Documente Academic
Documente Profesional
Documente Cultură
Emiliana U RSIA N U
MICĂ ENCICLOPEDIE
DE STATISTICĂ
Coordonator Vladimir Trebici
4 1+u.fir «/rcft
b -U si /6-fcJ , .
< /^rtA -S ^
/rv & '/&n
V.TREBICI
CUVlXT ÎNAINTE
V.TREBICI
6
vedere, a r restrlnge a tit scopul unei lucrări enciclopedice cit şi cercul u tiliz a
torilor e i : intr-o asemenea form ă, lucrarea s-ar adresa specialiştilor cărora ca
a r pu tea să le procure lesnicios o inform aţie sau alta, fiind aşad ar m ai cu rin d
un „m em ento“ sau un „fo rm u la r“ . E xpunerea logică îşi dovedeşte superiori
ta te a prin aceea că îm bină a v a n ta ju l info rm ativ cu cel form ativ. C itito ru l care
parcurge sistem atic „Mica enciclopedie de sta tistic ă “ îşi însuşeşte progresiv
noţiunile şi m etodele ajungînd, la cap ătu l lecturii, să aib ă o im agine coerentă
despre statistică.
în această concepţie, lucrarea n o astră se deosebeşte de cele sim ilare ed itate in
străin ătate. L ucrarea lui M. G. K endall şi W . R. B uckland („A D ictionary
of S tatistical Term s“ , 1966) este o prezentare succintă, in ordine, alfabetică, a
principalelor noţiuni de teoria p ro b ab ilităţilo r şi de statistică m atem atică.
L ucrarea lui T. Paenson („S ystenm tic Glossary of tlie Terminology of S tatis
tical M ctbods“ , 1970, în limbile engleză, franceză, rusă, spaniolă), expusă
tem atic, este destinată in special trad ucătorilor. în schimb, lucrarea lui W. IL
K ruskal şi J . M. T an u r („ In tern atio n al Encyclopcdia of Siatistics“ , 2 volum e,
1979), p rezintă 75 de articole despre statistică, scrise de un m are n u m ăr de
specialişti, însoţite de -12 articole de ştiin ţe sociale, cu referire specială li
statistică, precum şi 57 biografii de personalităţi care au ilu stra t statistica.
D esigur, fiecare din aceste lucrări, in funcţie de concepţia de bază, are o fina
litate circum scrisă. A doptarea ordinii logice îşi găseşte expresia in stru c tu ra
„Micii enciclopedii de sta tistic ă “ . Părţile intii şi a doua oferă no ţiu n i generale
şi sistem ul inform aţional statistic ; p ărţile a treia, a p a tra şi a cincoa expun
m ateria propriu-zisă după demersul gnoseologic : statistica descriptivă — teoria
probabilităţilor — statistica m atem atică. în tr-o form ă sim plificată, demersul
a r însem na trecerea de la statistica elem entară la statistica m atem atică, legă
tu ra fiind asig u rată de noţiunea de pro b ab ilitate. De aceea, in cuprinsul lucrării,
se întllnesc situ aţii — dealtfel p u ţin e la n u m ăr — cind unul şi acelaşi term en
este p rezen tat de două ori : prim a d ată, Ia nivelul statisticii descriptive, intr-o
form ă m ai curind in tu itiv ă, şi a doua oară. in cadrul statisticii m atem atice,
in form ulare riguros m atem atică.
S-a socotit u til ca „Mica enciclopedie de sta tistic ă “ să dea şi unele inform aţii
istorice, a tit sub form ă dc istoric general al statisticii şi de istorie a statisticii
rom âneşti, cit şi sub forma u n o r n o tiţe istorice p en tru fiecare n oţiune sau
m etodă m ai im portante. De asem enea au fost incluse 81 biografii ale un o r perso
n a lită ţi care au d at co ntribuţii im portante la progresul statisticii. I n sistem
de trim iteri asigură legăturile necesare din tre n oţiuni, ia r indicele alfabetic al
term enilor înlesneşte u n acces rap id la inform aţia c ă u ta tă de cititor.
Desigur, ca orice lucrare de tip enciclopedic, lucrarea este susceptibilă de
îm bunătăţire. A utorii vor prim i cu recu n o ştin ţă observaţiile şi sugestiile citi
torilor. Gindul care i-a călăuzit a fost acela de a pune la dispoziţia celor
dornici să sc instruiască .şi să se informeze în problemele statisticii o lucrare
utilă, rod al experienţei lor didactice şi ştiinţifice de citeva decenii. D acă acest
scop va fi atin s aceasta o vor hotărî cititorii. Din parte-le, autorii însoţesc modes
ta lor lucrare cu c la s ic u l:
„ H ab en t s\ia fata libellt“ .
V.TREBICI
Lista de abrevieri
V.TREBICI
SUMAR
C U V ÎN T Î N A I N T E ............................................................ 5
L IST A D E A B R E V IE R I .............................................................................. 7
PA R T E A ÎN T ÎI. G E N E R A L IT Ă Ţ I.................................................................. 17
I. CONCEPTU L DE S T A T IS T IC A ................................................ 17
S ta t is ti c ă ....................................................................................................... 17
Teoria p r o b a b ilită ţilo r .............................................................................. 31
S tatistică m a t e m a t i c ă .............................................................................. 34
S tatistică d e s c r i p t i v ă .............................................................................. 3f>
S tatistică inform aţională Onicescu 37
S tatistică e c o n o m ic ă ................................................................................... 39
S tatistică analitică (inductivă sau d if e r e n ţia lă ) ............................... 40
S tatistică teoretică (teorie a statisticii) ............................................ 41
S tatistică de ram u ră .............................................................................. 41
S tatistică a c t u a r i a l ă .................................................................................. 42
S tatistică o f i c i a l ă ....................................................................................... 42
V.TREBICI
9
C V L E G E R E A D A T E L O R S T A T I S T I C E ....................................... 54
O bservare sta tistic ă (înregistrare s t a t i s t i c ă ) ................................... 54
E roare statistic ă ....................................................................................... 55
R e c e n s ă m i n t ................................................................................................ 56
R ecensăm int al populaţiei ...................................................................... 56
R ecensăm int economic .......................................................................... 57
R ecensăm int experim ental (de probă) ................................... . . 57
M ic ro re c e n s ă m îh t....................................................................................... 57
A nchetă statistic ă ................................................................................... 57
A n ch etă prin sondaj (statistic) ......................................................... 57
A nch etă prin sondaj a lea to r ............................................................. 58
A nch etă prin sondaj n eale ato r ......................................................... 58
A nchetă (sondaj) de o p i n i e ................................................................. 58
P a n e l ............................................................................................................. 58
G h s tio n a r........................................................................................................ 58
E x p e r im e n t.................................................................................................... 58
P R E L U C R A R E A D A T E L O R S T A T I S T I C E .............................. 61
P relucrarea datelor statistice ............................................................. 61
G rupare statistic ă ................................................................................... 61
P relucrarea datelor statistice cu aju to ru l m ijloacelor tehnicii de
c alc u l................................................................................................................. 62
O rganizarea prelucrării d atelo r s t a t i s t i c e ....................................... 63
U n itate de inform atică sta tistic ă .................................................. 65
Sistem inform aţional sta tistic ........................................................ 65
F lu x inform aţional s t a t i s t i c ................................................................. 66
N om enclator sta tistic u n ita r................................................................... 66
R egistru statistic a u to m a t ................................................................. 68
Sistem inform atic sta tistic ............................................................. 68
C alculator electronic (u tilizat în prelucrarea d atelor statistice) . . 71
Program e şi sistem e de program e stan d ard p en tru prelucrarea d a te
lor s t a t i s t i c e ............................................................................................... 72
B ază de m etad ate s t a t i s t i c e ................................................................. 73
B ază de d ate s t a t i s t i c e .......................................................................... 73
B ancă de date statistice ..................................................................... 74
V.TREBICI
Prelucrare au to m a tă a d atelo r statistice o p e r a t iv e ...................... 74
Prelucrare au to m a tă a d atelo r rcccnsăm intului populaţiei şi al
l o c u i n ţ e l o r ................................................................................................... 74
Prelucrare in teg ra tă a datelor d e m o g r a f ic e ................................... 75
Integrarea sistem ului inform atic statistic în sistem ul inform atic
n a ţ i o n a l ....................................................................................................... 76
P R E Z E X T A P JC A D A T E L O R S T A T I S T I C E .......................... 76
Tabel s t a t i s t i c .......................................................................................... 76
Tabel cu dublă i n t r a r e .......................................................................... 78
Tabel de a s o c ia ţie ....................................................................................... 80
T abelă ( s t a t i s l i c ă ) .................................................................................... 81
R eprezentam g ra f ic ă .................................................................................. 81
D iagram ă iu batoane ( b a r e ) ................................................................. 85
D iagram ă c u m u l a t i v ă ............................................................................. 86
D iagram ă prin coloane (diagram ă prin tuburi de o r g ă ) .................. 86
D iagram ă circulară (in sectoare) .................................................... 88
D iagram ă prin suprafeţe ..................................................................... 89
Ilistoriogram ă (cronodiagram ă) ........................................................ 89
D iagram ă scm ilogaritm ică ................................................................. 91
D iagram ă iogaritm ică (diagram ă log—log) ................................... 98
H istogram ă ............................................................................................... 99
Poligon al frecvenţelor ..................................................................... 102
C urbă a frecvenţelor (curbă de rep artiţie ) ................................... 105
D iagram ă polară (radială) ................................................................. 109
D iagram a t r i u n g h i u l a r ă .......................................................................... 111
D iagram ă in z ....................................................................................... 112
Grafic G a n t t ............................................................................................... 113
P iram idă a v i r s t c l o r ....................................... ...................................... 114
Graficul iui I . e x i s ...................................................................................... 116
G artogram ă ............................................................................................... 120
C n r t o d i a g r a m ă ...................................................................................... ■ 120
C o r e l o g r a m â ............................................................................................... 122
S tereogram ă................................................................................................... 122
D iagram ă IVnriow-Campo....................................... .......................... 122
R E P A R T I T U E M P IR IC E (D E F R E C V E N Ţ E ) ...................... 123
Serie statislică (repartiţie statistică) ................................................ 123
Clasă ............................................................................................................ 124
V.TREBICI
11
IN . (O R E L A Ţ I A Ş I R E G R E S IA ........................................................ 181
< orelaţîc (statistică) .............................................................................. 181
R e g r e s i e ........................................................................................................ 182
Tabel de corelaţie ................................................................................... 183
Corelaţie ap aren tă (corelaţie f a l s ă ) ......................................................... 183
Hcunţie de regresie (ecuaţie de e s tim a r e ) ........................................... 187
D reaptă dc regresie (d reap tă de e s tim a r e ) ....................................... 189
Coeficient de regresie .......................................................................... 193
R epartiţie m a r g i n a l ă .............................................................................. 194
R ep artiţie condiţionată (rep artiţie l e g a t ă ) ............................................ 195
C o v a r i a n ţ ă .................................................................................................... 106
Coeficient dc corelaţie (coeficient de corelaţie liniară, coeficient
de corelaţie B ravais-P earson) ......................................................... 197
R ap o rt dc corelaţie (indice de c o r e l a ţi e ) ........................................ 202
V.TREBICI
12
X. IN D IC II ................................... 213
I n d i c e ............................................................................................................ 213
Indice elem entar (individual) ............................................................. 221
Indice sintetic (to tal, general) ............................................................. 221
P o n d e r e ........................................................................................................ 222
Indice simplu ........................................................................................... 222
Indice p o n d erat ....................................................................................... 222
Indice general ........................................................................................... 222
Indice p a rţia l (de grup) ..................................................................... 222
Indice a g r e g a t ........................................................................................... 222
Perioadă de bază (de r e f e r i n ţ ă ) ........................................................ 223
P erioadă curentă .................................................................................. 223
Indice m ediu .......................................................................................... 223
Serie de indici ...................................................................................... 223
Indice Laspcyres .................................................................................. 224
Indice P a a s c h e ........................................................................................... 224
Indice Edgew ortli (M a rsh a ll-E d g e w o rth )........................................... 224
Indice „id ea l” F isher ......................................................................... 224
Indice Divisia .......................................................................................... 224
Form ula Bortkiewicz .............................................................................. 226
Indice aritm etic m ediu p onderat .................................................... 227
Indice arm onic mediu ponderat ........................................................ 227
Teste ale indicilor .................................................................................. 227
Indice a n a l i t i c .......................................................................................... 230
Indice al valorii medii ......................................................................... 230
Indice cu stru c tu ră variabilă ........................................................ 231
Indice cu stru c tu ră fixă ..................................................................... 231
Indice de stru ctu ră (al schim bărilor s t r u c t u r a l e ) ...................... 231
Indice s t a n d a r d i z a t .................................................................................. 232
Ponderi s t a n d a r d ...................................................................................... 233
Indice teritorial .................................................................................. 233
D eterm inarea contribuţiei factorilor la m odificarea u n u i in d i
cator c o m p l e x ............................................................................................ 233
V.TREBICI
13
X II. E L E M E N T E D E T E O R IA P R O B A B I L I T Ă Ţ I L O R . . . 300
Spaţiu de evenim ente e l e m e n t a r e .................................................... 300
E venim ent (aleator).................................................................................... 300
P r o b a b i l i t a t e ............................................................................................... 302
Cimp de probabilitate ......................................................................... 305
E venim ente independente ................................................................. 305
E venim ente d e p e n d e n t e .......................................................................... 305
P robabilitate c o n d i ţ i o n a t ă ..................................................................... 305
V ariabilă a l e a t o a r e .................................................................................. 306
R ep artiţie (a unei variabile a l e a t o a r e ) ............................................ 308
F u n cţie de rep artiţie ......................................................................... 308
O peraţii cu variabile aleatoare ........................................................ 309
Valori medii ........................................................................................... 309
Valori medii condiţionate ................................................................. 312
V.TREBICI
14
XIV. T E O R IA S O N D A J U L U I S T A T I S T I C (T E O R IA S E L E C T I E I ) 36.
E xperim ent .................................................................... 362
E şantion (de volum n ) ..................... 362
Spaţiu! e ş a n t io n n e l o r .......................... 362
Selecţie ........................................................ . . . . . . 36.3
Sondaj ................................................... 3635
S tatistică (in-dijnensională) ..................... 364
Spaţiul param etrilor .............................................................................. 364
Funcţie empirică de rep artiţie (funcţie de rep artiţie de selecţie) F„ 364
M oment empiric (m oment de selecţie) de ordin k ...................... 365
Moment empiric centrat (m oment c e n tra t de selecţie) de ordin k . 366
XV T E O R IA E Ş T I M A Ţ I E I .................. 366
E s t i m a t o r ................................................ 367
E stim aţie ............................................... 372
F un cţie param etrică .......................... 372
F uncţie estim abilă .............................. 372
Principiul verosim ilităţii maxime 372
E stim ator de verosimili late maxim ă 373
F uncţie de verosim ilitate . . . . 375
Metoda celor mai mici p ă tra te 376
E stim ator MMP .................................. 377
Metoda m om entelor .......................... 378
Metoda minimului lui y ‘~ .................. 370
X V I. V E R IF IC A R E A IP O T E Z E L O R S T A T I S T I C E .......................... 370
Verificarea (testarea ) ipotezelor statistice ....................................... 380
Ipoteză s t a t i s t i c ă ...................................................................................... 380
V.TREBICI
15
X V II. A N A L IZ A U E V A R I A N Ţ Ă (A N O Y A ). P L A N IF IC A R E A E X
P E R IM E N T E L O R .................................................................................. 511
A naliză de v arian tă ( A N O V A ) ...................... 511
T rata m en t ....................................... ■ .................. 511
F a c t o r ..................................................................... • • 511
Model liniar general ............................................................ .... - ■ . 512
F o rm ă canonică a ipotezelor fundam entale . . 515
Ipoteză nulă în modelul liniar .............................. . . 516
.Sumă to tală a p ă tra te lo r (Sum ă to ta lă de p ă tra te ) . . 517
S um ă a pătratelor e r o r i l o r ....................................... 517
V.TREBICI
16
V.TREBICI
PARTEA ÎN T ll
GENERALITĂŢI
I. CONCEPTUL DE STATISTICĂ
2 0. 680 V.TREBICI
18
V.TREBICI
i*
V.TREBICI
20
V.TREBICI
31
V.TREBICI
22
V.TREBICI
23
ta tă . Laplace „trebuie situ a t pe prim ul loc in tre acei sav an ţi care, in tr-u n fel,
au aru n c a t o p unte în tre aritm etica politică şi calculul p ro b ab ilităţilo r“ 23.
La aceeaşi epocă, K arl Friedrich Gauss * (1775 —1855) defineşte legea norm ală
de rep artiţie, pusă în lum ină încă de A . de Moivre * (1667 —1754), Jean B ap
tiste Joseph Fourier (1768 —1830) prom ovează aplicaţiile m atem atice iu s.
prin studii publicate in „R echerches sta tistiq u e s sur la ville de P aris et le dé
p artem en t Seine“ , iar Sim on Denis Poisson* (1781 —1840) descoperă legea
de re p artiţie a evenim entelor rare şi se ocupă de problem e de demografie, de
statistică m orală şi judiciară, cu aplicaţii ale calculului p robabilităţilor,
în sec. al X IX -lea, num eroşi alţi m atem aticieni şi în v ă ţa ţi au realizat lucrări
valoroase, care au consolidat gîndirea p robabilistă în s. şi i-au a sig u rat p ro
gresul. Cel care a dom inat insă ca statistician epoca sa a fost Adolphe Quételet*
(1796—1874). Cu el s-a produs o nouă co titu ră în evoluţia conceptului de s.
De obicei, numele lui Q uételet este asociat cu teoria „om ului m ediu” , u n homo
statisticus, care venea să Înlocuiască pe homo oeconomicus al clasicilor. Conform
acestei teorii statistice, de la care se pleca în constituirea u n u i fel de fizică so
cială, diversele caractere fizice, intelectuale şi morale ale oamenilor, observaţi
în m asă, s-ar echilibra intr-o fiinţă fictivă, ideală, dorită de n a tu ră , d a r neizbu
tită ; oamenii „reali” s-ar distribui în ju ru l ei „la în tim plare” , analog erorilor
în m ăsurarea unei m ărim i. în lucrarea „ S u r l’homm e e t le développem ent de
ses facultés ou essai de physique sociale” (1835), citim : „N oi trebuie, înainte
de toate, să pierdem din vedere omul lu a t izolat şi să n u -1 considerăm decit o
fracţiune a speciei. Despuindu-1 de indiv id u alitatea sa, vom elimina to t ceea ce
nu este decit accidental, iar p articu larităţile individuale, care nu exercită
decit p u ţin ă sau nici o acţiune asu p ra m asei, se vor şterge şi vor perm ite sesi
zarea rezultatelor generale” 27. L ăsînd la o p a rte la tu ra sa fabuloasă, conceptul
de „om m ediu” sc cuvine evocat p e n tru ideile im plicate : re p artiţie, medie,
dispersie, observare de m asă, reg u laritate, esenţiale în cercetările statistice.
„Cînd Q uételet — scrie D urkheim — sem nala aten ţiei filozofilor surprinză
toarea reg u laritate cu care anum ite fenom ene sociale se repetă, el ţinea seam a
de teoria sa despre om ul m ediu, care a răm as, dealtfel, singura explicaţie siste
m atică a acestei rem arcabile p ro p rie tă ţi” (in lucrările sale — n.n.) 9. Cu prilejul
centenarului m orţii lui Q uételet (1974), au fo st organizate sesiuni ştiinţifice
şi reed itări ale lucrărilor sale, vădindu-se u n interes m are p en tru ideile sale şi
reactualizîndu-se şi concepţia sa despre „om ul m ed iu ” , într-o viziune m odernă.
Concepută ca o „fizică socială” , s. qu eteletian ă încorporează ideea că reg u lari
tă ţile descoperite prin observarea de m asă rezu ltă din legi care se im pun om ului
în ordinea fizică şi de asem enea în ordinea m orală. „ E u nu am în c e ta t o clipă
să rep et — declara Q uételet cu referire la crim inalitate — că ex istă u n b uget
ce se plăteşte cu o regu laritate nem aipom enită, acesta este b u g etu l închiso
rilor, ocnelor şi eşafodurilor . . . ; anual numerele confirm ă previziunile mele
pînă in tr-u n asem enea grad in cit aş p u te a să spun cum va cu m ai m u ltă ex ac
titate : există un trib u t pe care omul îl p lăteşte cu m ai m are re g u la rita te decit
trib u tu l d ato rat n atu rii sau vistieriei sta tu lu i — este trib u tu l pe care -1 p lă
teşte crim ei” 27. A cest p u n c t de vedere determ inist-m ecanicist era de n u a n ţă
m oderată, deoarece adm itea p osibilitatea transform ării am b ian ţei sociale.
Astfel, d upă ce afirm ă că „societatea conţine in sine germ enii tu tu ro r crim elor
ce se vor com ite” şi că „orice stare socială presupune deci u n a n u m it n u m ă r de
crime şi o anum ită categorie de delicte, care ap a r d re p t consecinţă a organizării
sale” , Q uételet continuă : „A ceastă observaţie, care poate părea descurajatoare
din prim ul m om ent, devine consolantă, d im potrivă, cînd se exam inează cu
aten ţie, fiindcă ea a ra tă posibilitatea de a în d rep ta oamenii, m odificind in sti
V.TREBICI
tu ţiile lor, obiceiurile lor, nivelul cunoştinţelor lor şţ, in general, to t ceea ce
influenţează felul lor de a fi” 27. O a ltă lucrare a lui Q uételet, cu sem nificaţie
a p arte în dezvoltarea istorică a s., este m anualul „L a m éthode sta tistiq u e ”
(1848), scris in calitate de tu to re , p en tru p rin ţu l A lbert al B elg ieil0. E lem entele
de s. form ulate, fără preocupare de sistem atizare, in „E ssai de physique so
ciale” şi alte lucrări, au fost dezvoltate şi în tru n ite, cu prilejul m anualului,
intr-o expunere coerentă. A vem de-a face, pen tru prim a oară, cu o teorie sin
tetică a s., cu un corp distinct de principii, tehnici şi procedee statistice. E la
b o rat d upă o perioadă de am ple cercetări întem eiate pe practica s., m anualul
„L a m cthode statistiq u e ” corespunde u n u i stadiu m u lt m ai evo lu at al gîndirii
au torului său. E ad ev ăra t, in prim ele sale lucrări, Q uételet nu are despre s. o
opinie prea diferită de cea cu ren tă. S. este n u m ită „anatom ia societăţii” şi i se
atrib u ie scopul „de a observa modificările pe care le suferă diferitele popoare
in starea lor fizică şi m orală şi de a cău ta să p ă tru n d ă m otivele” . T re p ta t
insă, conceptul de s. include elem ente noi, îndreptind s. pe căi noi : cercetarea
v ariaţiei şi a relaţiilor cauzale în m asa fenom enelor, dezvăluirea reg u larităţilo r,
investigarea cu predilecţie a fenom enelor vieţii um ane etc. In final, Q uételet
ajunge să privească s. drep t singura m etodă utilizabilă pen tru stu d iu l feno
m enelor de m asă „în care nu sîntem în stare să facem să varieze circu m stan ţele”
şi care sîn t susceptibile „de a fi tra ta te prin calculul p ro b ab ilităţilo r” . In te r
p retarea probabilistă a s ., caracteristică lui Q uételet, este com ună şi a lto r oam eni
de ştiinţă. D upă A . Cournot (1801—1877), un u l din fondatorii economici m a
tem atice, s. a r fi „ştiin ţa care are ca obiect culegerea şi coordonarea faptelor
num eroase de orice fel in cit să se o b ţin ă rap o rtu ri numerice sensibil indepen
dente de anomaliile hazard u lu i şi care denotă existenţa cauzelor regulate a
căror acţiune s-a com binat cu cea a cauzelor întîm p lăto are” . Concepţia sa
despre s., sin tetizată în această definiţie, o găsim m ai ales în lucrarea,,E xpo-
sition de la théorie des chances e t des probabilités” (1843).
N oua orientare n-a în tirz ia t să p ătru n d ă în gîndirea s. a epocii, d a r controversele
in ju ru l conceptului de s. au c o n tin u a t; definiţiile în circulaţie s-au înm ulţit.
G ustav von Riim elin (1815— 1889), statistician germ an, a n u m ă ra t 63 de defi
niţii (inclusiv pe a sa) in 1863. Cel m ai controversat era dom eniul a trib u it s. :
unii adm iteau, în sfera de cuprindere a s., to ate fenomenele exprim abile n u
meric, indiferent de n a tu ra lor, alţii — num ai fenomenele sociale, ia r u n a lt
grup restringe cim pul de aplicare al s. la fenomenele vieţii um ane („societatea
civilă”). M ultă vreme încă, au to ri de ta le n t au p ă stra t, cu unele n u an ţe, con
ceptul de statistică descriptivă al şcolii din G ottingen sau conceptul de a ritm e ti
că politică la 1'aza iniţială şi au scris lucrări în concordanţă cu conceptul însuşit.
O rem arcabilă contribuţie la progresul s., al afirm ării ci ca ştiin ţă au ad u s şi
alte şcoli naţionale, în decursul sec. al X IX -lea, denum it sugestiv „era en tu
ziasm ului statistic” (H . W estergaard). în ain te de constituirea şi afirm area
deplină a s. m atem atice, la sfîrşitul sec. al X IX -lea şi primele decenii ale
sec. al X X -lea, sînt de consem nat citeva co ntribuţii im portante. în epoca post-
queteletiană orientarea principală a fost aceea a unei s. sociale, cu o pondere
crescindă a m etodelor num erice. De asem enea, in aceeaşi perioadă se rem arcă
o intensificare a s. populaţiei şi demografiei.
Şcoala germ ană a contin u at, în linii generale, tra d iţia unei s. concepute ca
ştiin ţă socială, cu num eroase clem ente de s. descriptivă. U nul din reprezentanţii
de seam ă este Wilhelm Lexis * (1837 —1914), d upă care domeniul s. îl constituie
societatea, procesele desfăşurate în cadrul ei, ca procese de m asă, supuse legilor
statistice. A proxim ativ pe aceeaşi linie se situează Gcorg von M ayr (1841 —
1925). R evendicind energic p en tru s. drep tu l la d em nitatea de ştiin ţă , M ayr
V.TREBICI
26
li atribuie ca obiect special „ stu d iu l m aselor sociale de orice fel, . . . prin metoda
de analiză num erică” 13. O riginalitatea sa constă in a face din s. o ştiinţă socială
generală, un fel de sociologie (m anualul său este clasic şi p o a rtă titlu l „ S ta-
tistik u n d Gesellschaftslehre” . I - 1895 şi 11—1897). R em arcabile sint contri
buţiile unor statisticieni şi demografi ca G. P. K napp (1842 — 1926), K . Becker
(1 8 2 3 -1 8 9 6 ) şi R. Bockh (182 4 -1 9 0 7 ).
S. rusă a fost reprezen tată în s. socială m ai ales de D. P. Juravski (1S10 —
1856), care consideră s. drep t o ştiin ţă a „categoriilor” , a „com paraţiei” ,
punind un m arc accent pe m etoda grupărilor, o ştiin ţă m aterială avind ca
obiect studiul vieţii sociale şi, in acelaşi tim p, ştiin ţă metodologică. Lucrarea
sa principală „D espre sursele de date statistice şi folosirea lo r” (1846) m ar
chează u n pas im p o rta n t spre s. c an titativ ă. De asemenea, co n trib u ţii im por
ta n te se datorează lui A . A . Ciuprou * (1874— 1926).
S. italian ă, cu o veche trad iţie, a p rim it un im puls viguros din p a rte a lui Luigi
Bodio (1840—1920), care a condus s. oficială a Italiei în tre 1872 şi 1900.
„Â nnali di statistica” , iniţiate în 1871, au colectat im portante studii originale
autohtone de teorie şi metodologie s. (medii, reprezentări grafice, com paraţii
s.) şi relatări critice despre lucrări străine. M enţiune m erită şi lucrarea „Teoria
generale della statistica” (Milano, 1888), scrisă dc Antonio Gabaglio. R . Benini
(1862—1956), profesor de s. la diferite u n iv ersităţi din Italia, a contrib u it în
m ăsură însem nată la progresul s. sociale şi, m ai ales, demografice. O figură aparte
este L. Amoroso ale cărui contribuţii de m atem atică a populaţiei au m arcat
u n progres în s. şi demografie.
Şcoala franceză, în afară dc contribuţiile sale rem arcabile la teoria pro b ab ili
tăţilo r, a dat, prin cîteva personalităţi, u n im puls notoriu s. sociale. A . Guillard
(1 7 9 0-1876), L. A. Bertillon (1 8 2 1 -1 8 8 3 ), Jacques Bertillon (1 8 5 1 - 1922),
P . E. LcMsseur (1829 —1911) a adus o contribuţie im p o rtan tă la progresul s.
sociale şi al s. demografice.
în s. engleză, o contribuţie im p o rtan tă a adus W. F a rr* (1807—1887), orga
nizator, îm preună cu A. Q uételet, al prim ului Congres in ternaţional dc s.
(1853). C ontribuţii im portante se datorează u n o r statisticieni ca norvegianul
A . N . Kiaer * (1838—1919), ale cărui eforturi p e n tru afirm area sondajului s.
sint foarte im p o rtan te ; belgianul P . F. Verhulst (1804—1849), descoperitorul
curbei logistice ; suedezul G. Sundbărg, cu im portante studii de s. demografică.
S. am ericană, prin C. D. Wright (1840—1909) şi IV. F. Willcox* (1861—1964)
se ală tu ră progresului general al s. sociale.
în ansam blul curentelor s. ale tim pului s-a încadrat organic s. rom ânească
ale cărei Începuturi sint m arcate de două p ersonalităţi proem inente : Ion Ionescu
de la Brad * (1818—1891) şi Dionisic Pop M arţian * (1829—1865). Prim ul şi-a
expus concepţia despre s. în lucrarea „ P o v ă ţu ri p en tru catagrafia Moldovei“
(1859), u n sintetic manual de tecrie a s.
D upă Dionisie Pop M arţian, s. studiază, in expresie num erică, „fenomenele
n atu rale şi sociale” şi „are de scop a conduce la descoperirea cauzelor şi efec
telor şi dc aici la legile care domnesc v iaţa universală a n atu rii şi cea p articu lară
a popoarelor şi a ară ta prin coordonarea acestor legi unitatea şi arm onia lum ii
fizice şi sociale in deosebitele lor fenom ene” 18. R ezu ltă în mod evident ade
ziunea sîi la teza de largă circulaţie, p o triv it căreia obiectul de cercetare al s.
excede sfera fenomenelor sociale. O rganizarea s. de sta t şi introducerea s. ca
disciplină in în v ăţăm in t au c o n trib u it sensibil la progresul s. din Rom ânia.
Crearea şcolii de teoria probabilităţilor. legată de num ele acad. O. Oniecscu *
(1892—1983 ) şi dc acad. Gh. Mihoc * (1906—1981), m archează o n o u ă e ta p ă
în istoria s. rom âneşti (- » A VI I I , Istoricul statisticii din România. )
V.TREBICI
27
V.TREBICI
28
I I = - 2 . p { log p i,
V.TREBICI
29
de cunoaştere, sîn t toate trib u ta re s. Aşa cum R onald F isher a rem arcat :
„C ătre statisticieni ne îndreptăm p en tru a răspunde la problem ele cele mai
serioase puse de marile av en tu ri ale epocii noastre. De fiecare d a tă cînd se în tre
prinde ceva im portant, statisticienii sîn t in culise. în to ate cercetările ştiin ţi
fice de bază, ei sînt cei care elaborează planurile de experienţă sau observaţii
şi to t la ei se recurge pen tru a analiza rezultatele, p en tru a evalua constatările
şi p en tru a separa faptele clar dem onstrate de cele ce m ai cer confirm area ’36.
Cercetările ştiinţifice sim t necesitatea unei „escorte statistice” în două m om ente
fundam entale ale contactului cu obiectul lor : m om entul em piric — culegerea
şi prelucrarea faptelor b ru te, şi m om entul aplicativ, verificarea teoriilor pe
calea confuntării cu realitatea. S. pune la dispoziţie tehnici şi procedee adecvate
operaţiilor întreprinse în fiecare din cele două m om ente m etodologice ale cu
noaşterii ştiinţifice. A juto ru l solicitat s. de alte ştiinţe este facilita t prin a p ti
tudinea ei de acomodare la caracteru l procesului investigat, prin eficacitatea şi
econom icitatea procedeelor sale.
Pe terenul ori în vecinătatea s. au a p ă ru t numeroase discipline şi teorii noi,
cum sînt „m etriilc” (biom etria, econom etria, psihom etria, sociocm etria, tehno-
m etria, jurim etria etc.), cercetarea operaţională, cibernetica, teoria inform aţiei,
teoria deciziilor ş.a.
A ceastă „explozie” a s. a fă c u t să se răspundă la întrebarea ce este s. astăzi,
cu urm ătoarea form ulare : ,,s., în sensul cel m ai larg, este m atricea oricărei
ştiinţe experim entale” , (M. G. K endall), adică o disciplină m etodologică care
a r treb u i să fie fam iliară cercetătorilor, de exemplu, ca şi logica. P rezenţa s.,
ca furnizor principal de inform aţii, s-a socotit înto td eau n a indispensabilă în
activitatea de conducere. D ealtfel, cronologic, necesitatea s. s-a v alid at în practica
conducerii. A stăzi este îndeobşte cunoscut că nu este posibil a conduce o
politică economică şi socială m odernă fără s. Cu a p a ra tu l su b til de investigare,
calcul şi previziune la îndem ină, s. sprijină cunoaşterea realităţilo r, fundam en
tează alternativele şi docum entează opţiunile în dezvoltarea societăţii contem
porane. S. apare ca un in stru m en t de studiu privilegiat la elaborarea deciziilor
in m ai b u n ă cunoştinţă de cauză, indicînd incertitudinile care subzistă în con
diţiile u n o r inform aţii prin n a tu ra lor incom plete. De aici şi sublinierea rolului s.
in procesele decizionale, ce ne conduce la A braham W ald : „s. este o colecţie
de m etode care ne p erm it să luăm decizii ju ste optim e in caz de in c e rtitu d in e ” .
P e n tru dezvoltarea s. aplicative sîn t caracteristice şi schim bările în tehnicile
de prelucrare a datelor. Introducerea m etodelor inform atice de prelucrare elibe
rează pe statisticieni de calcule îndelungate „nein teresan te” şi le îngăduie să
p u n ă m ai m u lt în valoare inform aţia statistică şi să m ărească p o ten ţialu l ei
de cunoaştere. O rdinatoarele au creat posibilitatea să se abordeze noi tipuri de
analiză, care nu erau de conceput cu tehnicile de calcul a n terio are; ele a ju tă
să se opereze pe un plan m ai larg şi în tr-u n mod m ai a p ro fu n d at în analiza s.
a fenom enelor. A stfel, tehnica electronică de calcul sporeşte forţa s . ; concep 'le
şi m etodele sale continuă să p ă tru n d ă cuceritoare şi înnoitoare în cele m ai
v ariate cim puri ale cunoaşterii, p retu tin d en i unde fenomenele sîn t de n atu ră
stohastică şi se supun legilor s.
M enţionăm că in ciuda im portanţei istoriei s., ca mod de gindire, nu ex istă piuă
in prezent decît 1rei lucrări consacrate acestei probleme : a lui V. John (lSDt- —
1900), fost profesor de s. la U n iv ersitatea din C ernăuţi (1888) u , lucrarea sim ilară
a danezului H . Westergaard * (1853—1936), ap ă ru tă în 193 2 34, precum şi lu
crarea lui John Iioren (ed.) „T he H isto ry of S tatisties" (M acMillan, New Y ork,
1918).
V.TREBICI
30
B IB L IO G R A F IE
1 . A C flE W V A L L, G., Staatsverfassung der heutigen vornehmsten europäischen
Reiche und Völker im Grundrisse, G öttingen, 1781, p. 4 — 5, reproduse în (30).
2. BLOCK, M., Traité théorique et pratique de statistique, G uillaum in e t Cie,
L ibraires, P aris, 1878.
3. C R O X TO N , F . E „ COW DEN, D . J ., K LE IN ', S., A pplied General S ta
r s tics, ed. 3, Prentice-H all, New York, 1967.
4. Dicţionar de filozofic, E d . politică, B ucureşti, 1978.
5. Dicţionar statistic-economic, D irecţia C entrală de S tatistică, B ucureşti,
1 969.
6 . D in istoria statisticii româneşti, culegere de articole, D irecţia C entrală de
S tatistică, B ucureşti, 1969.
7. Filozofic, materialism dialectic şi istoric, (coord. I. Tudoscscu, M. Floren,
C. Popa). E d. ştiinţifică şi enciclopedică, B ucureşti, 1975.
8. GAL V AN I, I.., Statistica, in Enciclopedia italiana di science, leftere cd arti,
Is iitu to della enciclopedia italiana fo n d ata da G iovanni Treccani, R om a,
3950.
9. ! [A LBW A CIIS, M., La théorie de l ’homme moyen. Essai sur Quételet et la
statistique morale. L ibrairie F élix A lcan, Paris, 1913.
10 . H O R V A TH , A. R ., Le concept de statistique internationale cl son évolution
i istorique, in „In tern atio n al S tatistical R eview ” , nr. 5/1972.
11. .JOHN, V., Geschichte der Statistik, I. Teil, Von dem Ursprung bis a u f
Quételet, 183J. S tu ttg a rt, 1884.
12. IO NESCU D E LA B RA D , L , Povăţuiri pentru catagrafia Moldovei pre
cedate de oarecare elemente de statistică şi publicate de Direcţia Centrală de
Statistică din M inisterul Interior al Moldovei, Tipografia Bucium ul R om ân,
laşi, 1859.
13. JAC QUART, C., Statistique et science sociale, Bruxelles, 1907.
14. <ULTN. A ., Principes de statistique théorique et appliquée, B ruxelles,1921.
