este
considerat qvasi-aleatoriu;

- valoarea minimă a coeficientului de corelaţie interclasă este estimată, în mod

1 1
convenţional, la mărimea de -0,01, ( ρ = − ⇔− = -0,01 );
n −1 100
- relaţia necesară calculului volumului eşantionului se poate obţine din formula
erorii limită sau maximă admisă pentru valoarea medie, astfel:
z 2 ⋅ σ X2 ⋅ (1 − ρ )
n= .
∆2x − z 2 ⋅ σ X2 ⋅ ρ
d) Eşantionul stratificat

Valoarea reală
Valoarea estimată
obţinute din sondaj
(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
- stratificare simplă (din fiecare n1 n2 n j

∑ j =1
n j
n
= = ... = = ... = g
=
strat se extrage acelaşi număr de N1 N2 N N
j
∑
l =1
N j
unităţi statistice de sondaj)

N j
⇔ nj = ⋅n
N
- stratificare proporţională cu nj
n1 n
= ... = = ... =
Nj N1 ⋅σ 1 N j ⋅σ g
j
∑N j =1
j ⋅σ j
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)
de reprezentativitate Σxi
m=
N
Valoarea estimată
Σxi
mˆ = x =
n
reprezentativitate
=∑
2
2 (x − m) i
σ X
N


reprezentativitate pentru grupa Σ(xij − m j )
2
sau stratul “j”

σ 2j =
Nj
Valoarea estimată
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
- procedeul tragerii la sorţi cu

revenire
- procedeul tragerii la sorţi

fără revenire

8. Eroarea medie a valorii medii Valoarea reală

de sondaj:
N 2j σ 2j
g
σx = ∑ 2 ⋅
j =1 N nj
Valoarea estimată
g
N 2j s 2j
σ̂ x = ∑
j =1 N
2
⋅
nj
Valoarea reală
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

admisă pentru valoarea medie ∆x = z ⋅ σx
Valoarea estimată
∆ˆ x = z ⋅ σˆ x
CALCULUL VOLUMULUI EŞANTIONULUI

(caracteristică cantitativă)
Tipul eşantionului Relaţia de calcul
Eşantion stratificat simplu z2 ⋅σ 2 ⋅ N
n=
- procedeul tragerii la sorţi fără (N − 1) ⋅ ∆2x + z 2 ⋅ σ 2
revenire
Eşantion stratificat proporţional
cu N j z 2 ⋅ σ j2
n=
∆2x
- procedeul tragerii la sorţi cu z 2 ⋅ σ j2 ⋅ N

n=
revenire (N − 1) ⋅ ∆2x + z 2 ⋅ σ j2
- procedeul tragerii la sorţi fără

revenire
Eşantion stratificat proporţional  g N Nj 
2
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)
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
proporţionalitate pentru care s-a optat.

- Valoarea medie a dispersiilor de grupă, „ σ 2j ”, se calculează astfel:
g
∑σ j =1
2
j ⋅Nj
2
σ =j g
∑N j =1
j
e) Eşantionul în cuiburi sau de serii

Valoarea reală
Denumirea indicatorilor este calculată pe baza datelor
aferente
Valoarea estimată
obţinute din sondaj -
1. Numărul total de serii din
colectivitatea totală (R)
2. Numărul de serii (cuiburi) din
eşantion (r)

3. Valoarea medie a seriei “i” Valoarea reală

Σ xi
xiR =
n
Valoarea estimată
Σ xi
xir =
n
4. Valoarea medie a caracteristicii de Valoarea reală
reprezentativitate 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

revenire

revenire


sondaj δ X2 R − r
σx = ⋅
- procedeul tragerii la sorţi fără r R −1
revenire Valoarea estimată
r
∑ (x )
r 2
i − xr
R−r
σˆ x = i =1
⋅
r (r − 1) R

caracteristicii de reprezentativitate σX = R ⋅ σx
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

f) Alte tipuri de sondaje
- Sondajul în trepte. În acest caz tipologia unităţilor de sondaj se modifică de la

un eşantion la altul. De exemplu: - în prima treaptă se extrag judeţe, - în treapta a doua se
extrag din judeţele extrase în prima treaptă, localităţi, iar în treapta a treia, din localităţi se
extrag persoane sau familii.
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:
- R1 - numărul unităţilor de sondaj (cuiburilor), de forma treptei întâi, existente în

colectivitatea statistică totală,
- R2 - numărul unităţilor de sondaj (cuiburilor), de forma treptei a doua, conţinute
în r1 ,
- r1 - volumul eşantionului format din cuiburile extrase, în prima treaptă, din R1 ,
- r2 - volumul eşantionului format din cuiburile extrase, în treapta a doua din R2 .

- Sondajul în faze. În cazul acestui tip de sondaj se formează eşantioane

succesive prin extrageri dintr-un eşantion, mai numeros, constituit anterior. Tipologia
unităţilor de sondaj este aceeaşi în toate fazele de extragere a eşantioanelor. În fiecare
fază de eşantionare se aplică un program de observare mai complex.
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 )
115,6- 4 116,55 -5 -20 100

117,5
117,6- 6 118,55 -4 -24 96
119,5
119,6- 20 120,55 -3 -60 180
121,5
121,6- 36 122,55 -2 -72 144
123,5
123,6- 44 124,55 -1 -44 44
125,5
125,6- 55 126,55 0 0 0
127,5
127,6- 36 128,55 +1 36 36
129,5
129,6- 25 130,55 +2 50 100

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 ).
Notă:În cazul acestei cercetări procedeul adoptat pentru constituirea

eşantionului este aplicat pe toată durata procesului tehnologic de producţie a lotului de
10.000 fiole şi poate fi asimilat procedeului de extragere prin tragere la sorţi fără
revenire.
Mărimea intervalului de grupare s-a calculat astfel:

1 1
i= ⋅ 8 ⋅ ( xmax − xmin ) = ⋅ 8 ⋅ (137 − 116 ) = 1,7 mg . ≈ 2 mg . , în care,
100 100
1
⋅ 8 este un factor empiric iar, xmax − xmin , este amplitudinea variaţiei
100
- estimaţia valorii medii a greutăţii flacoanelor,
xi − 126,55
Σ ⋅ ni
x= 2 ⋅ 2 + 126,55 = 126,182 mg .
n

- estimaţia dispersiei greutăţii flacoanelor (în cazul sondajului efectuat prin

tragere la sorţi fără revenire),
  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
 
 
- limita inferioară a intervalului (li) în care se situează greutatea medie a celor

10.000 fiole,
s2  N − n 
li = x − zq ⋅ = 126,182 − 1,96 ⋅ 0,25367 = 125,685 mg.
n  N 
- limita superioară a intervalului (ls) în care se situează greutatea medie a celor

10.000 fiole,
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
Să se determine probabilitatea ca eroarea limită (maximă admisă) care revine

pentru ca estimaţia procentului mediu de cenuşe a cărbunilor să nu depăşească 0,3%, (
∆ x = 0,3% )
- estimaţia procentului mediu al conţinutului de cenuşe al cărbunilor,

Σ xi ni 6.870
x= = = 17,175 %
Σ ni 400
- estimaţia dispersiei procentului de cenuşe,

2
Σ( xi − x ) ⋅ ni 3.227,75
s2 = = = 8,09
Σ ni − 1 400 − 1
- calculul factorului de probabilitate (z q ),

s2 ∆ 0,3
∆ x = 0,3% → ∆ x = zq ⋅ → zq = x = = 2,11
n s2 8,09
n 400
În tabela cu valorile funcţiei lui Laplace (Anexa 2) se găseşte că pentru zq = 2,11 ,
revine o probabilitate de 96,60%.
Exemplul 24
Să se calculeze mărimea eşantionului simplu care se doreşte a fi constituit în

vederea cercetării prin sondaj a rezistenţei la presiune a unor piese. Procedeul de sondaj
care urmează a fi folosit este tragerea la sorţi fără revenire. Dintr-o înregistrare de probă,
efectuată anterior, asupra unui număr de 100 piese s-a putut calcula o estimaţie a
dispersiei caracteristicii (rezistenţa la presiune), care are mărimea de 20.000.
Cercetarea ce urmează a fi realizată admite o eroare limită pentru rezistenţa medie la

presiune de 40 kg/ cm 2 şi o probabilitate de garantare a rezultatelor de 95%, în care caz factorul
de probabilitate, conform legii de repartiţie normale, este zq = 1,96 .
Notă:Cu toate că, procedeul de sondaj ce se preconizează a fi utilizat este

tragerea la sorţi fără revenire, formula de calcul folosită pentru determinarea numărului
de piese ce vor fi cercetate este aceea utilizată în cazul tragerii la sorţi cu revenire,
deoarece nu se cunoaşte volumul colectivităţii totale.
zq2 ⋅ σ 2 1,962 ⋅ 20.000
n= = = 48 piese
∆ 2x 402

Exemplul 25
Se doreşte să se estimeze proporţia fumătorilor existentă într-o populaţie

statistică, cu o probabilitate de 95%, iar pe baza unor informaţii anterioare se apreciază că
această proporţie este de aproximativ 40%. Să se calculeze mărimea eşantionului simplu
ce va fi constituit prin tragere la sorţi fără revenire, considerând o eroare limită de 4%.
În aceste condiţii date, numărul de pesoane care vor fi incluse în eşantion este
calculat astfel:
zq2 ⋅ p (1 − p ) 1,96 2 ⋅ 0,4 ⋅ 0,6

n= = = 576 persoane
∆ 2w 0,04 2
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
- Estimaţia dispersiei duratei de soluţionare a cauzelor:
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
- Estimaţia erorii medii a valorii medii:
s2 N − n 242,52512 1.000 − 200