15. K EN D A L L, M. G., The Ilistory of Statistical Melhnd. in ..International
Encyclonedia of the Social Sciences" , vol. 15, Tlie M acmillan Company
& The F ra c Press, 1968.
10. K EN D A L , M. G., BUCKLAND, IV. R ., A Dictionary of Statistical Terms.
O liver & Boyd, London. I960.
17. L IE S S E , A ., L a statistique-- ses procédés — scs résultats. P aris, 1905.
18. M A RŢIAN , D. PO P., Articol program, in „A nale statistice." nr. 1/1860.
¡9. M A RŢIAN , D . PO P, Statistica justiţialâ. in „Anale statistice” nr. 17 —20'
1864.
20. M O INEAGU, C., N E G U R Ă , I., U R SE A N U . V ., Statistica, (Coordonator
- ; p refaţă V. Trehici), E d. ştiinţifică şi enciclopedică. B ucureşti, 1976.
21. MÔOD. A. M„ O R A Y B IL L , F r. À., Introduction à la statistique théorique.
T rad u it de l’anglais, D unod, P aris, 1973.
22. MOREAU de JO N N È S , A.. Eléments de statistique, D euxième édition.
P aris, 1836.
23. M ORICE, E .. C H A R T IE R , IL, Méthode statistique, Prem ière p artie,E lab o
ratio n des statistiqu es, Im prim erie N ationale, Paris, 1954.
24. ONICESCU, O., Siatislica şi sociologia, in „A rhiva pentru ştiin ţă şi re
formă socială” , Organ al In stitu tu lu i Social R om ân, anul IN , nr. 4/1931.
2.5. P E T T Y . ML, Arithmétique politique,în Les oeuvres économiques de S ir W il
liam Petty, tra d u it de l'anglais p a r H e n ry Dussauzc-M aurice P asquier,
tome prem ier, Paris, 1905.
V.TREBICI
31
V.TREBICI
32
V.TREBICI
Zi.. 33
3 - c. 680
V.TREBICI
34
B IB L IO G R A F IE
1. B O R E L , Em ile, Probabilities and L ife (trad. versiunii franceze, 1943),
New York, 1962.
2. G N ED EN K O , B. V., K H IN C IN , A ., A n Elem entary Introduction lo the
Theonj of Probability (trad. versiunii ruse, ed. V), New Y ork, 1962.
3. IO SIFE SC U , M., Lanţuri M arkov finite şi aplicaţii, E d . tehnică, B ucureşti,
1977.
4. KOLMOGOROV, A . N ., Foundations o f the Theory of Probability, New York,
1956 (ap ăru tă prim a d ată in lim ba germ ană, 1933; ediţia ru să 1936).
5. KOLMOGOROV, A . N ., M atematica : conţinutul, metodele şi importanţa
ei (cap . X I. Teoria probabilităţilor), E d . ştiinţifică, B ucureşti, 1960.
6 . M E T V IE R , M., Notions fondamentales de la théorie des probabilités, D unod,
P aris, 1972.
7. M IHOC, Gh„ B E R G T H A L L E R , C., U R S E A N U , V ., Procese stohastice,
Elemente de teorie şi aplicaţii, E d . ştiinţifică şi enciclopedică, B u cu reşti,
1978.
8. MIHOG, Gh., IO SIFE SC U , M., U R S E A N U , V., Elemente de teoria
probabilităţilor şi aplicaţiile ei, E d . ştiinţifică, B ucureşti, 1966.
9. MIHOC, Gh. ş.a., Teoria probabilităţilor şi statistica matematică, E d . didac
tică şi pedagogică, B ucureşti, 1970.
10. M IHOC, Gh., MICU, N ., Teoria probabilităţilor şi statistică matematică,
E d . didactică şi pedagogică, B ucureşti, 1980.
11. ONICESCU, O., MIHOC, Gh., IO NESCU-TU LCEA , I., Calculul probabi
lităţilor şi aplicaţii, E d . A cadem iei R .S .R ., B ucureşti, 1956.
12. ONICESCU, O., P rincipiile teoriei probabilităţilor, E d . A cadem iei R .S .R .,
B ucureşti, 1969.
13. YVEAVER, W ., Doamna Şansă, E d . tehnică, B ucureşti, 1970.
V.TREBICI
35
V.TREBICI
3G
B IB L IO G R A F IE
1. CEA PO IU , N., Metode statistice aplicate tn experienţele agricole şi biologice,
E d. agro-silvieă, B ucureşti, 1968.
2. CIUCU, G. ş.a.. Statistică matematică şi cercetări operaţionale, Ed. didactică
şi pedagogică. B ucureşti, 1974.
3. G EO R G ESC U -R O EG EN , N. St., Metoda statistică. Elemente de statistică
matematică. Im prim eria N aţională, B ucureşti, 1933.
4. IO SIFE SC U , M., TĂ U TU , P ., Procese slohastice şi aplicaţii tn biologie
şi medicină, Ed. Academiei R .S .R ., B ucureşti, 1968.
5. K EN D A L L , M. G-, STUART, A ., The advanced thcory o f slatislics, tom e 1,
H afner, New York, 1958.
6 . M cGEE, Y„ Principiei o f statistics. Tradiţional and Bayesian, New York,
1971.
7. M ORICE, E ., Diclionnaire de stalistique, D unod, Paris, 1968.
8 . ONICESCU, O., jMIITOC, Gk., Lecţii de statistică matematică, E d. tehnică.
B ucureşti, 1958.
9. RANCU, N., T O V ISSI, I,., Statistica matematică cu aplicaţii in producţie,
E d . A cademiei R .S .R ., B ucureşti, 1963.
10. SĂ H LEA N U , V., Metode matematice tn cercetarea medico-biologică, E d.
m edicală, B ucureşti, 1957.
11. SN ED ECO R, G. W „ Metode statistice aplicate in cercetările de agricultură
şi biologie, Ed. didactică şi pedagogică, B ucureşti, 1968.
12. T O V ISSI, L., VODĂ, V. Gh„ Metode statistice. A plicaţii in producţie,
E d . ştiinţifică şi enciclopedică. B ucureşti, 1982.
V.TREBICI
37
B IB L IO G R A F IE
G ÉR A RD CALOT, Cours de statistique descriptive, Deuxième édition, D unod,
Paris, 1973.
1
— < E sg 1.
n
V.TREBICI
38
C12 = £ P ili
e 12 S PiQi
Teoremă importantă. r12 = 1 dacă şi num ai dacă cele două sistem e au re p a rtiţii
identice (slut identice din p u n ct de vedere statistic), c.c.i. constituie in stru
m entul principal în studiile şi ap licaţiile statisticii inform aţionale.
Cazul n > 2. D efiniţiile şi p ro p rietă ţile corelaţiei inform aţionale se generali
zează direct p en tru orice num ăr fin it de sistem e.
Dacă n oo şi seriile care definesc energia inform aţională şi coeficientul res
p ectiv sîn t convergente, definiţiile şi p roprietăţile e n u n ţa te răm în valabile.
Dacă rep artiţiile sîn t continue şi pt(x) sîn t densităţile respective, generali
zările noţiunilor inform aţionale se o b ţin fără vreo m odificare esenţială. De
pildă, coeficientul de corelaţie p en tru două re p a rtiţii continue cu den sităţile
Pj(x), p»(x) este d a t dc expresia
fără a face ipoteze sau a introduce condiţii noi. C onceptele şi m etodele sta tis
ticii inform aţionale Onicescu cunosc o largă aplicare în econom ie, dem ografic,
m arketing 6, sociologie -, pedagogie 3 etc. O aplicaţie recen tă este econom etria
inform aţională. O dezvoltare a energiei inform aţionale se datorează lu i Crcsin 1 ;
o încercare de generalizare a făcut Gh, Mihoc 2.
V.TREBICI
39
B IB L IO G R A F IE
1. CRES1N, R „ Aplicarea energiei informaţionale in studiul longevităţii, in
„R ev ista de S tatistică“ tir. 12, 1966.
2. MJHOC, Gh„ U R SEA N U , V„ U R SIA N U , E „ Modele de analiză statistică,
E d . ştiinţifică şi enciclopedică, B ucureşti, 1982 (cap. 4. S tatistica inform a
ţională. Energia şi corelaţia inform aţională).
3. NOYAK, A ndrei, Metode statistice în pedagogie şi psihologie, E d. didactică
şi pedagogică, B ucureşti, 1977 (cap. 7 E lem ente de teoria informaţiei).
4. ONICESCU, O., Energia informaţională, componentă a u n u i barometru sta
tistic ai sistemelor, în „R e v ista de S tatistică“ nr. 11, 1966.
5. ONICESCU, O., Energie informationelle, C.R. Acad. Sci. Paris, Serie A,
26 nov. 1966.
6 . O NICESCU, O., Energia informaţională şi aplicaţiile ei, in M arketing intern
şi internaţional, concepte, metode şi instrumente analitice pentru decizie, E d.
politică, B ucureşti, 1976.
7. ONICESCU, O-, ŞTEFĂ N ESC U , V., Elemente de statistică informaţională
cu aplicaţii, E d. telm ică, B ucureşti, 1979.
8. ST ER IA N , P., Aplicarea energiei informaţionale în studii sociologice, în
„R ev ista de S tatistică“ nr. 2, 1967.
9. ŞTEFĂ N ESC U , V., Aplicaţiile energiei şi corelaţiei informaţionale, E d.
A cadem iei R. S. R om ânia, B ucureşti, 1979.
B IB L IO G R A F IE
1. ARAGON, Y „ T R IN Q U IE R -A L C O U F F E , C., Introduction ă la stalistigue
en Sciences sociales, Col. Societas, Toulouse, 1979.
2. B Ă R B A T , A l., Teoria statisticii sociale, E d. didactică şi pedagogică, Bucu
reşti, 1972.
3. CÂPA NU , I„ Statistica economică, ed. a Il-a , E d. didactică şi pedagogică,
B ucureşti, 1978.
4. CAPĂTĂ, M., D espre rolul şi locul statisticii în cadrul sistem ului informa
ţional economieo-statistie, în „R ev ista de S tatistică“ nr, 11, 1973.
V.TREBICI
40
B IB L IO G R A F IE
1. C EA PO IU, N „ Metode statistice aplicate in experienţele agricole şi biologice,
E d. agro-silvică, B ucureşti, 1968.
2. CIUCU, G„ ş.a., Statistică matematică şi cercetări operaţionale, E d. didac
tică şi pedagogică, B ucureşti, 1974.
3. G EO R G ESC U -R O EG EN , N. St., Metoda statistică. Elem ente de statistică
matematică, Im prim eria N aţio n ală, B u cu reşti, 1933.
4. IO SIFE SC U , M„ TĂU TU, P., Procese stohastice şi aplicaţii tn biologic
şi medicină, E d. Academiei R .S .R ., B u cu reşti, 1968.
V.TREBICI
41
B IB L IO G R A F IE
1. B Ă R B A T, Al., Teoria statisticii sociale, E d. didactică şi pedagogică, B ucu
reşti, 1972.
2. B I J I , M., B I J I E ., Statistica teoretică, E d. didactică şi pedagogică, Bucu
reşti, 1979.
3. MOOD, A. M„ G R A Y B IL L , F r. A , Introduction à la statistique théorique,
D unod, Paris, 1973.
4. Y U LE, G. U., K EN D A L L , M. G., Introducere in teoria statisticii. E d. ştiin
ţifică, B ucureşti, 1969.
B IB L IO G R A F IE
1. BARON, T „ K O R K A , AL, PECICA N , E ., STĂNESCU, M„ Statistica,
E d. didactică şi pedagogică, B ucureşti, 1981.
2. T Ô V ISSI, L „ ISAIG-M ANIU, AL, ANTONESCU, C., Statistica, Curs.
p en tru F a cu ltatea de Econom ie a industriei, construcţiilor, tran sp o rtu rilo r
(text xerox), A .S.E ., B ucureşti, 1981.
V.TREBICI
42
B IB L IO G R A F IE
1. MIHOC, Gh., Tratat de matematici actuariale, Biblioteca In stitu tu lu i de
statistică, actu a ria t şi calcul al U niversităţii din B ucureşti, B ucureşti,
1943.
2. MIHOC Gh., IONESCU, H ., Curs de matematici pentru statisticieni şi
economişti (§ 188. F u n cţii biom etrice continue), B ucureşti, 1956.
3. MIHOC, Gh., CRAIU, I., IONESCU, H ., Teoria matematică in operaţiunile
financiare, voi. I şi II, E d. ştiinţifică, B ucureşti, 1960.
V.TREBICI
44
V.TREBICI
45
lim P [ \ '! l 1,
» -» m ţ j n
oricare a r fi e > 0.
E x istă şi a lte v a ria n te ; ele stabilesc condiţiile in care u n şir de variabile alea
toare X 1, X j, . . . , X n independente satisfac relaţia
lim P l X , + . . . + X n M [ X t ] + . . . + M [ X n]
< E 1
»—► 00 \ n n
oricare a r fi e > 0.
L .n.m . are o utilizare curen tă, în tru c it ea perm ite să se aprecieze p ro b ab ilitatea
unui evenim ent doar prin referire Ia n u m ăru l de cazuri in care s-a produs,
o a ta re apreciere fiind cu a tit m ai b u n ă cu cit nu m ăru l observaţiilor este m ai
m are şi cu a tit m ai u tilă cu cit nu ex istă în general nici u n a lt m ijloc de a c al
cula această probabilitate.
Cei dinţii statisticieni, care au c o n sta ta t reg u la rită ţi în fenomenele sociale
cercetate, s-au referit stato rn ic la principiul num erelor m ari. J. P. Siissmilcta,
de exem plu, a scris că ordinea în frecvenţa deceselor, naşterilor, căsătoriilor
este vizibilă în num ăru l m are de c a z u ri: „o pro p rietate a acestei ordini constă
in aceea că se ascunde in dezordinea nu m ăru lu i mic de cazuri şi p o a te fi desco
V.TREBICI
4«
V.TREBICI
48
B IB L IO G R A F IE
1. MARCUS, S., De la propoziţie la text, in volum ul Semantică şi semiotică
(sub red. acad. I. Coteanu şi prof. dr. Lucia W ald), E d. ştiinţifică şi enci
clopedică, B ucureşti, 1981.
2. T O V ISSI, L ., VODĂ, V., Metode statistice. A plicaţii in producţie, E d .
ştiinţifică şi enciclopedică, B ucureşti, 1982.
perioade), idei sau opinii (opiniile consum atorilor despre calitatea u n o r noi
tipuri de bunuri de uz îndelungat puse în circulaţie) etc. O populaţie este finită,
dacă include un num ăr d eterm inat de elemente, dar ea poate ii considerată
d rep t reprezentativă a unei p o pulaţii teoretic infinite, care acoperă
universul conceptual statistic (un lo t de piese fabricate în condiţiile date este
o populaţie fin ită ce se poate considera ca reprezentînd populaţia infin ită
c o n stitu ită din m ulţim ea tu tu ro r pieselor care a r p u tea să fie produse în ace
leaşi condiţii). E ste fu ndam ental să se fixeze frontierele p.(s.) supuse efectiv
observării. D e exemplu, p o pulaţia, obiect al recensăm întului din 1977, a fost
d e lim itată in :
— conţinut : s-au cuprins cetăţenii rom âni domiciliaţi in ţa ră sau aflaţi te m
p o rar în străin ătate la d ata recensăm întului, precum şi cetăţenii străini sau
persoanele fără cetăţenie cu domiciliul perm an en t în R om ânia ;
— spaţiu : s-au recenzat locuitorii de pe în treg terito riu l ţ ă r i i ;
— tim p : declaraţiile înscrise în form ularele de recensăm înt au tre b u it să se
raporteze la starea populaţiei ex isten tă la ora „ 0 ” din n o ap tea de 4 spre 5
ianuarie 1977 (deşi perioada de com pletare a form ularelor a fo st 5 —12 ia
nuarie 1977).
în general, fără o circumscriere riguroasă a obiectului investigaţiei statistice —
a p.(s.) — în funcţie de scopul investigaţiei, apare pericolul de a se înregistra
fenom ene din afara populaţiei stu d iate sau, dim potrivă, de a se om ite unele
fenom ene ţinînd de populaţia respectivă. Se înţelege că, în am bele situ a ţii,
s-ar ajunge la o reflectare deform ată a m ediului observat, iar ulterior, în sta
diile urm ăto are ale cercetării, la caracterizări şi concluzii eronate.
Term enul de p.(s.) este p re lu a t din stu d iu l concret al p opulaţiei um ane, deve
nind însă un concept ab stract, de m axim ă generalitate. Se precizează că obiec
tele care in tră in populaţie dispun de unele caracteristici generale şi se deose
besc p rin alte caracteristici. P opulaţia omogenă este com pusă din obiecte în
care un a sau m ai m ulte caracteristici esenţiale sînt com une.
Term eni sinonim i pen tru p .(s.) : colectivitate statistică, ansam blu s ta tis tic ,
colectiv statistic, a căror folosire nu este recom andabilă.
Colectivitate statistică. Sinonim al populaţiei statistice *.
EŞANTION (statistic). S ubm ulţim e sau p a rte dintr-o populaţie (statis
tică) *, co n stitu ită după criterii bine stab ilite, pen tru a p u tea servi la determ i
narea caracteristicilor populaţiei ( statistice)*. (—* III. Anchetă p rin sondaj şi
X IV . Teoria sondajului statistic.)
UNITATE STATISTICĂ (Individ). E lem ent al u n ei p opulaţii statistice, a su p ra
căruia se va efectua nem ijlocit observarea. în populaţiile statistice citate (—*
Populaţie), u.s. erau respectiv : persoana, gospodăria, tra c to ru l agricol, maşina
agricolă, căsăto ria, opinia.
U .s. este p u rtă to ru l originar de inform aţie sau, altfel spus, subiectul logic al
inform aţiei statistice. D a to rită v arietăţii aspectelor sub care se poate prezenta
în fa p t, u.s. com portă o definiţie precisă, care exclude orice p o sibilitate de in te r
p retare diferită de către observatori şi astfel orice eroare ce p o ate prejudicia v a
loarea investigaţiei. Definirea u n ită ţii în tre b u in ţa te în statistică se im pune
chiar şi a tu n ci cînd ea a r părea clară p e n tru oricine. Să considerăm , de pildă,
„ n ăscu tu l v iu ” u n ita te principală în statistica demografică. L a prim a vedere
s-ar părea că nu m ai este nevoie să-l definim clar şi d is tin c t; to tu şi in literatu ra
dom eniului, precum şi in lim bajul comun identificăm existenţa un o r înţelesuri
divergente. De aceea, p en tru o recunoaştere fă ră echivoc, a fo st a d o p ta tă u r
m ătoarea definiţie a n oţiunii de n ă sc u t viu : „p ro d u s al concepţiei expulzat
V.TREBICI
4 c. 680
«■m— »mii » WMraaaaa»Kgaatiaax-iafe{;.
oO
sau ex tras com plet din corpul m am ei, independent de d u ra ta gestaţiei, şi care,
după această separaţie, p rezin tă u n sem n de v iaţă precum : respiraţia, activi
ta te a cardiacă, pulsaţiile cordonului ombilical sau contracţia m usculară depen
d e n tă de v o in ţă ”.
U . s. sint uneori con stitu ite din m ai m ulte u n ită ţi simple (u.s. complexe) ; defi
nirea lor p o ate să ridice chestiuni din cele m ai complicate. Un caz tipic de acest
gen îl rep rezin tă definiţia gospodăriei, u n ita te de observare obişnuită la recen
săm ântul populaţiei. în definiţia recen săm în tu lu i din 5 ianuarie 1977, prin
gospodărie s-a înţeles : „g ru p u l de două sau m ai m ulte persoane care locuiesc
Îm preună în m od obişnuit, av în d în general legături de rudenie, care p articip ă
în to ta lita te sau p a rţia l la form area v en itu rilo r şi la cheltuirea lo r”. D efiniţia
a fost În so ţită de o serie de a lte precizări. în investigaţiile aceleiaşi populaţii
se p o t alege u.s. diferite şi o aceeaşi u.s. poate să fie definită în chip diferit.
D e exem plu, recensăm intele populaţiei, m icrorecensăm intele venitu rilo r popu
laţiei, sondajul sta tistic al bugetelor de fam ilie au drep t u.s. fie fam ilia, fie gos
podăria sau m enajul, existînd diferenţe in definirea lor de la o ţa ră la alta,
uneori de la o înregistrare la a lta . C ercetătorul ce-şi propune să analizeze m ani
festările u n u i fenom en de m asă, oglindite in seriile de d ate statistice, are datoria
•ca, în ain te de to a te , să cunoască u n ita te a în tre b u in ţa tă la culegerea datelor
şi m odul cum a fost ea definită. A ceastă cunoaştere îl a p ă ră de com pararea un o r
•date e v e n tu a l necom parabile, în so ţită de aprecieri înşelătoare.
CARACTERISTICĂ STATISTICĂ. însuşire com ună u n ităţilo r unei populaţii,
re ţin u tă in te m a tic a investigaţiei statistice şi care cap ătă accepţii sau valori
diferite de la o u n ita te la alta sau de la u n grup de u n ită ţi la altul.
VARIABILĂ STATISTICĂ. C aracteristică statistică care are p ro p rie ta te a
•de a-şi schim ba în tim p sau spaţiu nivelul de dezvoltare sub influenţa diferi
ţilor fa cto ri ce acţionează asupra populaţiei statistice. V ariaţia unei caracteris
tici po ate fi continuă şi discontinuă (discretă).
Variabilă c alitativ ă. C aracteristică ale cărei m odalităţi sint consem nate, p e n
tru fiecare u n ita te , sub form ă „lite ra lă ” şi nu num erică. Aşa s-ar exprim a,
într-o populaţie de m uncitori, meseria (strungar, frezor, lă c ă tu ş .. . ) ori forma
de calificare (şcoală, cursuri de calificare, ucenicie la locul de m u n c ă .. .) , sexul
(m asculin, fem inin). C aracterul c a n tita tiv al observaţiilor rezu ltă doar din
num ărarea u n ită ţilo r corespunzătoare fiecărei m odalităţi a caracteristicii res
pective.
V ariabilă cantitativă. C aracteristică m ăsurabilă ; fiecărei u n ită ţi statistice ii
corespunde un num ăr care este m ăsura (valoarea) caracteristicii. Observaţiile
sint susceptibile de exprim are ab initio prin num ere, care se p o t ordona şi ierar
hiza (proprietăţi ordinale) şi asupra cărora se p o t executa operaţii (proprietăţi
cardinale). O bservatorul va n o ta , de exem plu, cu referire la m uncitori, vechi
mea in m eserie in ani, p ro d u ctiv itatea m uncii in u n ită ţi valorice (lei) sau Iu
u n ită ţi n a tu ra le (b u c ă ţi, kilogram e etc.), retrib u ţia in lei.
V. c. poate f i :
Variabilă discretă. V ariabilă care poate lua num ai anum ite valori şi in general
valori în tre g i p e scara lor de variaţie firească (num ărul copiilor pe familie, nu
m ă ru l p e rso n a lu lu i pe Întreprindere, n u m ărul de piese re b u ta te d in tr-u n lot
de piese etc.).
Variabilă continuă. V ariabilă care p o ate lua orice valori intr-un interval finit
sau infinit (întinderea u n ei ferm e agricole vegetale, randam entul unei culturi,
beneficiul unei întreprinderi, p u terea in sta la tă a u n u i grup electrogen etc.).
V.TREBICI
r.i
f(x»), . . . . f(x„),
in care
n
= P (X = x , ) ; £ f( x t) = f( x ,) + f(x2) ... f(x„) = 1.
<=l
în num eroase cazuri, v.a. este susceptibilă de a lua oricare din valorile situ ate
în tr-u n interval (a, b), a sau b sau îm preună p u tîn d fi infiniţi. De exem plu,
V.TREBICI
talia indivizilor dintr-un grup de populaţie (m ai m ulte sute de mii) ilustrează
foarte bine noţiunea de v .a. continuă. A şti care este prob ab ilitatea de a intîlni
indivizi m ăsurînd Intre 1,65 m şi 1,70 m p une problem a construirii interva
lului. în general, se va ado p ta valoarea X = x , p en tru a reprezenta to ate
valorile care ap arţin intervalului mic :
1 1
X i---- — Ax* ^ x < x t + — Ax;
*^2 * * • n
fl fs ■■• fn
V.TREBICI
53
V.TREBICI
P A R T E A A DOUA
V.TREBICI
55
Exem plu : înregistrarea evenim entelor demografice de naşteri, decese, căsăto rii.
Observare periodică. înregistrare efectuată Ia intervale de tim p, bine sta b ilite ,
a u nităţilor supuse observării (recensăm intul p o p u laţiei şi al locuinţelor, recen-
săm iniul anim alelor).
Observare directă. înregistrare nem ijlocită ce se efectuează prin c o n ta c tu l d irect
al cercetătorului cu unităţile respective.
Observare indirectă. înregistrare a datelor din surse care au consem nat an terio r
fenomenul, ca de pildă, înregistrare pe bază de docum ente.
ERO A RE STATISTICA. în inv estig aţia sta tistic ă se produc inevitabil erori dc
înregistrare şi de calcul, care pot fi clasificate convenţional in : a) erori de
observare statistică; b) erori de prelucrare; c) erori de rep rezen tativ itate şi
d) erori de modelare. Cele de observare sini :
Eroare sistem atică. R ezultă din jocul u n u i facto r a cărui acţiune face să devieze
variabila stu d iată întotdeauna în acelaşi sens. Ca surse p otenţiale de astfel de
erori cităm : Încălcarea regulilor de circumscriere a cîm pului de investigaţie, de
definire a u nităţilor de observare, de alcătuire a chestionarelor, prelevări de eşan
tioane nereprezentative, procedee de prelucrare inadecvate, nerespectarea
prem iselor de calcul statistic. A desea distorsiunile sint introduse de răspunsurile
d enaturate ale persoanelor an ch etate din m otive psihologice, economice sau de
a ltă n atu ră. B unăoară, persoana an c h e ta tă dă a lt răspuns decît cel corect,
uneori din dorinţa de a face im presie (efect dc „ v a n ita te ” ), alteori socotind că
răspunsul dat va face plăcere anchetatorului (efect de „sim patie” ). întrebările
care au incidenţă fiscală ori im plică interese economice, socialo etc. prezintă
propriile lor riscuri de e.s. E x istă încă riscul adiţionării de erori generate de
prelucrările succesive ale observaţiilor statistice.
în calculele statistice, erorile se propagă pas cu pas fără nici o garanţie că ele
se vor anula. D acă e.s. este cunoscută, atunci este uşor de corectat rezu ltatu l
fin a l; dacă ea nu este cunoscută, rezu ltatu l poate fi iremediabil compromis.
Eroare accidentală. Im putabilă micilor cauze fortuite şi se produce în ambele
sensuri : a ti t în sensul exagerării cit şi in sensul dim inuării fenom enului. Aceste
erori se num esc şi erori compensatoare, denumire ce subliniază fap tu l că cu cit
observaţiile sint m ai num eroase, cu a tît erorile comise in tr-u n sens au ocazia
să compenseze pe cele comise în celălalt sens şi, în consecinţă, valoarea finală
(medie, proporţie, dispersie) nu va fi sensibil afectată.
E.a. sint inerente şi inevitabile. N u există estim aţie num erică a unei mărim i
(care nu rezultă dintr-o simplă n u m ărătoare directă) fără eroare. Să presupunem ,
de exemplu, că vrem să m ăsurăm cu precizie — in cadrul controlului statistic
a l calităţii — lungim ea un u i produs. E fectuînd m ăsurători rep etate, vom ajunge
la o diversitate de rezultate, apropiate in tre ele, dar nu identice. A tu n ci avem
obiceiul să considerăm valoarea medie ca „ad e v ă ra tă ” lungim e a produsului
şi divergenţele valorilor observate ca eroare accidentală. A supra rezultatului
operaţiei de m ăsurare av u te în vedere acţionează u n complex de factori, care
in m are p a rte scapă posibilităţii de a fi stăp în iţi şi provoacă diferenţele constate
între m ăsurători. M ăsurarea este afectată de p e rtu rb a ţii d ato rate fie agenţilor
exteriori, fie instrum entelor folosite, fie însuşi observatorului. Desigur, dacă —
in cazul considerat — am m ăsura lungim ea pro d u su lu i cu aju to ru l u n u i in stru
m ent defect, eroarea s-ar rep eta de fiecare d a tă în acelaşi sens, adică ne-am
afla în prezenţa unei erori sistem atice.
A şadar, o operaţie statistică antrenează erori, cum se întîm plă in orice m ăsu
rare. Ceea ce interesează este ordinul de m ărim e al erorii, ca să se ştie în tre ce
V.TREBICI
56
V.TREBICI
57
B IB L IO G R A F IE
1. O .N.U. Principes et recommandations concernant les recensements de popu
lation de 1970 („E tudes statistiq u es” , Série M. n r. 44,1967).
2. V. T R E B IC I, Demografia, E d . ştiinţifică şi enciclopedică, B ucureşti, 1979.
V.TREBICI
58
anum e o familie din o mie, perm ite să se estimeze, eu suficientă precizie, carac
teristicile nivelului de tra i al populaţiei ele referinţă *.
Circum scris num ai la o p arte din populaţie, sondajul apare infinit m ai suplu,
m ai economic, m ai operativ şi astfel m ai avantajos decit investigaţia exhaus
tivă. G raţie dim ensiunii sale, a.s. perm ite adesea ridicarea calităţii inform aţiei
statistice, deoarece este posibilă organizarea m ai tem einică a observării, folo
sirea u n u i personal de an chetă m ai bine p reg ătit, aplicarea m ai m u lto r veri
ficări şi teste de ex actitate şi im plicit reducerea la minim um a erorilor de
observare, in plus, un eşantion îngăduie observarea sim ultană a u n u i n um ăr
inarc de caracteristici şi deci aprofundarea cunoaşterii m asei de fenom ene.în
sfîrşit, m etoda sondajelor se im pune nu num ai pen tru raţiu n i de cost, rap id ita te ,
supleţe, ci şi de fiecare d a tă cînd m ăsurarea alterează u n ita te a statistică (control
de fabricaţie). D acă se cercetează, de exem plu, p u n ctu l dc rezisten ţă la şoca
unui lot de becuri electrice, evident nu se va putea avea inform aţia com pletă
decît cu p reţu l distrugerii întregului lot.
Inform aţia culeasă pe u n eşantion este o inform aţie p arţială în ra p o rt cu ceea
ce o conţine populaţia din care s-a extras eşantionul. P rin aplicarea sondajului
se ren u n ţă la inducţia com pletă şi se face apel la inducţia incom pletă, adică se
c a u tă să se trag ă concluzii general valabile dintr-un nu m ăr restrins dc cazuri.
Inducţia incom pletă, folosită d intotdeauna în v iaţa cotidiană ca şi în ştiinţă,
s tă la baza „m etodei reprezentative” , care şi-a cucerit dreptul de cetate in sta
tistică la începutul secolului nostru.
.ANCHETĂ PRIN SONDAJ ALEATOR. A nchetă al cărei eşantion este pre
lev at şi tr a ta t după principiile sondajului aleator (probabilist)*.
ANCHETĂ PRIN SONDAJ NEALEATOR. A nchetă efectuată cu m etoda
sondajului prin alegere raţională * şi a sondajului prin metoda cotelor *.
ANCHETĂ (SONDAJ) DE OPINIE. A nchetă parţială, efectuată obişnuit
cu aju to ru l m etodei sondajului, avînd drep t scop cunoaşterea părerilor per
soanelor în diferite problem e. Opiniile individuale, subiective şi atitudinile
izolate prezintă o semnificaţie ce poate fi înfăţişată obiectiv, cuantificată şi
m ăsu rată. Folosită pe scară largă în anchetele sociologice, demografice, psiho
sociale, de m arketing. A cest tip de an chetă presupune m ai m ulte etape : a)
delim itarea o biectulu i; b) p re a n c lie ta ; c) determ inarea obiectivelor şi form u
larea explicită a ipotezelor c ercetării; d) universul a n c h e te i; e) alcătuirea eşan
tionului ; f) alegerea tehnicilor de ce rc e ta re ; g) pretestarea instrum entelor de
cercetare; h) definitivarea a c e sto ra ; i) aplicarea în teren a instrum entelor de
cercetare; j) prelucrarea d atelo r; k) analiza rezu ltatelo r; 1) redactarea rap o r
tu lu i de cercetare. O rganizarea se face uneori cu tehnica grafurilor sau al m e
todei P E R T .
PANEL. E şantion cu caracter stabil (eşantion fix) compus d intr-un n u m ăr de
persoane de la care se obţin inform aţii în legătură cu opiniile lo r; cercetarea
se face după m etoda longitudinală, persoanele din eşantion fiind chestionate la
diferite m om ente de tim p.
CHESTIONAR. Instru m en t şi tehnică de investigare a opiniilor, m o tivaţiilor,
intereselor, atitudinilor, reprezentind o succesiune logică şi psihologică de în tre
bări scrise sau de imagini grafice cu funcţie de stim uli, în rap o rt cu ipotezele
cercetării. întrebările s î n t : a) in tro d u ctiv e; b) de trecere; c) filtru ; d) bifur
cate ; e) de control.
EXPERIM ENT. O bservarea şi m ăsurarea efectelor m anipulării u n o r variabile
independente asupra variabilelor dependente într-o situ aţie în care acţiunea
V.TREBICI
39
•altor factori — prezenţi efectivi, d ar străini studiului —este redusă la minim um.
.După G. C u v ier: „observatorul ascu ltă n a tu ra , experim entatorul o întreab ă
şi o sileşte să i se dezvăluie” . E . sc p ractică în cele m ai variate domenii, inclusiv
în cel psihosocial.
{-> X V II. Planificarea experimentelor.)
Istoric. A ncheta prin sondaj s-a p ra c tic a t cu m u lt înaintea elaborării m a te
m atice a sondajului. începuturile cercetărilor de acest gen se plasează în Anglia,
spre sfîrşitul sec. al X V III-lea, obiectul lor fiind condiţiile de v iaţă şi, m ai p a rti
cular, „.paupertatea” . Prim a cercetare de acest gen poate fi socotită aceea a lui
sir F rederick M orton E den, pub licată în 1797, la L ondra, sub titlu l : „S tarea
săracilor sau istoria claselor m uncitoare din Anglia . . . ” ; m aterialul a fost
cules de către parohii săteşti şi cuprindea descrierea a 73 fam ilii m uncitoreşti,
în sec. al X IX -lea se continuă asem enea cercetări. Ch. B ooth, considerat p ă
rin tele anchetei sociale ştiinţifice, publică 17 volume (1889 —1902) din ancheta
sa : ,.L abour an d life of the people of L ondon” . U n a lt pionier este F rédéric
Le P la y , cu clasjcile sale cercetări în m ediul m uncitoresc : „L es ouvriers eu ro
p éen s” , 6 voi. Paris, 1855. în 1890, A . Toque şi E . Cheyson au p rezen tat la
S esiunea In stitu tu lu i Intern aţio n al de S tatistică comunicarea „L es budgets
com parés de cent m onographies de fam ille” . D in aceeaşi perioadă datează şi
lucrările lui Ernst Engel * (1821 — 1896) consacrate bugetelor de familie.
Comunicarea sa, prezentată In stitu tu lu i In tern aţio n al de S tatistică (Bull.
de l’In s titu t International de S tatistiq u e, Tome V I, Rome, 1892) face m enţiunea
că a folosit 149 bugete p en tru anul 1800, 240 pen tru perioada 1801 —1850 şi
2889 bugete pentru perioada 1851 — 1890.
Istoria propriu-zisă a m etodei sondajului statistic începe cu u ltim ul deceniu al
sec. al X IX -lea, fiind legată de numele lui A. N . K iaer, statistician norvegian.
A cesta a efectuat pe teren cercetări d upă principiile m etodei sondajului, ale
cărui rezultate au fost prezentate la sesiunea din B erna (1895) a In stitu tu lu i
In tern aţio n al de Statistică. Ideile sale au fost prim ite cu o stilitate, prin tre
ad versari num ărîndu-se Georg von M ayr şi Luigi Bodio. U rm ează o lungă p e
rioadă de discuţii, în cadrul In stitu tu lu i Internaţional de S tatistică (sesiunile
din 1895, 1897, 1901). Sesiunea din 1903 recom andă această m etodă, denum ită
reprezentativă, în urm ătoarea specificare : „cu obligaţia ca în expunerea rezul
tatelo r să se arate complet în ce condiţii s-a făc u t alegerea u n ită ţilo r observate” .
T otuşi rezervele au persistat ; abia la sesiunea din 1925 a In s titu tu lu i In te r
naţional de S tatistică (Roma), la avizul comisiei special instituite („Commission
su r ¡’application des m éthodes représentatives”), compusă din A . L. Bowley*,
Corrado Gini *, A . Jensen, Lucien M arch şi F r. Zizek, m etoda a fost acceptată
şi recom andată oficial. Primele teoretizări m atem atice se datorează lui
A . L . Bowley *, în lucrarea sa „E lém ents of statistics” (2 vol., ed. London,
1902, p. 308— 315), care a efectuat şi o an ch etă asupra condiţiilor dc v ia ţă din
A nglia. Cercetările prin sondaj s-au diversificat şi, paralel, s-a dezvoltat teoria
m atem atică a sondajului.
A plicaţiile au cuprins condiţiile de v iaţă, opiniile persoanelor în legătură cu
diferite problem e, controlul produselor etc. în 1927, L. L. T hurstone foloseşte
m etoda pen tru m ăsurarea atitu d in ilo r (L. L . T hurstone şi E . J . Chave, „The
M easurem ent of A ttitu d e s” , Chicago, 1929).
-O contribuţie im portantă au a v u t anchetele de opinie, cele sociologice ca şi de
psihologie socială, iar ceva m ai tîrziu, cele de m arketing. în 1935, G. Gallup
înfiinţează In stitu tu l A m erican de Opinie Publică, cunoscut sub denum irea
V.TREBICI
60
B IB L IO G R A F IE
1. U .N.O. A Short M anual on Sam pling, Volume I, Elements o f Sam ple Sm veij
Theory (Studies in M ethods, Sériés F ., nr. 9), New York, 1960.
2. O.N.U. Enquêtes par sondage d ’intérêt actuel (Serie C), Onzième R a p p o rt,
nr. 12, 1968.
3. BOUDON., R . L A ZA R SFELD , P . (editori), L ’analyse empirique ck la
causalité. E d . M outon, Paris, L a H aye, 1969.
4. CHELCEA , S., Chestionarul in investigaţia sociologică, E d . ştiinţifică şi
enciclopedică, B ucureşti, 1975.
5. COCHRAN, W . G „ Sam pling Techniques, Jo h n W iley an d Sons, New Y ork,
1953.
6 . D EM IN G , W . E „ Some Theory o f Sam pling, Jo h n W iley an d Sons, New
Y ork, 1950.
7. D E S A B IE , J ., Théorie et pratique des sondages, E d . D unod, 1966.
8. H A N SE N , M. H ., H U R W IT Z , W. N ., MADOW, W . G., Sam ple Sursey
Methods and Theory, Vol. I and II, Jo h n W iley an d Sons, New Y ork, 1953.
9. K IA E R , A ., D ie représentative Untersuchungsmethode, Allgemeine A rhiv,
B d. V. Tübingen, 1898.
10. K IA E R , A ., Sur les méthodes représentatives typologiques appliquées à la
statistique, Bull, de l'I n s titu t In tern atio n al de S tatistiq u e, 11, 1915.
11. M IHOC, Gh., U R S E A N U , V., Sondaje şi estimaţii statistice. Teorie şi apli
caţii. E d . tehnică, B ucureşti, 1977.
12. M O SER, C. A ., Metodele de anchetă in investigarea fenomenelor sociale
(trad. rom . după ed. 1963), E d . ştiinţifică, B ucureşti, 1967.
V.TREBICI
Bf
V.TREBICI
«2
V.TREBICI
G3
B IB L IO G R A F IE
1. CO STA K E,~S., Seminarul I S I S 1982, în „R evista de S tatistic ă ” , nr. 9, 1982..
2. OR IST E A , V., D U M ITR U , P ., Dicţionar de informatică, E d . ştiinţifică şi
enciclopedică, B ucureşti. 1981.
3. M O IN EA G U , C., N E G U R Ă , I., U R SE A N U , V., Statistica, E d . ştiinţifică
şi enciclopedică, B ucureşti, 1976.
V.TREBICI
«4
V.TREBICI
63
B IB L IO G R A F IE
Decret cu privire la organizarea unitară a activităţii de informatică (nr. 499,1973)
COSTA KE, N ., Alegerea sistemelor electronice numerice de prelucrare a infor
maţiei, E d . tehnică, B ucureşti, 1970.
SISTEM INFORMAŢIONAL STATISTIC. Lato sensu, ansam blul mijloacelor,
m etodelor şi procedeelor necesare realizării culegerii, validării, transm iterii,
prelucrării, m em orării, regăsirii şi analizei inform aţiei statistice. Stricto sensu,
s.i.s. se compune din :
1. ansamblul datelor statistice (indicatorilor economico-sociali stalistici) înscrise,
respectiv p ăstrate pe suporturi de inform aţie de tip docum ent şi/sau m agnetice
(dări de seam ă statistice, form ulare statistice, arhive şi serii cronologice de d ate
statistice, rapoarte, analize şi p u b licaţii statistice). A cestea, ia rîn d u l lor, s î n t :
a) dale statistice de intrare : fu rnizate de u n ităţile economico-soeiale rap o r
toare de date statistice sau culese de personalul specializat sau alo ca t tem p o rar
al organului central de statistică, şi anum e : dări de seam ă statistice ale u n ită
ţilor econom ico-sociale; rap o arte statistice ocazionale (înregistrări statistice
V.TREBICI
s l:- 680
66
B IB L IO G R A F IE
1. COSTA KE, N., Cu privire la noţiunea de sistem informaţional statistic inte
grat, în „R ev ista de S tatistică” nr. 1, 2, 1973.
2. SU N D G R EN , B „ A n infological approach Io data bases S .C .B ., S tatistik a
C cntralbyrân, Stocldiolm, 1973.
B IB L IO G R A F IE
1. COSTAKE, N., Sistem ul informaţional economic, în „R e v ista de S tatistică”
nr. 1, 2, 3, 1967.
V.TREBICI
67
V.TREBICI
68
B IB L IO G R A F IE
1. Ordinul Directorului General al Direcţiei Centrale de Statistică, B. Of., p a r
tea 1, nr. 35 (5.5.1980).
2. COSTAKE, N ., CUCINSCHÎ, E ., ZAMFIRESCU. R ., R egistrul, unităţilor
economico-sociale (S IR U E S ), în „R e v ista de S ta tistic ă ” n r. 5, p. 197(5.
B IB L IO G R A E 1 E
1. COSTAKE, N. D e s p r e s i s t e m u l i n f o r m a ţ i o n a l s t a t i s t ic , in „R e v ista de S ta
tistic ă ” nr. 7, 1979.
2. K ED O R E N K O , N . şi colab., D i c ţ i o n a r d e m a te m a tic ă ş i c ib e r n e tic ă î n e c o n o
m i e , E d . ştiinţifică şi enciclopedică, B ucureşti, 1979.
H U G H E S , T. (ed.), S l a t i s t i c s b e y o n d 19S0, UNO -ECE, 1979.
4. SU N D G R E N , B., S t a t i s t i c a l d a ta p r o c e s s in g s ţjs lc m s — a r c h ite c tu r e a n d
d e s ig n m e th o d o lo g y , Comunicare Ia sesiunea In s titu tu lu i In tern aţio n al de
S tatistică, 1981.
B IB L IO G R A F IE
1. Dicţionar dc informatică, E d. ştiinţifică şi enciclopedică. B ucureşti, 1981.
2. JO V M IR , S., M ITRAN, T „ M ic dicţionar dc inform atică, în „R ev ista de
S ta tistic ă ” nr. 1, 1980
A utom atizarea controlului logic al inform aţiei statistice are o im p o rtan ţă deose
b ită in asigurarea calităţii rezu ltatelo r. în vederea creşterii acestei c a lită ţi are
sens şi m inim izarea inform aţiei introduse, de exemplu preluarea caracteristici
lor u n ităţilo r de ra p o rtare d in tr-u n nom enclator m em orat şi n u din form ularul
ra p o rta t, în vederea evitării erorilor de testare ;
— elaborarea tabelelor statistice. D in p u n c tu l de vedere al prelucrării datelor
statistice, tabelele p o t fi de două tip u ri de bază ; tabele cu stru c tu ră fixă, ale
căror dim ensiuni sîn t sau p o t fi predeterm inate (de exem plu : populaţia, pe
grupe de v irstă şi s e x e ); tabele liniare, ale căror dim ensiuni n u p o t fi p red eter
m inate sau n u este sigur că p o t fi pred eterm in ate (de exem plu : valorile in d i
catorilor producţiei industriale pe feluri de u n ită ţi rap o rto are, pe u n ită ţi r a
portoare). U n elem ent de tab el liniar poate fi u n subtabel fix (de exem plu,
p e n tru fiecare nivel din tabelul liniar an terio r se p o t im prim a 2 r în d u r i; valori
in p re ţu ri constante, valori în p re ţu ri curente).
E x istă şi alte tipuri, a căror utilizare n u se recom andă.
E laborarea am belor tipuri de tabele statistice im plică citirea întregului fişier
de date statistice validate în u rm a controlului logic au to m at şi cum ularea în
diferitele niveluri de to ta lu ri ale valorilor indicatorilor specificaţi p rin denu
m irea tabelului sau -|-1 (in cazul calculului de frecvenţe).
O peraţia de calcul al tabelelor statistice în m em oria internă a calculatorului
se num eşte şi ventilare, caracterizată p rin definirea elem entului de tabel care
este v e n tilat, definirea desfăşurării (nivelurilor de totalizare) şi a criteriului de
a p a rten e n ţă la tab el a datelor din arh iv a supusă prelucrării.
P oate avea sens şi calculul de coloane suplim entare (după efectuarea centrali
zării), iar în cazul tabelelor cu stru c tu ră fixă sau a subtabelelor eu stru c tu ră
fixă ale tabelelor liniare — şi calculul de rîn d u ri suplim entare ;
— im prim area tabelelor care constă în im prim area datelor în form a fişierelor
tabel elaborate cu textele conform nom enclatoarelor, ev en tu a l cu calcule de
coloane suplim entare şi/sau diferite editări).
Programe standard pentru prelucrarea dărilor de seam ă/formularelor statistice
in mod interactiv. Program e care realizează de regulă p a rţia l funcţiile cita te
m ai sus, utilizînd ca u n ita te periferică de in trare şi de ieşire term inale. în solu
ţiile de tip tim p real, elaborarea tabelelor are loc sim ultan cu introducerea şi
validarea datelor.
Sisteme de gestiune a bazelor de date statistice. Sisteme al căror specific, în
ra p o rt cu alte sistem e de gestiune de baze de date, constă in : asigurarea mem o
rării de serii cronologice de date statistice, cu posibilităţi de actualizare a valo
rilor din tre c u t în funcţie de modificările organizatorice ; existenţa, în genera),
a două niveluri de agregare : nivelul datelor individuale la nivelul u n ităţilo r
de rap o rtare ; nivelul datelor agregate pe nivelurile stan d ard generale ; preve
derea m odului de lucru in teractiv (p en tru realizarea răspunsului rap id la solici
tări). precum şi lot (pentru realizarea actualizărilor bazelor de date) utilizînd
fişierele create în prelucrarea datelor statistice operative şi curente.
BÂZĂ DE METADATE STATISTICE ; Colecţie de m etad ate statistice u n i
tare m em orate şi accedate sub controlul unui sistem de gestiune a bazelor de
date. O bază de m etadate statistice nu cuprinde în mod obligatoriu serii de
m etadate, ci versiunea curentă (eventualele versiuni anterioare p u ţin d fi copiate
în fişiere de date şi reincărcate în caz de necesitate în bază de m etadate).
BAZĂ DE DATE STATISTICE. Colecţie stru c tu ra tă de serii cronologice de
date statistice, m em orate conform unei baze de m etadate statistice, al cărei
V.TREBICI
14
co n ţin u t reflectă concepţia unui model macroeconomic sau a unui subm odel
al acestuia şi este actu a lizat sistem atic pe baza datelor statistice operative şi
curente, care p erm it accesul rap id al utilizato rilo r p en tru interogare şi analiză,
pe baza unui lim baj o rien tat pe aplicaţie şi/sau unor convenţii de utilizare
simple şi al cărui con ţin u t este rela tiv independent de modificările organiza
torice din economia naţională. P e n tru a realiza independenţa m axim ă posibilă
faţă de modificările organizatorice, datele statistice se m em orează la nivelul
minim . P en tru a realiza viteza de răspuns m axim ă, sistem ul de program e p en
tru gestiunea b.d.s. prevede a tit agregarea la cerere (de-a lungul unui subgraf
al u n u i nom enclator u n itar), precum şi m em orarea datelor agregate periodic
in m od lot (baza de date statistice prim are şi b.d.s.)
C o n ţin u tu l b.d.s. poate fi p e rtu rb a t (în sensul com p atib ilităţii term enilor serii
lor de date statistice m em orate) de m odificări metodologice şi/sau de p reţu ri.
E x p lo atarea unei b.d.s. im plică desem narea adm inistratorului bazei de date
statistice.
BANCĂ DE DATE STATISTICE. A nsam blul c o n stitu it dintr-o bază de ineta-
d ate statistice şi o bază de date statistice utilizate cu aju to ru l u n u i sistem de
gestiune specific. R eprezintă elem entul caracteristic sistem elor inform atice
statistice m oderne integrate.
B IB L IO G R A F IE
1. ARVAS, C., Jo in t m c of dala banks, în „R ev ista de S ta tistic ă ” , A nexă,
1968.
2. M A RTIN, M. J ., Computer Data Base Organisation, Prentice-H all. 1977.
3. PESCARU, V ., CATONA, I., DUNA, D., POPESCU, C ., ŞATRAN, I.,
Fişiere, baze şi bănci de date, E d. tehnică, B ucureşti, 1976.
B IB L IO G R A F IE
1. COSTAKE, N., F IL O T T I, I., ZAM FIRESCU, R ., Unele observaţii privind
programarea prelucrării dalelor recensămîntului populaţiei şi locuinţelor din
l i martie 1H66. în „R e v ista de S tatistică” nr. 2, 1968.
B IB L IO G R A F IE
1. COSTA KE, N ., GOREAC, I., Program conversaţional pentru modelarea
creşterii populaţiei şi calculul unor indicatori asociaţi, in „ S tu d ii şi c e rc e tă ri
de calcul economic şi cibernetică econom ică” nr. 2, 1981.
B IB L IO G R A F IE
1. COSTA KE, N „ Cu privire ta proiectarea şi realizarea sistem ului n aţional
de informatică al R. S. România, în Cibernetica aplicată in economie, E d .
Academ iei R .S .R ., B ucureşti, 1982.
2. COSTA KE, N „ P E T R E A N U , N ., Unele probleme ale sistem ului informatic
naţional, în „R evista E conom ică” , nr. 34, 1982.
R ezultatele prelucrării prim are sau secundare a datelor statistice sîn t prezen
ta te in tabele statistice * sau iau form a reprezentărilor grafice *. A cestea sîn t
form e comode p en tru înţelegerea populaţiilor şi caracteristicilor acesto ra despre
care s-au o b ţin u t inform aţii cu prilejul observării statistice. F u n c ţia tabelelor
statistice şi a reprezentărilor grafice nu se reduce la aceea de p rezen tare a
rezu ltatelo r p re lu c ră rii; în num eroase cazuri, ea este şi an alitică. A ceasta ex
plică reluarea unor tabele şi rep rezen tări în capitolele urm ătoare (Regrcsie şi
corelaţie ; A naliza seriilor cronologice ; Control statistic al calităţii).
TA BEL STATISTIC. Form ă de prezentare a rezultatelor prelucrării prim are
sau secundare, a unei sistem atizări logice de date statistice prim are sau derivate
(m edii, indici, coeficienţi etc.), cu aju to ru l căruia se caracterizează p o p u laţia
V.TREBICI
77
Valorile
Frecvenţele
variabilei
fi
x1
x2 Í2
Xi fi
xn în
n
T otal Er«
♦ =1
V.TREBICI
r
78
E xem plu de t.s.s. in care datele sin t ordonate cronologie. P o p u la ţia Rom âniei
ia recensăm intele din 1930, 1948, 1956, 1966, 1977
Tabelul 1
Tabel statistic pc grupe. T.s. în care popu laţia (colectivitatea) este p rezen tată
pe grupe sau clase după o singură c a ra c te ristic ă ; aceasta din u rm ă poate fi
ca n tita tiv ă sau calitativă.
N um ărul N um ărn!
N um ărul
în trep rin personalului personalului
F orm a de proprietate
m uncitor m uncitor pe o
derilor
întreprindere
Tabel statistic combinat. T.s. in care popu laţia apare sub form ă de grupări
com binate, cu predicatul p relu crat sau n e p re lu c ra t; populaţia este grupată
după două sau m ai m ulte caracteristici.
TABEL CU DUBLĂ INTRARE. Tabel in făţişînd re p a rtiţii com binate după
două caracteristici. Cind există o dependenţă între cele două caracteristici,
tabelul cap ătă denum irea de tabel de corelaţie. Să considerăm , de exem plu, o
colectivitate descrisă sim ultan d upă două variabile X şi Y. N otînd prin ,r,.
x2, . . , , x {, . . . , xp valorile lu ate de variabila X p rin y„ y2, . . . y t, . . ., yg valorile
V.TREBICI
79
Sur-a ; V. Trebici, Les provinces historiques de la Roumanie : aspects démographiques, in vol. Papers
in Honour of Octav Oniccscu on His90th Birthday, Nagard PubKstaer, Roma. 1983. p. 470.
luate fie variabila Y, iar prin f i} n um ărul u n ită ţilo r colectiv ităţii care au
valoarea xt a variabilei X şi to to d a tă valoarea ijj a variabilei Y, tab elu l este
de form a :
Vi Vi ... VI Ui T otal
V.TREBICI
80
f t . este to talu l frecvenţelor rin d u lu i i, însum area fiind efectuaţii după indi
cele j :
Q
f i - —Ui + fii 4- • - • -f f i i + ■• ■ + fm — fa ;
j= i
f . j este to ta lu l frecvenţelor coloanei j , însum area fiind efectu ată după indi
cele i :
P
f •} — fii ~r fs} -r ■• • + fi i + • • • + fpj ~ fil
ia l
f.. rep rezin tă volum ul c o lec tiv ităţii, o b ţin u t prin însum area efectu ată fie rind
cu rind, fie coloană cu coloană,
însum area rînd cu rind
V.TREBICI
81
D acă X u avind două posibilităţi, A'n şi X }1, şi „Y,, av in d două p o sib ilită ţi,
A'i:[ şi X 22, prezintă frecvenţe comune, acestea sîn t în făţişate în tabel de form a :
1
tab el statistic cuprinzlnd funcţiile biom etrice, cum a t fi tabela de m ortalitate *
sau tabela de viaţă * cu largă ap licabilitate în demografie, a c tu a ria t, co n tro lu l
sta tistic al calităţii.
REPREZENTARE GRAFICĂ. R ep rezentare p rin figuri geometrice, n a tu ra le
sau simbolice a datelor cuprinse în tr-u n tabel statistic *. T ranspunerea în g ra
fice a datelor statistice constituie, în m ulte cazuri, un mijloc de stu d iu a v a n ta
jos, deoarece oferă o vedere sin tetică a fenom enelor stu d iate, înlesneşte com
p a ra ţii între fenomene, pune în lum ină caracteristicile lor (stru ctu ri, relaţii,
ten d in ţe, reg u larităţi) şi even tu al conduce la descoperirea de anom alii, erori
sau omisiuni în datele originale. U nele grafice îndeplinesc şi funcţii de calcul
statistic, cu aju to ru l lor determ inîndu-se mai simplu anum ite valori statistice,
p en tru care nu se cere o precizie p rea m are. în activ ita te a cu ren tă de p lan i
ficare şi de previziune, m etoda grafică se dovedeşte de asem enea u n auxiliar
preţios.
R.g. nu sîn t insă destinate să înlocuiască tabelele statistice, ci să le com pleteze,
făcîndu-le m ai asimilabile. Folosul graficelor, deşi însem nat, este lim ita t p rin
posibilităţile de reprezentare în tr-u n singur plan. Nu se poate înfăţişa, în gene
ral, decît u n singur fenom en sau fenomene ju x tap u se ; rep rezen tarea evoluţiei
sim ultane a m ai m ultor variabile legate se a ra tă dificilă şi adesea im posibilă.
Chiar cu aju to ru l reliefului, cu greu se p o t rep rezen ta im agini grafice cu m ai
m u lt de trei dim ensiuni.
Reprezentarea în coordonate rectangulare (ortogonale) R eprezentare în ra p o rt
si proporţional cu două axe perpendiculare în tre ele (fig. 1 ).
P oziţia unui p u n ct P oarecare din p lan se determ ină in ra p o rt cu p u nctul de
intersecţie sau originea celor două drepte, num ite respectiv axa x-ilor şi a xa
y-ilor (sau axa absciselor şi axa ordonatelor). D ista n ţa a socotită pe axa x-ilor
se num eşte abscisa punctului P , d ista n ţa b pe axa y-ilor, ordonata sa ; îm p reu n ă,
cele două distanţe constituie coordonantele p u nctului P. Abscisele duse la d reap ta
şi ordonatele duse deasupra originii sîn t pozitive, celelalte coordonate s în t nega
tive. în cea m ai m are p arte a graficelor statistice şi abscisele şi ordo n atele sîn t
pozitive. P en tru a localiza u n p u n ct P (x f, m) este necesară g rad area ax elo r
d upă o an um ită scară. Se alege în mod a rb itra r o u n ita te de lungim e şi se s ta
bileşte o corespondenţă intre această u n ita te de lungime şi u n ită ţile re la tiv e
6 — c. 680 V.TREBICI
ia x şi !/. T ran sp o rtată pe o axă, o scară num erică se transform ă in scară gra
fică. Scările grafice uzuale s î n t : scara aritmetică şi scara logaritmică.
■i
■O
■O
o
ong>ne O
obcisa
1 ,0 0 0
0,954
0,903
0 ,845
0.778
0 ,6 9 9
0.602
0,301
2
F ig . 2 S c a r ă a r itm e tic ă ş i lo g a r itm ic ă
V.TREBICI
r
?
In cazul scării aritm etice, intervalul corespunzător unei u n ită ţi răm ine ace
laşi pe întreaga lungim e a scării. L a scara logaritm ică, intervalele grafice, adică
segm entele dintre punctele co tate, sîn t inegale. Ca atare, scara aritm etică este
o scară uniformă sau scară liniară, iar scara logaritm ică, scară neuniformă sau
scară neliniară. Scara logaritm ică se stabileşte mai în tii p e n tru num erele cu
prinse in tre 1 şi 10 , adică, fiind aleasă u n ita te a de lungime, se înscriu punctele
de diviziune la o d istan ţă de origine m ăsu rată succesiv prin log 2, log 3, log 4
. . . etc., log 9, numere citite în tab ela de logaritm i. Fiecare dintre diviziuni,
8S
poate fi g rad ată in acelaşi mod : de exem plu, segm entul ale cărui e x tre m ită ţi
p o a rtă gradările 2 şi 3 va p u tea fi îm p ă rţit în 10 p ă rţi n u m ero tate 2.1 : 2 ,2 ;
etc., p u n ctele de diviziune găsindu-se la distan ţe de origine respectiv egale cu
log 2,1 ; log 2 ,2 ; . . . ; log 2,9. Subdiviziunile se ex tin d a tît cît se doreşte şi.
J a tît cit ele răm in uşor de descifrat. Prelungindu-se segm entul astfel g ra d a t
y p rin tr-u n segm ent identic, se realizează scara logaritm ică a num erelor de la.
V.TREBICI
«4
V.TREBICI
85
Reţea prutiabllistă (hîrtie probabilistă). H îrtie special g rad ată (simplu sau dublu
logaritm ică) pe care se reprezintă perechile de puncte (f,-, F (, n), a v ln d ca
re z u lta t liniarizarea funcţiei de re p a rtiţie . Se recunoaşte astfel re p a rtiţia re s
pectivă şi se estim ează p aram etrii ei fără să se apeleze la m etode analitice.
Reprezentare in coordonate polare R eprezentare în coo rd o n ate ra p o rta te la o
ax ă i si un pol o s itu a t pe x. Coordonatele polare ale unui p u n c t P , în tr-u n
plan, sin t : distanţa p = OP (raza sectoare) şi 0 = unghiul xO P (unghi polar).
<fig. 3).
V.TREBICI
■
86
P e n tru com pararea a două sau niai m ulte rep a rtiţii cu frecvenţe absolute ine
gale se recurge la reprezentarea frecvenţelor relative, modificSndu-se in conse
cin ţă scara_de-a lungul axei verticale.
DIAGRAMĂ CUMULATIVĂ. P e n tru o re p a rtiţie discretă, diagram ă con
stru ită „ în scară” : se trasează, ca şi în cazul diagramei in baloane, segm ente
de drepte de lungim i proporţionale cu frecvenţele, dar decalîndu-se progresiv
N 'ă s c u ţi Vii
1 2 3 4 5 6 7 8
R a ng u l
in sus, astfel îneît originea fiecărui segm ent să se afle la nivelul ex trem ităţii
segm entului precedent. Segmentele verticale se unesc p rin segm ente orizontale
(fig. 7). Palierele orizontale ale diagram ei au d rep t ordonate :
F t = fi + fa + . . . + fi, respectiv F t = fx + J2 + ■■ - + fi-
Înălţim ea fiecărei trep te este p roporţională cu o frecvenţă sim plă (fţ. resp. /;).
D iagram a (fig. 7) prezintă frecvenţele cum ulate ascendente şi a ra tă , p e n tm
fiecare rang al născutului viu, p ro p o rţia născuţilor vii avînd un ran g cel m u lt
egal cu cel considerat. R eprezentarea frecvenţelor cum ulate în sens invers,
după aceeaşi m etodă, ar a ră ta , p en tru fiecare ran g al născutului viu, proporţia
născuţilor vii avind u n ran g cel p u ţin egal cu cel considerat.
DIAGRAMĂ PRIN COLOANE (Diagramă prin tuburi de orgă). R eprezen-
V.TREBICI
*7
1950
1955
1960
1975
1979
S e poate reprezenta, prin drep tu n g h iu ri, evoluţia mai aiu lto r fenomene ju x ta
puse. haşurîndu-se în chip diferit (fig. 10).
În tru c ît la diagram ele descrise in tră în calcul numai înălţim ile dreptunglnu-
rilor, ele sin t diagrame cu o dim ensiune (liniare). D reptunghiurile nu sin t d^cit
..ordonate lărg ite” p en tru a fi m ai vizibile. O rdonatele sint, reprezentate p rin
ariile dreplunghiurilor, dar se păstrează proprietatea proporţionalităţii lungi
milor (lungim ea dreptunghiurilor), dîndu-se fiecărui dreptunghi aceeaşi lăţim e.
mii«? .
ra m u ri
1 96 5 ’ # 79
în aplicaţie :
— p e n tru fiecare din cei doi ani s-a co n stru it u n cerc a cărui arie este p ro p o r
ţională cu m ărim ea venitului naţional (146 m ld. lei in 1965 şi 499 m ld . lei în
1979) ; razele celor două cercuri (rx p en tru 1965 şi r 2 p e n tru 1979) s în t in
ra p o rtu l :
F^-Fs-F«* 1,85;
P rim a r Secundar
P e n tru com paraţii in tim p sau în sp aţiu , d iagram a circu lară scoate în ev idenţă
deodată diferenţele în valoare ab so lu tă şi in valoare re la tiv ă . D iagram a sem i
circulară nu evidenţiază d ecît ra p o rtu l p ă rţilo r cu în tre g u l, im p o rta n ţa lor
relativă.
DIAGRAMĂ PRIN SU PRA FEŢE. D iagram ă fo rm ată de obicei din p ă tra te
sau cercuri avind suprafeţele proporţionale cu valorile rep rezen tate (fig. 14).
M ii b u c ă ţ i
V.TREBICI
91
H . sin t, niai m ult decit alte grafice, in strum ente de analiză şi de cercetare.
Hle înlesnesc stu d iu l com ponentelor seriilor cronologice, m ai ales a trendului
şi a fluctuaţiilor sezoniere şi p erm it com pararea m ai m ultor serii cronologice.
De asem enea, o h. face posibilă u rm ărirea cu uşurinţă a evoluţiei diferenţei intre
două fenomene, cind aceasta are o sem nificaţie concretă (diferenţa intre cos
turile totale şi costurile fixe, între v enituri şi cheltuieli, Intre im p o rtu ri şi ex
p o rtu ri etc.). în exem plul lu a t (fig. 16), diferenţele între n a ta lita te şi m o rta
litate m archează sporul n a tu ra l al populaţiei, clar sesizat, in evoluţia sa, la
sim pla lectură a graficului. In legătură cu construirea h., problem a cea mai
im p o rtan tă este aceea a rap o rtu lu i din tre u n ita te a de lungime ad o p ta tă pentru
m ăsura tim pului şi cea care serveşte p en tru scara ordonatelor. Fenomenele
reflectate in seriile cronologice se caracterizează prin num eroase variaţii a
căror înfăţişare grafică depinde de alegerea scărilor. P rin lărgirea sau com pri
m area scărilor, intr-o anum ită m ăsură, se p o t aten u a sau, dim potrivă, am pli
fica variaţiile. D acă scările nu au fost judicios alese, ex istă riscul unor in ter
p retări false. Se reţine principiul general după care o variaţie recunoscută ca
in teresa n tă trebuie să fie dezvăluită prin li. Fig. 17 a ra tă cum alegerea scărilor
p o ate influenţa jud ecata citito ru lu i asupra am plitudinii variaţiei. In stitu tu l
in tern aţio n al de S tatistică a sta b ilit cu prilejul celei de a Y lll- a sesiuni, pc
baza ra p o rtu lu i p rezen tat de Jacques B ertillon, că u n ităţile trebuie astfel
alese incit alu ra tan g en ţială a liniei din li. să fie rep rezen tată de o d reap tă
înclinată la 45° fa ţă de axe (I.I.S ., V III e session, J . B ertillon : Propositions
relatives à l ’uniform ité à apporter dans l'établissement des graphiques, p. 313,
a p ud N. Georgcscu-Roegen, op. cit., p. 57).
M ilio a n e lei v a lu tă
A xa absciselor, g rad ată aritm etic, p o a rtă scara tim pului (anii). P aralele la
axe, duse p rin punctele gradărilor, determ ină o grilă care uşurează plasarea
punctelor şi citirea valorilor.
O s. are cîteva p r o p r i e t ă ţ i de u tilita te p ractică.
1. O r d o n a te lo r n o m i n a l e î n p r o g r e s ie g e o m e tr ic ă le c o r e s p u n d ( p e d i a g r a m ă ) o r d o
n a t e r e a le î n p r o g r e s ie a r itm e tic ă .
A stfel, notăm corespondenţa :
;/ a aq aq2 a q 8 .. .
lr log a (log a -4 - log q) (log a + 2 log q ) (log a ~r 3. log q)
2. D a c ă r a p o r t u l d i n t r e d o u ă v a lo r i a le l u i tj este e g a l c u r a p o r t u l d i n t r e d o u ă
a lte o a lo r i a le s a le , d i fe r e n ţa o r d o n a te lo r r e a le a le p r im e lo r d o u ă este e g a lă c u
a c e e a a o r d o n a te lo r r e a le a le u l tim e lo r d o u ă .
De exem plu, egalitatea
— =
Vi î/3
se traduce prin
!h_
log — ; : log
Vi Va
sau
log ij2 - log î/j = log ¡/4 - log ijs,
adică
r2- r # =. r 4 - r 3.
Pe axa ordonatelor, lungimile ( Y s — Y%) şi ( y , — V3) silit egale.
P e n t r u o a c e e a ş i v a r ia ţie a l u i x , d o u ă s e g m e n te s i n t p a r a le le , d a c ă r a p o a r te le
o r d o n a te lo r n o m i n a l e a le p u n c te lo r p e c a r e le u n e s c s i n t eg a le.
în tr-o diagram ă cu scări aritm etice, d re a p ta care uneşte două p u n cte Aţ x ^ i j )
şi B (x .,y .,) are drept coeficient d irector ;
xa —Xj
şi două drepte cu acelaşi coeficient director sin t paradele.
Pe ci.«., coeficientul director real este :
, U2
log —
Ui
Pe srafic, lungim ea A Y este egală cu log — . P rin urm are, este suficient să se
Vi
ducă lungim ea A Y pe scară pornind dc Ia origine şi să se citească indexul corcs-
V a ie r
A
P resu p u n ln d
a b
Fig. 21 Diagrama aritmetică (a) şi semilogaritmică ( 6) a aceleiaşi
serii statistice
la 2 reprezintă o creştere de 100 %, de la 1 la 3 o creştere de 200 %, . . . , de-
la 1 la 10 o creştere de 900% ; aceleaşi creşteri s în t şi în cazul celorlalte m odule,
adică de la 10 la 100, de la 100 la 1000, de la 1000 la 10 000 etc.). ş.
i ! ▼
900---- o---- } JGO—-
j —1
soo--- 1 1
400 — 50---- «0 • —
Fig. 22 Scări in procente : 300- - 60--- |o -
a) scara creşterilor ; b) scara
descreşterilor ; c) scara corn- ; .j
paraţiilor -.00__ «0
•_L= 8V —
9C :
L_L-_
ţa)
V.TREBICI
«6
7 - o . 680 4 V.TREBICI
98
V.TREBICI
100
Mii
N u m ă r d e p e rso a n e
ţelor de c la s ă ; punctele rep rczen tîn d lim itele fiecărui in terv al ele clasă sc unesc
p rin linii orizontale. S u p rafaţa închisă de linia in scară ce m ărgineşte li. şi de
axa absciselor este pro p o rţio n ală cu sum a frecvenţelor.
V.TREBICI
101
T abelul 4
Pină la 1 300 4 ,0 4 ,0
1 3 0 1 - 1 500 9 ,2 4 ,6
1 5 0 1 - 1 700 1 4 ,8 7 ,4
1 7 0 1 - 2 000 26,1 8 ,7
2 0 0 1 - 2 500 2 7 ,5 5 ,5
Peste 2 500 1 8 ,4 3 ,7
T otal 100,0 —
Clasele de re trib u ţie n u sînt to a te egale între ele, iar prim a şi ultim a clasă slnt
nedeterm inate. P en t ru a în lătura m ai întîi nedeterm inarea, convenim să Închi
dem prim ul in terv al la 1 200 lei, nivelul minim al retribuţiei la d a ta observării
şi u ltim ul in terv al l a 3 000 lei, adica egal cu intervalul precedent. In ceea ce
T a b elul 5
50 1,69897
8,8 0,60206 1 4 ,6
200 2,30103
19,0 0,39794 4 7 ,8
500 2,69897
23,7 0,30103 78,7
1000 3,00000
22,6 0,30103 75,1
2000 3,30103
12 ,0 0,17609 68.2
3000 3,47712
8 ,3 0,22185 3 7 ,4
5000 3.69897
4 .2 0,30103 1 1,0
10000 4,00000
1 ,4 0,30103 4 ,7
20000 4,30103
V.TREBICI
103
80-1
g
60 A
£
"O
Fig. 29 Histograma re c
partiţiei întreprinderilor Q .4 0 -Î
<p !
industriale după numărul c
muncitorilor a;
■a20-î
•CE
E
z>
Z . !
o
10
N u m â r d e m u n c it o r i
N u m ă r de p e rs o a n e
a b
Fig. 30 a) Poligonul frecvenţelor; b) Histograma şi poligonul frecvenţelor.
V.TREBICI
105
— în al doilea caz (B), n um ărul de observaţii egale sau superioare abscisei
considerate (num ărul de persoane de înălţim e egală sau m ai m are decit a: cm).
De observat că ordonatele reprezentîr.d frecvenţele retrocum ulate s-au tra sa t
in drep tu l lim itei inferioare a claselor.
1000-
Cele două diagram e silit sim etrice in ra p o rt cu dreapta paralelă la axa absci-
1
selor de ordonată — din frecvenţa to ta lă şi, ca a ta re , se construieşte num ai una
N u m ă r de p e rs o a n e
V.TREBICI
107
ajunge la constatarea : e.f. unei p o pulaţii infinit de m are este lim ita către care
tin d e h isto g ra m a (sau poligonul frecvenţelor) priv in d u n eşantion din acea
p o p u la ţie , cind volum ul eşantionului creşte in d efin it.
S em n ificaţia e.f. este c a p ita lă : se consideră că ca rep rezin tă re p a rtiţia ideală
V i> s ia
V.TREBICI
109
T a b e lu l 0
1
L una I II II I IV V VI V II V III IX X XI X II
i
1 C ăsătorii
(m edii 6291 7019 4760 5872 6958 6064 7027 8063 7938 9051 6416 4781
1976 -1 9 8 0 )
V.TREBICI
110
T a b e lu l 7
Luna
| A nul II III IV V VI V II V III IX XI X II
1
* ■
1978 6410 7354 5509 5380 7212 6364 7728 8425 8505 9195 6602 4883
1979 0138 7240 5017 5867 7284 6600 7202 8249 8342 9017 6208 4684
1980 5329 5925 4268 6604 6724 5470 6623 8021 7173 7806 5922 4228
V.TREBICI
111
Această diagram ă perm ite reprezentarea v a ria ţiilo r in decursul m ai m ultor ani.
E a devine sugestivă îndeosebi cînd sensul v ariaţiei variabilei este constant
crescător sau descrescător. D iagram a p re z in tă a tu n ci aspectul unei spirale,
de unde şi denum irea ce i se dă de diagramă în spirală.
DIAGRAMĂ TRIUNGHIULARĂ. D iagram ă co n stru ită cu aju to ru l tr i
unghiului echilateral, reprezentînd u n ansam blu de trei variabile a căror sum ă
este constantă. D.t. are la bază una din p ro p rie tă ţile u rm ăto are ale tr iu n
ghiului echilateral :
1 ) p en tru orice p unct, situ a t în in terio ru l triu n g h iu lu i, suma distan ţelo r sale
la cele trei latu ri este constantă şi egală cu înălţim ea triu n g h iu lu i;
Conform prim ei p ro p rietă ţi, cele tre i com ponente sin t re p re z e n ta te p e cele tre
înălţim i, gradate de la 0 la 100 % şi o rie n ta te în direcţia v irfurilor triunghiului.
D eci, înălţim ile sint scările (fig. 41).
D reptele duse perpendicular la scări p rin diviziunile 26,3% , 60,5% şi 13,2%
se intersectează in p u n ctu l P . A cest p u n c t se uneşte cu latu rile triu n g h iu lu i p rin
perpendicularele paralele cu în ălţim ile triu n g h iu lu i (pe care sint fix ate scările),
reprezentînd — p rin lungim ea lor — p ro p o rţiile celor trei populaţii.
V.TREBICI
112
P u n ctu l re p rezen tativ (P ) se găseşte la in tersec ţia paralelelor la latu rile triu n
g h iu lu i duse p rin p u n ctele de coordonate respective. U tilizarea scărilor con
s tru ite p e la tu rile triu n g h iu lu i uşurează citirea valorilor de stru c tu ră re p re
zen ta te.
DIAGRAMĂ ÎN Z . Grafic al u nei serii cronologice lunare, reprezentînd sim ul
tan : datele sim ple, datele cum ulate, sumele m obile p e douăsprezece luni.
E xem plu. V înzările lunare în reg istrate la u n m agazin universal in anii 1978,
1979 şi 1980 (mii. Ici).