σx = ⋅ = ⋅ = 1,2126 ⋅ 0,8 = 0,9849
n N 200 1.000
- Limitele probabile ale duratei medii de soluţionare a unei cauze:
- 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 ).
- estimaţia procentuluide rebuturi calculat pe baza datelor de sondaj,

m 3
pˆ = w = = = 0,02 ; 2%
n 150
- estimaţia erorii medii a procentului de rebuturi,
w(1 − w) n N − 1 N − n 0,02 ⋅ (1 − 0,02) 2.000 − 150

σˆ w = ⋅ ⋅ ⋅ = ⋅ = 0,0114
n n −1 N N −1 150 − 1 2.000
- limita superioară a intervalului (ls) în care se situează procentul rebuturilor în

colectivitatea totală,
w ⋅ (1 − w) N − 1 N − n 0,02 ⋅ (1 − 0,02 ) 2.000 − 150

ls = w + zq ⋅ ⋅ ⋅ = 0,02 + 2 ⋅ ⋅ =
n −1 N N −1 150 − 1 2.000
= 0,02 + 2 ⋅ 0,0114 = 0,0428 ; 4,28%
Dacă procentul maxim al rebuturilor care există în colectivitatea generală, estimat

pe baza eşantionului,(4,28%), nu depăşeşte procentul maxim admis, prin prisma
particularităţilor de natură tehnologică, sau al unei condiţii contractuale, întregul lot de
2.000 de piese se declară corespunzător din punct de vedere calitativ.

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
abaterea medie pătratică (s = 1,04 cm .) aferente unei anumite dimensiuni (diametrul

piesei).
Pornind de la aceste determinări statistice putem calcula estimaţia erorii medii şi
respectiv a erorii limită pentru caracteristica de reprezentativitate considerată, în
condiţiile unei probabilităţi convenită pentru garantarea rezultatelor, de 95,45%, căreia îi
corespunde z q = 2 , astfel,
- estimaţie erorii medii a valorii medii a diametrului pieselor,
s 2 N − n 1,04 2.000 − 169

σˆ x = ⋅ = ⋅ = ±0,0765 cm.
n N 169 2.000
- estimaţia erorii limită,
∆ 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.
Limita superioară: ls = x + ∆ x = 16,400 + 0,153 = 16,553 cm.

Exemplul 29
Se consideră o populaţie statistică formată din 5 unităţi a căror caracteristică de

reprezentativă are următoarele niveluri: 1,2,3,6,7. Se doreşte să se determine eficienţa
relativă a sondajului simplu aleator cu revenire şi a sondajului simplu aleator fără
revenire în raport cu sondajul simplu sistematic, pe baza dispersiei mediilor de sondaj.
Eşantioanele vor fi constituite din câte 2 unităţi.
Media şi dispersia caracteristicii statistice de reprezentativitate pentru unităţile
populaţiei statistice, au următoarele valori:
Σ xi 1 + 2 + 3 + 6 + 7 19
m= = = = 3,8
N 5 5
2 2 2 2 2 2
2 Σ( xi − m ) (1 − 3,8) + (2 − 3,8) + (3 − 3,8) + (6 − 3,8) + (7 − 3,8) = 5,36
σ = =
N 5
1. Aplicarea procedeului tragerii la sorţi cu revenire conduce la următoarele

N n = 52 = 25 variante posibile de eşantioane:
Eşantioane Media eşantionului xi − m (xi − m)2

constituite prin xi
tragere la sorţi
cu revenire
1;1 1,0 -2,8 7,84
1;2 1,5 -2,3 5,29
1;3 2,0 -1,8 3,24
1;6 3,5 -0,3 0,09
1;7 4,0 +0,2 0,04
2;1 1,5 -2,3 5,29
2;2 2,0 -1,8 3,24
2;3 2,5 -1,3 1,69
2;6 4,0 +0,2 0,04
2;7 4,5 +0,7 0,49
3;1 2,0 -1,8 3,24

3;2 2,5 -1,3 1,69

3;3 3,0 -0,8 0,64
3;6 4,5 +0,7 0,49
3;7 5,0 +1,2 1,44
6;1 3,5 -0,3 0,09
6;2 4,0 +0,2 0,04
6;3 4,5 +0,7 0,49
6;6 6,0 +2,2 4,84
6;7 6,5 +2,7 7,29
7;1 4,0 +0,2 0,04
7;2 4,5 +0,7 0,49
7;3 5,0 +1,2 1,44
7;6 6,5 +2,7 7,29
7;7 7,0 +3,2 10,24
Total 95,0 0 = + 16,8 - 16,8 67,00
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

2. Aplicarea procedeului tragerii la sorţi fără revenire conduce la următoarele

5!
C Nn = C52 = = 10 variante posibile de eşantioane:
2!⋅(5 − 2)!
Eşantioane constituite Media xi − m (x i − m) 2
prin tragere la sorţi eşantionului
fără revenire xi
1;2 1,5 -2,3 5,29
1;3 2,0 -1,8 3,24
1;6 3,5 -0,3 0,09
1;7 4,0 +0,2 0,04
2;3 2,5 -1,3 1,69
2;6 4,0 +0,2 0,04
2;7 4,5 +0,7 0,49
3;6 4,5 +0,7 0,49
3;7 5,0 +1,2 1,44
6;7 6,5 +2,7 7,29
Total 38,0 0 = + 5,7 - 5,7 20,10
Şi în acest caz se confirmă caracterul nedistorsionat al mediei de sondaj ca

estimaţie a mediei caracteristicii înregistrate la unităţile colectivităţii totale, deoarece
Σ xi 38
m= = = 3,8
C Nn 10

simplu aleator fără revenire este,

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
3.Aplicarea procedeului sistematic conduce la următoarele 5 variante posibile de

eşantioane ( e = 5 ):
Eşantioane Media xi − m (xi − m)2

constituite prin eşantionului
procedeul xi
sistematic circular`
1;3 2,0 -1,8 3,24
2;6 4,0 +0,2 0,04
3;7 5,0 +1,2 1,44
6;1 3,5 -0,3 0,09
7;2 4,5 +0,7 0,49
Total 19,0 0 = + 2,1 - 5,30
2,1
Notă:În cazulacestui exemplu unităţile de sondaj sunt ordonate în baza de sondaj

în funcţie de mărimea caracteristicii de reprezentativitate, în mod crescător. Pasul de
N 5
numărare este 2 deoarece se consideră partea întregă a raportului, k = = = 2,5 .
n 2
Unitatea de start se obţine prin tragere la sorţi din cele 5 unităţi ale populaţiei statistice
şi se continuă extragerile până se constituie eşantionul. Se adoptă această modalitate de
extragere deoarece mărimea pasului de numărare este un număr zecimal. Acest procedeu
este cunoscut sub denumirea particulară de „procedeul sistematic circular”.

Media caracteristicii pentru unităţile care formează populaţia statistică (m ) este

egală cu media celor 5 valori medii de sondaj, fapt ce asigură mediei de sondaj caracterul
de estimaţie nedistorsionată a mediei populaţiei statistice,
Σ xi 19
m= = = 3,8
e 5

simplu sistematic este,
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
Coeficientul de corelaţie interclasă ( ρ ) se calculează pe baza următoarei relaţii:
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
Tabel cu calculele intermediare necesare determinării coeficientului de corelaţie

interclasă

Eşantioane constituite prin xir − m (xir − m)(xi ′r − m)

procedeul sistematic circular xi ′r − m
1;3 1,0-3,8=-2,8 (-2,8) (-0,8)=2,24

3,0-3,8=-0,8
2;6 2,0-3,8=-1,8 (-1,8) (2,2)=-3,96
6,0-3,8=2,2
3;7 3,0-3,8=-0,8 (-0,8) (3,2)=-2,56
7,0-3,8=3,2
6;1 6,0-3,8=2,2 (2,2) (-2,8)=-6,16
1,0-3,8=-2,8
7;2 7,0-3,8=3,2 (3,2) (-1,8)=-5,76
2,0-3,8=-1,8
Total -16,20 =-18,44+2,24
Eficienţa relativă a sondajului simplu aleator cu revenire şi a sondajului simplu

aleator fără revenire comparativ cu sondajul simplu sistematic este exprimată prin
rapoartele dispersiilor mediilor de sondaj de la media populaţiei statistice, astfel:
σ x2 − sondaj simplu aleator cu revenire 2,68

E1 = = = 2,528
σ x2 − sondaj simplu sistematic circular 1,06
σ x2 − sondaj simplu aleator fară revenire 2,01
E2 = = = 1,896
σ x2 − sondaj simplu sistematic circular 1,06
Prin aceste calcule se demonstrează că sondajul efectuat pe baza procedeului de

constituire a eşantioanelor în mod mecanic sau sistematic este superior celorlalte două
tipuri de eşantioane obţinute prin aplicarea procedeelor de extragere la sorţi cu revenire
sau fără revenire, dacă avem în vedere mărimea erorilor de reprezentativitate
întâmplătoare pe care le propagă.
Dispersia mediilor de sondaj de la media populaţiei statistice pentru un eşantion
format prin tragere la sorţi cu revenire este mai mare de 2,528 ori comparative cu
dispersia rezultată atunci când sondajul este efectuat cu procedeul sistematic.