T ab e lu l 8
T o ta lu rile
V înzările Vînzările m obile
Luna lu n are cum ulate (12 luni)
1978 1979 1980 1979 1980 1979 1980
V.TREBICI
113
M 11. ie i
150 200
V.TREBICI
115
1379
„V3P9
1899
’ 909
,1329
1939
19C9
•973-
V.TREBICI
ne
reprczentind clasele 61 —64 ani, şi respectiv generaţiile 1916 —1919, silit m ar
cate de ceea ce se num eşte „ d eficitu l de n a şte re ” din tim pul prim ului război
m ondial. Cele n o ta te cu 2 încercuit sint clasele de 35—39 ani (generaţiile 1941 —
1945), afectate de cel de-al doilea război m o n d ia l; in sfîrşit, cele n o ta te cu 3
încercuit sin t generaţiile 1958—1966, ap ă ru te in perioada scăderii puternice a
n a ta lită ţii. Asemenea clase de v irstă se num esc „ in trin d u ri” (in ir., dasses
creuses). Form a p.v. este o indicaţie in tu itiv ă a pro p o rţiilo r d in tre sexe, precum
şi a p ro p o rţiilo r d in tre grupele m ari de v irstă : populaţia „ tîn ă ră ” (0—14 an i),
p o p u la ţia „ a d u ltă ” (15—59 ani) şi populaţia „ b ă trin ă ” <60 ani şi peste) şi ca
a tare perm ite aprecierea dacă p opulaţia respectivă se află în curs de îm b ătrin irc
dem ografică sau, d im p o triv ă, este o populaţie cu caracteristici tinere.
P.v. se construieşte p e n tru p o p u la ţia n a ţio n a lă , p o p u laţia u rb a n ă şi ru ra lă ,
p o p u laţia ju d eţelo r şi prov in ciilo r isto rice; de asemenea este in d icat să se
construiască p.v. p en tru diferite subpopulaţii (corpul didactic, corpul medical,
p o p u laţia activ ă şi in activ ă ctc.).
în scopuri de co m p arab ilitate p e n tru m ai m u lte populaţii în tim p şi in spaţiu
e s te recom andabilă construirea p.v. cu frecvenţe re la tiv e : p o p u la ţia to ta lă
(am bele sexe) este considerată egală cu 1 000 sau 10 000 şi fiecare efectiv de
v irstă rep rezin tă o pondere în aşa fel incit sum a frecvenţelor relativ e este egală
cu 1 000 sau 10 000. F ig . 46 ne înfăţişează p o p u laţia R om âniei la 1 ianuarie
1977 şi p e cea a populaţiei m unicipiului B ucureşti şi provinciei istorice D obrog ea.
Se citesc cu u şu rin ţă p a rtic u la rită ţile celor trei piram ide ale v îrstelor ca şi
influenţa u n o r facto ri ca : n a ta lita te a , m o rtalitatea şi m igraţia. De asem enea
ap a re cu claritate excedentul de b ă rb a ţi sau de femei la diferitele vîrste. F iin d
o re p a r tiţie de frecvenţe, pe baza p.v. se calculează valori ca : m ed ian a, cuar-
tile ctc.
P .v. poate fi folosită de asem enea p e n tru reprezentarea unor modele d e p o p u la ţi i
cum a r fi p o p u laţia staţio n ară sau populaţia sta b ilă : în acest caz, efectivele
populaţiei sint date de num ărul supravieţuitorilor d intr-o tab elă de m o rta
litate, în care se consideră o cohortă fictiv ă de 100 000 persoane la naştere şi
care se reduce sistem atic sub efectul m o rta lită ţii, pină la d isp ariţia ci.
Deşi p.v. este un grafic elaborat de demografi în scopuri demografice, ta poate
fi aplicată în oricare a lt dom eniu în care sînt situ aţii similare.
B IB L IO G R A F IE
R . PR E SSA T , Diclionnaire de demographie, Presses U niversitaires de F rance,
Paris, 1979, p. 173—174.
V. T R E B IC I, Demografia, E d itu ra ştiin ţific ă şi enciclopedică, B ucureşti,
1979, p . 7 7 - 8 0 .
■GRAFICUL LUI L EX IS. R ep rezen tare grafică constînd d intr-o reţea de p a ra
lele la u n sistem obişnuit de axe rectangulare, în aşa fel îneît înfăţişarea generală
este de reţea. Scara absciselor este aceeaşi cu scara ordonatelor : p e prim a se
trec datele observării, iar p e scara ordonatelor — valori reprczentind durate
de tim p (vîrsta, vechim ea u n ei cohorte etc.). A plicaţia cea m ai frecv en tă a
<j.L. este observarea u nei cohorte demografice — generaţie, prom oţie de căsă
to rii — in decursul unei perioade de tim p , cu care prilej se schim bă efectivul
in iţial al cohortei sub efectul evenim entelor demografice. A stfel, num ărul in iţial
al unei generaţii se m odifică sub efectul deceselor care se înregistrează in fiecare
a n , num ărul unei prom oţii de căsătorii se dim inuează sub efectul divorţului
.şi al decesului, efectivul unei cohorte de persoane necăsătorite, odată cu in trarea
V.TREBICI
117
In virsla nubilă (16, respectiv 18 ani), se dim inuează p rin căsătorii etc. Fig. 47
ne dă înfăţişarea generală a g.J,.
C uloarul h a şu ra t, ales ca exem plu, este drum ul afectat unei cohorte pe m ăsura
im bătrinirii ei (d u rata în ani) şi a scurgerii tim pului (perioade). D upă p a rc u r
gerea a şapte perioade, cohorta respectivă ajunge la d u rata de G ani (virstă
Dur ai a ( an: )
Vî fsf aia ni )
V.TREBICI
118
1 lan.
Perioada.
in tre virsta de 1 an şi 2 ani), ajungind deci la 197 502 persoane, in aşa fel
incit efectivul generaţiei la i ianuarie 1977 ajunge la 196 857, diferenţa de
207 551 —196 857 = 10 694 fiin d n u m ărul celor decedaţi de la n aştere 1 1te70>
p înă la data de 1 ianuarie 1977.
Masele de evenim ente, în cazul nostru decesele, constituie mase de puncte şi
care form ează triunghiu ri in g.L. (fig. 49) ; ele rep rezin tă dubla grupare a eveni
m entelor demografice.
D e pildă, triunghiul din perioada I la 0 an i, rep rezin tă num ărul deceselor cc
au a v u t loc pînă la 1 ianuarie perioada II, Ia v irsta de 0 a n i ; triunghiul din
perioada II I rep rezin tă decesele surv en ite în perioada I I I şi care corespund
v irstei de 1 an (pînă la doi ani) ; paralelogram ul din perioada IV cuprinde
decesele generaţiei surv en ită în perioada IV, produse în tre 2 şi 3 ani, în lrc două
date calendaristice, iar paralelogram ul din perioada V II cuprinde decesele
generaţiei survenite între două aniversări exacte, 5 şi 6 ani, dar care s-au produs
în două perioade : V I şi V II. Masele de evenim ente demografice m odifică efec
tivele c o h o rte i; or, efectivul se determ ină fie la o d a tă calendaristică (1 ianuarie
perioada V, in fig. 49), fie la o aniversare exactă (6 ani, fig. 49). Cu alte cuvinte,
efectivele cohortei slnt fluxurile lin iilo r v ie ţii rep rezen tate de segmente cores-
V.TREBICI
punzînd datelor sau duratelor (aniversărilor).
119
P u ra ia c S sâ fo rfe r (a n i:
V -:sta (ani)
!
i— —
j 95262 /
9539' f
/
Fig. 51 Tabela de mortalitate
fem inină 1970— 1972 (fragment)
!
9-56-1 /
i
95966/
$ /
1 /
j
[ / ___ i
'CO
in anul 1976 num ărul de n ăscu ţi-v ii p ină la p rim a aniversare a căsă
toriei a fost de 49 629; aşad ar, p ină la îm plinirea d u ra te i de 1 an,
num ărul to ta l al născuţilor a fost de 70 026; în 1976, u n n u m ăr de
V.TREBICI
120
V.TREBICI
Fig. 53 Dinamica producţiei globale industriale, pe judeţe, 1979
122
B IB L IO G R A F IE
D. H AŞIG AN , I. M A RINESCU, Grafice şi elemente de calcul grafic, E d . ştiin
ţifică. B ucureşti, 1968.
V.TREBICI
P A R T E A A T R E ÍA
STATISTICA DESCRIPTIVĂ
V.TREBICI
124
inform aţie. E x istă astfel riscul ca stru ctu rile reale să fie deform ate şi, im plicit,
re p a rtiţiile construite să devină inutilizabile. R egula constă in păstrarea la
m axim um a in te g rită ţii in form aţiilor cuprinse în d ocum entaţia de bază.
F orm area de clase omogene — o a ltă regulă elem entară — presupune o con
densare a datelor cu m ăsură şi, în mod corespunzător, m inim izarea pierderilor
de inform aţie.
Regulile de construire a s.s.r. diferă apoi d upă cum variabilele cercetate sînt
calitative sau cantitative.
CLASĂ. Subdiviziune a dom eniului de v a ria ţie al variabilei observate.
C. sînt definite verbal în cazul variabilei calitative * (c. de stare civilă : necăsă
to rit, căsătorit, văduv, d iv o rţat) şi num eric în cazul variabilei cantitative *
(c. de v îrstă anuale : 0 an i, 1 an, 2 an i, 3 ani, . . . sau c. de v îrstă cincinale :
0—4 ani, 5 —9 ani, 10—14 ani, . . . ) .
T erm eni sinonim i : categorie, grupă, modalitate.
P en tru c. co n stitu ite din grupe de valo ri treb u ie să se determ ine : am plitudinea
c., lim itele c. şi centrul acesteia.
Amplitudinea clasei. M ărimea in terv alu lu i de clasă sau de grupare.
Limitele clasei. V aloarea cea m ai m ică (lim ita inferioară) şi valoarea cea mai
m are (lim ita superioară) a c.
Centrul (mijlocul) clasei (sau al intervalului). V aloarea variabilei socotită că
rep rezin tă valorile tu tu ro r u n ită ţilo r cuprinse în clasă (m edia aritm etică a
lim itelor).
E xem plul 1. Valorile unei variabile, ordonate d upă m ă r i m e ......................
. . . .25, 20, 27, 28, 29, 30, 31, 32, 33, 34, 35 ...............................ele.
sînt în tru n ite în clase de cîte 5 valori.
2 5 -2 9
3 0 -3 4
C. de virstă Centrul de c.
85—89 ani
90 ani şi peste
E xem plul 3. In tr-o clasificare a căsătoriilor după virsta soţilor, cu un interval
de e. de 5 ani, am bele c. extrem e sint lăsate de obicei deschise:
sub 20 an i
20 —24 ani
55—59 ani
00 ani şi peste.
FRECVEXŢĂ. N um ăr de observaţii corespunzător fiecărei clase * din repara
ţia statistică *
F. astfel d efin ită este num ită şi i. absolută sau efectiv (n o ta tă f ().
Frecvenţă de clasă. F. cu care se înscrie fiecare clasă in re p a rtiţia sta tistic ă .
Frecvenţă totală. Sumă a tu tu ro r f. unei re p a rtiţii statistice.
Frecvenţă relativă. F. indiv id u ală (de clasă) exprim ată ca o p roporţie a f.
totale
Exemplu. D acă într-o re p artiţie a unei variabile discrete *, X , re z u lta tă din A’
observaţii (f. totală) s-a găsit de ori valoarea X ( (f. de clasă), f i reprezintă,
fi
p rin definiţie, f. absolută a valorii x (, iar rap o rtu l —- f. sa relativă *).
A
Considerind că variabila X poate lua n valori, x lt x n, evident
' fn = £ fi = X
si
n
0 < f ,< 1.
f: = 0 dacă nu există nici u n elem ent in clasa de rangul i.
f : = 1 dacă to a te elementele populaţiei ap a rţin aceleiaşi clase.
Aceste cazuri extrem e nu prezintă nici u n interes.
Fx = î v
F» = fi + f*
F 3 = fi + fi + f3>
F i = fi + i i + fa + • • • + fi-
C um ulul de rangul n este egal cu f. to ta lă :
71
F» = h + f, + f3 + . . . + fn = S &■
t= l
în a doua v arian tă se obţin f.c. descendente :
F [ = fn,
F'2 = fn + 1 n-i>
F ' = fn + fn - i + fn-:,
F'n — fn + fn - 1 + fn -2 - f • • • T i — f<’
şi totdeauna
* ’« + F n -i - S tt-
i =1
Fn = fi -r fa + f3 + . . . + fn = 1 .
V.TREBICI
127
Şi
Fn = fn + fn - i + fn -2 + ■• • + fi = 1 .
De asem enea
«
F , + F « -i = H * = 1 .
<=l
F.c. sînt necesare pentru anum ite calcule statistice şi, uneori, p e n tru o carac
terizare m ai sugestivă a re p artiţiilo r statistice.
Frecvenţă unitară (irecvenţă pe interval de clasă unitar sau densitate de
frecvenţă) — f. definită de ra p o rtu l :
fi fi
-------, re s p e c tiv ------- »
A ij A i;
j n
Clas? a b i n
E le m e n tu l p rin care rep artiţia unei variabile de tip calitativ in tră în judecăţile
statistice este frecventa*. Frecvenţele caracterizează im p o rtan ţa părţilor
•componente ale populaţiei şi asocierile variabilelor calitative sîn t precizate
p rin co m p araţii in tre frecvenţe.
O variabilă cantitativă poate lua un n u m ăr restrins de valori şi atu n ci, asem ă
n ă to r cazului variabilei calitative, rep a rtiţia decurge uşor din gruparea u n i
tă ţilo r statistice pc fiecare din valorile observate. D acă x ,, x»,. .
sîn t valorile observate p en tru o variabilă X şi f lt f.,, . .. ţt , . . [n frecvenţele
corespunzătoare, repartiţia se scrie :
/.T , .X2 .. . Xf .. ■ X'n\
X
V fi r. . ■■ f i ■■■ f , J
Valorile variabilei sc înşiruie in ordinea m ărim ii, crescătoare şi citeodată
descrescătoare. U nităţile înregistrate se diferenţiază după m ărim ea variabilei
( .rj < x 2 < a-, . . . ) şi de aceea rep a rtiţia rezu lta tă s-a nu m it heterogradă.*)
E xem plul 2. N ăscuţii vii, după rang, in Rom ânia, 1979.
Tabelul 10
*) Termenii „homograd” fi „heterograd” —termeni vechi, rar folosiţi— au fost introduşi de statisti-
cianul suedez Charlier.
V.TREBICI
12»
R ep artiţia este form ată din clase discrete (e n tită ţi separate) : rangul născu tu lu i
viu po ate fi 1 sau 2 sau 3 etc. Seria claselor se term ină cu o clasă deschisă
(8 şi peste), deoarece născuţii vii de ran g u ri superioare rangului al 7-lea
nu s-au înscris cu frecvenţe sem nificative, care să justifice evidenţierea lor în
clase deosebite. D e regulă, variabilele observate ap a r cu o gam ă largă de valori
şi, in acest caz, se aplică repartiţia pe clase (grupe) de valori. D om eniul de
variaţie al variabilei se îm parte intr-un n u m ăr ,.convenabil” de clase consecutive
de am plitudine egală sau nu şi se indică p en tru fiecare din ele frecvenţa
înregistrată. R ep artiţia ia form a :
X0 ^ X < x x x 1 ^ X ^ x 2 . . . Xf_j ^ X < I j . . . XK_ j iC x < x n
f1 h fi în
O clasă este delim itată prin două valori ale variabilei — limitele (extremităţile)
clasei (Xi_, şi £,-), a căror diferenţă constituie intervalul de clasă (x t — x i_ 1).
Se atrib u ie u n ităţilo r clasei aceeaşi valoare a variabilei — in general, mijlocul
intervalului, egal cu sem isum a valorilor extrem e :
Xj—l ‘
2
E xem plul 3. R ep artiţia cooperativelor agricole *) din ju d eţu l Ialom iţa d upă
p ro d u cţia medic de porum b la hectar, in 1978.
Tabelul 11
Producţia medie
N um ăr de O
la hecta r
cooperative
(chintale)
T otal 99 100,0
2 5 -3 0 4 4 ,0
3 0 -3 5 3 3 ,0
3 5 -4 0 6 6 ,1
4 0 -4 5 11 1 1 ,1
4 5 -5 0 10 10 ,1
5 0 -5 5 17 1 7 ,2
5 5 -6 0 12 1 2 ,1
6 0 -6 5 19 19,2
6 5 -7 0 8 8 ,1
Peste 70 9 9,1
9 — c. 680
V.TREBICI
130 131
grupelor de valori ce form ează scara clasificării u n ităţilo r observate. Trebuie Intervalele m arginale sînt deschise ; intervalele interm ediare au am plitudinile ;
a v u t in vedere fap tu l că fixarea intervalelor de grupare include decuparea 300, 500, 1000, 1000, 2 0 0 0 ,... m uncitori.
m ai m u lt sau m ai p u ţin a rb itra ră a cîm pului de variaţie al variabilei, cu impli în principiu, o seară cu intervale de m ărim e egală presupune o populaţie
caţiile ei. Astfel, o scară greşit aleasă poate schimba complet aspectul repar perfect om ogenă în ceea ce priveşte com poziţia ; în caz contrar, intervalele
tiţiei. Şi aici, experienţa cercetătorului şi buna cunoaştere a dom eniului se iau de m ărim i diferite, p en tru ca diferenţierile calitative în stru c tu ra
investigat au m enirea să joace rolul esenţial. M ultă grijă com portă decizia
Tabelul 12
în alegerea, prin tre u n n um ăr m are de soluţii posibile, a m ărim ii intervalelor
de clasă (grupare). F ireşte, nu se p o ate da o indicaţie universală în ceea ce
priveşte m ărim ea optim ă a in terv alelo r; n u m ai o analiză prealabilă, pentru N um ărul N um ărul în
m uncitorilor treprinderilor %
fiecare caz in p arte, este în stare să ofere u n răspuns. Se recom andă doar ca
intervalele să nu fie prea largi, în tru c ît a r produce o pierdere prea mare de
inform aţie, a r disim ula anum ite p a rtic u la rită ţi ale rep artiţiei şi, im plicit, a r
Total 1701 100,0
m icşora precizia rezu ltatelo r şi nici p rea înguste, căci, deşi a r conserva o infor
P în ă la 200 149 8,8
m aţie m ai deplină, n-ar elimina iregularităţile accidentale, în schimb a r complica
2 0 1 -5 0 0 323 19,0
fă ră real folos calculele, ţjn echilibru treb u ie să fie găsit în tre „o precizie am ă
5 0 1 -1 0 0 0 404 23,7
gitoare şi o inform aţie suficientă“ *).
10 01-2000 385 22,6
In terv alu l de clasă depinde de nu m ăru l de clase şi de întinderea repartiţiei.
2 0 0 1 -3 0 0 0 204 12,0
O regulă em pirică — regula lui Sturges — defineşte nu m ăru l minim de clase. (k)
3 0 0 1 -5 0 0 0 141 8 ,3
în funcţie de num ăru l de observaţii (A7) :
P este 5000 95 5 ,6
10
k = 1 -j— — log 10 A7, (1)
O * la sfîrşitul anului.
Sursa : Anuarul statistic al R. S. România 1980, p. 136.
A m plitudinea intervalului (il) — pe o scară cu intervale egale — poate fi populaţiei să nu fie eclipsate. Fiecare clasă apare definită de o Umilă inferioară
dedusă din îm părţirea diferenţei în tre valoarea cea m ai m are (x mar) şi valoarea şi o lim ită superioară. Ca să se suprim e orice risc de eroare, lim itele claselor
cca m ai m ică (.rmin) a seriei de valori observate la n u m ărul de clase, calculat trebuie să fie explicit indicate. Form ele u tilizate sînt urm ătoarele (cu aplicaţie
după form ula ( 1 ). la clase’e de re trib u ţii lunare) :
A şadar :
(a) (b) (c)
Xm ax ’ x min
----------- ------------------ ( 2> 1 6 0 0 -1 7 9 9 1001 —1800 1 6 0 0 -1 8 0 0
1- — logj o A’ 1 8 0 0 -1 9 9 9 1 8 0 1 -2 0 0 0 1 8 0 0 -2 0 0 0
2 0 0 0 -2 1 9 9 2001 — 2200 2 0 0 0 -2 2 0 0
O a ltă relaţie pentru stabilirea intervalului dc grupare (<?) este urm ătoarea :
Form ele (a) şi (b) sint explicite, dar form a (e), in care valoarea lim itei
1 superioare a unei clase se confundă cu valoarea lim itei inferioare a clasei
d “ — •'8(x maz Xmin)> (3) urm ătoare, poate da naştere la am biguităţi. în tr-ad e v ăr, valorile observate
ce s-ar găsi la frontiera claselor ar pu tea fi rep artizate în chip diferit (cum a r fi :
in care 8 este un facto r empiric. persoana cu re trib u ţia de 1800 lei pc lu n ă ar putea fi re p a rtiz a tă fie in prim a
De la o clasă la alta, intervalele p o t avea o am plitudine constantă sau varia clasă, fie in cea de-a doua clasă). N eajunsul se în lă tu ră p rin tr-o convenţie
bilă, adică p o t fi egale sau neegale. E ste de p referat rep artiţia pc o scară cu prealabilă, care, In general, adm ite cuprinderea în clasă a lim itei sale inferioare
intervale egale, fiindcă num ai aşa frecvenţele diferitelor clase sint com parabile şi excluderea Umilei superioare.
între ele şi potrivite p en tru calcule ulterioare. Nu întotdeauna insă divizarea A dică :
pe intervale egale este cea adecvată. 1600 la m ai p u ţin de 1800 lei,
E xem plul 4. R epartiţia întreprinderilor industriale din România d u p ă num ărul 1800 „ ,, „ „ 2000 „ ,
m uncitorilor in 1979 * .(—> tab .1 2 ). 2000 „ „ „ „ 2200 „ ,
*) Numărul „optim” de clase admis de unii autori se situează intre 10 şi 1?, de alţii, între 8 şi 20»
T erm enul limite de clasă se foloseşte p en tru a desemna cea m ai m ică şi cea
iar de alţii, între 15—25. în practică, rareori se folosesc mai puţin de 8 sau mai mult ce 15 clase. mai m are valoare intr-o clasă de valori d ată. D ar, în cazul unei variabile
V.TREBICI
132
Se presupune că re trib u ţiile au fo st apro x im ate la p rin .a zecim ală, aşa incit
clasele nu încep in rea lita te de la valorile indicate in scară. A stfel, clasa ind icată
p rin lim itele 8 —8,9 lei conţine de fa p t retrib u ţiile mai m ari sau egale cu
7,95 lei şi mai mici deeit 8,95 lei. Valorile 7,95 şi 8,95 silit num ite liniile
reale de clasă. în această situ aţie, p articu lară unor variabile continue, cen tru l
(mijlocul) clasei răm ine acelaşi, oricare ar fi considerate lim itele de clasă
cele „ e n u n ţa te ” sau cele „ re a le ” :
*) La preţurile pieţei.
**) Nu sînt incluse: Iran, Kampuchia Democrată, Liban, Uganda şi R. S. Vietnam.
.Sursa : World Bank Atlas, Popuiation, per Capita Product and Grocvth Rates, 1979.
V.TREBICI
133
(a)
R "■? il
U p j9 (* o = ?(*) S Pi (5)
«=i
.7* :
ÎT (6)
I! P i 1 ?-
I P i ,=I
_ + * * + ■ • • + •?# ^ x . ,*s
*a = -----------:--------------- - = ------ * (1 )
n n
E xem plul 1. P ro d u cţia m ondială de griu in anii 1974 —1978 (m ilioane tone) :
_ _ ( 0 x 13) - (1 x 21) + (2 x 3 6 ) + (3 x 1 9 ) + ( 4 x 7 ) + (5 x 3) + ( 6 x l ) _
13 + 21 + 3 6 + 1 9 + 7 + 3 + 1
V.TREBICI
13«
2177600
: 2722 lei
800
sau ceea ce este to tu n a
1600 + 1800 18004-2000 3600 4- 3800
x 1,1 4------------------ x 1 ,6 4 - ... X 1,4
xa =
100
= 2722,6 lei.
Cum intervalele au aceeaşi am plitu d in e, calculele sc po t p rescu rta, efcctuînd
o schimbare de variabilă.
Se defineşte o nouă variabilă X ', n u m ită variabilă auxiliară, p rin tran sfo rm are
liniară *)
x t — x„
(in care x 0 şi d sin t constante)
d
Xi U = d x ift 4- x 0fi
V.TREBICI
ad u n in d m em bru cu m em bru diversele egalităţi
*ifi = dx{/, + i'o/i
x z h ~ d x '^ + X0/2
Xnfn = d x ^ M+ x0f„
(5)
S i f = d 2 'x f + x 0 2 /
şi îm p ărţin d la S /ţ rezultă
2 xf 2 x 'f 2 f
( 6)
2 f = d 2 f + X° T f
sau
x a = d x ' 4 - x0.
A ltfel form ulat, procedeul constă în aplicarea com binată a p ro p rietă ţilo r m .a,
care p erm it ca fiecare valoare a variabilei să fie m icşorată o d ată p rin scăderea
unei constante (x$ — xc) şi a doua oară p rin îm părţirea restu lu i o b ţin u t la
o a ltă co n stan tă \( x t — x 0)/d]. C an titatea cu care se scad term enii re p a rtiţie i
(x0), n u m ită şi origine, poate fi oricare din tre term enii re p a rtiţie i şi chiar o
m ărim e din afara ei. în general, se reţin e ca n ouă origine o valoare ap ro p iată
de valoarea centrală a rep a rtiţie i : cen tru l intervalului modal * sau cen tru l
intervalului median *. D rep t nouă u n ita te de m ăsură (d) se alege m ărim ea
intervalului de clasă, care dă, p e n tru noua variabilă X ', numerele cele mai
simple.
Mersul operaţiilor este a ră ta t in ta b . 14.
Tabelul 14
1700 9 -5 — 45
1900 13 -4 - 52
2100 27 -3 - 81
2300 64 -2 -1 2 8
2500 148 -1 -1 4 8
2700 261 0 0
2900 123 1 123
3100 89 2 178
3300 34 3 102
3500 21 4 84
3700 11 5 55
T otal 800 — 88
V.TREBICI
138
(x n x ) fn
s = S ( ii - i ) fi = 2 XiU - Î S f ,
or, p rin definiţie,
2 x,- 2 x i fi
x ~ ------ x =
n “S u
ţleci
2 xt- — n x 2 Xj f. = 5 2 f (
şi
S — rix — nx = 0 S = x S f j - r S f j = 0. i
3 cestor valori.
Fie (x 4 — x„)2 — (x* — 5 )2 = a(.
Problem a constă in a dem onstra că 2 oi > 0.
1
A vem :
a( = (Xi - x0f - (x , - 5 )2 = - 2 x<(x0 - 5) 4 - x | - x-,
V.TREBICI
139
deci
2 o{ = — 2 x<(a* — x) + n(a® - x 2).
Si cum
2 x» = n x,
r e z u lt ă
Xjifn 2 x tft
x ifj + *2fc
xa — ■ (?)
fi + f i + • • • + fn
în care Xj, fx ; x 2, f2 ; . . . ; x „ ,fn slnt m.a. parţiale cu frecvenţele respective.
E xem plul 1. S uprafaţa c u ltiv a tă , p roducţia to ta lă şi producţia medie la h ecta r
de griu şi secară (m edii anuale)
Tabelul lo
1 9 7 1 -1 9 7 5 1 9 7 6 -1 9 7 9
S u r s a : A n u a r u l s la l is t ic a l R . S . R o m â n i a 1 9 8 0 . p . 2 5 7 — 259.
(2463,9 x 5) + (2300,8X4)
( 1) = 2391,4 mii hectare.
5 + 4
(5449,7 x 5) + (6075,5x4)
( 2) = 5727,8 mii tone.
5+ 4
57278
(3) = 24 chintale.
2391,8
V.TREBICI
140
M EDIE ARMONICĂ (î;,). Mărimea inversă a mediei aritm etice calcu lată
din mărim ile inverse ale valorilor variabilei.
Medie armonică simplă (a unei serii de n valori Xj, i = 1, 2, . . . , n).
n n
xh ( 1)
1 1 1
-------!------ - + • • • H-------
x1 Xn X
V.TREBICI
141
T
— = Q. (2)
în care
T înseam nă tim pul lu c r a t;
t — tim pul cheltuit pentru o operaţie ;
Q — num ărul de operaţii.
În tr-o oră s-au executat :
60
1, = 20 m inute = 3 operaţii,
~20
60
= 2
1Ö
/ 60 60 \
to ta l 1=5 „
\ 20 ' 30 J
ele unde
60 + 60
adică
60 60 ’
20 ' 30
1 + 1 2 120
94
1 1 3 + 2 5
20 + 30 60
în ipoteza unui consum de tim p de m uncă (tt) egal cu tim pul mediu (t =
= 24 m inute) pentru fiecare din cei doi m uncitori, in tr-o oră aceştia a r fi
ex ecu tat
60 60 120
-------1-------= — - = 5 operaţii,
24 24 24
f c - -------- t + — g - <3)
— fl + — f . + ••• + — în S— f
Xj X, Xn X
0,30 27 90
0,35 42 120
0,40 84 210
0,45 162 360
0,50 65 130
0.55 33 60
0,60 18 30
^2 Tn
1 ___ , I l o.
t (4)
‘i t.. tn t 1 " ?
r2 î
j Z i. - . • • + Tn),
= — (T , +
ti t-2 ^ tn t
deci
1976 110,5
1977 107,9
1978 107,6
1979 107,5
Sursa : Anuarul statistic al R. S . România 1980,
p. 91.
*) Se spune că m.a. a fost introdusă în teoria muzicii pentru compararea lungimii coardelor vibrante
cu înălţimea sunetului lor. Cum „numărul vibraţiilor este invers proporţional cu lungimea coardei, nota
medie, care corespunde numerelor de vibraţii date de două coarde de lungimi diferite, este dată de o
coardă a cărei lungime este m.a. a lungimilor (A. Piatier, Statistique et observation tconomique, t. I>
Presses Univers itaires de France, Paris, 1961, p 217—218).
V.TREBICI
144
x g = / l , 113» X 1.084*
în lim bajul curent, se spune că ritm ul (rata) mediu anual de creştere a venitului
n aţional a fost de 110—100 = 10% în perioada 1971 —1979.
Proprietăţi
V.TREBICI
145
1. M .g . a u n u i a n s a m b l u d e v a l o r i c o m p u s d i n d o u ă s a u m a i m u l t e s u b a n s a m
b l u r i p o a l e f i e x p r i m a t ă d i r e c t I n f u n c ţ i e d e m .g . a le s u b a n s a m b l u r i l o r , aplicind
form ula :
S log xi
xg = antilog (5>
in care :
Xi este m .g . p a r ţ ia l ă ;
fi — num ărul de observaţii în su b an sam b lu .
Form ula (5) devine
S î,
Xg = an tilo g — (6 )
z l» Z2’ ~nt
unde
Zi (7>
A tunci
n
]/x1 - x 2 -. . .Xn X S (*i)
n
x e(Vi)
^U i-U i- ■■■Un
în intervalul 1976 —1979, producţia globală in d u stria lă (X ) a
E x e m p lu l 3.
României a crescut, in medie pe an, cu 10,3% , iar fo rţa de m uncă ( Y ) o c u p a tă
in industrie, cu 2,7% . Cum ra p o rtu l in tre prim a şi cea de-a doua variabilă
exprim ă productivitatea muncii ( Z ) , ritm u l m ediu anual de creştere a acesteia
a fost :
3. M .g. a u n u i p r o d u s d e v a r i a b i l e e s te d a t ă d e p r o d u s u l m .g . a le v a r ia b ile lo r
r e s p e c t i v e . 10
10 - c. 680 V.TREBICI
146
107,4 x 102,7
------------------- X 100 -1 1 0 0 = 10,3%.
100
de unde
n
X — ]/ Xj x 2 . . . x n .
Ca urm are
I7 6 -7 »
f 499,3
361,9
V.TREBICI
147
, log 4 9 9 ,3 - l o g 361,9 2,69836 — 2,55859
)0g /,6-79 = —--------------------
4
0,13977
= 0,03494
4
(9>
in care :
x n este term enul.final al seriei de m ărim i a b so lu te,
x 0 — term enul iniţial al seriei de m ărim i ab so lu te,
n — num ărul de intervale (momente) de tim p .
E ste uşor de observat că, dispunînd de in d icii cu bază constantă*, a tu n ci r
n-~l
( 10>
Cu datele exemplului
775/75 — 1 "IU% î 7 79/75 — 138%
4
log 138 - log 100 2,13988 - 2
4 4
0,13988
= 0,03497
4
x| +xi + (1>
n I n
Medie pătratică ponderată (a unei rep a rtiţii de frecvenţe, de valori xj şi d e
frecvenţe f , i = 1 , 2 . . . n)
+ 2 '2 + fn
1 + /2 + + . f» 1 Z ft
V.TREBICI
148
Deşi a r pu tea fi calculată p en tru orice valori (pozitive, nule sau n eg ativ e),
jii.p. nu are sens ca valoare centrală decit dacă toate valorile x i sin t pozitive.
U .p. se aplică la calcularea abaterii medii pătralice*.
M E D IA SĂ (Me). V aloare s itu a tă la mijlocul seriei sau rep a rtiţie i statistice
a v in d valorile aran ja te în ordine de m ărim e crescătoare sau descrescătoare.
Me. îm parte colecţia de u n ită ţi observate in două grupe egale ca num ăr.
1. P e n tru o serie cu u n n u m ăr im par de valori, 2 k + 1, ine. este valoarea
«le rangul k + 1 .
E xem plul 1. Ale. se rie i:
4 7 12 26 32 38 59.
t
Mc
Interval
m edian
Se ia deci ca me. (12 -f 26)/2 = 19.
2 . In cazul unei re p a rtiţii pe valori distincte, sem nificaţia me. apare frecvent
nesigură.
E xem plul 3. Un control de calitate efectuat asupra 100 de loturi din tr-u n p ro
d u s a dat rezultatele u rm ătoare :
Tabelul ÎS
N um ăr de re b u tu ri N um ăr de N um ăr cum u lat
in tr-u n lot loturi de lo tu ri
xt fi Fi
0 13 13
1 21 34
2 36 70
3 19 89
4 7 96
5 3 99
6 1 100
T otal 100
proporţia a r putea să fie m ult mai mică (20, 10 sau chiar 5% ) şi a tu n c i trebuie
să se recurgă la alte valori tipice p e n tru caracterizarea ten d in ţei centrale a
repartiţiei.
3. Cind datele sint grupate pe intervale şi pierd deci in d iv id u alitatea lor,
ine. se calculează prin procedeul interp o lării liniare, b a z a t pe ipoteza rep artiţiei
uniform e a frecvenţelor in intervalul m edian (clasa m ediană).
E xem plul 4. R epartiţia personalului u n e i în trep rin d eri p e grupe de re trib u ţii
lunare nete realizate.*)
Tabelul 19
1 6 0 0 -1 8 0 0 9 9 800
1 8 0 0 -2 0 0 0 13 22 791
2000-2200 27 49 778
2 2 0 0 -2 4 0 0 64 113 751
2 4 0 0 - 260Q 148 261 687
2 6 0 0 -2 8 0 0 261 522 539
2 8 0 0 -3 0 0 0 123 645 278
3 0 0 0 -3 2 0 0 89 734 155
3 2 0 0 -3 4 0 0 34 768 66
3 4 0 0 -3 6 0 0 21 789 32
3 6 0 0 -3 8 0 0 11 800 11
T otal 800
P lnă la valoarea de rangul (400 + 401)/2 = 400,5 revin in terv alu lu i m edian :
400,5 — 261 = 139,5 frecvenţe.
P artea din m ărim ea intervalului m edian a d u n a tă Ia lim ita sa inferioară dă
valoarea m ediană. A s tf e l:
200
M e - 2 6 0 0 + ----- - (400,5 - 261) = 2600 + 106,9 = 2706,9 a 2707 lei.
261 '
Form ula de calcul a me. este :
1/2(F„ + 1) - F k_x
M e = x k + du
h
V.TREBICI
150
unde
Xk este lim ita inferioară a intervalului median ;
du — m ărim ea intervalului m edian ;
Fn — 2fi
Fu - 1 — frecvenţa cu m u lată a intervalului im ediat inferior intervalului
m e d ia n ;
fu — frecvenţa simplă a intervalului median.
Curbele frecvenţelor cum ulate ascendente şi descendente perm it o determ inare
grafică rap id ă a m e .; ea este d eterm in ată prin intersecţia acestor curbe (fig. 5-1)
P ornind de la graficul sta b ilit se. poate determ ina şi m odul de calcul al m c.
R eproducem p artea din curba cu m ulativă ascendentă care corespunde in ter
valului median (fig. 55).
în tr-ad e v ăr :
OMe — OA ' + A 'M e.
D ar, in v irtu te a teorem ei lui Tales :
A M e fA 'B ' = Ă C /.Î "li = A " C " /Ă " £ " ,
V.TREBICI
-de unde
A 'M c = A 'B * x ~ (A "C "tĂ ”B " )
şi, p i\n urm are :
400,5 - 2(31
OMc ==- 2 fi! H - 2 *100) —------ »—— = 2706
522 - 2 6 i
: : \
\
2100—2600 261 370000 \iU i X
2 6 0 0 -2 8 0 0 522 704700 \ > vk W
1 \\ \
\ ţ
T otal 2177600 \ 1
1/2(2177600 + 1) -6 1 3 9 0 0
\ t Hi
M l = 2600+ 200 — -------------—------------------ =- 273,
704700 *
V.TREBICI Virx
\ms
152
Ml. se aplică la rep artiţiile în care ansam blul valorilor x t [¡, c o n stitu it dc valorile
variabilei p onderate cu frecvenţele, are o sem nificaţie co ncretă. C o n fru n tarea
valorilor caracteristice Me. şi Ml. pune în e v id en ţă o ev en tu a lă re p a rtiţie
inegală a variabilei reprezentate.