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
Să se verifice reprezentativitatea unui eşantion stratificat format din 120 subiecţi

extras dintr-o colectivitate totală care cuprinde 1200 subiecţi. Extragerile au fost efectuate
prin aplicarea procedeului tebelului cu numere întâmplătoare, pe straturi (grupe) în mod
proporţional cu numărul subiecţilor din fiecare strat.
n 120
Fracţia de sondaj este de 10%, ( ⋅ 100 = ⋅ 100 = 10% ), în funcţie de care s-
N 1.200
au efectuat extragerile din fiecare strat al colectivităţii totale.
Caracteristica de reprezentativitate este vârsta subiecţilor.

Rezultatele se cer a fi garantate cu o probabilitate de 95,45% pentru care
corespunde, conform legii de repartiţie normală, un zq = 2, iar eroarea limită (maximă

admisă) relativă a valorii medii, care se acceptă, este de maxim ± 2%,

∆ˆ
Vˆx = x ⋅ 100 ≤ ±2%.
m
Tabelul 28
Gruparea subiecţilor după vârstă

Grupe Numărul Vârsta s 2j N 2j s 2j N j − nj
de subiecţilor medie N2 nj Nj
subiecţ în în în
i după colecti eşan- eşantion
2
1
vârstă - tion xj
(ani) vitatea nj
totală
Nj
17 – 400 40 18,3 2,2 0,111 0,055 0,9 0,00549

19
19 – 600 60 19,8 2,8 0,250 0,047 0,9 0,01057
21
21 – 200 20 22,5 2,1 0,028 0,105 0,9 0,00264
23
Total 1.200 120 19,75 0,01870
Notă:În tabelul 28, simbolurilor 1 şi 2 le corespund următoarele relaţii de

calcul:
Σ(xij − x j )
2
2
1s =
j
nj −1
N 2j s 2j N j − n j
2 2⋅ ⋅
N nj Nj
Nivelul mediu al vârstei subiecţilor calculat pe baza eşantionului este

Σ x jnj 18,3 ⋅ 40 + 19,8 ⋅ 60 + 22,5 ⋅ 20

x= = = 19,75 ani
Σ nj 120
Nivelul mediu al vârstei subiecţilor calculat pe baza datelor referitoare la

colectivitatea totală este
Σ xjN j 18 ⋅ 400 + 20 ⋅ 600 + 22 ⋅ 200

m= = = 19,67 ani
ΣNj 1.200
Estimaţia erorii medii a valorii medii
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
Estimaţia erorii limită a valorii medii
∆ˆ x = z q ⋅ σˆ x = 2 ⋅ (±0,137) = ±0,274 ani
Eroarea limită relativă a valorii medii
∆ˆ ± 0,274
Vˆx = x ⋅ 100 = ⋅ 100 = ±1,4% ≤ ±2,0%.
m 19,67
Pe baza acestor rezultate se conchide că eşantionul este afectat de o eroare de

reprezentativitate acceptabilă şi poate fi folosit pentru aplicarea programului stabilit
pentru observare.
Confirmarea caracterului reprezentativ al eşantionului poate fi apreciată şi pe baza
încadrării vârstei medii a subiecţilor din colectivitatea totală în intervalul de încredere
estimat prin luarea în consideraţie a informaţiilor reţinute de la eşantion, astfel
Limita inferioară: li = x − ∆ˆ x = 19,750 − 0,274 = 19,476 ani

Limita superioară: ls = x + ∆ˆ x = 19,750 + 0,274 = 20,024 ani
Se constată că vârsta medie a subiecţilor din colectivitatea totală ( m = 19,67 ani )

se localizează în intervalul de valori estimat şi deci eşantionul este considerat
reprezentativ din acest punct de vedere.
Pentru a mării aria de reprezentativitate a eşantionului pot fi luate în considerare
şi alte caracteristici de reprezentativitate, de natură secundară, cum ar fi: rezultatele
obţinute în urma efectuării unui test de inteligenţă, mediul social al subiecţilor,
naţionalitatea, sexul, calităţile fizice şi starea de sănătate a subiecţilor etc..
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.
N = 250 - numărul de gospodării care formează colectivitatea statistică totală

n = 50 - numărul de gospodării care formează eşantionul
m = 8 - numărul de gospodării care deţin câte o bicicletă
n 50
f = = = 0,2 ; 20% - fracţia de sondaj
N 250
Calculul indicatorilor propuşi este efectuat astfel:

- proporţia gospodăriilor care deţin o bicicletă, în eşantion (w), sau estimaţia

proporţiei gospodăriilor care deţin o bicicletă în colectivitatea statistică totală ( p̂ ),
m 8
pˆ = w = = = 0,16
n 50
- estimaţia numărului total de gospodării care au în posesie o bicicletă,
Mˆ = N ⋅ w = 250 ⋅ 0,16 = 40 gospodării
- estimaţia numărului total al persoanelor care folosesc biciclete (Xˆ) ,