CUANTICE (de ordinul n). Valori ale variabilei care separă re p a rtiţia o rd o n ată
în n p ă rţi cuprinzînd acelaşi efectiv egal cil 1 /n din efectivul to ta l.
D acă n ~ 4 cuantilele se numesc cuartile ;
n = 10 ,, ,, decile;
n — 100 ,, ,, centile.
C. corespunzătoare lui n = 2 este m ediana *.
C uartile. în n u m ăr de trei, ele îm p a rt domeniul valorilor observate (aşezate
în ordine de m ărim e) în p a tru p ă rţi de frecvenţe egale cu 1/4. Ca m ărim e,
prim a c. ((/,) este inferioară medianei, a doua c. (Q%) se confundă cu m ediana,
iar a treia c. (Q:i) este superioară m edianei. Analog medianei, c. inferioară
se calculează după form ula :
tl4 (F n + 1) - F k_!
Oi = r ;. + dk (1)
f*
şi c. superioară
3/4(FB-f-l)—fifc-i
Qs = + dk ( 2>
fk
unde, în fiecare caz, k este indicele clasei care conţine c. considerată, z* lim ita
inferioară a acestei clase şi dk intervalul său. Se substituie valorii 1/2(FB + 1)
valoarea 1/4(/•'„ + 1) p en tru Oi Şi 3/4(F„ + 1) pen tru Q3- A plicate la re p a rtiţia
din tab . 19 :
1/4(800 + 1) - 113
Ol = 2400 + 200 2517,9 lei
148
Şi
3/4(800 + 1) - 522
0 3 = 2800 + 200 2928 lei.
123
1/10(800 + 1) - 49
1 \ = 2200 + 200 2297,19 lei
_ 64
2/10(800 - f i ) - 113
D„ = 2400 + 200 — ----------------------- 2463,78 lei
148
5/10(800 -f 1) - 2 6 1
D i = 2600 + 200 2706,90 lei
261
9/10(800 - 1) 645
D , = 3000 -f 200 = 3170,56 Ici.
89
V.TREBICI
154
1/100(800 4- 1) - O
C01 = 1600 + 200 ------------ —------------- 1778,00 lei
2/100(800 4- 1) - 9
C,J3 = 1800 + 200 ---------- — ----- -------- = 1908,00 lei
50/100(800 4 -1 ) — 261
C50 - 2600 200 = 2706,90 lei
261
99/100(800 1) - 789
c;99 * 3600 2 0 0 ---------------------- ---------- = 3672,55 lei.
11
Caicului decilelor şi c. se aplică la seriile care com portă suficient de num eroase
elem ente, iii prealabil aşezate în ordine de mărim e.
VIOI) (Mo). Valoare cu cea m ai m are frecvenţă în re p a rtiţia sta tistic ă (m axim ul
curbei de frecvente) *. De vrem e ce se rep etă de cele m ai m ulte ori, valoarea
m odală reprezintă şi valoarea cea m ai „p ro b a b ilă ” .
Term en sinonim : dominantă *).
Termenul englezesc modei introdus de K. Pearson, a fost tradus în franţuzeşte prin dominante.
V.TREBICI
153
ir. cazul unei re p a rtiţii discrete, mo. se identifică im ediat, pe calea simplei
exam inări a şirului de frecvenţe. A stfel, în tab . 18 num ărul de 2 p roduse-rebut
s-a în reg istrat la 36 lo t u r i; nici o a ltă m ărim e a re b u tu rilo r nu revine a tl t de
dc.s : num ărul ,,2 p roduse-reb u t” este aşad ar mo. rep artiţiei.
Clnd re p a rtiţia îm bracă form a grupării pe clase de valori, se va defini un
interval modal (clasă modală) — in terv al căruia îi ap arţin e m o. Mai precis,
intervalul modal este in terv alu l cu densitatea de frecvenţă m axim ă. D e exem plu,
intervalul m odal în re p a rtiţia din ta b . 19 este in terv alu l „ 2 6 0 0 —2800 lei”
cu frecvenţa 261. O estiinaj-e m ai precisă a mo. necesită anu m ite ipoteze şi
calcule.
în condiţia unei rep a rtiţii sim etrice sau a tu n ci cînd intervalele (clasele) a d ia
cente celui m odal s-ar deosebi p u ţin unul de altu l d upă frecvenţă sau g reu tate
specifică, se poate lua, cu o ap roxim aţie satisfăcăto are, m ijlocul in terv alu lu i
m odal ca valoare m odală. D acă re p a rtiţiile sîn t de a lt tip , mo. se va găsi pe
scara de variaţie a intervalului moda) m ai aproape sau m ai departe de c e n tru l
acestui interval, in funcţie de form a rep artiţiei. P o ziţia m o. în in terv alu l
modal se determ ină în ra p o rt cu ab ate rea frecvenţei in terv alu lu i prem odal
şi a celui postm odal de la frecvenţa in tervalului m odal. Procedeul de calcul
este un procedeu de interpolare, constitui in aplicarea form ulei urm ăto are :
fk ~~ fk î
Mo %k + dfc .(O
(fk ~ fk - î) + ( f k— fifc+i)
in care
xjt este lim ita inferioară a in te rv a lu lu i m o d a l:
4k — m ărim ea interv alu lu i m o d a l:
fk — frecvenţa interv alu lu i m o d a l:
fk-r — frecvenţa in terv a lu lu i p re m o d a l:
/* 4j — frecvenţa intervalului postm odal.
E zem ţdn. R e trib u ţia m odală a re p a rtiţie i din ta b . 19.
I •
2 4 0 0 -2 6 0 0 148 fk - j
Xk -*■ 2 6 0 0 - 2 8 0 0 261 fk
261 — 148
Mo 2600 + 200 = 2600 + 90 = 2690 lei.
(261 - 148) + (261 - 123)
V.TREBICI
156
M o — lj Aj
1, — M o A,
de unde
A„Mo - A 21j = Ajl» - A, Mo,
\ M o + A , Mo = Aj 12 + A 21j ,
D ar
13 = l j + d,
deci
A j lj + A jd 4- A 21i A ^ i + A 21i ^ Ajd
Mo =
Aj 4- A2 A j + A3 T A1 t A !
V.TREBICI
157
P rin urm are, cunoscindu-se m edia aritm etică şi m ediana, mo. se deduce sim plu
din form ula :
M o = 3M c - 2 x a. (2>
R e trib u ţia m odală, calculată d upă form ula (1), este de 2690 lei, iar după fo r
mula ( 2)
M c = 2707 lei
x a = 2722 lei
M o = (3 x 2 7 0 7 ) - (2 x 2 7 2 2 ) = 2677 lei.
D iferenţa d in tre valorile o b ţin u te este neim p o rtan tă,
în p ractica statistic ă se intilnesc :
Repartiţii unimodale. R e p a rtiţii cu o singură valoare sau clasă de valori m o d ală.
Repartiţii piurimodaie (multimodale). R e p a rtiţii cu mai m ulte valori sau clase
de valori modale.
V.TREBICI
158
M(, Mo Xj
a cererilor de pantofi după nu m ăru l p antofului, apar două m oduri : num ărul
42 — re p a rtiţia p en tru b ărb a ţi şi n um ărul 37 — re p a rtiţia p en tru femei).
Fig. Ou reprezintă o rep a rtiţie bim odală com pusă din două re p a rtiţii clasice
(A şi B).
P en tru rep artiţiile în form ă de V. K . P earson a introdus noţiunea dc anlimod.
a cărei valoare corespunde frecvenţei minim e. F orm ula (1) se aplică şi ia cal
cularea antim odului.
MEDIE CRONOLOGICĂ (x c). F o rm ă p a rtic u la ră a mediei aritm etice ap li
cată la determ inarea nivelului m ediu al unei serii cronologice de m omente*
în funcţie de egalitatea sau neegalitatca intervalelor de tim p ale seriei, se
calculează m.c. sub form ă sim plă sau p onderată.
Medie cronologică simplă :
O -'i a?g — .T3 -r
1975 119,5
1976 128,0
1977 138,5
1978 138,8
1979 139,8
1980 146,5
N um ărul m ediu de tracto are de care a dispus ag ricu ltu ra in cincinalul 1976 —
1980 a fost :
4- x*
---- it----- ll I--------ă
x* 4- a-,
tt + ... + *- n -\ -— x» tn
( 2>
h Hr lî + • ■■-r >n
in care t este intervalul de tim p.
E xem plul 2. Stocul de m ărfu ri in v e n ta ria t intr-o u n ita te com ercială (Ia 1 ale
lunii, in mii lei) :
ianuarie martie iunie iulie
694 742 810 770
Stocul m ediu de m ărfuri :
*1 Prin medie sint desemnaţi toţi parametrii de nivel: medie, mediană, raod. (-»G. Udny Yuie, M. G.
Kendall, Introducere in teoria statisticii, Editura ştiinţifică. Bucureşti, 1969, p. 124 —125.)
V.TREBICI
160
F ireşte, dedusă din to ţi term enii re p a rtiţie i, m edia aritm etică îşi pierde s ta b i
lita te a in prezenţa unor valori „ a b e ra n te ” , anorm al de m ari sau anorm al de
mici. A cest „in co n v en ien t” obligă ia asigurarea prem isei de om ogenitate a
datelor p en tru care se calculează m edia. Nu trebuie să se uite că o medie re
flectă cu a tit m ai precis proprietăţile tipice ale populaţiei cu cit mai omogenă
este populaţia. R elativ la calculul m ediilor („m ijlociilor” ), soco tit „ u n a din
com binările cele mai obişnuite de statistic ie n i” — scria cu peste u n secol in
u rm ă 1. lonescu de la B rad — ,,. . . este foarte Îm belşugat iu iluzii m ai ales
eind extrem ele, cînd minimile şi m axim ile slu t foarte d e p ă rta te . . .*)
M ediana, prin definiţie, i?u ţine seam a de m ărim ea tu tu ro r term enilor re p a r
tiţie i şi ea este deci mai p u ţin a fectată de m ărim ea term enilor extrem i. O u n i
ta te sta tistic ă cu valoare excepţională ca m ărim e influenţează to talu l valorilor
din care se calculează m edia aritm etică, aceeaşi u n ita te nu influenţează me
dian a decit p rin rangu l ei.**) Calculul m edianei este sim plu, d ar ea nu se p re
tează la operaţii algebrice. Mediana unei re p a rtiţii globale nu poate fi dedusă
d in m edianele rep artiţiilo r com ponente. U n a v a n ta j practic al m edianei, deloc
neglijabil, constă In fap tu l că poate fi calculată chiar dacă nu se cunosc în mod
precis lim itele extrem e ale prim ului şi ultim u lu i interval al rep a rtiţie i consi
derate (rep artiţie deschisă). Sem nificaţia sa devine insă incertă în cazul re p a r
tiţiilor discrete cu „ s a ltu ri” im p o rtan te sau in cazul rep artiţiilo r continue de
volum redus.
M odul răspunde şi mai p u ţin condiţiilor lui Y ule : nu se determ ină in funcţie
de toate observaţiile, nu perm ite calcule algebrice, este fo arte instabil.
C alculat p en tru re p a rtiţii cu u n n u m ăr m are de term eni şi cu o te n d in ţă cen
tra lă netă, m odul are totuşi o valoare descriptivă im p o rtan tă : exprim ă m ări
mea cea m ai com ună a variabilei, m ărim ea a cărei cunoaştere este adesea deo
s e b it de u tilă . Se citează u n exem plu, în tîln it in m ulte aplicaţii statistice :
d a c ă o fabrică de confecţii stu d iază, p rin tre altele, taliile cu m părătorilor,
ea nu c a u tă să fabrice „ p a n ta lo n i m edii” , care nu se vor potriv i nim ănui, ci
„ p a n ta lo n i p e n tru clasa m odală” , adică p en tru „ m a re a m a jo rita te ” ; celelalte
talii le va rep artiza in ra p o rt cu dispersia în ju ru l valorilor centrale.***) Ca şi
în cazul m edianei, intervalele m arginale deschise ale unei re p a rtiţii nu îm pie
d ică calculul m odului.
E x cep tln d situ aţiile care m otivează clar alegerea unui singur p aram etru , u ti
lizarea îm preună a celor trei p a ra m e tri oteră o m ai com pletă reprezentare a
realităţii. R ep artiţiile asim etrice im pun oricum calculul m odului, In afară de
cel a] m ediei aritm etice şi al m edianei.
MOMENTE****). Valori care sintetizează o re p a rtiţie , perm iţin d precizarea
an u m ito r caracteristici ale rep artiţiei.
Moment de ordinal k al variabilei X in raport cu o valoare arb itra ră x0.
Media aritm etică a diferenţelor x i — ,r0, rid icate la p u terea k :
2 ft(x t ~ x o)*
* ° -* = — Y f — • (»)
"*) I , lonescu de la Brad, Povăţuiţi pentru catagrafia Moldovei precedate de oarecare elemente de statistică
şi publicatei de Direcţia Centrală de Statistica din Ministerul Interior al Moldoveit Tip. ,,Buciumul
Român” , Iaşi, 1859, p. 7.
**) Mediana este numită şi medie de poziţie, deoarece se reţine doar locul, şi nu mărimea termenilor
seriei.
***) A. Piatier, Statistique et observation économique, t. I., Presses Universitaires de France, Paris,
1961, p . 221 - 2 2 2 .
****) Termenul m. a fost împrumutat din mecanică unde este folosit pentru a descrie distribuţia de mase
V.TREBICI
161
■( A
mi- ( 2)
S f
S ( A i - x «>2
(3)
S f ‘
Momente uzuale
a) simple
A i
—
2 f
llfl
i :r
b) centrate
: f ((Xi - x a) : f t(xt - Za)3
1*3
s7 s7
în p articu lar, m. sim plu de ordinul t se confundă cu media aritm etică, m. cen
tr a t de ordinul 1 este nu] [p ro p rietatea mediei S fi( x ( — x a) — 0 ] şi m. cen
tr a t de ordinul 2 se confundă cu variantei.*
Prim ele p a tru m. ale unei re p a rtiţii de frecvenţe sîn t, in cea m ai m are p arte
a cazurilor, suficiente p e n tru a descrie caracteristicile principale. D in aceste
m om ente sîn t derivaţi coeficienţii de asimetrie * şi coeficienţii de aplatizare *■
Relaţii între ni simple şi cele centrate uzuale :
¡JU = m 2 — (4)
u.j = m4 — 4m1m3 ~ 6m ţm 3 — 3m j. ( 6)
Corecţia Iui Sheppard. C an titate care treb u ie scăzută din m. calculat al unei
rep a rtiţii pe clase de valori, p e n tru a corecta eroarea sistem atică introdusă
p rin su b stitu irea centrelor de clasă valorilor ad ev ărate ale variabilei observate.
V.TREBICI
11 c . 680
Sheppard*) a propus urm ătoarele form ule de calcul a ni. corectate fi' şi ;i' din
ra. brute (adică necorectate) :
1
— ■d- ( ')
12
K = ,“ 4 ( 8)
în care d rep rezin tă am plitudinea, presupusă com ună, a claselor. Form ulele
(7) şi (8) p o t fi aplicate în cazul unei re p a rtiţii unim odale (,,în clopot” ) cu in
terv al de, clasă constan t, frecvenţa tinzînd către zero in ambele direcţii („ a ri
p ile” curbei de frecvenţe tin d să se apropie progresiv de axa avilor).
Se sugerează ca, ,,de regulă, să nu se facă corecţii decit atunci cind frecvenţa
este ce) p u ţin 1000 sau cind gruparea este m ai largă decit cca în care intervalul
de grupare constituie a douăzecea p a rte din intervalul de v ariaţie al v aria
bilei**).
Corecţia Iui Sheppard nu este aplicabilă :
1 ) re p a rtiţiilo r pe valori distincte, căci atu n ci dispare m otivul care a condus
la corecţie ;
2) rep artiţiilo r in form ă de , , J ” sau ,,U ” sau chiar formelor m oderat asim etrice
(o b lice);
ii) m om entelor cen trate de ordin im par, deoarece alternările de semne p ro
voacă com pensarea erorilor ; in p articu lar, în rep artiţiile p erfect sim etrice, ni.
im pare sin t nule.
M. cen trate de ordin p a r sin t, in general, sup raestim ate cind se calculează din
rep a rtiţii pe clase de valori, de unde şi n ecesitatea corecţiei in sensul a ră ta t.
Cumulard de ordinul n. N um ărul M\n] d eterm inat de egalitatea
r d « -' |f
9 '(t) 'l
[ dt«~l \l 9(D )Ji î = o - r
L ** »]
J 1=0
(IU)
*) H7. F. Sheppard, On the Calculation of the Most Probable Values of Frequency Constants for Data
Arranged According to Equidistant Divisions of a Scale, Proc. Lon. Math. Soc. voi. XXiX, p. 353.
**} G. Udny Yule, M. G. Kendall, op. cit., p. 153.
***) Cumulanţii au fost introduşi în statistică de T. A'. Thiele*, sub numele de,,semiinvarianţi,7.Cu-
vîntul „cumulant” este preferabil şi de uz general, întrucît există şi alte tipuri de mărimi cure posedă
proprietatea de semiinvarianţă cu sens algebric (G. Udny Yule, M. G. Kendall, op. cit., p. 182).
V.TREBICI
163
Iu p articu lar, in ra p o rt cu m edia aritm etică,
-1/j = 0
M , = ;x ,
Aia = th
U 4 = ¡x4 - 3 u§.
C uinulanţii, num iţi uneori sem iinvurianţi. au două p ro p rietă ţi rem arcabile :
a) cu excepţia prim ului, to ţi cum ulanţii silit independenţi de originea de
calcul :
li) dacă scala de m ăsurare a variabilei este m odificată p rin înm ulţirea tu tu ro r
valorilor cu o co n stan tă a, ai ji-lea cum ulaţii este în m u lţit cu o".
*) Parametrii de nivel corespund punctelor celor mai remarcabile ale curbei de frecvenţe, iar para
metrii de dispersie — etalării curbei. Alura intrinseca a curbei de frecvenţă şi poziţia sa în raport cu
axele de referinţă se reduc la un mic număr de mărimi, analog definirii unui cerc prin mărimile care
fixează poziţia centrului şi raza.
V.TREBICI
164
y (Q 3- Qj)- (2)
De asemenea, pen tru anum ite com paraţii (de exemplu, rep a rtiţii exprim ate
în u n ită ţi diferite), se recurge la a .e . relativu (inlercuartila relativă), definită
de relaţia :
Q3 - Qi )
--------- (3)
Q2
adică de ra p o rtu l dintre a.e. în valoare absolută şi m ărim ea mediană (Q2 = M e).
Cu aplicaţie la re p artiţia din ta b . 19 :
Q3 - = 2928 - 2518 = -110 lei
2000
Q3 - Q i = 410 < --------lei
2
1 1
— (Q3 - Q i ) = — 410 = 205 lei
2 2
Q3 — Q1 410
— ---- - = — = 0,1515 sau 15,2%.
Qa 2707
E v id en t, cu cit a.e., in valoare ab so lu tă sau în valoare relativă, este mai mare,
cu a tît valorile variabilei sint mai dispersate şi invers.
V.TREBICI
165
1976 58,3 4 ,6 8 6 ,0
1977 5 9 ,9 3 ,0 8 4 ,4
1978 6 4 ,3 1 ,3 2 0
1979 6 4 ,9 1 ,9 2 0 ,6
1980 6 7 ,5 4 ,5 2 3 ,2
S u r s a : A n u a r u l s ta t is t ic a l R . S. R o m â n ia J9&0, p . 179.
314,9
x a ~ --------- = 62,98 mld. k\Vh
5
V.TREBICI
166
E xem plul 2. Calculul a.in. pen tru re p artiţia de frecvenţe din t a b . 19.
Tabelul 22
1
X f |x - 27221 | i - 2722| f |x — 2707| ¡ i - 2707| f
x a = 2722 lei
M c = 2706, 9 » 2707 lei.
204568
= 255,71 lei
îo ~ 800
200908
C.Ve = 251,14 lei.
800 ”
Şi.
(2f) = 2 (* ~ *a) f, p en tru cazul (2)
x>xa
- „ „ \xt - M e\ = 3,2
| xf - M e [ = 207 „ .
£ (x - î f
p en tru o serie de valori individuale ( 1)
n
V.TREBICI
168
Şi
| [ Z .( x - x ff
G p en tru o re p artiţie de frecvenţe. (2)
1 1 (x - 62,98)3 X2
x a = 62,98 mld. kw h
y " 57,2480
3,38 m ld . kwh.
(3)
Cu datele aplicaţiei :
Î9 889,65
G =
K 5
m ld. kwh.
Form ula (3) e%rilă operaţia ( r — x), care p o ate provoca erori cind m edia ( x a)
este com plicată şi com portă îndeosebi m ai m ulte zecimale. A.p.m, (a) se
exprim ă în u n ita te a de m ăsură a variabilei (X ) p e n tru care s-a calcu lat. E v i
dent, cu cit valoarea sa este mai m are, cu a tit m ai intensă este v a ria ţia v a ria
bilei cercetate şi invers.
V.TREBICI
1G9
X f (x — 27,22)2 f xf x 2f
(1) (2) (3) (4) (5)
x a = 2722 lei.
Conform form ulei (2)
f 986522800
’ ac
800
= 351,16 lei,
c — (4)
! ut l ]
IV] Hf Hf
(5)
V.TREBICI
170
1700 9 -5 - 45 225
1900 13 -4 - 52 208
2100 27 -3 - 81 243
2300 64 _2 -1 2 8 256
2500 148 - i -1 4 8 148
2700 261 0 0 0
2900 123 +1 + 123 123
3100 89 + 2 + 178 356
3300 34 + 3 + 102 306
3500 21 + 4 + 84 336
3700 11 + 5 + 55 275
2 800 - + 88 2476
Dc aici rezultă :
V = V' - d-, (7)
unde
1 98652800 1
V cor — c?, = o2 -------- d 2 = ------------ ------------ 2002 = 123316 -
12 800 12
1
-------- 40000 = 119983
12
şi a.p.m. corectată :
a
o = —— • (S)
Xa
Jn exem plele precedente :
( 2) Xa = 2722 lei
o = 351,16 „
351,16
-------- - 3= 0,1281 sau 12,8%.
2 722
V.TREBICI
172
(9)
Mc
— abaterea absolută medie îm p ă rţită Ia m edia aritm etică
“ir i ( 10 )
x
abaterea cuartilă îm p ă rţită la m ediană
C?3 — Qi
( 11)
Ăfc
Valorile Suma
103 115 119 128 137 138 143
seriei diferenţelor
0 12 16 25 34 35 40 162
0 4 13 22 23 28 90
0 9 18 19 24 70
0 9 10 15 34
0 1 6 7
0 5 5
0
°
368
V.TREBICI
173
în c a re
-r reprezintă term enii s e rie i ;
M c — m ediana ;
ilx — rangul fiecărui term en al seriei ;
i-'i\ie — rangul m edian ;
n — num ăru l term enilor seriei.
C u datele seriei luate ca exem plu, se form ează tabelul de c a lc u l:
Tabelat 2G
103 1 25 3 75
115 2 13 2 26
119 3 9 1 9
128 4 0 0 0
137 5 9 1 9
138 6 10 2 20
143 7 15 3 45
T o tal — — — 184
184 736
Dm = 15,02.
0~ f 49
*) în loc de un tabel triunghiular se obţine un tabel pătrat cu 7 coloane şi 7 rînduri {49 diferenţe)
şi suma diferenţelor evident dublă (2 x 368).
V.TREBICI
174
2. în cazul unei re p a rtiţii de frecvenţe eu in terv ale egale, form ula lui Gini
devine :
- m f
Dm = 2d ( 2)
W
în care :
d este m ărim ea intervalului :
f — frecvenţe simple ;
F — frecvenţe cum ulate.
De exem plu, d.m . a re p artiţiei clin tab. 19
Tabelai 2 7
fi Ft Ft sn F ¿(Fi - SA)
9 9 791 7119
13 22 778 17116
27 49 751 36799
64 113 687 77631
148 261 539 140679
261 522 278 145116
123 645 155 59975
89 734 66 48444
34 768 32 24576
21 789 11 8679
11 800 0 0
S 800 - - 606134
D.m. a lui Gini are p ro p rieta tea de a depinde de abaterile valorilor variabilei
însăşi, şi nu de „răsp in d ire a valorilor în ju ru l unui p u n ct a rb itra r” *), cum ar fi
o valoare centrală. în tr-u n an u m it sens, ea m ăsoară „răsp in d ire a intrinsecă a
populaţiei independent de originea de calcul sau de nivelul re p a rtiţie i” . Această
p ro p rietate o recom andă ca p a ra m e tru de dispersie p en tru re p a rtiţii sta tistic e
care tiu au o valoare cen trală sem nificativă (de exem plu, in cazul rep artiţiilo r
hiperbolice).
PARAM ETRII FORMEI (R E PA R T IŢ IE I). P aram etrii care definesc asime
tria şi aplatizarea rep artiţiei de frecvenţe.
I. O rep artiţie se num eşte simetrică sau asimetrică d upă cum valorile varia
bilei slnt egal sau neegal dispersate de o p a rte şi de alta a valorii centrale
(fig. 61). D ouă sau mai m ulte re p a rtiţii asim etrice se p o t deosebi a tlt prin
t/radul de asim etrie, cit şi prin elul asim etriei :
C urba B este m ai pu ţin asim etrică decit curba C. C urba B este pozitiv asime
trică, iar curba C, negativ asimetrică, dacă se convine să se considere asim etria
pozitivă sau negativă în sensul etalării rep artiţiei spre p artea valorilor m ici
sau spre p artea valorilor m ari.
Cind rep artiţia este p erfect sim etrică :
x a — 3 /e = Mo.
Qi Şi Q%— echidistante de m ediană.
Dj şi D9 — echidistante de m ediană.
Poziţia respectivă a acestor elemente p erm ite calculul coeficienţilor de asime
trie (disimetrie, oblicitate), care sînt nuli în caz de sim etrie şi se îndepărtează
diferenţa între m edie şi mod îm p ă rţită la abaterea p ă tra tic ă medie (sk, n o ta
ţie legată de term enul skewness, oblicitate, în tre b u in ţa t de Pearson pen tru
denum irea asim etriei).
b) (3)
coeficient em piric de asim etrie b azat pe relaţia între mod, m ediană şi medie
intr-o repartiţie m oderat asim etrică (^-> Mod), prin care se în lă tu ră inconve
n ien tu l determ inării poziţiei m odului ce afectează coeficientul calculat d upă
form ula (2). Măsura (3) se află în tre lim itele — 3 şi + 3 .
Q3 + Qi - 2 M e
----------------
c) sk = 9
(4)
Q
V.TREBICI
176
(p 3)"
d) » (5 )
Yi (?)
F a ţă de coeficienţii (1), (2), (3) şi (4), construiţi cu aju to ru l unor pun cte de
reper izolate — modul, m ediana, media, cuartila, coeficienţii ¡(5), (6) şi (7)
p rezintă av an taju l că fac să intre în calcul ansam blul abaterilor fa ţă de media
aritm etică, singurul care reflectă in tr-ad e v ăr asim etria repartiţiei.
II. O rep artiţie este mai m ult sau mai p u ţin aplatizată (sau boltită) după cum va
lorile corespunzătoare un o r ab ate ri mici de la valoarea centrală deţin o pro
porţie mai m ult sau m ai p u ţin însem nată. A ceastă pro p rietate a rep artiţiei
unim odale, cunoscută sub numele de exces (/u p ro ţ — cocoşat), se m ăsoară
prin coeficientul lui Pearson ¡32 :
ß, = (8 )
(9)
Com paraţia se face cu boltirea curbei normale *, cind ¡3, = 3. D acă {32 > 3,
curba este m ai a scu ţită spre vîrf deeit curba norm ală şi se num eşte lepto-
curtică (Xenr-roţ — îngust + xupvoc); dacă 3 , < 3 curba este m ai tu r tită şi se
num eşte platicurtică (tcAccv ie , larg -(- x u p toc;)*).
E xem plul 1 . Pentru rep artiţia personalului după retrib u ţie din tab. 19 s-au
aflat :
xa = 2722 lei Coeficienţii de asimetrie
Me(Q2) = 2706,9 lei (1) 0,0783
Mo = 2690 ,, (2) 0,0911
0, = 2517,9 ,, (3) 0,1290
= 2928
a =351,16 ,, (4) 0,1565
*) ,,Student (W. Gosset —n.n.) dă o amuzantă metodă de memorare pentru aceste nume : curbele pla-
ticurtice ca şi platypus (ornitorinc) sînt turtite şi au coada scurtă. Curbele leptocurtice sînt înalte, cu
coada lungă ca şi la cangurii propriu-zişi” . (După G. Udny Yule si M. Kendai), op. cit., p. 181.)
V.TREBICI
177
Coeficienţii obţinuţi sint diferiţi, după cum era de aştep tat, dar to ţi indică o
repartiţie uşor asim etrică pozitivă.
G rupa
N um ăr de
de
căsătorii
într-adevăr,
12611490 = 24085801 - (4x3825397) + (6x732133) - (1x190915) - 198139.
P a tern itatea acestui procedeu de control este a trib u ită statistician u lu i suedez
C. Charlier. în form ulare generală : e x actitatea calculului u n u i m om ent poate
fi controlată prin calculul unei serii suplim entare de abateri, m ăsurate nu de
la originea arbitrară în tre b u in ţa tă p en tru a determ ina m om entul respectiv,
•ci de la o origine care se află la d istan ţa de u n interval de clasă mai jos. Pen
tru m om entele de ordin inferior se va în treb u in ţa d upă caz :
S ( * ' - l)=f = 2 (z ')Y - 32 (z')12/1+ 32(z')r - S f (11)
2 (z ' - m = 2 { x 'f f - 2 2 (x ')f + 2 r. (12)
Fiecare din valorile înscrise în col. 5, 6, 7 se p o t obţine prin înm lţirca cu i '
a valorilor coloanei ce o precede, evitindu-se în acest fel calcularea în preala
bil a p u terilo r (z')2, (z ')3, (x')4.
Coeficienţii P şi f
,a) în rap o rt cu m edia de lucru (22,5 ani) ca origine, se obţin mom entele simple :
190915 3825397
0,963540 ; 19,306633 ;
198138 198139
732133 24085801
3,695047 ; m t — ------------- - 121,560121.
m '2 = 198139 198139
b) D in m om entele simple se deduc m om entele centrate ( —*• Momente) :
¡x2 = (3,695047 - 0,96354=) x 52 = 69,165950 ;
¡z3 = (19,306633 - 3x0,96354 x 3,695047 + 2 x 0,96354s)x5s= 1301,846875 ;
■ix, = (121,560121 - 4 x 0,96354 x 19,306633 + 6 x 0,96354= x 3,695047 - 3x
X 0,963544) x o4 = 40716,580625.
c) Cu corecţiile aduse (—> Corecţia lui Sheppard), momentele de ordinul 2 şi
4 sînt :
u ' = 69,16595 ------- - 52 = 67,082617 ;
^ * 1 2
1 7
^4 = 40716,580625 --------- 69,16595 X 52 + ----- 54= 40590,714062,
2 240
>de unde (formulele (5), (6), (7)):
1301,846875=
p = ----- ----- --— . = 5 614 ;
67,082617=
/ 5 , 614(9,02 + 3)
5,897 ;
Z “ 2(5 X 9,02 - 6 X 5,614 - 9
Yi = K5.614 = 2,369.
V.TREBICI
17»
I ] x ifi
qi = _ 1 --------, (14)
I j Xifi
V.TREBICI
180
Tabelul 29
Grupe de întreprinderi Muncitori
întreprinderi după
num ărul m uncito Frecvenţe Frecvenţe Frecvenţe F recv en ţe
rilor simple cum ulate simple cum ulate
F ină la 200 9 ,9 9 ,9 0 ,7 0 ,7
2 0 1 - 500 13,0 22,9 2 ,3 3 ,0
5 0 1 -1 0 0 0 18,3 4 1 ,2 7 ,0 10,0
1 0 0 1 -2 0 0 0 25,3 66,5 18,9 2 8 ,9
2 0 0 1 -3 0 0 0 15,1 8 1 ,6 18,7 47,6
3 0 0 1 -5 0 0 0 11,0 92,6 2 1 ,3 6 8 ,9
P este 5000 7 ,4 100,0 31,1 100,0
Sursa : Anuarul statistic al R. S- România 1980, p. 136.
Curba de concentrare este deci reprezentarea grafică a lui q în funcţie de p
(fig. 63).
S uprafaţa m ărginită de curba de concentrare şi diagonala OB p o a rtă num ele
de arie de concentrare : cu cît această arie este m ai im p o rtan tă cu a tit concen
trarea este mai puternică. La lim ită (in ipoteza teo retică de concentrare m axim ă),
cu rb a de concentrare s-ar confunda cu linia frîn tă O A B . Şi dacă re p a rtiţia ar
i i perfect egalitară (9,9% de întreprinderi a r dispune de 9,9% din n u m ăru l
to ta l de m uncitori, 22,9% a r dispune de 22,9% etc.), c u rb a de concentrare
s-ar reduce la diagonala OB, n u m ită u neori dreaptă de echilibru sau dreaptă
de echirepartifie.*)
Coeficient de concentrare (G. indicele Iui G ini). M ăsură a concentrării defi
n ită de relaţia :
A ria de concentrare
G = ---------------------------------- (15)
Aria triung h iu lu i A BC
■*) Reprezentarea grafică a concentrării a V.TREBICI
fost pusă la punct de M. O. Lorenz şi C. Gini.
181
IX . CORELAŢIA ŞI REGRESIA
CORELAŢIE (STATISTICĂ). 1) Term en general folosit p en tru a defini in ter
dependenţa sau legătura în tre variabilele observate in populaţii statistice (şi
deci sinonim cu legătura statistică). \ ""A
2) M e to d iste descriere şi d ^ ili? ă a leg atu rilo r de t)p statistic in tre două sau
mai m ulte variabile. ^
în terminologia statistică, conceptul de c. apare, uneori, cu un înţeles foarte
larg, acoperind orice legătură sta tistic ă — fie in tre variabile can titativ e, fie
intre variabile calitative. A lteori, n o ţiu n ea de c. sem nifică num ai relaţiile
d in tre variabilele can titative. în tr-u n seus şi m ai rcstrîns, se num eşte c. num ai
m ăsura gradului de legătură în tre y a ria ţile le c an titativ e, respectiv coeficien
tul de corelaţie * sau raportul de corelaţiei .
Istoric. Ideea unei dependenţe in tre ¿variabilele observate in co lectiv ităţi s ta
tistice este a trib u ită lui F. Galton*. t n p lr n a sa lucrare asupra ere d ită ţii, co
m unicată in anul 1877, se ară ta — pe exem plul p lan tei Lalhyrus odoratus
(sîngele voinicului) — că talia medie a descendenţilor este leg ată liniar de
talia ascendenţilor. U lterior, în ^fudiiie ¡despre ered itate la om, a d u n a te în
cartea Natural inheritance (1889), G alton foloseşte n o ţiu n ea de „ v a ria ţie le
g ată” şi im aginează, cel dinţii, o m etodă statistică p ra c tic ă de exprim are a
legăturii, precum şi o u n ita te de m ăsură a gradului de leg ătu ră, cunoscută
sub denum irea „funcţia lui G alto n ”.
Stim ulat de lucrările lui G alton, K . Pearson cercetează rep artiţiile bidim en
sionale, m ai ales din domeniul biologiei, u nde dispunea de datele cele mai
bogate, indică ecuaţia liniei drepte ad ecv ată problem ei de regresie* a Iui
G alton şi introduce celebrul său coeficient de corelaţie. A lătu ri de Pearson,
numeroşi alţi cercetători de prestigiu au c o n trib u it la dezvoltarea teoriei core
laţiei şi la prom ovarea aplicaţiilor ei în variate dom enii : F. Y . Edgeworlh*,
A. L. Bowley*, G. U. Yule*, iar m ai tîrziu, R . A . Fisher*, A . A. Ciuprov *,
C. Spearman,* M. Ezekiel, N . S. Cetverikov, M . G. Kendall* ş.a.
V.TREBICI
182
Chiar dc la începuturile ei, m etoda cunoscută obişnuit sub numele de metoda
corelaţiei era socotită drept . o m etodă generală de o marc to rţă şi de un
clmp de aplicaţie întins, pen tru a Investiga n a tu ra relaţiilor existente intre
variabilele statistice” . M atem atic, ea se traduce prin „ . . . form area ecuaţie
ce dă valoarea unei variabile in funcţie de o alta sau de mai m ulte altele” '
si nrin determ inarea valorii coeficientului de corelaţie, care ....... m ăsoară
W1'’ş t n p n f r ’ (Yule). A şadar, p ăstrîn d
concepţia originară, m etoda corelaţiei în tru n eşte — la dezvoltarea ei actu a lă —
întregul complex de investigaţie a conexiunilor statistice, eonducind la ex
presii num erice sintetice : ecuaţii de regresie, coeficienţi de regresie, coefi
cienţi de corelaţie, coeficienţi de determ inare, erori de estim are etc. Cu toate
că m etoda corelaţiei, în sensul restrins al cuvîntului, şi m etoda regresiei diferă
prin premisele lor, to tu şi ele se îm pletesc a tît dc strins în analiza statistică
de ansam blu a legăturii incit valoarea lor de cunoaştere poate fi ap reciată
num ai judecîndu-le îm preună, într-o sinteză metodologică. (—> Regresie.)
R E G R E SIE . M etodă de cercetare a unei relaţii predeterm inate exprim înd
legătura care există in tre o variabilă y, n u m ită variabilă dependentă* (variabilă
explicată * sau variabilă endogenă *) şi u n a sau m ai m ulte variabile a ,, x.2 , . . . ,
num ite variabile independente (variabile explicative * sau variabile exogene *).
Fie y o variabilă dependentă dc variabilele Xj, x2 , . . . R elaţia ex actă sau
ecuaţia de regresie * a lui y în funcţie dc x lt x 2 ,. . . , pusă sub forma
/t* i» ...)
defineşte o curbă sau o suprafaţă de regresie; ca are menirea să perm ită, pentru
valorile date x J( x2 , . . . , calculul unei estim aţii a lui cu variaţiile aleatoare,
neexplicate p rin variabilele x lr x , . .
T erm enul pen tru p rima dată, ca
concept s ta tisticr * m ^ ^ ^ ^ ^ ^ B ^ f c |M B |^ ^ W i in m em oriul M K tH K S tV
jn cartea sa „ N a tu ra l inhe-
m a n c ? ^ I 8 8 9 ) . Studiind relaţia din tre talia copiilor şi talia părinţilor, Galton
a descoperit că din p ă rin ţi a căror talie este mai mică decît m edia colectivităţii
provin copii cu o talie superioară lor şi invers. Din prelucrarea observaţiilor
asupra a 928 cazuri, conform tabeli^ţii c o n stru it de Galton, re z u ltă „m ediile
leg ate” (y) :
x sub 64,5 1,5 72,5 peste 72,5
65, 67,2 72,9
în care x reprezintă medic a copiilor corespun-
zătoare taliei p ărin ţilo r din fiecare ă (ţoii). Talia medie a p ă rin ţilo r în
colectivitatea generală este egală cu i___
Se constată că înălţim ea copiilor n ăscu ţi din p ă rin ţi înalţi tinde să „regreseze“
spre înălţim ea m edie a populaţiei. Galton a indicat term enul de r. ca denu
m ire a procesului general de predicţie a unei variabile (înălţim ea copiilor)
din o a ltă variabilă (înălţim ea părinţilor).
P u ţin e fenom ene p o t fi descrise cu suficientă e x actitate prin relaţii sau modele
exacte. Ţinînd seama de n a tu ra întîm plătoare a fenomenelor, de legităţile,
de repetabilitatea lor este m ai adecvat să se folosească modele de dependenţă
stohastică*, in care elem entul aleator să ap a ră sub form ă de erori aditive.
A şadar, ecuaţia de regresie se scrie sub forma :
y = f(x j, xt , . . . , ) + e
unde e este o eroare aleatoare.
V.TREBICI
183
x Cx y - cv
x' = y' =
Ax A;/
x' = Şi y' =
T a b e lu l 30
x
u 24 25 j 26 27 28 29 30
126 1 1 3 1
127 3 4 1 1
1 4 5 ni 1 2 1
128
129 1 2 6 9 6 4
130 i 7 36 17 6
131 i 6 27 56 39
132 2 \10 16 26
133 1 7 10
134 1 2
135 1
136
137
fy 2 9 16 ,i K 30 84 106 89
Sursa : P. Mureşan, Manual de statistică sanitară, Editura medicală, 1980,Bucureşti, p. 101 (datele
din rîndurile şi coloanele suplimentare sînt calculate de C. Moineagu).
V.TREBICI
185
(,continuare)
V.TREBICI
186
Tabelul 3]
o o Ol 140
100
150
50
36
121
120
1095
O HH Ci 00
5=5
-
w
O o ! CM o TH
150
144
116
70
152
1469
128
00 CO i co iO T*
Ol
H Î ~
co i oo o
! °
76
|
64
32
24
23
30
-3 0
-3 6
co I> U0
i vo
1 1 1 j i j
H
i
CO Cî Cî o 152 T* 00 oo OC co TH rH
425
1450
CM Ol CO CO O Cr
i O
CM Ol
66
r" i—i rr
CO
1—4 l- l CM Ol O- k-O
35
io r» IO
rH 1—1 Ol 00 Ol rH co
176
- -
r co.
_l CM co 1> CO rH
72
153
216
oo Ol
Ol I> TH Ol
06
18
45
- - 90
Ol ’ ' g
Tt* CC i*H O Ci
68
68
CM
39
10
26
t-f 00 co
CM CO l» CO r- O j O
106
56
o 1 c i
! 1
i
rH ! tH C5 rH U0
36
27
84
84
-8 4
rH T?
i
1 I l i 1
CM t i i |
I rH j
30
T~< | I>
-6 0
Ci CO TH
- CO TH co Tf* CI
tH
1 1
Ol o © -
io i—4 uo
1 tH
- 1 '
!
1 i ‘
kO TH CO ' CM i tH O l-H Ol co i th j uo ! co
X 1
X
=35 =•. S î
I i I u 1
=35
'=>
Oî
i i 1 1 1 j w
V.TREBICI
187
V = f(x) + e-
Numeroase legături de acest gen se înscriu pe curbe definite de u rm ăto arele
ecuaţii de regresie :
¡1 = a 4- bx -)- e (1)
y = ax* + e (-)
y = abx + e (3)
y = a — bx + cx- + £ (4)
1
y = a + b ----- b £. (5)
Modc-hil line
ie n ţ a •*). Oricare a r fi nivelul varia-
âTfeî independente, creşterea sau descreşterea ci cu o u n ita te se consideră că
produce, în fiecare caz, creşterea sau descreşterea variabilei dependente cu
aceeaşi m ărim e (mărime: coeficientul de regresie*). E c u a ţia lin iară îşi
variaţ
dar ele sînt mici şi, ca atare, curba descrisă este foar
«I Citat de WU1 Scarlet in : Emmet A. Betts, Foundations of Reading Instruction, New York, American
Book Co. 1946,. p. 123.
**) Pentru funcţia liniară (1), proporţionalitatea directă există între y — a şi x, şi nu între y şi x .
V.TREBICI
188
S tatisticienii au creat term enul de regresie multiplă pen tru descrierea proce
sului prin care diverse variabile sint folosite ea să se estimeze o a ltă varia
bilă. (-+ Dreaptă de regresie.)
V.TREBICI
189
ds Os
da db
Se obţin astfel ecuaţiile normale * :
ti
(lH — a - bxt) = 0
*= 1
n
X - a ~ bxi) — 0
t = l
sau
n n
na -f 6 xi = Xi
t= l l —l
n n n
a S x t + b l i x t = £ x *vi-
i= t i ---1 i=l
Prim a ecuaţie a ra tă că sum a algebrică a abaterilor în tre valorile observate şi
ordonatele corespunzătoare ale d.r. este n u lă : abaterile negative, relative la
punctele situ ate sub d reap tă, compensează întocm ai abaterile pozitive, rela
tive la punctele situate deasupra dreptei. Se deduce a s tf e l:
y = a -f bx sau a = y — b x.
ad ică d.r. trece prin punctul mediu (x, y).
V.TREBICI
191
cov(x, y)
— H \2
( n
S xt - S xi
i= l \*= 1 )
D ezvoltind produsele (x* — x) (y{ — y ), se vede in tr-ad e v ăr că :
1 JL
V (X, ii) = — $ ] (Xj - x) (iji - y ) =
n
‘0 ( 1 4
D.r. a lui a in x are deci d rep t ecuaţie
cov (x, !/)
y = (x — x) + y sau y = byx(x — x ) +
V.TREBICI
p
192
Pe grafic (fig. 69) s-au reprezentat şi regresiile empirice (legătura in tre mediile
condiţionate * şi valorile variabilei independente) : regresia lui y în x şi regre-
sia lui * în y. Form a liniei de regresie teo retică poate fi dedusă din aceea a
liniei de regresie em pirică (statistică). Cu referire la re p a rtiţia tr a ta tă apare
pe deplin în d re p tă ţită alegerea unei linii de regresie a cărei form ă să fie linia
dreaptă.
y ~ y x —x
Oy CSx
regresia se num eşte regresie diagonală, (term en introdus de asem enea de R.
Frisch, în 1931).
D acă ay = <tx, atunci represia diagonală coincide cu regresia ortogonală.
Dreaptă de regresie a probiturilor. D.r. reprezentind v ariaţia p ro cen tu lu i de
indivizi ce prezintă o reacţie d eterm in ată la doze diferite ale un o r stim uli
in funcţie de logaritm ul dozei adm inistrate. în ipoteza că procentele sint rep ar
tizate aproxim ativ norm al se spune că procentele sînt exprim ate în probituri.
V.TREBICI
193
Fig. 70 Reprezentarea gr a- :
fică a cocţicienliilui ele
regres ie ^ * * * * \ ^ |
v ^ _ e_ _ i
N
1
a!
i
X
C onstanta a este valoarea lui y cînd x este egal cu zero ; cu alte cuvinte, aceasta
este d istan ţa num erică intre origine şi p u n ctu l dc intersecţie ai axei y şi linia
de regresic. C onstanta b este valoarea tan g en tei pen tru unghiul fo rm at în tre
linie şi o orizontală dusă din aceasta.
, MN
în fig. 70, b = tg 6 = ------ .
NL
a S y - 6 L x
a = -------------------
n
V.TREBICI
13 - c . 680
194
(425x1629961) - (55698x12129)
by/x
(425 x 7300820) - (55698)“
D acă s-ar considera înălţim ea în funcţie de g reu tate, atu n ci unei m odificări
cu 1 kg a greu tăţii îi corespunde o modificare a înălţim ii cu 0,75 cm, in medic.
Observaţie. în legătură cu analiza regrcsici s-a pus problem a flB H f lliB I N f l
ecuaţiei a r r e i Ş s i e : cunoaşterea form ei analitice a legăturii l u t ţ p r a Ţ ă a e x
Tiu ne perm ite să determ inăm legătura lui x fa ţă de p ? D acă, de exem plu, în
ecuaţia de regresio g reu tate (p)/înălţim e (x)
y* = - 67,99 + 0,742
2 xfx 55698
m edia m arginală x = —-----= ---------- = 131,05 cm.
2 f 525
V.TREBICI
195
(S xf*)2 (55698=)
2 x -f v — 7300920 -
S f 425
varianta m arginală s* = = 3,15
~ f 425
sx = 1,86 cm.
— după greutate (rindul f,j) :
v. Vfy 12429
media m arginală y = = 29,24 kg
Ef 425
364907 - ^
125
v arian ţa m arginală s® = = 3,35
Sf 425
fv = 1,83 kg.
REPARTIŢIE CONDIŢIONATĂ (repartiţie legată). în tr-u n tabel cu dublă
intrare *, rep artiţia care dă p en tru o m odalitate, o valoare sau o clasă de
valori ale uneia din variabile rep a rtiţia relativ ă la cealaltă variabilă.
R ep artiţia d upă variabila X a f j u n ită ţi p rezentînd valoarea yj a varia
bilei Y constituie r.c. a lui X legat de Y = yj. în mod analog, linia i a tab e
lului descrie rep artiţia d upă variabila Y a f (. u n ită ţi p rezentînd valoarea
Xj a variabilei X şi constitute r.c. a lui Y legat de X = . în fiecare din aceste
re p artiţii se va putea calcula — în cazul variabilelor c a n tita tiv e — o medie
n u m ită medie condiţionată şi o v aria n ţă n u m ită variantă condiţională.
Astfel : ------------- --------- ' ' ‘ '
Y *ifij
i —1
*1 =
f-i
Y (Xi xif f o
t= t
s-(X ) =
T-i
Y wf*/
j= \_____
Ui —
u
Y (? / - ytfk!
i= l____________
*Î(V) =
fi-
V.TREBICI
19«
E xem plu : R .c. a copiilor de 10 ani de sex m asculin după greutate legată de
înălţim e este co n stitu ită de rindurilc tab . 30. C aracteristicile condiţionate
corespunzătoare sîn t p rezen tate în ta b . 32.
Tabelul 32
126 25,67 0 ,7 2 0 ,8 5
127 26,11 1,49 1,22
128 26,62 2 ,0 9 1,45
129 28,14 1,73 1,32
130 28,43 0 ,9 6 0 ,9 8
131 29,32 1,50 1,22
132 29.54 2 ,6 7 1,63
133 30,63 1,80 1,34
134 31,67 1 ,2 3 1,11
135 31,88 1,04 1,02
136 33,50 0 ,9 2 0 ,9 6
137 34,00 0 ,5 0 0,71
1 ”
cov (x, jj) = — V (x — x) (y — y ) ,
n
respectiv
S ( x - î) (y -y ) S ( x - x ) (y — y )
(1)
V's(x - î ) f £ ( y - V f
Cei doi term eni ai acestei fracţii se calculează u şo r folosind formulele lui K oenig :
1
S (x — x) (S X)2
n
* n E xy — £ x £ y
(2)
V [nL X* - <£x)-] [n £ y 2—( £ y f l
sau
cov (x, y)
m ai general :
P i
j] 5 j M x* ~ ^ ~ y)
r — Txy — rv
1 1+ r r5
Z ' = arc tg r = — In
1— r 5 ’" ’
V.TREBICI
198
, SJL <5)
K tx = ry X Sx ■
de unde
sx
rux — b v l x ~~~ • (« )
s u,
într-adevăr, dacă
(S i)!
Sx2-
n 2 x 2 - (S X)- ’
(Sy)2
atunci
(S x)2
Sx2 -
n t ,x y — xy ' n S iy -S iy
n 2 x 2 — (S x)2 "(Si>)- « S x 2- (S x)2
V n T . x 3 — (S x)3 „ S i j - S i S j
*— r>jx •
f n S if - (2 y f S x 2 - (S x )2] [n S y 3 - (£ p )2]
V.TREBICI
19»
S(y* - U)3
- Y s (y - T/ f
a d ic ă , ryx nu este altceva d ccîtj
.j v a r ia b ile i d e p e n d e n te ,------ ------------------ ecuaţia regresiei 1
C alculele de corelaţie, variaţia totală (ij — Ţ/f se descompune în variaţia
exp licată S (;/* — y f şi variaţia neexplicată sau reziduală £ (y — y*)2, în care
i; re p re z in tă valorile empirice ale variabilei dependente, iar ij*, valorile calcu
la te ale aceleaşi variabile. Intre cele tre i variabile există relaţia
V2 a3 — x2.
O serie de p un cte detecm inate d u p ă această ecuaţie se vor plasa pe u n cerc
eu raza a. D acă to tu şi s-ar reprezenta aceste puncte prin linie dreaptă, s-ar
a ju n g e la o linie orizontală de regresie şi la un coeficient de corelaţie egal exact
eu zero. A conchide de aici că nu există nici o corelaţie a r fi atjş<dţit aresd^
T reb u ie re a m in tit p ostulatul, hy^JPejjrajiL: in c e m ă s u r ă ®
jbUif¥'dTe*prfi d e S c r ie r o I â ţîa tn tr e vagiabiliy D e asemenea, testul de liniaritate*
W *fîhpttne cînd e.e. este in v ecinătatea lui zero.
în fond, d acă valoarea lui r în tre două variabile este zero, aceasta înseam nă
că o r i nu ex istă vreo corelaţie în tre ele, ori că această corelaţie nu poate
fi descrisă de o linie dreaptă.
V.TREBICI
204
(454,4)2
(12,3318 x 4 5 4 ,4 )-f (0,18548x87067) -
W ~
= 0,993.
(454.4)2
21767,14
10
E xem plul 2. C.c. între greutatea (g) şi înălţim ea (x) a copiilor de 10 ani de
sex m asculin, aplicind form ula (2), conform d atelo r tab . de corelaţie 30 :
(425 x 1629961) - (55698 X12429)
r yz — ■ — —0,753.
y [(425 X 7300920) - (55698)*] [(425 X 364907) - (12429)*]
V.TREBICI
Tabelul 33
Corelaţia din tre consumul de energie electrică (y) şi indicele producţiei industriale (x) în economia României, 1970 —1079.
V.TREBICI
201
bursa : Anuarul st«fistic al It. S. România 1976. p- 122—123 fi 1980, p. 194 —195.
202
(425x1095) - (2 3 x 1 0 4 )
= 0 ,7 5 .
Y [(425 x 1469) - (23)2] [(425 x 1450) - (104)»]
(—* Tabel de corelaţie).
Tabelul lui Pearson a ra tă că, dacă num ai o su tă de m ăsuri cup late erau sub
efectul hazardului, probabilitatea p en tru valoarea absolută a lui r de a d e
păşi 0,25 a r fi inferioară lui 0,01 (in aplicaţie, volum ul eşantionului = 425).
D acă, deci, se infirm ă că re zu ltatu l o b ţin u t r = 0,75 nu se datorează h a z a r
dului, ci corelaţiei statistice care există în tre mărim ile observate, se riscă să
se com ită o eroare : probabilitatea acestei erori este cu m u lt inferioară lu i 0,01.
Se consideră deci că in tre cele două variabile există o corelaţie p o zitiv ă (v aria
ţiile in acelaşi sens) sigură sau că valoarea r = 0,75 este foarte sem nificativă
la p rag u l de probabilitatea 0,01.
Postulatele corelaţiei lui Pearson. P ostu late subiacente aplicării e.c. im ag in at
de Pearson.
Principalele postulate s î n t : recliliniarifalea (liniaritatea) relaţiei în tre varia
bilele cercetate şi omoscedasticitatea. Satisfacerea prim ului p o stu la t p o a te fi
apreciată m ai in tîi prin simpla exam inare a liniei de regresie empirice * : o
linie aproxim ativ dreaptă. Micile divergenţe cu rectilin iaritatea sîn t adesea de
p u ţin ă im portanţă. D acă, dim potrivă, se observă că linia de regresie a re o
ten d in ţă dc a se curba in tr-u n fel sau altu l, se recom andă să se re n u n ţe la e.c.
in favoarea raportului de corelaţie, care este de în treb u in ţare m ai g en erală şi
m ai exact. U n al doilea mod de a exam ina liniaritatea.ss^w aU îfază cu a ju to ru l
unui te s t precis principiu gegeral constă fn
» “Jweteca tm portarfţjrabaietîîintre k *. ştrăp orfu î de corelaţie. D acă această
' abatere se dovedeşte considerabilă, înseam nă că relaţia nu este lin iară. Un
al doilea p o stu lat pe care se întem eiază folosirea c.c. — om o sced asticitatea —
presupune ca dispersiile condiţionate (in sinul coloanelor, resp ectiv în sinul
rindurilor, —*■ Tabel de corelaţie) să fie aproxim ativ egale. în fond, a c e a s tă
condiţie este in mod satisfăcător îndeplinită cînd cele două re p a rtiţii sîn t si me
trice.
RAPORT DE CORELAŢIE ( Indice de corelaţie). N u m ăr care m ăsoară, sub
aspectul intensităţii, corelaţia curbilinie, definit de form ula (cazul a d ouă va ria -
bile) :
r £ (y - v ’ f Yi S fa tet — y f
respectiv * j _______ .
rlVX î - O)
£ (y - y f Ş f-s(y i - y f
y)vx —
f £Ly*~yf
£ (y - y f '
JR.c. joacă, în cazul corelaţiei neliniare, u n rol analog cu acel al coeficientu lu i
(2)
de corelaţie în cazul corelaţiei liniare. EI are la bază descom punerea disper sie i
totale a variabilei dependente în dispersia valorilor empirice fa ţă de valo rile
V.TREBICI
203
teoretice (estim ate prin tr-o ecuaţie de regresie neliniară) şi dispersia valo
rilor teoretice fa ţă de medie. Com pararea dispersiei valorilor teoretice fa ţă de
medie cu dispersia valorilor empirice de la medie dă r.c. Acest param etru este
to td eau n a cuprins in tre 0 şi 1. C antitatea 71‘yx
®, fiind egală cu citul a două
valori non-negative nu po ate fi in tr-ad e v ăr inferioară lui zero. E a nu poate
fi d eallm in teri n ulă decît dacă to a te mediile condiţionate slnt egale în tre ele,
p resupunind, desigur cazul obişnuit, că există m ai m ulte observaţii ale lu i y
p en tru an um ite valori ale lui x, ca în exemplul din ta b 34., în care se găsesc
datele necesare pen tru rezolvarea sistem ului de ecuaţii norm ale :
50 a + 5,5203 b = 241,2
5,5203 a + 0,7265 b = 28,3714.
E c u a ţia de regresie hiperbolică este :
1
y* = 3,181 + 14,881- — .
x
£ ( y - y * f f = 7,8330.
C alculind
2 (y — y ) 2 f cu a ju to ru l d atelo r ta b . 34.
sau, scriind
—(y — y)~ f — 2 (y — y*)2 f — 33,7312 — 7,8330 = 25,8982, conform formulei
(2)
Deoarece s-a rezolvat ecuaţia de regresie, calculul r.c. se poate efectua şi după
form ula ;
7ll/z —
V.TREBICI
I«
Corelaţia dintre nivelul relativ al cheltuielilor de circulaţie şi volum ul desfacerii m ărfurilor
T a b e lu l 34
s
\ V 1 1 i
IO o
^ 00
O^
co co
3 ,8 - 4 ,2 - 4 ,6 - 5 ,4 - 5 ,8 - 6 ,2 -
1
4 ,2 4 ,6 5 ,0 5 ,8 6 ,2 6 ,6 fx fx 2~ f* UÎxy
X X X'2
Tabelul 33
ij
3,00 4,00 4,40 4 ,8 0 5,20 5,60 6,00 6,40 s (» -im
y*
0,2196 0,0016
3,96 3 1 0,3904
0,3888 0,0016
0,2116 0,0030
4,06 2 2 0,4304
0,4232 0,0072
0,0289 0,0529
4,17 3 2 0,1925
0,0867 0,1058
0,1089 0,0049 0,2209
4,33 1 2 3 0,7814
0,1089 0,0098 0,6627
0,2809 0,0169 0,0729
4,53 1 4 3 0,5672
0,2809 0,0676 0,2187
0,1849 0,0009 0,1369 0,5929 1.3689
4,83 1 1 2 1 1 2,4214
0,1849 0,0009 0,2738 0,5929 1.3689
0,2601 0,0121 0,0841 1,881
5,31 3 3 2 1 2,1729
0,7803 0,0363 0,1682 1,1881
0,3136 0,256 0,0576
6,16 2 3 3 0,8768
0,6272 0,0768 0,1728
V.TREBICI
206
ou dalele calculate
r (241,2)-
(3,181x241,2) + 14,881x28,3714)
50
Vax — = 0,870.
(241,2)2
1197,28 ■
502
Xotă. IC. Pearson a propus r.c . care nu im plică nici o ipoteză apriori asupra
formei le g ă tu rii:
Vvx
-
F
y fîi
Vax —
2 (y - V f fj
y * = a + b 1x 1 + b i x 2 + . . . + bn x „ . (2)
V.TREBICI
207
Ponderea populaţiei
R ata de n a ta lita te R a ta generală de
\ Anii feminine in populaţia
(°/oo) V fertilitate (°/0o) x i to ta lă (% ) x2
1971 19,5 7 5 ,3 2 5 ,9
1972 18,8 7 2 ,7 2 5 ,9
1973 18,2 7 0 ,4 2 5 ,8
1974 2 0 ,3 7 9 ,3 2 5 ,6
1975 19,7 7 7 ,5 2 5 ,4
1976 19,5 77,3 25,1
1977 19,6 78,8 2 4 ,8
1978 1 9 ,î 7 7 ,7 2 4 ,5
1979 1 8 ,6 7 6 ,6 2 4 ,3
1980 1 8 ,0 7 4 ,8 2 4 ,0
V.TREBICI
208
- (y ~ VXlx2....rn)2 (ă)
! (v - v f
V aloarea lui R depinde deci de rap o rtu l din tre dispersia valorilor determ inate
pe baza ecuaţiei ele regresie liniară şi dispersia valorilor observate ale varia
bilei dependente. Cu cit valorile observate se a b a t m ai p u ţin de ia valorile
calculate cu a ti t coeficientul de corelaţie are o valoare m ai m are şi ca atare
corelaţia este m ai intensă.
D acă s-a stab ilit ecuaţia de regresie, coeficientul de corelaţie se calculează cu
u şu rin ţă d upă form ula :
(S p)2
: V -f- frj S Xjij + £ x2!/-{- • . . + ănS xng —
R y .r 1x 2 . . . x n = ( 6)
& !/)2
■r —
£ (x — x )( y - y )
f£ (x - î) 3 V £ ( p - y f
n(n + 1) n + 1
£x=£i/ = x = y =
2
apoi :
(n + l ) 2
£ ( x - x f = £ (y - y f = f j
adică puntnd (x — x ) — (y — y ) = x — y = d
2 £ (x - x ) (y - V) = £ ( x - î ) 3 + £ ( j / - y ) 2 - £ d 2 =
n(n + l)(n — 1)
de unde re z u lta tu l:
n(n + 1) (n - 1) _ i_
12 2 "
n(n + 1) (n — 1)
12
adică :
6£d*
S = 1 ------------------.
n(n2 — 1)
A 3 5 -2 4
B 7 4 + 3 9
C 9 7 -|-2 4
D 1 3 -2 4
E 2 1 + 1 1
F 10 9 + 1 1
G 4 2 + 2 4
H 5 8 -3 9
1 6 10 -4 16
J 8 6 + 2 4
T otal - - - 56
6 x 56
S = 1 ---------------------- ---- 1 - 0,339 = 0,661.
10(102 - 1)
U n coeficient de corelaţie de 0,661 sugerează o legătură su b stan ţială p ozitivă
in tre cele două variabile, cel p u ţin în oraşele considerate.
T hornton *) a publicat u n tabel pe care-1 socoteşte d rep t cea m ai b u n ă bază
pentru a aprecia valoarea p ro b a n tă a lui S cînd n u m ărul de cazuri (N ) variază
în tre 2 şi 30 (-*■ tabelul 37 bis). S = 0,661 este sem nificativ la nivelul de
p ro babilitate 5% (Ar = 10, S va treb u i să atin g ă sau să depăşească
m ărim ea lui 0,644).
Valorile indicate în tab elu l T h o rnton au to tu şi o valoare lim itată : ele au fost
calcu late în ipoteza că seriilifnu cu p rin d cazuri ex aequo.
Observaţie. Cazuri de ex aequo. D e exemplu, dacă oraşele G, H , I a r fi o b ţin u t
în prim a serie acelaşi rang, 4, a tu n ci fiecare din ele a r fi p rim it rangul 5,
a d ic ă m edia aritm etică a rangurilor o cupate în fa p t (4 + 5 + 6) : 3 = 5,
D acă, de asemenea, D şi E a r fi o b ţin u t acelaşi rang, 1, a r fi fo st clasate la
rangul (1 4- 2) : 2 = 1,5.
Coefcientnl lui Kcndall. Coeficient bazat pe to ate diferenţele rangurilor
în tre cele două clasificări, definit do relaţia :
2T
IC = (2)
n(n — 1)
*) G. R. Thornton, The Significance of Rank Difjerence Coejficienis oj Corelation, in „Psychometriks’
a /1 9 4 3 , p . 2 ! 2 .
V.TREBICI
211
Tabelul 37 bis
Coeficienţii corelaţiei rangurilor, care sîn t' semnificative la nivelurile 1% şi
5% de probabilitate, după Thornton
Cuplurile p en tru care ijj > ijf se notează prin valoarea -f 1, iar cuplurile p e n tru
care y$ < yt cu j > i, prin — 1. Sum a algebrică a valorilor astfel o b ţin u te
se desem nează prin T sau S.
X um ărul de com paraţii făcu te fiind
n(n - 1)
(n — 1) + ( n — 2) + ( n - 3) + .. 1=
raportul
T 2T
n(n — 1) n(n — 1)
2
V.TREBICI
218
Tabelul 3S 1
R angul oraşului
D iferenţe
Oraşul după variabile
X y —
+
0 1 2 3 4
D 1 3 2 7
E 2 1 0 8
A 3 5 2 5
G 4 2 0 6
H 5 8 3 2
I 6 10 4 0
B 7 4 0 3
J 8 6 0 2
C 9 7 0 1
F 10 9 0 0
T o ta l : - - 11 34
2 x 23 46
0,511.
10(10 - 1) 90
ţ.
•i
V.TREBICI
PA R T E A A PA T R A
INDICII ŞI SERIILE CRONOLOGICE
X. IND ICII
V aloarea fondurilor fixe, in 1981, a fost de circa 3,2 ori m ai m are ca în 1970,
E xem plul 2. în anul 1981 p ro d u cţia medie de lapte pe o oaie a fost, la
nivelul ţării, de 34 l i t r i ; in acelaşi an producţia medie dc lap te po o oaie,
in ju d e ţu l Suceava, a fost de 45 l i t r i :
2253
I m uncitori/personal m uncitor = . 1 0 0 = 96,3% .
2340
V.TREBICI
215
Exem plul 5. Producţia globală a industriei din R om ânia a fost, în anul 1970,
de 307,2 miliarde lei, iar in anul 1980, de 936,1 miliarde lei (datele pe anul 1970
■sint exprim ate în p reţu ri 1963 ; cele din 1980 — în preţu rile de la încep u tu l
anului).
936,1
I 1980/1970 = ■ ^ • 100 = 307,4%.
9
Sf
cu alte cuvinte :
Xj
I — -ZT-
9
100 100
£ Px £ P x ( Iaşi)
deci i* este :
100 100
£ «bP?
mR
m (Iaşi) 100 100
£ p?
V.TREBICI
216
E xem plul 5 este cel al unui i. al volum ului fizic al producţiei *, care m ăsoară
variaţia in tim p a u n u i agregat, compus din zeci de mii de produse, omogenizat
cu a ju to ru l p reţu rilo r (de obicei constante sau comparabile).
De aici apare evident că i. ca nu m ăr relativ exprim ă nu num ai v ariaţia carac
teristicii x ci şi a frecvenţelor, respectiv a stru ctu rii frecvenţelor (Sf).
Se m ai poate observa că mărimile care constituie obiectul m ăsurării cu aju to ru l
indicilor p o t reprezenta un nivel, corespunzînd un u i p u n ct în tim p (de exemplu,
valoarea fondurilor fixe la sfirşitul anului, p reţu l unui produs la o an u m ită
d a tă etc.) şi un flu x (producţia indu strială d in tr-u n an calendaristic, nu m ăru l
naşterilo r într-o lun ă etc.)
Indicatorii de nivel se m ai num esc indicatori de moment, iar cei dc flux —
indicatori de interval, n oţiuni exam inate la X I. „Seriile cronologice".
P rin urm are, m ărim ile care constituie obiectul indicilor sînt fo arte variate
ca dom enii de aplicaţie şi uneori foarte complexe. Aceste m ărim i p o t reprezenta
elem ente de n a tu ră cantitativă sau extensivă (can tităţi de produse, n u m ăr de
persoane) care p o t fi aditive sau nonaditive. N otind cu Z un clem ent c a n tita tiv
de aceeaşi n atu ră, volum ul to ta liz a t va fi 2 z (acelaşi produs fab ricat in m ai
m ulte întreprinderi) ; în cazul cînd aceste elem ente sint nonaditive, omogenizarea
lor se face cu aju to ru l unor coeficienţi de com ensurarc n um iţi ponderi *. In
acest scop se foloseşte o caracteristică esenţială x ; volum ul cap ătă expresia :
Szx. Elem entele p o t fi şi de n a tu ră calitativ ă (preţul u n itar, re trib u ţia indivi
duală etc.). însum area lor este lipsită de sens economic ; de aceea, nivelul
lor to talizat va fi : Zxz, în care z îndeplinesc rolul de ponderi. P en tru aceeaşi
caracteristică x, înregistrată la m ai m ulte u n ită ţi ale unei colectivităţi (p reţu ri
diferite la acelaşi produs), vom determ ina m ai in tîi media :
_ 2 xz . x'i 2 Xj Zj . 2 x0; 0
» = ------- » de unde : i . = -~ — = ---------- • ——------ *
Pi + Pi + ■ ■ ■ + Pn _ -P
P1 + P2 + . . . + . Pn ~ SP ’
în care : p — p re ţu l din perioada c u ren tă ; P — p re ţu l din perioada de bază.
Econom istul italian Gian-Rinaldo Carii (1764) a propus indicele de p re ţu ri
sub form a unei medii aritm etice simple :
n \ P, P 2 ............. P„ ) n ^ P
în care.:
c = ------ si Yc = 1.
E c' ‘
în .Anglia, în rev ista „E conom ist", s-au publicat de către Tliomas T ocke şi
■William N ewm arch, in voi. V I din „Isto ria p re ţu rilo r" (1838 —1857) i. dc p re
ţu ri. N ewm arch a publicat în „ Jo u rn a l of R oyal S tatistical S ociety" (1859)
o serie de I. folosind, se pare, p en tru prim a d a tă expresia de index numbers.
Un m o m en t im p o rtan t în teoria i. este legat de num ele statisticienilor şi econo
m iştilor germ ani Etiennc Laspeyres * (1834 —1913) şi H erm ann Paasche*
(1 8 5 1-1925).
V.TREBICI
218
Z pQ . Spş
L ------- si P ~ --------- >
LPO ' SP?
S r,y j . -XiVu
P (p) - J.(p) = 1 + r{ V:
Z r 0!/j S r 0!/o
O nouă fază tn teoria i. este m arcată de lucrările lui Irving Fisher * (1867—
1946), in c a re acesta a ex am in at u n m are n u m ă r de i. D acă pe vrem ea fui Que-
telet existau 66 i., I. F isher in v en tariază 134. E l propune o scrie de condiţii —
teste ale i. *— pe care trebuie să le îndeplinească u n i. (reversibilitate, circula-
rita te etc.), ajungînd la „form ula id eală" a i. care este m edia geom etrică,
în lucrarea sa principală („T h e M aking of Index N um bers", 1922) el stab ileşte
o clasificare a i. in : i. agregat, aritm etic, arm onic, geometric, m edian şi m oda).
Şcoala de co n ju n ctu ră economică de la H arv a rd a d a t un im puls im p o rta n t
teoriei i. prin lucrările lui W . M. Persons (1919, 1924 şi, m ai ales 1928 : „ T h e
C onstruction of Index N um bers), ale lui W . C. M itchell („T he M aking and U sing
of Index N um bers, 1915, re lu a tă in 1938). In s titu tu l din H arv ard a p u b licat,
din 1919, aşa-num itul baro m etru , care cuprinde trei i. : a) de pc p ia ţa efectelor
(cursurilor de bază ale acţiunilor) ; b) de pe p iaţa m ărfurilor şi c) de pc p ia ţa
financiară.
V.TREBICI
219
Statisticianul englez A . L. Bowlcy (1869 —1957) a d at, p rin tre altele, u n studiu
a su p ra i. („T he Precision of Index N um bers", p u b licat in „ J o u rn a l of th e
R oval Statistical Society", March, 1926).
Cu lucrările m atem aticianului francez F . Divisia (1925, 1926) se lărgeşte
studiul i. în la n ţ (—<• I. D ivisia *). în perioada interbelică sin t dc sem nalat
contribuţiile statisticianulu i italian Corrado G in i* (1884—1965), econom etri-
cianului norvegian Ragnar F risch* (1894—1973). Un a p o rt original are sta tis
ticianul sovietic A. A. K onius, cu i. ce-i p o a rtă numele („T he Problem of th e
T ruc Index of the Cost of L iving", in „E conom etrica", nr. 7, 1939, p u b lic a t
in iţial în lim ba rusă, în 1924). E ste de sem nalat că dezvoltarea econom etriei,
d upă înfiinţarea Societăţii de E conom etrie (1930) ca şi lărgirea preocupărilor
studiilor în dom eniul cererii şi ofertei, al elasticităţii au stim u lat preocupările
pentru i. O lucrare de sinteză este cea a lui B. M udgett.
în perioada postbelică stu d iu l com parabilităţii internaţionale a fav o rizat
dezvoltarea i. M. Gilbert se ocupă de problem a calităţii („Q ualily Changes and
Index N um bers", 1961), problem ă cercetată şi dc statisticianul indian P . C. M a-
halanobis* (1893—1972). H . Theil (1960) se preocupă de găsirea celui mai
bun i, liniar al preţurilor şi can tităţilo r.
Cirnpul de ap licarea i. s-a extins considerabil in perioada postbelică, aşa cum
se poate constata din publicaţiile O.N.U. şi publicaţiile naţionale. U n domeniu
nou este ab o rd at şi dezvoltat, în special în statistica sovietică, acela al i. teri
torial * ; co ntribuţii de seam ă L. K azineţ, N. Peregudov, L. Şatunovski.
în evoluţia teoriei i. s-au cristalizat două teorii în ce priveşte concepţia asu p ra i.
a) teoria statistică a i„ potriv it căreia i. se poate aplica la orice situ aţie, făcînd
a b stra c ţie de ceea ce reprezintă fenomenele respective. în c e p u tu l ei datează
din sec. ăl X V III-lea şi a fost ilu stra tă m ai ales dc Laspeyres, P aasch e,
I. Fislicr,
b) teoria economică a i„ concentrată asupra problemei 1. p re ţu rilo r la consu
m ato r (a c e a s tă teorie este preo cu p ată in special de in terp re tarea economică a
fenom enelor ce reprezintă c o n ţin u tu l u n u i i.
Sub rap o rtu l funcţiei i. s-au c o n tu ra t dc asem enea două ten d in ţe :
a) concepţia sintetică a i . —i. rep rezin tă o caracterizare co m p arativ ă a nivelu
rilor fenom enelor economice ;
b) concepţia analitică a i.— i. este u n indicator a l influenţei factorilor.
î n statistica sovietică (L. Kazineţ, 1963 ; I. Paenson, 1970) predom ină tend in ţa
analitică, d ar sint de sem nalat în ultim ii ani încercări de a concilia, pc plan
teoretic, cele două tendin ţe.
în Rom ânia, preocupări tim purii legate de teoria i. sint legate de numele
m atem aticianului şi statisticianului N . St. Georgescu-Roegen (n. 1906), cu studii
publicate în tre 1932 —1940. V. M adgearu a folosit în lucrarea sa „ E v o lu ţia
economiei rom âneşti după războiul m ondial" (1940) aşa-nu m itu l „ q u a n tu m
index" al lui N. St. Gcorgescu-Roegcn, cu baza 1929, p en tru seria 1920—1938,
la com erţul exterior.