- numărul mediu de persoane care revine la o gospodărie
deţinătoare de o bicicletă, calculat pe baza datelor de sondaj,
35
x= = 4,375 persoane
8
(35 este numărul de persoane existent în cele 8 gospodării care deţin câte o
bicicletă, în eşantion)
Xˆ = x ⋅ Mˆ = 4,375 ⋅ 40 = 175 persoane
Se estimează, astfel, că în sat sunt 40 de gospodării care deţin câte o bicicletă şi
respectiv 175 persoane care le folosesc.
- estimaţia erorii medii a proporţiei gospodăriilor care deţin o bicicletă

- absolută
w(1 − w) N − n w(1 − w) 0,16(1 − 0,16) 250 − 50

σˆ w = ⋅ = ⋅ (1 − f ) = ⋅ =
n −1 N n −1 50 − 1 250
= 0,0027428 ⋅ 0,8 = ±0,0468
- 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,
σˆ M = N ⋅ σˆ w = 250 ⋅ 0,0468 = ±11,7 gospodării

IX.6. TEMA DE CONTROL A UNITĂŢII NR. 9
1. Concepte statistice utilizate în cercetarea statistică prin sondaj.

2. Tipurile de erori specifice cercetărilor statistice prin sondaj.
3. Descrieţi procedeele statistice cu ajutorul cărora se constituie eşantioanele.
4. Calculul estimaţiei erorii medii a valorii medii de sondaj în cazul
eşantionului simplu aleator constituit prin tragere la sorţi cu revenire.

1. Calculul estimaţiei erorii medii a valorii medii de sondaj în cazul eşantionului
simplu aleator constituit prin tragere la sorţi fără revenire.
simplu aleator constituit prin procedeul sistematic.
stratificat constituit prin tragere la sorţi cu revenire.
stratificat constituit prin tragere la sorţi fără revenire.
IX.7. BIBLIOGRAFIA SPECIFICĂ UNITĂŢII NR. 9

1996.

X. PROBLEME PROPUSE
TEMA Nr. 1
Pe baza seriei de repartiţie a societăţilor comerciale care desfăşoară activităţi

comerciale de produse alimentare, grupate după mărimea cifrei de afaceri, să se calculeze
valoarea medie a cifrei de afaceri care revine la o societate comerciale şi să se aprecieze
gradul de omogenitate al colectivităţii cu ajutorul coeficientului de variaţie.
Grupe de societăţi comerciale după Numărul societăţilor

mărimea cifrei de afaceri (mii lei) comerciale
până la 80 20
81 – 100 40
101 – 120 64
121 – 140 56
peste 140 de mii lei 20
Total 200
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.
Grupe după durata sejurului (zile) Numărul turiştilor

până la 3 zile 20
4–6 40
7–9 50
10 – 12 30
13 – 15 20
Total 160
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.

Grupe după mărimea profitului Numărul agenţilor

net (mii lei) economici
10 - 20 10
20 – 30 40
30 – 40 60
40 – 50 50
50 - 60 40
Total 200
TEMA Nr. 4
Să se calculeze stocul mediu de mărfuri, pe baza următoarelor date:
Data Mii lei

1 Ianuarie 100
1 Iunie 80
1 August 120
1 Decembrie 140
31 Decembrie 60
TEMA Nr. 5
De la o societate comercială care realizează operaţiuni de comerţ exterior se

cunosc următoarele date:
Anul 1 Anul 2 r02 r12

Felul mărfurilor mii structura mii structura

comercializate euro ( r0 ) euro ( r1 )
1. stofe 220 80
2. încălţăminte pentru 180 120
bărbaţi
3. obiecte de lenjerie 160 100
4. mobilier pentru 550 780
bucătărie
5. covoare 840 900
6. obiecte electrice de 200 520
uz casnic
Total 2.150 2.500
Să se caracterizeze dinamica procesului de concentrare sau de diversificare a

mărfurilor comercializate de această societate comercială cu ajutorul coeficientului Gini.
TEMA Nr. 6
Să se stabilească forma ecuaţiei de regresie şi să se calculeze intensitatea

corelaţiei dintre cifra de afaceri şi rata rentabilităţii financiare.
Anul Rata rentabilităţii financiare (%) Cifra de afaceri (mii

lei)
1 12,0 150
2 12,4 160
3 13,5 165
4 14,0 170
5 14,5 175
6 15,0 180
7 17,0 200
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
Vânzările de mărfuri cu amănumntul ale unei societăţi comerciale sunt prezentate