O dezvoltare rem arcabilă a cunoscut teoria i. în perio ad a postbelică. L. Tovissi
(1964) s-a ocupat de relaţiile dintre i. de tip L aspeyres şi Paasche, stabilind
o seric do relaţii im portante din p u n c t de vedere teo retic şi p ractic. V. Urseanu
(1962) şi s; Falcan-Popescu (1963, 1967) s-au ocu p at de i. te r ito r ia l; num eroşi
statisticieni şi economişti au dezvoltat fu n cţia i. ca in stru m e n t dc analiză a
factorilor. Un studiu dc sinteză în dom eniul se d ato re a z ă Iui V. V. D um itrescu
(teza de doctorat 1977).
V.TREBICI
22#
V.TREBICI
321
x< ft
U/o (x) = ---- - U/o (0 = —
*o fo
Şi
xţfţ
Ulo (*f) =
Xofo
Se n otează cu i. (mic). Cele m ai frecvente a p lic a ţii:
— i.e.(i.) de p r e ţ ;
t , . Pt .
l t/o ( p ) = ------ >
Po
— i.e.(i.) de c a n tităţi :
‘i/o ( ? ) = — >
' ?o
i.e.(i.) al valorii unui produs :
<ltPt
Vo (<7P) =
QoPo
(ad itiv ă)
h (nonaditivâ)
V.TREBICI
222
p iqi
-----r — (—►coeficient bugetar *) (cazul b).
S p lql
_ 2 —j.x 'o
h io (x ) — v ?* h i o(: ) = "
- j X q Zq —' ' 0 X o
Ponderile i.a. pot fi cele din perioada de bază sau din perioada curentă.
U n i.a. este un i. mediu * ; form a sa p rim ară este de medie necxplicită ; In
condiţiile unui anum it sistem de ponderare i.a. devine o medie explicită
a i. individuali.
V.TREBICI
225
d/o
ro . -V o . t S i,
h /o =
SX q*0 S r 0' 0 ’ ' ' ‘ ’
Indiee iu lanţ. I. dintr-o serie de i. în care com pararea se face în mod succesiv
in tre m ărim ile din perioade a lă tu ra te ,
în cazul unui i. individual :
-f
d /f-i = ■
zt-1
în cazul u n u i i. sintetic :
b S x 2r0
,I , ~ 1 v x ,, ’ -
—x0'0 - a l-0 -*»-1-0
V.TREBICI
224
S l j w0 m 2 x s w0 _ 2 Xt w 0
-------- 9
2 X q Wq —i X q Wq 2 x 0 wa
2 x 1 11,’j S l 3 W2 2 x t U’t
If/f-i
2 x 0 wx J 2 x x tr2 2 r t- i wt
2 Pi <ia , 2 Po<?i
£ (p) = ¿(9) =
2 Pa 9o ’ 2 p 0 9o
2 Pi ? i . 2 Pi 9i .
P(p) = P (P ) =
2 Po 9 i ’ 2 P i 9o
2 + 9i)} .
{P, (9o
2 {Po (9o + 9i)}
INDICE „ID EA L" FISIIEU. Media geom etrică a i. Laspeyrcs şi i. Paasche.
P en tru p reţu ri
1 f 2 P i q0 2 P i 9i t
F = Ÿ LP = X
j 2 P o 9o 2 Po 9 i
p '{ (t 4- dl)
PHMU)
D -f- ÛD p ‘(0
ă tjt =
D
V.TREBICI
225
Y i 9*(QPf(0
= 14---- —---------- d/ = Pt+ot/t-
Ş qHQpHt)
i
Dc aici :
Ş qH O p'H t)
i
punînd
X ?*(0p *(0
<
Interesul teoretic al i.I). este de a prezenta p roprietatea de circu laritate, deci
şi dc reversibilitate şi de în lăn ţu ire :
pani
Pot Qot ~ “-------- *
P to H o
•=1
Logaritm ind ambele p ă rţi şi diferenţiind în rap o rt cu t, se o b ţin e :
1 . d P ot 1 dQot
Pot d/ Qqţ d/
1 dpu
n ~dt
PitQit
»=l
15 - Q. 680
V.TREBICI
226
h
în care :
p»qu
e<(/)=
£ P it + 9 i»
i-i
Deci valoarea *01 depinde de evoluţia lui c((t) in tre t0 şi t1 ; c este ponde
rea diferitelor produse in bugetu l to ta l (—►indicele preţurilor şi indicele costu
lui vieţii).
D acă valorile e,(<) sint presupuse constante în tim p (toate produsele au o elas
tic ita te a p reţu rilo r cererii egală cu 1), obţinem indicele geometric :
n
n =n
D acă nu se face nici o ipoteză cu privire la Cf atu n c i :
SPxgo . 2 p j? i
^i/o(P) Pllo (P) — --------- 9
2Po?i
de unde :
’ v P i? 1 Pi v
^-<Po9o ■ ^ P o îo ¿P o?o
1 Polo Po 9o •
¿ i / o( p ) ^ Po<7o £ P o ?o S P o îo -1
cov[/i/o(p) ; Ji/o(g)] ,
P 1 /# ( P ) L il a ( P ) —
¿ i /o ( i )
Pentru c a n tităţi :
C O V [ J l/o ( p ) , * 1 /0 (<?)]
Pi/o(<l) Pi/o (?) —
L l /o < J >)
în general :
a) P < L , cind în medie, p reţu rile şi c a n tită ţile variază în sens opus ;
b) P > L, cind, in medie, p re ţu rile şi c a n tită ţile variază in acelaşi s e n s ;
c) P — L, cind preţurile şi c an tităţile variază fără corelaţia liniară.
Prin urm are, sistemele de ponderare a i. sintetici au im p o rta n ţă în ce priveşte
diferiţi indici.
INDICE ARITMETIC MEDIU PONDERAT. I. sin tetic reprezentînd o
medie aritm etieă ponderată, d u p ă schema :
Sxzijt 2 xziz
^i/o('z) Şi ^î/ofe) —
2xz 2xz
SîoPoi« _
h /o ( k ) =
2'70Pi>
2xz 2 xz
A /ofe) — Şi h/o(‘z)
1
2 - 7— xz 2 —— xz
îz iz
S — Pj î j
Mi
I i/o = ------* in care : M — m arim ea ;
M0
de unde :
1 M„ 1
lo /i = ~z— ’ deoarece —*
h/o M1 M JM 0
b) t. circular :
M., M2 .Mj
^2/0 = h / i ' h /o ’ deoarece ——— #= —— -
M0 Mi M0
A ceastă proprietate a i. in la n ţ este folosită şi pentru
V.TREBICI
22»
c) t. dc reversibilitate a factorilor
h l i - h l o 'h / z = deoarece
1
^ 2/1 • h /o — h /o = “ 7---- •
hh
Dacă M este produsul m ărim ilor h şi k, i. elem entar al mărim ii produs este
egală cu produsul i. mărim ilor factori :
D acă M t = h f k t ,
atunci
h /o (.V/) = h ,o ( l‘) - h lo ( k ) ,
deoarece
_ 1 1
Y P i / t W ) L lf 0( M)
E ste locul să facem com paraţia dintre i. Laspeyres, Paasche şi Fisher. Dacă
la m om entul 0 ponderea un u i com ponent in mărimea complexă M o notăm
cu w0, iar in perioada curen tă cu wj (coeficienţii w joacă rolul frecvenţelor f
ale unei variabile statistice). A tu n c i:
a) i. L aspeyres este media aritm etică a i. elem entari p onderată cu w0 (peri
oada de bază sau de referinţă) ;
IV I-o
F i/o W =/ Lt fo (M)Pl/a ( M )
d) i. Fisher este cuprins in tre L şi P, fiind o medie ;
e) i. Laspeyres şi Paasche sînt cuprinşi între i. elem entari ex trem i, fiind m e d ii;
proprietatea este valabilă şi pen tru i. Fisher :
min I l/o (.V /K [P j/o (M ), F l/o (A/), L jja(M )] m a x / l/o(.Vf) ;
f) adesea P este m ai m ic decît L, deoarece media arm o n ică e ste m a i mică
decit m edia aritm etică ;
g) pen tru considerente practice, cel mai avantajos este i. L a s p e y re s .
în cele două aplicaţii fundam entale, la p re ţu ri şi la c a n tită ţi, ce i doi i. se p re
z in tă a s t f e l:
^ Pi
S Po ?o — v S Po V „ „
Laspeyres
j , (n) Pa S Pl q° L 1/OW/
(a) (>" " r»° zv1
ri V1
^ Po tfo Po % Po <?o p0 q0
S P l9l 2 P l9 l r. (a) 2 P i 9!
1 llo\P) v 1 llovi) - —„
Paasche v Po ^ Po 9i v % - p j q0
~ P i ?i — S Pi <h —
Pi ?i
*0 Szj Szo
V.TREBICI
231
z
( 2 z* = 1)
2 z
I
X
acesta devine :
2 ixiz x 0z0
I
X
2 XqZq
2 XqZq
9
V.TREBICI
232
i: devine :
1*<:*)
<
Cei trei i., eu sistemul de ponderare ad o p tat, constituie un sistem, iar relaţia ]
dintre ei este :
I cu stru c tu ră variabilă = / cu stru c tu ră fixă x 7 de s tru c tu ră î
v - -* £x, „*
- x j*i j
I J z , -) = I-(x ) ! - ( - * ) =
Sistem ul de i. prezen tat mai sus are aplicaţie la analiza retribuţioi m edii, a 1
p ro d u ctiv ităţii medii, a p reţu lu i mediu, a diferiţilor i. demografici (de exem plu,7^
ra ta de m ortalitate). *j
INDICE STANDARDIZAT. I. p onderat cu ponderi standard *, reprezentînd 1
proporţiile din colectivitatea generală, in vederea elim inării influenţei struc- j
tu rii. Cea m ai veche aplicare a i.s. se datorează demografiei, în p a rtic u la r, la j
analiza m ortalităţii.
Fie mx — ratele specifice de m ortalitate după v îrstă şi P x — efectivele popu- ,
laţiei corespunzînd ratelo r specifice, în care x — v irsta (0, 1 , . . . 100 ani).
R a ta generală de m ortalitate, cu sem nificaţie de medie genera lă, este :
!00
Y l m -rP x
100
P* — .
Pr.
•i de unde £ P* = 1.
2R *
100
% m i A> P ? A> Y i ™(xB>P Î (B>
*=0 m j(A )
) = 100 100 m ^B )
£ pV a> £ p î f£;
x= 0 *= 0
I. este un rap o rt in tre două medii, fiecare avlnd ponderile sale : m ărim ea
o b ţin u tă este in flu en ţată a tît de variaţiile caracteristicii cit şi de v ariaţia
ponderilor relative. P en tru a face com parabile ratele de m o rta lita te ale celor
V.TREBICI
333
două judeţe se introduc in ambele form ule ponderile relative ale populaţiei
României :
'Zm(xA>P*<R>
I a /b (™) =
M
P*<R>
X
generală şi care se aplică la calcului i. pen tru două sau mai m ulte subcolecti-
v ită ţi a p a rţin în d colectivităţii date.
INDICE TERITO RIAL. R ap o rt în tre m ărim ile u n u i indicator oarecare în
spaţiu : pe ţă ri, în cadrul ţării — pe judeţe, oraşe etc. Astfel, ra p o rtu l din tre
p reţu l m ediu al u n u i produs v în d u t pe p ia ţa ţărănească d intr-un oraş, ra p o rta t
la p re ţu l m ediu al aceluiaşi produs v în d u t în tr-u n a lt oraş. F iind vorba de
com pararea a două medii cu ponderi diferite, se folosesc ponderi standard*.
i.t, se construiesc p en tru com paraţiile internaţionale şi naţionale. Obiectul
com paraţiilor teritoriale naţionale îl constituie p reţu l mediu, p reţu l de cost
m ediu, p ro d u ctiv itatea medie a m uncii, recolta medie la hectar, retrib u ţia
medie a m uncii etc. Sistemul de ponderare are o im p o rtan ţă deosebită.
Se co n stată un interes deosebit p en tru i.t. în perioada postbelică ; in lite ra tu ra
şi practica ţă rilo r socialiste s-a dezvoltat considerabil teoria i.t. în ju ru l anilor
1860. (—> Istoric.)
DETERMINAREA CONTRIBUŢIEI FACTORILOR LA MODIFICAREA UNUI
INDICATOR COMPLEX. A plicaţie a i. analitic p en tru m ăsurarea
contribuţiei fiecărui factor la m odificarea to tală. Exemple : contribuţia pre
ţu rilo r şi can tită ţilo r la m odificarea valorii totale, a p ro d u ctiv ităţii muncii
şi a n u m ăru lu i m uncitorilor la m odificarea volum ului to tal al producţiei etc.
Schemele folosite pot fi de tip aditiv, m ultiplicativ şi m ix t (aditiv-m ultipli-
cativ).
Schema aditivă. Fie doi factori elementari x şi z, cu i. complex (¡/):
y = x + z.
Rolul celor doi factori x şi z i
Vi *r1 F * î -Tj
— in form ă relativă : iv = ---- = ----------= ---------- +
Ho ^ o + zo •r o+-o
— in form ă absolută (ca diferenţă) :
di/ = y i - î / o = ( ^ i + ^ ) - ( ^ o + z 0) = (# ] x0) -j- (Zj z0).
V.TREBICI
284
_ Vi _ xizi . .
iy — • — ---- l x • h :
i/o XqZ0
— In form ă absolută :
d y = Vi-y« = * i zj - x0 z0.
In aceste condiţii întîlnim aşa-num itul spor nedescompus. N um eroase aplicaţii
s-au realizat în ultim ele două decenii în acest dom eniu, ţin in d seam a in special
de necesităţile practice. O expunere am plă a problem ei ap a rţin e lu i L. Tovissl
(1982).
M etod a r e la tiv ă a in d icelu i. Metodă constind din construirea u n u i i. sin tetic
p e baza rapoartelor individuale. Termen folosit in statistica in te rn a ţio n a lă
(în engl. : Relative method).
M etod a ag reg a tă a in d icelu i. Metodă constind din construirea u n u i i. sintetic!
p rin raportarea agregatelor*. Termen folosit în statistica in te rn a ţio n a lă (in engl. :
Aggregatiae method).
R ap o rtu l dintre cele două metode (pe exem plul retribuţiei), in care : r — re tri
b u ţia (pe un m uncitor) şi T — nu m ăru l m uncitorilor.
N eponderat V r * 2 > i
£ r 0
_ /*, E rxT
E— T
Ponderat S r0 r
T
E xpresia de „ re la tiv " („m ărim e relativ ă") a fost folosită iniţial p e n tru „ p re ţu l
relativ ", ca i. individual al p reţurilor.
INDICE AL PR EŢU RILO It. I. care caracterizează v ariaţia p re ţu rilo r u n itare.
I. individual :
I iia (p ) = — ;
Po
V.TREBICI
235
I. agregat :
S P igi Spi?o .
/ i /o(p ) = Şi v ------ »
S p 0?o -Po9o
I. armonic mediu :
S P i9 i
Ii/oOp) —
1
2 — Pj<7i
ip
Cu sistem ul de ponderi ad o p tat i. arm onic este egal cu i. agregat (ponderi din
perioada cu ren tă), adică i. Paasche.
In R om ânia i. p re ţu rilo r folosit oficial este i. Paasche.
P reţurile p o t fi : de cost, de producţie, cu ridicata, cu am ănuntul, de unde o
gamă largă de i. ai preţurilor.
Preţ absolut. P re ţu l în expresia sa concretă intr-o perioadă oarecare.
P reţ relativ . R a p o rt intre valorile unui p reţ abso lu t in două perioade (n) :
Pi_
Pa '
P.r. este un n u m ăr fără dim ensiune. Pe această bază se calculează media a r it
m etică sim plă :
V.TREBICI
/
2 36
F(*i " o) _
Pi/o(uo)
A to uo)
I. se num eşte uneori ,,i. definit de in d iferen ţă” şi a fost propus de sta tistic ia -
nul sovietic A. A. K onius (1924).
INDICE AL VOLUMULUI FIZIC AL PHODUCŢIEI (Indice al cantităţilor).
I. care caracterizează v ariaţia c a n tită ţilo r de produse sau m ărfuri.
I. individual :
h /o (9 ) = —
9o
I. apregat:
XQiPo
SÇoPo
I. aritm etic mediu
S iţ q0 p0
h /o = -------------- ‘
S ç 0 Pp
V.TREBICI
237
. ___ S^iPo .
Jp S fiP r
jT /o ^ ' ¿Iqhpij ^Q t P n
q ~ S g jw ~qi>pn 'S.çt- nPn
B IB L IO G R A F IE
V.TREBICI
238
X I. SERIILE CRONOLOGICE
SERIE CRONOLOGICĂ (serie in tim p, scrie temporală, cronică). Şir de valori
pe care le înregistrează, la m om ente sau la intervale de tim p succesive, o va
riabilă de definiţie c o n s ta n tă ; prin urm are, u n şir de valori care a ra tă v aria
ţia volum ului populaţiei statistice sau a nivelului caracteristicii în ra p o rt cu
tim pul (-»-VI., p. 123). Term enul de serie dinam ică, a d o p ta t prin anii ’50 de
statistic a rom ânească şi în tîln it uneori şi astăzi în m anuale de sta tistic ă ar
trebui ab an d o n at din cauza caracterului său im precis. N. Georgescu-Roegen
folosea, în 1933, term enul de „serie in tim p ” , corespunzător engl. Tim e series.
E xpresia folosită în lite ra tu ra franceză este de „serie cronologică” pe care
o adoptăm în lucrarea de faţă.
N otind cu x valorile variabilei şi cu t cele ale tim pului, s.c., n o ta tă cu {xj}, se
prezintă astfel : x v x2 ,. . . x„, la mom entele sau intervalele de tim p t v t., . . .
. . . , f„. în form ă tabelară, în tiln ită în publicaţiile statistice :
h
12 as
In xn
V.TREBICI
1
240
Valoarea fondurilor
Anul (x)
fixe (y)
1970 757
1971 825
1972 S93
1973 977
1971 1075
1975 1203
1976 1325
1977 1451
1978 1521
1979 1719
1980 1864
1981 2(H9
O asem enea s.c. nu se poate cum ula, deoarece, volum ul fondurilor fixe la sfir
şitul anului 1970 se regăseşte in cea m ai m are p arte în volum ul lor la sfîrşi-
tu l anului 1971 etc. Deci însum area nu are sens din punctul de vedere al con
ţin u tu lu i; c.a este perm isă p en tru considerente de calcul, pen tru a ju stări etc.
S.c.m ., cel m ai adesea în tiînite, sîn t cele ce reprezintă num ărul populaţiei,
al personalului m uncitor, al parcului de tracto are şi m aşini agricole ctc., la o
an u m ită dată.
Serie cronologică de intervale. Serie de observaţii ordonate in tim p,
exprim înd fluxuri : p roducţia in d u strială sau agricolă pe un an, num ărul
de născu ţi vii în tr-o lună sau u n an, cantitatea de precipitaţii intr-o
zi sau într-o lună etc. O asemenea s.e. m ai este num ită continuă, deoa-
V.TREBICI
-■
341
rece variabila este continuă şi poate iua un num ăr infinit de valori în lim itele
intervalului (lună, an etc.).
Tabelai 40
Producţia de tractoare a României in anii 1971— 19S1
(în bucăţi)
P roducţia (//)
Anul (x)
A nuală C um ulată
Sursa : Anuarul statistic al R. România, 7976, p. 117; 7980, p. 185 şi 1982, p. 94.
O asem enea s.e, se poate cum ula : p ro d u cţia to ta lă de tracto are (Sg) în anii '
1971 —1081 a fost de 579028, ceea ce revine în medic anuală la 52699 bucăţi :
S 1/ 579023
n ~ 11
S.c. poate fi p riv ită drept rep ari i*ia unei populaţii sau unui nivel după o sin
gură caracteristică: tim pul. De exem plu, seria anuală a producţiei de tra c
toare corespunde repartiţiei num ărului de tractoare fabricate pe a n i : popu
laţia sta tistic ă este m ulţim ea de tracto are, iar m odalităţile caracteristicii
sin t înlocuite prin unităţile de tim p (ani). în general, se preferă to tu şi exam i
narea s.c. ca o repartiţie după două caracteristici : nivelul fenom enului şi
tim pul. T im pul devine atunci o veritabilă variabilă în funcţie de care se
analizează evoluţia celeilalte variabile — nivelul fenom enului,
l'n model care explică felul în care sc dezvoltă seria ijt se num eşte proces şi
se notează cu {ijt}. D acă procesul arc anum ite reguii probabiliste el este proces
aleator sau slohastic (-» X II. p. 314).
Între rep artiţiile de frecvenţe şi s.e. ex istă o serie de asem ănări şi de deosebiri.
P en tru rep artiţiile de frecvenţe ordinea cronologică nu are im p o rtan ţă : an a
liza acestora este o analiză statică. P en tru s.c., elem entul principal este v aria
ţia în tim p, iar analiza devine o analiză dinamică. D in punctul de vedere al
factorilor, se precizează că o rep artiţie de frecvenţe este supusă integral influ
enţei factorilor aleatori, în tim p ce s.c. este in flu en ţată — uneori in proporţie
liotărîtoare — de factori îicaleatori specifici. M ajoritatea observaţiilor ordo
nate după caracteristica tim p nu sin t independente in tre ele şi de aceea cal
culele probabiliste care se bazează pe ipoteza independenţei reciproce nu sint
aplicabile s.e. Metodele inferenţei statistice sin t mai p u ţin dezvoltate în dome
niul s.c. ; în schimb calculele sint m u lt m ai com plicate.
îs - V.TREBICI
212
iti+Ue , !/ 2 + ! / 3 , , Vn+i+n
— ---------1------- —----- + ‘ ‘ -t--------——
Medie mobilă. Media aritm etică p articu lară, calculată din sum a term enilor
unei s.c., în care num ărul term enelor se deplasează sistem atic.
Fie o funcţie y de tim p şi j/< valoarea lui y corespunzătoare datei t (f = 1,2 . . .).
Se numesc m.m. p en tru p luni ale funcţiei y mediile succesive ale funcţiei
y calculate p en tru p luni succesive şi ra p o rta te la mijlocul perioadei 3
- ( p + O 1 £ i / \
i/p — ^ i -J-------— J -— — ¿ j yt+k — — ^ !/t+i + y<« + ••• + yi+p j
P + 1
D ala t+ se află la m ijlocul perioadei cuprinse intre datele t + 1 şi
2
t p.
M .m . este folosită în special la determ inarea variaţiei sezoniere *. N um ărul de
term eni lu a ţi în calcul diferă : 3, 5, 12 term eni. JExistă m etode speciale în acest
sens (de exemplu, m etoda lui Spencer cu 15 şi 21 termeni).
S.c. au ca domeniu principal fenomenele economice şi dem ografice; tre p ta t,
aplicaţiile au cuprins şi alte fenomene, ca cele meteorologice, psihologice etc.
Cele m ai m ulte m etode şi modele privind s.c. au fost elaborate de econom işti,
demografi şi a c tu a r i; în ultim ul tim p însă con trib u ţia m atem aticienilor devine
to t m ai im portantă, in legătură cu analiza proceselor stohastice. (-»■ Istoric).
Procesul com plet de tra ta re a unei s.c. presupune mai m ulte faze şi o p e ra ţii:
a) Prem isa fundam entală este obţinerea m aterialului statistic şi sistem atiza
rea acestuia sub form ă de s.c. P erioada de tim p poate f i : luna, anul, perioade
cincinale. P en tru analiza unor fenomene este im p o rtan t să se asigure inform a
ţia statistică pe o perioadă de tim p cît m ai m are : un secol şi m ai m u lt, In
special p en tru punerea în evidenţă a tendinţei seculare * ;
b) O s.c. este supusă m ai in tîi observaţiei de descriere, realizată cu mijloacele
statisticii descriptive; un loc im p o rtan t î l are reprezentarea grafică a s.c., efec
tu a tă cu historiograma * sau cronograma * (fig. 15 şi fig. 16 ne oferă două eXem-
V.TREBICI
24a
10. :
10.0
Of..
f 9.»
TQV
9.G.
-9.G.
1-94
9.3
92
9,'
9.0
1970 -71 -72 -73 -74 1975 -76 -77 -78 -79 1980-81 -82
0
V.TREBICI
244
V.TREBICI
245
V.TREBICI
246
A = T + C -f-S + i? .
în care : A sau yt (sau «¡) rep rezin tă valorile observate (em pirice) la u n mo
m ent d at. Deci A este suma celor p a tru com ponente ale s.c. De aici rezu ltă ::
a) Seria din care se elimină ten d in ţa generală (seria cu ten d in ţa e lim in a tă ):
A — T = S + C + R-
a - s = t + c + R-
Se presupune că S este factorul p red o m in an t şi că C + R = 0.
e) Seria din care se elim ină influ en ţa factorilor sezonali şi a ten d in ţei generale
(serie desezonalizată şi fără te n d in ţă ) :
A — T —S = C+R.
A — T — S — C — R.
A = T x C x S x R .
V.TREBICI
247
V.TREBICI
248
n = 11
V.TREBICI
249
log (1 -f r) — de u n d e :
Un -■= Uo (1 + /•)",
în cazul n o s tr u :
<1 - r) 2,0216
n log e
a log 2,0216
în cazul nostru. r = ----------------- ------= 0,0803877 sau 0,0704 ;în procente
10 X 0,4342945
7,04% x 7% .
Să se observe că ra ta medie de creştere o b ţin u tă cu fu n cţia ex p o n en ţială este
în to td eau n a m ai mică decit cea o b ţin u tă cu m edia geom etrică. în cazul nostru,
7,0% < 7,3% . (-*• Ajustarea seriei cronologice cu ajutorul exponenţialei.)
Să se rem arce că aju stare a cu a ju to ru l ratei medii de creştere se b azează pe o
form ulă care ia in considerare num ai prim ul şi u ltim u l term en al s.c., ceea ce
a generat num eroase critici la adresa acestei m etode, dealtfel larg folosită,
în cazul nostru S g > S F : 107333 > 104461. D iferenţa este de — 2,7% .
Metode de ajustare analitică a seriei cronologice. A plicarea m etodelor stalis-
tico-m atem atice cu aju to ru l cărora aproxim area valorilor teoretice ale s.c.
V.TREBICI
250
se face pe baza u n o r fu n cţii m atem atice alese in aşa fel incit să descrie cel
mai bine evoluţia fenom enului. A ju starea cu aceste m etode ia in considerare
to ţi term enii s e rie i; m etoda cea m ai folosită este m e t o d a c e l o r m ai m i c i pătrate.
( -» E c u a ţ i a d e r e g r e s i e . ) Valorile s.e. se n otează cu y , ia r cele o b ţin u te prin
a ju stare cu Y.
Clasificarea m etodelor de a ju sta re in cele 3 grupe, aşa cum a fost p rez e n ta tă
mai sus, este doar una din clasificări. D upă alţi a u to ri, m etodele de a ju sta re
sînt : a) a ju stare grafică, b) semimediei, c) medii mobile simple ; d) medii
mobile po n d erate e x p o n e n ţia l; e) curbe m atem atice ale tendinţei.
Netezire a seriei cronologice. O peraţie cu a ju to ru l m etodelor statistico -m atem a-
tice şi grafice, efectuată asu p ra unei s.c., prin care se obţin noi valori. în acest
caz curba are o înfăţişare lină, ..n etez ită” . Valorile pen tru com pletarea curbei
şi respectiv a s.c. se obţin p rin interpolare. O peraţia de netezire a curbelor
se bazează pe ipoteza că variabilele pe care curbele le reprezintă sînt c o n t i n u e .
Seria lină sau netezită, care ia locul seriei empirice neregulate, este conside
ra tă ca reprezentînd legea ce guvernează com portam entul d atelor observate.
P e n tru n . s . c . se folosesc : m etoda diferenţelor, interpolarea grafică, in terp o
larea polinom ială. Metodele am in tite se aplică a tit re p artiţiilo r de frecvenţe
cit şi s.c. A m intim cîtcva m etode : Sprague, Shovelton, Jenkins, K aru p , K in g ,
J . W. G lover, Beers, T. N . E. Greville, m ajo ritatea au to rilo r fiind ac tu a ri,
iar m etodele propuse referindu-se la re p artiţiile populaţiei după v lrstă, a dece
selor după v irstă etc. C ontribuţii rom âneşti se datorează în special lui Gh.
M i h o c * şi O . O n i c e s c u * în legătură cu calculele actu ariale şi demografice.
T e r m i n o l o g i e . In lite ra tu ra rom ânească ex istă o oarecare imprecizie în leg ătu ră
cu noţiunile de ..aju stare ” şi ..n etezire” . O analiză com parativă ne va perm ite
să precizăm noţiunile. în engl. ex istă p a tru ex p resii: Io f i t ( ţ i l t i n g , f i t t e d ) , t o
s m o o th (s m o o th in g , s m o o th e d ), to g r a d u a le (g r u d u a tin g , g r a o u a te d ), to a d j u s t
( a d j u s t i n g , a d j u s t e d ).
P rin c a r v e f i t t i r i g (ajustarea curbei) se înţelege a ju stare a la datele o b serv ate,
prin aplicarea unei form ule, in vederea reliefării legii fenom enului re p re z e n ta t.
E ste deci un 1ip de interpolare în care aju sta re a valorilor empirice este aproxi
m ativ ă ; scopul ei este de a stabili te n d in ţa generală ( t r e n d ) şi tipul sau m o
delul ( p a t t e r n ) . P rin s m o o t h i n g (netezire) se înţelege o interpolare avind drept
scop să obţină serii sau curbe line (netezite). O peraţia se bazează pe ipoteza
că variabila este continuă. T erm e n u l de g r a d u a t i o n trebuie considerat un sino
nim al expresiei de s m o o t h i n g . P rin a d j u s t c m e n t se înţelege, in genera), o
operaţie de corectare ; în numeroase cazuri ea foloseşte operaţii de f i i t i n g şi
sm ooth in g.
In alte lim bi, se folosesc num ai două sau trei expresii. în lim ba rom ână, N. Geor-
gescu Roegen (1933) folosea a tit expresia de „ a ju s ta re ” c it şi cea de „ n e te z ire ” .
Gh. Mihoc (1943) folosea expresia de „ a ju s ta re ” (grafică, m ecanică, a n alitică)
şi pe cea de „in terp o lare ” , în sensul de „n e te z ire ” . în lucrările ap ăru te în pe
rioada postbelică, expresia cel m ai des în tîln ită este cea de „ a ju s ta re ” in ţe-
lcgîndu-se prin aceasta şi pe cea de „n e te z ire ” . Gh. Mihoc şi V. U rseanu (1962)
folosesc expresiile de „ a ju s ta re ” şi „in te rp o la re ” , această din urm ă p en tru
„n etezire” dînd to to d ată explicaţii d etaliate in legătură cu sensul celor două
noţiuni, (iu prilejul traducerii unor lucrări din sta tistic a anglo-saxonă s-a re
introdus expresia de „netezire” (Y ule şi K endall, 1969).
V.TREBICI
251
V.TREBICI
252
E stim area param etrilor a şi 6 se face cu aju to ru l metodei celor m ai mici p ătrate-
A ceastă m etodă satisface urm ătoarele c o n d iţii: a) su m a abaterilor verticale
ale valorilor observate (em pirice) de la d re a p ta a ju s ta tă este egală cu zero ;
b) sum a p ă tratelo r tu tu ro r ab ate rilo r este m ai mică decît sum a ab ate rilo r
verticale p ă tra te de la oricare a ltă d reap tă.
C onstantele a şi b se determ ină pe baza d atelo r observate obţinindu-se şi rezol-
vindu-se sim ultan două ecuaţii norm ale :
I 2 y = na + 6 2 x (2)
II £ xy = a 2 x + 6 2 x2
Idcca dc bază este ca 2 (y — Y)2 = m inim um .
Tabelul 43
Determinarea ecuaţiilor normale şi a sumelor pentru ajustarea cu dreapta folosind
metoda celor mai mici pătrate
(date convenţionale)
0 2 2=a 1 2=o 0 0 0
i 1 l= a + 6 1 1=0+6 1 l= a + 6 1 1
2 3 3 = o + 26 1 3=0+26 2 6=2o+46 6 4
3 2 2 = a + 36 1 2=a+36 3 6=3o+96 6 9
4 4 4 = o + 46 1 4 = a + 46 4 16=4o+166 16 16
5 3 3= a+56 1 3 = a + 56 5 15=5o+256 15 25
6 5 5 = a + 66 1 5=a+66 6 30=6o+366 30 36
21 20 20 = 7 a + 216 74=21o+916 74 91
V.TREBICI
253 :
I 20 s= 7« + 21 6
II 74 = 21a + 91*.
II 74 = 21a + 91 ft
(I x 3) 60 = 2 la + 63*
14 = 28*
14
b = ----- = 0,5.
28
P e n tru a obţine pc a introducem valoarea lut * in e c u a ţia norm ală I sau II.
D acă folosim ecuaţia I vom avea :
20 = 7a + 21 (0,5) = 7a + 10,5
7a = 2 0 - 1 0 ,5 = 9,5
9,5
a = ------ = 1,357 « 1,36.
7
Y = 1,36 + 0,5x
Y, = 1,36 + 0,5 (0) = 1,36
Creşterea este liniară şi este dală de valoarea lui * = 0,5 : reprezentarea grafică
este aceea a dreptei.
V.TREBICI
*254
Tabelul 44
Y = a + bx —
Timpul — 9.454,046 +
Anul Populaţia (;/) X* xy
O) + 45,611x
1 2 3 4 5 6
na 4- i>Si' — Si/
oSx- -|- i S x 2 = S xy
V.TREBICI
255
13 a + 91 b = 132 253,2
Sy S x
Sxy S x 2 E y-S x 2 — Sxy • S x
n Sx n S x 2 — Sx ■S x
Sx S x 2
n Sy
Sx Sxy nSxy — SxSy
n Sx nS x 2 — S xSx
V T V~2
na — Sy
6Sx2 - Sxy,
de unde :
Sy
Si b- " T!/
n Ş1 Sx2
V.TREBICI
256
Tabelul 43
1976 = O ; n = 13
182 6 = 8 301,3,
10350-
10300-
10250-
10200-
10150-
10100-
10050-
10000
0950-
9900-
9350-
tooo-
o-^--------1------- i------- ,------- 1------- 1------- 1------- 1------- r------- 1------- 1------- 1------- 1------- r
19701971 1972 1973 1974 19751976 1977 1978 1979 1980 1981 1982
A nul ■ 1' (» — Y) (y ~ Y y
V.TREBICI
258
D eci S(r/ — V)2 = 10 586,88, care este nupim ă in rap o rt cu ecuaţia dreptei
alese. A r treb u i încercate a ju stă ri şi cu alte fu n cţii p e n tru a găsi pe cea m ai
corespunzătoare. D ealtfel, opt a b ate ri sin t negative şi cinci pozitive. Nu sintem
in situ aţia privilegiată a rep artiţiilo r de frecvenţe unde stabilitatea este o carac
teristică fun d am en tală şi unde beneficiem de modele teoretice cu care se com
p a ră rep artiţiile de frecvenţe (-* X III. Legi de repartiţie.)
R eam intind cit de im p o rtan te sîn t com petenţa, in tu iţia şi experienţa cerce
tă to ru lu i la alegerea funcţiilor şi curbelor. S tatistica form ulează urm ătoarele
recom andări generale, valabile nu n um ai p en tru d reap tă ci şi pentru alte curbe ;
a) P e n tru determ inarea ten d in ţei generale (seculare) este de d o rit ca s.c.
să se refere Ia o perioadă cit m ai lungă de tim p. R eprezentarea grafică a s.c-
poate da o indicaţie în leg ătu ră cu caracteru l tendinţei generale.
b) D acă din exam inarea grafică a seriei rezu ltă anum ite m odificări semnifi
cative, se im pune folosirea a două ten d in ţe generale.
c) L a alegerea tip u lu i de funcţie p e n tru ten d in ţa generală se procedează
a s t f e l:
— datele empirice se tre c pe un grafic şi uneori te n d in ţa vizuală este sufi
cien tă ;
— dacă se observă că ten d in ţa nu este liniară, se alege una din curbele neliniare
d) Unele criterii form ale există, cum se va vedea la aju stările după curbele,
neliniare.
U n exemplu care ne a ra tă im p o rta n ţa cunoaşterii esenţei proceselor poate fi
dat în legătură cu tab . 44 şi 45 şi fig. 73. P opulaţia o cu p ată a României în
ajîii 1970—1982 a crescut în to ta l cu 525 000 sau cu 43 750 în medie anuală.
D ar în tim p ce in prim ii 6 ani creşterea medie anuală a fo st de 58 634 de
persoane, In urm ătorii 6 ani creşterea medie anuală a fost de 28 834 sau aproxi
m a tiv ju m ătate. în anii 1980 —1982 creşterea a fost de circa 25 000 persoane
anual. Or, pe de o p a rte , p o p u laţia ocu p ată se alim entează din p opulaţia
to ta lă (populaţia in v îrstă de m uncă) care im pune aşa-num ita restricţie demo
grafică. Ca urm are a scăderii n a ta lită ţii, această resursă devine to t m ai redusă.
Pe de a ltă p arte, p o p u laţia o cu p ată este funcţie de crearea locurilor de m uncă
in econom ia n aţio n ală care, la rindu-i, este funcţie de investiţii. Trecerea la
tip u l de dezvoltare inten siv ă a economiei naţionale va reduce necesarul de
fo rţă de m uncă. Se p o a te deci aprecia că în aceste condiţii creşterea absolută
(incrcm entele absolute) şi cea rela tiv ă vor fi t e t mai mici. A ju starea ten d in ţei
cu d reap ta este nesatisfăcăto are ; p robabil aju stare a cu c u rb a G om pertz ar fi
recom andabilă.
Să conchidem că p e n tru perioade scurte d reap ta oferă o bună aju sta re .A c e sta
este cazul cel m ai simplu ; cele m ai m ulte s.c, cer alte tip u ri de curbe (polinoame
de grad superior), ad ică curbe neliniare.