în tabel.
Felul Unitatea Perioada de bază Perioada de calcul
mărfurilor de Cantităţi Preţul Valoarea Cantităţi Preţul Valoarea
vândute măsură vândute de vânzărilor vândute de vânzărilor
( q0 ) vânzare ( q 0 p 0 ) ( q1 ) vânzare ( q 1 p1 )
( p0 ) -lei- ( p1 ) -lei-
-lei- -lei-
“A” m 800 20 16.000 900 22 19.800
“B” buc. 500 30 15.000 600 30 18.000
“C” kg 1.000 5 5.000 900 4 3.600
Total 36.000 41.400
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
Pe baza datelor din tabel să se calculeze:

- indicii individuali (elementari) şi indicele de grup al valorii vânzărilor
- indicele de grup al preţurilor de vânzare

- indicii individuali (elementari) şi indicele de grup al volumului fizic al

vânzărilor
- expresiile absolute ale modificărilor relative rezultate prin calculul indicilor de
grup
Tipuri de Valoarea vânzărilor (mii lei) Indicii elementari

produse Perioada de Perioada de (individuali) ai
bază calcul preţurilor
A 200 240 1,05
B 300 500 1,15
TEMA Nr. 10
Situaţia veniturilor şi cheltuielilor grupate pe feluri de activităţi
Felul activităţii Venituri (lei) Cheltuieli (lei)

(Sursa veniturilor Perioada de Perioada de Perioada de Perioada de
şi destinaţia bază calcul bază calcul
cheltuielilor)
Exploatare Ve0 18.000 Ve1 20.000 Ce0 16.000 Ce1 17.500
Financiară Vf0 1.500 Vf1 1.300 Cf0 1.000 Cf1 ..1.200
Extraordinară Vex0 ....500 Vex1 ...700 Cex0 1.000 Cex1 ....800
Total Vt0 20.000 Vt1 22.000 Ct0 18.000 Ct1 19.500
Pe baza acestor date să se analizeze dinamica cheltuielilor totale la 1.000 lei

venituri totale prin prisma modificării structurii veniturilor totale şi a cheltuielilor la 1000
lei venituri pe feluri de activităţi.
TEMA Nr. 11
Să se calculeze modificarea medie absolută (sporul mediu anual) şi indicele

mediu anual pentru cifra de afaceri înregistrată de o societate comercială.

Anii 2002 2003 2004 2005 2006 2007

Mii lei 20 22 26 35 38 40
TEMA Nr. 12
Să se ajusteze seria dinamică a cifrei de afaceri înregistrată de o societate

comercială cu ajutorul metodei sporului mediu anual şi a indicelui mediu anual. Să se
precizeze care, dintre cele două metode, oferă cele mai bune estimări.
Anii 2002 2003 2004 2005 2006 2007

Mii lei 8 10 16 25 28 30
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
Dintr-o populaţie statistică formată din 4000 de unităţi (societăţi comerciale cu

activitate de alimentaţie publică) s-a constituit un eşantion de 200 unităţi, prin tragere la

sorţi fără revenire. Caracteristica de reprezentativitate este suma încasărilor realizate într-
o săptămână. Datele înregistrate la unităţile din eşantion sunt sistematizate în tabel:
Grupe după suma încasărilor Numărul societăţilor comerciale

(mii. lei)
Până la 40 10
40 – 45 40
45 – 50 50
50 – 55 60
55 – 60 40
Total 200
Să se estimeze intervalul de încredere pentru valoarea medie a încasărilor

săptămânale realizate de o societate comercială, cu o probabilitate de 0,9545 (z = 2)
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

abaterea medie pătratică (s = 1,04 cm .) aferente unei anumite dimensiuni (diametrul

piesei).
Pornind de la aceste determinări statistice să se calculeze estimaţia erorii medii şi
respectiv a erorii limită pentru caracteristica de reprezentativitate considerată, în
condiţiile unei probabilităţi convenită pentru garantarea rezultatelor, de 95,45%, căreia îi
corespunde z q = 2 În aceste condiţii să se estimeze limitele probabile între care se va
situa diametrul celor 10.000 de piese.
XI. BIBLIOGRAFIA SPECIFICĂ ÎNTREGULUI
SUPORTDE CURS

2. 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.
3. Isaic-Maniu, Al.; Mitruţ, C.; Voineagu, V., Statistica pentru managementul
afacerilor, Editura Economică, Bucureşti, 1995.
4. Mihăilescu, N.,Statistica şi bazele statistice ale econometriei, Editura SITECH,
Craiova, 2009.

XII.NOTIŢELE CURSANTULUI
________________________________________________________________
__________________________________________________________________
__________________________________________________________________
_________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
_________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
_________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
_________________________________________________________________
__________________________________________________________________
__________________________________________________________________
_________________________________________________________________
__________________________________________________________________
__________________________________________________________________
_________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
_________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
_________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
2011
_________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
_________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
_________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
_________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
_________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
_________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
_________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
_________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________

__________________________________________________________________
_________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
_________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
_________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
_________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
_________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
_________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
_________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
_________________________________________________________________
__________________________________________________________________

XIII.ANEXE

Anexa 1
Numere întâmplătoare. Reprodus după F. Mills – „Statistical Methodes”, Columbia

University, Third edition, N.Y.
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
Valorile lui χ 2 în funcţie de probabilitatea ( )

P χ 2 ≤ χ P2 = 1 − q = P şi numărul gradelor
de libertate f
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

Statistica Economica PDF

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Statistica Economica PDF

Încărcat de

Drepturi de autor:

Formate disponibile

STATISTICĂ ECONOMICĂ 1

UNIVERSITATEA HYPERION DIN

AUTORI: Prof.univ.dr. Bălăceanu Ion

Acest curs este un instrument în mâna celor care doresc să cunoască şi să

Metodele statistice expuse în manual sunt de utilitate directă pentru elaborarea

mijloace adecvate şi necesare realizării investigaţiilor faptice şi teoretice cu care sunt

Cursul “Statistică economică” este structurat în nouă unităţi de învăţare (capitole),

Evaluarea cunoştinţelor – constă în evaluarea finală, concretizată prin examenul

Universitatea Hyperion | 2011

CUPRINSUL SUPORTULUI DE CURS

III.5. Bibliografia specifică unităţii de învăţare nr. 3 55

Universitatea Hyperion | 2011

VI.3.Metode de analiză a corelaţiei rangurilor 126

Universitatea Hyperion | 2011

IX.5. Tema de control a unităţii de învăţare nr. 9 260

Universitatea Hyperion | 2011

Timpul de studiu individual estimat: 1 h

Competenţele specificeunităţii de învăţare:

să cunoască conceptele de bază ale statisticii;

să cunoască structura metodologică a cercetării statistice;

Cuprinsul unităţii de învăţare:

I.1. OBIECTUL ŞI METODA STATISTICII

Statistica studiază, pe baza expresiei cantitative a fenomenelor social-economice

Statistica are ca obiect cercetarea fenomenelor social-economice cu existenţă

Universitatea Hyperion | 2011

I.2. FUNCŢIILE STATISTICII

Funcţiile statisticii caracterizează cadrul general al modului în care sunt aplicate

1) Funcţia organizatorică şi metodologică de efectuare ştiinţifică a cercetărilor

I.3. CONCEPTE DE BAZĂ FOLOSITE DE STATISTICĂ

În procesul studiului fenomenelor social-economice, metodologia statistică

Universitatea Hyperion | 2011

Din punct de vedere al terminologiei practice pentru conceptul de populaţie

Unitatea de observare statistică este elementul component al populaţiei statistice

Caracteristica statistică este acea însuşire comună tuturor unităţilor populaţiei

- după modul de prezentare al caracteristicilor numerice,

Universitatea Hyperion | 2011

Totalitatea caracteristicilor statistice care fac obiectul unei cercetări statistice

Varianta este nivelul individual al caracteristicii statisticii asociat unei unităţi

Frecvenţa este numărul de unităţi statistice la care se înregistrează o variantă a

Indicatorul statistic este expresia numerică a unei determinări calitative obiective

Legea numerelor mari are:

Universitatea Hyperion | 2011

Inegalitatea lui Cebâşev dimensionează o limită inferioară a probabilităţii ca

valoarea medie, necunoscută, a caracteristicii studiate în colectivitatea generală, x0 , să ia o

valoare în intervalul, [x − ε , x + ε ] , unde x este valoarea medie a caracteristicii X

eroarea medie de sondaj a valorii medii, ,

Când volumul eşantionului constituit prin aplicarea unor procedee aleatorii de

obţinută pe baza sondajului, x , şi media colectivităţii generale, x0 , converge către o

P[( x − zσ x ) < x0 < ( x + zσ x )] ≥ Φ ( z )

Teorema lui Cebâşev are, de asemenea, o importanţă deosebită în teoria sondajelor

Universitatea Hyperion | 2011

Teorema lui Poisson.Teorema lui Poisson este o generalizare a teoremei

Universitatea Hyperion | 2011

I.4. CERCETAREA STATISTICĂ

Cercetarea statistică este un proces de cunoaştere a fenomenelor de masă, realizat

Observarea statistică poate fi desfăşurată în mai multe variante de lucru în

- observări parţiale: cercetarea statistică prin sondaj, ancheta statistică, monografia

Interpretarea rezultatelor este etapa în care se formulează concluzii cu privire la starea

I.5. TIPURI DE ERORI CARE POT APARE ÎNTR-O CERCETARE

Universitatea Hyperion | 2011

Erorile de reprezentativitate sunt specifice cercetărilor statistice prin sondaj şi pot

Cu ajutorul generalizărilor şi abstractizărilor cu care operează,

Universitatea Hyperion | 2011