A justarea seriei cronologice cu a ju to ru l p arato lei. A justare folosind un polinom :
V.TREBICI
25»
II S x y = a E x + 6Ex2 -f cEx8
II I S x 2y = aS s* 4- * 2 x 3 + cEx4. (5)
D acă folosim procedeul sim plificat (S x = 0), sistem ul de ecuaţii norm ale
devine :
I 2y = na + cEx2
II E x y = bEx- (6)
I I I E x sy = c;Sx2 4= cEx4.
Vom ilu stra acest tip de aju stare cu două exemple : evoluţia reco ltei medii
la hectar a porum bului (tab . 47) şi evoluţia m o rta lită ţii infantile (tab . 48).
Recolta medie la hectar :
n = 4 5 ; originea 1960 = 0.
na 4- cEx2 = E y
bEx 2 = E xy
aEx- + cE xf = S x 2y.
7590 b = 5 230,3
7590« 4- 2 302 806c = 157 087,5
Exy o 230,3
D eterm inăm pe b = 0,6891 chintale.
E.v2 7 590
n a ~ cEx2 = Ey
aE x2 — cEx2 " E x-y
Tabelul 47 (continuare)
Tabelul 4 7
România. Recolta medie la hectar la porumb 1938— 1982 (în chintale)
(2) (3) (4 ) (5 ) (6 ) (?) (8)
(1)
R ecol Tim Y = a+fcx +
Anul ta la ha pu l X2 £4 xy x 2y + c x 2=15,05+
+ 0,6891 x + 30,4 17 289 83 521 516,8 8 785,6 32,14
<!/) (x) 1977
,+ 0,0186x2 32.1 18 324 104 976 577,8 10 400,4 33 j 48
1978 34,86
1979 37,2 19 361 130 321 706,8 13 429,2
(1) (2) (3) (4) (5) (6) (7) (8) 20 440 160 000 678,0 13 560,0 36,27
1980 33,9
35,1 21 441 194 481 737,1 15 479,1 37,72
1981
1938 10,6 -2 2 484 234 256 - 2 3 3 ,2 5 1 3 0 .4 8 ,8 9 42.1 22 484 234 256 926,2 20 376,4 39,21
1982
1939 13,3 -2 1 441 194 481 -2 7 9 ,3 5 865,3 8 ,7 8 V 818.6 0 7 590 2 322 806 5 230,3 157087,5 818,6
1940 10,5 -2 0 400 160 000 - 2 1 0 ,0 4 200,0 8.71 Sx "Ex2 Sx4 S xy S x 2y ST
Sy
1941 10,3 -1 9 361 130 321 -1 9 5 ,7 3 718,3 8 ,6 7
1942 6 ,4 ( —18 324 104 976 - 1 1 5 ,2 2 073,6 8 ,6 7
1943 9,1 -1 7 289 83 521 -1 5 4 ,7 2 629,9 8,71
1944 11,1 -1 6 256 65 536 -1 7 6 ,6 2 841,6 8 ,7 9 de u n d e :
1945 3 ,2 —15 225 50 625 -4 8 ,0 720,0 8 ,9 0
1946 2 ,3 -1 4 196 38 416 -3 2 ,2 450,8 9 ,0 5 818,6 7590
1947 11,3 -1 3 169 28 561 -1 4 6 ,9 1 909,7 9,24 157 087,5 2 302 806 (818,6 x 2 302 806) — (157 087,5 X (7590)
1948 6 ,2 -1 2 144 20 736 - 7 4 ,4 892,8 9 ,4 6 (4 5 x 2 302 806) - (7590 X 7590)
1949 5 ,4 -1 1 121 14 641 -5 9 ,4 653,4 9 ,7 2 45 7 590
1950 7 ,4 -1 0 100 10 000 - 7 4 ,0 740,0 10,02
1951 10,8 81 6 561 - 9 7 ,2 7590 2 302 806
—9 874,8 10,35
1952 8 ,5 -8 64 4 096 -6 8 ,0 544,0 10,73 1885,0769 — 1192,2941 692,7828
1 rţ flEi / '" h î n t o l p
1953 11,2 —7 49 2 401 -6 8 ,4 548,8 11,14
1954 15,0 —6 36 12 096 103,62627 - 57 6081 46 817
-9 0 ,0 540,0 11.59
1955 18,0 — 5 25 625 —90,0 450,0 12,07
1956 11,0 —4 16 256 45 818,6
-4 4 ,0 176,0 12,59
1957 17,0 -3 9 81 -5 1 ,0 153,0 13,5 7590 157087,5 (45 X 157 087.5) — (7590X818,6)
1958 10,0 -2 4 16 -2 0 ,0 40,0 13,75 L ~~ 45 7590 ( 4 5 x 2 302 806) — (7590x7590)
1959 16,0 -1 1 1 - 1 6 ,0 16.0 14,38
1960 15,5 0 0 0 0 0 15,05
1961 16,7 1 1 1 16,7 16,7 15,76 7590 2.302.806
1962 15,9 2 4 16 31,8 63,6 16,50 7,0689375 - 6,213174
3 53,4 160,2 0,85 j /635 _ q Qjgggg 2 ~ 0,0186 chintale.
1963 17,8 9 81 17,28
1964 20,2 4 16 256 80,8 323,2 18.10 46,01817 46,01817
1965 17,8 5 25 625 8 9 ,0 445,0 18,96
1966 24,4 6 36 1 296 146,4 878,4 19,85 T en d in ţa parabolică :
1967 21,3 7 49 2 401 149,1 1 043,7 20,79
1968 21,3 8 64 4 096 170,4 1 363,2 21,75 Y = 15,05 + 0,6891x + 0,0186x2,
1969 23,3 9 81 6 561 209,7 1 887,3 22,76
1970 2 1 ,2 10 100 10 000 212,0 2 1 2 0 ,0 23,80 Valorile estim ate sînt trecute in col. 8 a tab . 47.
1971 25.1 11 121 14 641 276,1 3 0 3 7 ,1 24,88 Să se observe că Si/ = 2 Y = 818,6.
1972 30.7 12 144 20 736 338,4 4 420.8 26,00 S.c. em pirică şi cea a ju s ta tă sînt rep rezentate în fig. 73.
1973 25,0 13 169 28 561 325,0 4 225,0 27,15 C urba em pirică are oscilaţii anuale, uneori p ro n u n ţate, care exprim ă, In general,
1974 25,1 14 196 38 416 351,4 4 919,6 28,34
efectul condiţiilor meteorologice. T endinţa generală a recoltei la ha este insă
1975 27,8 15 225 50 625 417,0 6 255,0 29,57 de creştere, ceea ce reflectă efectul factorilor agrotehnici, organizatorici etc.
1976 34,1 16 256 65 536 545,6 8 729,6 30,84
Curba aleasă p are să estimeze corect această ten d in ţă. Desigur, cercetătorul
va fi in te re sa t să studieze şi oscilaţiile sau variaţiile periodice *.
26 2
1932
Fig. 73 România. Recolta medie la ha la porumb, 193S — 19S2 (date reale şi
date ajustate)
O altă aju stare parabolică este a ju stare a s.c. a m o rta lită ţii infant
(tab. 48).
în acest caz.
n = 33 ; originea 1966 = 0.
Introducem valorile o bţinute în form ula (6 ):
33 a + 2992 c = 1918,4
2992 b = 7788,3
2992 a + 487696 c = 191385.
De u n d e :
- 7788,3
b =s -------------- = — 2,60 promile
2992
191.385 487.696
a = --------- -------------- = 50,82 promile
33 2992
2992 191.385
c= = 0,08063.
33 2992
26»
Tabelul 48
Y = a + ix +
M ortalita Tim + cx2
Anii tea in fa n p u l X 2 X4 xy x 2y Y = 50,82 -
tilă (y) (x) - 2,60x +
+ 0,08063x2
E stim area param etrilor a şi b se face cu aju to ru l sistem ului de ecu aţii norm ale s
n log o = 2 log y
de unde :
2 log y
log a =
n
2 x log y
log b =
2x2
Să reluăm seria cu producţia de oţel din R om ânia 1970 —1980 (ta b . 42) pe
care am aju stat-o cu ra ta medie de creştere şi s-o ajustăm cu aju to ru l funcţiei
exponenţiale, aplicînd m etoda celor m ai mici p ă tra te . A plicaţia este stric t
ilu strativ ă, deoarece nu se poate vorbi de o ten d in ţă generală (seculară)
la o serie In care n — 11 ani.
265
• Suedia (1980)
10-
Deci
log y = 3,7791793 + 0,0329581 x.
267
Tabelul SO
Pătratele abaterilor valorilor empirice de la valorile ajustate
Seria a ju sta tă Scria a ju sta tă
Seria cu funcţia ex
cu ra ta medie
A nul em pirică (y - Y f ponenţială ( y - )')2
de creştere
(y) (r = 0,073) (Y )
68900
r
Í/1982
(1 + f)** = de unde : (1 + r) =
î/m t 2113
32
log 32,6077
y 32,6077 ; log (1 + r) =
32
Făclnd operaţiile necesare rezu ltă că r = 0,115 sau 11,5 % anual. A ju starea
(interpolarea) s.c. cu această ra tă este tre c u tă in col. 3a ta b . 51. D in fig. 7#
rezultă că in tre seria de date reale şi cele a ju sta te există o diferenţă im p o rtan tă.
269
Coincid, p o triv it definiţiei rate i medii, num ai term enii e x tr e m i: 1950 şi 1982;
pentru celelalte valori abaterile sînt foarte m ari. Suma producţiei de energie
electrică (este vorba de o s.c. de intervale) este de 937 732 m il.k W h ; sum a
Tabelul 51
valorilor a ju state 648 850 m il.kW h, cu circa 30% m ai mică. E x p licaţia acestei
anom alii rezidă în fa p tu l că pro d u cţia de energie electrică a crescut expo n en ţial,
d ar cu rate diferite în cursul perioadei. P rin urm are, tendinţa generală * d eter
m in ată in acest mod, se dovedeşte a fi departe de realitate.
M il k W h r 1 95 0-19 8 2 - 0 .115
Prin urm are la determ inarea tendinţei generale * trebuie o b serv ată m odificarea
ei, ceea ce im pune ajustarea pe subperioade. A naliza de fond a s.c. a p ro d u c ţie i
de energie electrică, în strinsă legătură cu procesele economice reale, ne a ra tă
că în prim a perioadă a a v u t loc o demarare, re la tiv rap id ă (13,7% a n u a l) ;
urm ează apoi o expansiune, cu o ra tă în altă de creştere (16,5% ); se in sta le a z ă
apoi o încetinire a creşterii exponenţiale (6,8% ), şi, în sfirşit, o stagnare sau o
Mi!. kWh
Mii. kWh
(1 + r)a = 2,
log 2
\
lo g (l + r)
Tabelul 52
Perioada de dublare (ani) a unui fenomen In condiţiile unei anum ite rate
medii anuale de creştere (% )
0 ,0 138,7 8 ,5 8 ,5
0 ,5 138,7 9 ,0 8 ,0
1,0 69,7 9 ,5 7 ,6
1 ,5 46 ,5 1 0 ,0 7 ,3
2 ,0 35 ,0 1 0 ,5 6 .9
2 ,5 28,1 11,0 6 ,6
3 ,0 23 ,4 11,5 6 ,4
3 ,5 20,1 1 2 ,0 6,1
4 ,0 17,7 1 2 ,5 5 ,9
4 ,5 15,7 13,0 5 ,7
5 ,0 14 ,2 1 3 ,5 5 ,5
5 ,5 12 ,9 1 4 ,0 5 ,3
6 ,0 11,9 14,5 5,1
6 ,5 10,8 1 5 ,0 5 ,0
7 ,0 10,2 1 5 ,5 4 ,8
7 ,5 9 ,6 16,0 4 ,7
8 ,0 9 ,0 16,5 4 ,5
Cu o ra tă medie anuală Înreg istrată In anii 1950 —1981 fenom enele de m ai jos.
se p o t dubla (aproxim ativ).
Exemple. Sursa: (A nuarul Statistic al R .S .R . 198, p. 42).
18 — c . 6 80
■ 274
r = k + ab*, (11)
k — asim p to tă
A. Ag_ Ai
—A = 0,75 sau 75%.
A3 Aj
275
Tabelul 5 3
1 2 3 4 5
0 50
î 66 116.000 16 ...
2 78 12 75
3 87 165.000 9 75
4 93,75 7,75 75
5 98,8125 192.5625 5,0625 75
în c a re : S ,, 2 2 şi S 3 sîn t to ta lu ri p a rţia le ;
n — num ărul de ani in fiecare din cele trei to ta lu ri p arţiale
R ezolvarea form ulei cere să se determ ine m ai in tii b, apoi a şi în sfirşit A'.
D acă a şi b sîn t introduse in expresia d a tă p en tru k obţinem :
Y = ka » x ,
276
45,446014
4,1312526.
îl
A sim p to ta superioară este de 13 530 000 mii tone ţiţe i extras (fig. 80).
A justarea — am m ai spus — este de tip grafic („te n d in ţă vizu ală”), cu o
asim p to tă de 14 mii. tone, sta b ilită a rb itra r. E ste posibil ca in u rm a progra
m ului special de creştere a ex tracţiei de ţiţei, aceasta să crească in anii u rm ăto ri.
Ţ inînd seam a de rezervele existente ca şi de politica energetică, ex tra c ţia de
ţiţe i s-ar pu tea plafona la 14 m ilioane tone.
C alculul celorlalţi param etri se face d upă form ulele deja citate :
S» log y ~ S ; log U
S 2 log y - Sj. log!/
b - 1
log a = ( S 2 log y — log y)
(fti - l) 2
C u datele obţinute :
4 5 ,3 8 6 7 6 -4 5 ,1 1 7 7 7 0,26899
¿U = —---------------- —------ = — --------- 0,1806356.
4 5 ,1 1 7 7 7 -4 3 ,6 2 8 6 4 1,48913
277
M ^ IC O O I K CM M C C i CC
o c î C i o c o o o ^ r ^ O r - i T - i r ^ Ss
C ^ O ^ M O ^ C « © X O wr
ac CO i n i o o t o o o c o o i c o c o c o ) îr
T H Y H r- iT - lr H T - * T - (O O O O C C r5
e x
X h C D O C O ' f « H T f C C O
(;/)
^ rt- T ^ T fT ftT f- C O lM T H — Wl
tr a s
4, 13 96 6
4,08754
4,09325
4,09934
4,12079
4,12336
4,12636
4,06421
45 ,11777
4,09149
4,06371
y S 2l o g
ac
o w -
e x tra s
C M T - c o u a ^ ir s c o i o y o r ^ c o ^
(V)
o o c o c o o s r ^ c ^ o o o ’r r t ^ c i i ^
CI L ¡a o o c ^ lc o u c :x c ^ ^ c ^ fo c o ^ > r,. ^
^ H ^ o i o i o i w c c c ' i c c c c a i
Ţ iţ e i
t -h t- h t- h r — ( t-h T- * t- h t- h t- h r H t- h CO /N
O t O O t O C D t D O O t D b r ' C3
t- h
0 5 Q 0 5 03 03 05 03 05Q 0 5 0 5 0 f-i
t-H t-H t-H t-H t- h t— t »— ( t— i t-H t-H t- h ® C3
România.
H a
3,70303
3,90320
4,05835
4,02345
4,03822
3,95703
4,06070
3,79316
3,98860
4,04844
4,05446
43,62864
y lo g
ac CO
o
S i
e x tra s
l > r l C I 00 t -h l O c O © 00 o 52
^ r H O L O ^ l O O l C O C C W O S ^
y)
oT O O) o O h O © r r CO X « i o
y.}
(
O C O C O C i O C C H t - l H H T ţ 1
Ţ iţ e i
O tH ( M C O t î < i O cD Î > 0 0 0 5 0 t—
A n u l
o ic m i n i o l o i o i o i o i o c d cî
T-H 0 3 © C 3 0 5 0 5 C3 C > C 5 a i 0 5 0 ' ^ t-
t-h t- h t-h t-h t- h t-h t- h t-h t- h t- h tH ® C3
H a
278
Mii tone
q(x) = .
Introducerea param etru lu i k ' s-a fă c u t pen tru a lua .în considerare decesele
-accidentale care se adaugă deceselor prin uzura organismulni. Term enul „ acci
d e n ta l” este lu at in sens larg, incluzînd şi decesele de origine infecţioasă. Form a
sub care se întilneşte această form ulă cel m ai adesea la calculul su p ra v ie ţu i
torilor este :
h = t e * gc *
care se m ai scrie :
k k
y — _________ si Ir= ------------- -»
X j _ iQa+bx x + ea+i,x
, 2'ifiihih —
k = ■-----------------— — 5
yoVi - A
k - y o
a = log
I/o
1 T y0(k - //.) ]
n [ ° 8' Vi
yi (k
(A- ~
- i/o)
y>,)_J
ecologie etc. Consideraţiile privind creşterea economică zero, p o p u laţia sta ţio
n a ră etc. au reactualizat curba logistică. R aţio n am en tu l p rincipal este acela
că trăim într-o lum e fin ită (suprafaţă fin ită, resurse lim itate) şi deci dezvoltarea,
m u ltă vrem e exponenţială, tinde spre o stare de stab ilitate, fiind plafonată
de o asim p to tă superioară.
în demografia rom ânească sint două aplicaţii cu creşterea logistică a p o p u la ţie i:
P. R âm neanţu (Elemente de biometrie medicală şi statistică vitală, 1939, p . 274 —
280) p en tru populaţia to tală a R om âniei 1650 —2200 şl St. Ş tirbu, cu priv ire
la p opulaţia M unicipiului B ucureşti (republicat în VI. Trebici, Statistica popu
laţiei, A .S.E ., 1970, p. 622).
Crilcrii de alegere a curbelor de ajustare a tendinţei generale (tesle). V arietatea
s.c. empirice, exprimând m ultitu d in ea de fenomene sociale, economice şi demo
grafice cere ca la alegerea tip u lu i de c u rb ă de aju stare să se facă m ai întîi
o aju stare grafică în vederea evidenţierii caracterului tendinţei. Folosirea scării
logaritm ice este in dicată în cazul în care te n d in ţa este neliniară. In to a te cazurile
ju d eca ta cercetătorului, bazată pe cunoaşterea dom eniului respectiv, are o
im p o rtan ţă h otăritoare. D upă ce s-au o b ţin u t curbele aju state, cu a ju to ru l
fu n cţiilor respective, se p o t aplica urm ătoarele teste (Croxton et al., 1967,
p . 2 8 2 -2 8 3 ) :
1) D acă prim ele diferenţe (A1) au te n d in ţa de a fi constante, se recom andă
dreapta*
2) D acă diferenţele de ordinul doi (A2) au ten d in ţa de a fi constante, se folo
seşte o curbă de gradul doi.*
3) D acă prim ele diferenţe au ten d in ţa de a descreşte cu u n procent constant,
sc recom andă exponenţiala modificată.*
4) D acă ten d in ţa aproxim ată, rep rezen tată pe o reţea aritm e tic ă , este o
d reap tă, se foloseşte dreapta.*
5 ) D acă te n d in ţa aproxim ată, rep re z e n ta tă pe o reţea sem ilogaritm ică, este
o d reaptă, se foloseşte curba exponenţială. *
6) D acă ten d in ţa aproxim ată, rep rezen tată pe o reţea sem ilogaritm ică, seam ănă
cu o exponenţială m odificată, se recom andă curba Gompertz.*
(i) D acă ten d in ţa aproxim ată, re p rezen tată pe o reţea cu scară v erticală reci
p ro că şi cu o scară orizontală, seam ănă cu o exponenţială m odificată, se reco
m andă curba logistică*
8) D acă prim ele diferenţe seam ănă cu o curbă de frecvenţe asimetrică, se foloseşte
curba Gompertz * sau o curbă logistică m ai complexă.
9) D acă prim ele diferenţe seam ănă cu o cu rb ă norm ală de frecvenţe, se foloseşte
curba logistică.*
10. D acă prim ele diferenţe ale logaritm ilor sint constante, se foloseşte o curbă
exponenţială*
11. D acă diferenţele de ordinul doi ale logaritm ilor sint constante, se aplică
a ju stare a cu o curbă de gradul doi la logaritm i.
Se intîm plă uneori ca două curbe să fie folosite pen tru aju stare a aceluiaşi s.c.
em pirice. în acest caz va fi a d o p ta tă a ju stare a cu acea curbă care ne dă cele
m ai mici abateri p ă tra te (a se vedea exemDlul din tab . 50 cu două ajustări).
A VALIZA VARIAŢIILOR ( FLUCTUAŢIILOR.) SEZONIERE ALE SE R IEI
CRONOLOGICE — O peraţie com plexă constînd din aplicarea m etodelor sta-
tistico-m atem atice asupra s.c. empirice în vederea identificării sezonalităţii,
ca form ă a variaţiei periodice *. Etim ologic, este vorba de o v ariaţie d eterm in ată
de succesiunea anotim purilor („sezoanelor”) ; prin extindere, sezonalitatea
p o ate avea insă şi un alt c a ra c te r: repetarea un o r p a rtic u la rită ţi pe luni.
trim estre sau alte u n ită ţi de tim p. De aceea s.c. trebuie să cuprindă term enii
aran jaţi pe luni, trim estre etc. Sezonaîitatea poate să exprime u n tip („ p a tte m ”)
de mişcare relativ regulată, care se m enţine de la an la an („tip co n stan t”) ;
ea po ate însă să reflecte u n tip ce se modifică de la o perioadă la alta („ tip
v ariab il”). Fenom enul de sezonalitate este caracteristic, in prim ul rînd, agri
cu ltu rii (prim ăvara, vara, toam na şi ia r n a ); el sc întilneşte şi in alte ram u ri ale
economiei naţionale, construcţii, tran sp ertu ri, industria alim entară etc. Un
dom eniu specific este cei al d em ografiei; naşterile, decesele, căsătoriile cunosc
o a n u m ită sezonalitate care, în special, in ultim ul tim p, face obiectul unor
p re o c u p ă ri aprofundate.
Vom exam ina variaţia lunară a n u m ărului de căsătorii din m ediul ru ra l în
perioada 1957 —1966 (tab. 55).
D in exam inarea tabelului rezu ltă că nu m ăru l căsătoriilor variază de la o lună
la a lta în cuprinsul fiecărui an. Se mai co n stată insă că n um ărul căsătoriilor
v ariază de la un an la a l t u l ; in perioada 1957—1966 tendinia generală * este
de scădere.
F iind vorba de frecvenţe absolute (num ărul căsătoriilor), prim a impresie este
aceea că v a riaţia sezonieră se reduce, ceea ce este însă fals, deoarece tip u l de
v a ria ţie sezonieră răm ine acelaşi, cum se va ară ta în continuare, în condiţiile
dim inuării num ărulu i de căsătorii. P rin urm are, analiza trebuie sa p u n ă conco
m ite n t în evidenţă tendinţa generală * şi variaţia sezonieră * şi să ţin ă scam a
to to d a tă de variaţia ciclică * (dacă aceasta există) şi de variaţia reziduală *.
N um ărul anual al căsătoriilor in m ediul ru ra l scade sistem atic în perioada
1957— 1966. F ig. 82 ne red ă această dim inuare prin linia p u n c ta tă . De la
M m
2J1
20-i
j
18'-I
!i
16-j
14 -j
i
«J
!
}
10-{
8 -
6 -
L,
03
c X IO Pi Vi vi Ol i> CC vi X Pi X LO
P- CM lO O 03 X X X X X X O
l
~H th X CM C 03 vi 03 I> CD X vi 03 X
CO 03 Ti O 03 CD O X rr X Pi X O
'a
v*i X X CD CO LO LO X l> X X X
ri vi V vi o
O co Vi X t t I> 03 CC O X pi X X 3
CD lO 03 CO vi X Ol X 03 03 X X
X
t> vi X LO v- X X 03 LO LO vi 03 X X
03 CO vi lO lO X X x X CD Vi o X I>
X
v^ vi X
'
rH 3>
Rom ânia. Variaţia lunară a căsătoriilor clin mediul rural 1957— 1966
Vi vi p- X X iO 3> vi Cil X Ti vi
CD vi X LO CD 03 03 Ti O Ol V X X
LO
X vi o
03 Vi X CD Ol X X O X 03 X
Sursa: C. Moîneagu, I. Negură, V. Urneami, Stat istii a, Editura ştiinţifică şi enciclopedică, Bucureşti, 1976, p. 302.
o 00 co I> X IO x Ti X CO vi vi CD 03
w vi X
Pi
O X V LO lO 03 03 CD vp LO X X X 1
vi 05 o CD lO C i X 03 I> X X O
OO 03 'O X X o
CD Ol Tp Ti X X i-O 03
03 X CO OO o LO X LO X vi c X X
v-. vi vi 03
T"< TH Pv
r>co 03 LO CD fi -i CD ■vi X LO vi X
x O co O 03 Ol x CD V- vi X r-
p- o 03 LO 03 Vi X V X Ti X p- X 03
Ci o; co o CD 3> iO X X X Vi Ol X X
vi VH o
X
03 00 O Ol iT X X ;V X LO I> Vi
x o X P- vi lO X V— X- lO vi 03 Ol o
1D v X CD i> 03 v- Vi Ol V- 3> X X X
03
vi
03 X ovi CC CC lO LO LO 3> CM X
vi
O vi
’
rH X
s
CO CO x X 03 03 i> w X vi 03 X
vi pi <D>
5o X
y | LO Dl I> 03 I> CD v- L- X 03 V
CO LO "■O X X vi CD X X Tp Tp X X X
03 vi lO p- X I> iO X Ti p> 03 X X jr*
Vi Vi
’_H1 *“* X
2
03 03 vi X V- X ţ~: Ol X X 5> 03 o
CD vi o vi 03 X 03 Ol 1' vi O
o i-O 03 o O X o X X o- X vi o X
03 CO vi 3> CD [> CD i- ¡o pi co i 03 P-
vi 03 V*
Ci
vi LO vi v. 03 X X CD lO X 03 Vi
pv 03 03 CO 03 X Ol X r.
O co L>* X iT 03 V— X pi O OI X X
Oi co t> 03 i-O CC !> X lO X lO TP X co
Vi vi
’
r-( T-' T“! Ol
CD J> X X LO 03 X pi 03 ■rr Ol o X p*
CD CD — cD 03 X
03 X lO 03 03 cc 03 X LO X Vi o X
io
OI CD — i P- CD 03 CC LO X <-i Pi r-v 03 L.O
TV03 Ol
Vi Vi Ti X
V—
V
co p^ c iO X lO - V X r^- i Ol 03 Ol LC
X CD LO X LO * ’ 03 Ol X r,
IO l> X Vi I> LO o X vi X X X
O X — X
X LO t> CC X CD c pi X O V“
vi 03 Vi Ol
X
— vi
1 'u o
.%£ ’£
v>
Zi
X £ o 5
c, 0
cfl E
5c O CJ O a 'O
= a a '£ o: o. "o O
< ^ < X 2 £
284
131 562 căsătorii in 1957, se ajunge Ia 87 888, în anul 1966. O aju stare analitică,
cu a ju to ru l unei parabole de gradul doi. de pildă, a r pune în evidenţă tendinţa
generală *. Să precizăm că nu m ăru l căsătoriilor din mediul ru ra l a scăzut,
în perioada considerată, a tit ca u rm are a dim inuării nu m ăru lu i absolut al popu
laţiei rurale, cît m ai ales d a to rită scăderii frecvenţei căsătoriilor. R a ta de
n u p ţia lita te (num ăr de căsătorii la 1 000 locuitori) a scăzut de la aproxim ativ
11 la 7,4 %0. Cauzele sînt m ultiple şi este de resortul analizei demografice
explicarea lor. D ar pen tru a preveni o eroare care poate fi sugerată chiar de
form a graficului din fig. 82, variaţia lu n ară a căsătoriilor s-a m odificat foarte
p u ţin . Tipul de sezonalitate este u rm ă to ru l : o frecvenţă redusă a căsătoriilor
în lunile decembrie, ianuarie, m artie, aprilie, m ai, iunie, iulie şi au g u st şi
frecvenţe m ari în lunile februarie, octom brie şi decembrie. Influenţa factorilor
economici, pe de o p arte (activitatea agricolă), iar pe de a ltă p arte, a tradiţiei
(m odelul cu ltu ral ţărănesc) este evid en tă. F ig. 83 şi 84 pun bine în evidenţă
aceste particularităţi.
1 » » _i k ---1---1---1---3---1
i F M A K I I A S O N D
Tabelul 56•
1 Indice 1 Indice
N um ărul T ! N u m ăru l
Luna sezonier sezonier
mediu lunar i ' una | m ediu lunar
(%> l (%>
P entru unele luni, valorile a ra tă o îm prăştiere m are ; afirm aţia este valabilă
p en tru lunile februarie, m artie şi aprilie, in fluenţate de variaţia calendaristică
a tradiţiei. Celelalte luni se caracterizează printr-o îm prăştiere mai redusă.
P entru a pune m ai bine în evidenţă tip u l de sezonalitate, unii au to ri recom andă
să se elimine valorile extrem e şi să se calculeze un i. sezonier luind u n n u m ăr
de valori care se situează în m ijlocul seriei. De pildă, în cazul nostru media
287
Tabelul ST
Indicii sezonieri pen tru fiecare an din perioada 1957—1966
Tabelul ST
—continuare—
Media
A nul A ugust Septembrie O ctom brie Noiembrie Decembrie lunară
se va calcula din S term eni, renunfîndu-se la doi term en i extrem i. P en tru aceasta
este necesar însă să folosim u n ta b e l cu rangurile valorilor.
Fiecare medie s-a calculat ca m edie a ritm e tic ă sim plă din valorile avînd ran g u
rile 2 —8. N oua serie de i. sezonieri este re p rezen tată în fig. S6 sub form ă
de linie frin tă. Se observă că ea trece in general p rin m ijlocul norului de puncte
care reprezintă i. sezonieri individuali.
Indice sezonier ajustat. I. ale cărui vaiori reprezintă a b ate ri de ia o serie in
prealabil a ju s ta tă fie cu m etoda mediilor mobile., fie cu o m etodă de ajustare
analitică. N um ărul de term eni lu a ţi in calculul m ediilor mobile este diferit.
E xem plul din tab. 59 se bazează pe medii calculate din 12 term eni (num ărul
lunilor). F iind vorba de iiustrarea unei m etode ne lim ităm la 3 ani (1957—1959).
î i 8 8
T a b e lu l 5 8
Tabelul 58
—continuare —
Valorile reprezentînd to ta lu rile anuale mobile sint p lasate la in terv alu l dintre
d o u ă luni. De pildă, to ta lu l pe 1957 de 131 562 căsătorii este tre c u t în tre luna
iunie şi iulie şi a.ş.m .d. În tru c ît valorile reale corespund fiecărei luni calen
daristice, este necesar ca şi valorile a ju sta te (col. 7) să respecte acelaşi principiu,
d re p t care se aplică o m etodă specială.
289
Tabelai 59
195 7
Ian. 13 583
Fcbr. 21 167
Mart. 8 750
Apr. 5 335
Mai 7 158
Iunie 6 705 131 562 10 964
Iulie 5 501 134 245 11 187 22 151 11 076 4 9 ,7
Aug. 6 025 134 945 11 245 22 432 11 216 5 3 ,7
Sept. 10 627 133 733 11 141 22 389 11 195 94,9
Oct. 17 124 135 306 11 276 22 420 11 210 152,8
¡Nov. 18 812 137 053 11 421 22 697 11 349 16G,0
¡Dec. 10 142 136 960 11 413 22 834 11 417 91,5
I
195 S
19 — c. 6SC
290
|
(1) (3) (4) (5) (6) (7)
i! <2>
i
19 o 9
Ian. 13 071 21 272 10 636 122.9
Febr. 17 395 127 250 10 604 21 132 10 566 164.5
M artie 12 791 126 339 10 528 20 941 10 471 122.2
Apr. 5 361 124 952 10 413 20 612 10 306 5 2 ,0
Mai 6 492 122 382 10 199 20 186 10 093 6 4 ,3
Iunie 6 283 119 839 9 987 19 957 9 991 0 2 ,5
Iuile 5 138 119 645 9 970 19 982 9 991 5 1 .4
A ugust 5 456 120 143 10 012 20 342 10 171 5 3 ,6
Sept. 8 775 123 960 10 330 20 221 10 112 86,8
Oct. 15 020 118 730 9 894 19 843 9 922 151,4
Nov. 14 976 119 382 9 949 20 008 10 004 119.7
Dec. 8 932 120 711 10 059 20 106 10 053 8 8 ,8
120 558 9 894
1900
Iau. 13 569
Febr. 21 212
Martie 7 561
Apr. 6 013
Mai 7 821
Iunie 6 085
Metoda centrării mediilor mobile. (—> Medie mobilă.) Metodă constind In tra n s
form area valorilor aju sta te cu m edia mobilă şi care se situează in tre două valori
lunare a lă tu ra te în valori care. să corespundă fiecărei luni calendaristice. A stfel
în tab . 59 in col. 4 cifra de 10 964 a ra tă nu m ăru l de căsătorii s itu a t intre
iunie şi iulie, 11 187 este cifra dintre lunile iulie şi au g u st etc. P e n tru a le tran s
form a in valori lunare, se calculează to talu l mobil pe două luni (col. 5). ia r p rin
îm părţirea la 2 se obţine valoarea a ju s ta tă ce corespunde lunii calendaristice,
(col. 6). I. sezonier a ju sta t (col. 7) se calculează prin rap o rta re a valorilor reale
(y) din col. 2 la valorile aju state ( Y) din col. 6 şi figurează In col. 7. R epre
zentarea grafică (fig. 86) a ra tă cum se situează valorile individuale in rap o rt
cu valorile ajustate.
I.s.a. se poate calcula şi in rap o rt cu valorile aju state după alte m etode. De
pildă, p en tru perioada 1957—1966, n u m ărul căsătoriilor, in scădere, evoluează
291
Fig. $6 Curba căsătoriilor din mediul rural 19S7— J959 (reală şi ajustată cu
media centrată de 12 lu n i)
R apoarte în lanţ. I. sezonieri calculaţi (in procente) prin rap o rtarea fiecărui
term en 17 la term enul im ediat precedent. (—*■ Indice in lanf.) P en tru seria lunară
medie 1957—1966, aceste rapoarte In la n ţ sînt :
Tabelul 60
Rapoarte in lanţ pentru seria 1957— 1966
Ianuarie 11 317
F ebru arie 16 243 143,5
M artie 8 426 5 1 ,9
A prilie 6 009 71,3
Mai 6 922 115,2
Iunie 5 614 8 1 ,1
Iulie 5 029 8 9 ,6
A ugust 5 372 106, S
Septem brie 7 868 146,5
O ctom brie 13 369 169,9
N oiem brie 13 719 102.6
Decem brie 8 124 59.2
R ap o rtu l cu bază fixă este 71.8%, iar m edia n.l 103,4%. Aceste rap o arte
sînt şi ele prelucrate cu diferite m etode şi p erm it calculul unor coeficienţi
sezonieri.
R ezultatele unei analize a sezonalităţii cu m etode moderne, (m etoda G. Calot)
referitoare la un fenom en dem ografic al populaţiei Rom âniei sînt prezentate
in fig. 87.
M etoda Calot a fost expusă în 1973 şi 1981. M eritul ei principal constă în aceea
că ea este folosită si ca model prospectiv.
A M U Z A VARIAŢIILOR <FLtiCTl :A ŢII LOR) CICLICE. O peraţie complexă
constînd din aplicarea m etodelor statistico-m atem atice asupra s.c. empirice
in vederea identificării componentei ciclice. D om eniul predilect de aplicare
a a.v.e. este ciclul economic *, proces caracteristic economiei capitaliste. E x istă
insă cicluri în economia socialistă legate de form area şi reproducţia fondurilor
fixe, forţei de m uncă, resurselor energetice, de dezvoltarea cercetării ştiinţifice
şi inovarea tehnologică, de schim barea stru c tu rii economiei naţionale. E x istă
cicluri ab ru p te şi cicluri com binate.
in tr-o s.c. poate surveni o schimbare de sens (crescător sau descrescător).
Dacă un term en din s.c. depăşeşte pe cel anterior şi pe cel urm ător
(i/i_i<i/t>gf+i)>el se num eşte vîrf (p e a k ); ¡ucazu lco n trar(p f_ 1 > i ;i < g i+1), el este
o adincitură (Irough). Intervalul între două schimbări de sens succesive este
o ;fază, iar intervalul dintre două virfuri (sau adîncituri) a două oscilaţii este
perioada. O m etodă cu ren tă de a.v.e. este m etoda reziduurilor, după form ula :
D' — T
T
293
N u m ă r 'J<? c o p ii
In care D ' — d ate b ru te ale variaţiilo r ciclice, corectate din p u n ctu l de vedere
1 v ariaţiilo r sezoniere, iar T — te n d in ţa de lungă d u rată. Form ula ne dă
mişcarea ciclică *.
Analiză armonică a seriilor cronologice. A naliză b azată pe considerarea u nei s.c
ca sum ă a funcţiilor periodice de forma :
o- o -
x(t) ~ sin —— t şi y(t) = cos l,
A 0, A j şi B j — constante.
Se dem onstrează că :
R) = A ) 4- B j ,
cov (yt, y t + k)
Pk = —— I — *
t { var y t v a r yt+k}
Valoarea teoretică a lui p k p en tru orice k (cu excepţia lui zero). Graficul
avind ne fi- ca ordonată si ne k ca abscisă se num eşte corcloaramă *.
E x istă diferite teste pen tru autocorelaţie. Cel m ai simplu te st p en tru x% şi
x t- j pen tru o valoare d a tă a lui j este •
Test neparametric (W ald şi W olfowitz, 1943). Test circular sta tistic pe t i p u l :
.v - i
R = £ xt Xt ui + x n X'j,
1= 1
Se m enţionează că modelul general al unei s.e. este u n proces stohastic. ( —> Proces
aleator (stohastic,)
Variaţie concomitentă a seriei cronologice. E voluţie în tim p a două (sau mai
multe) s.c. reprezentind fenom ene to ta l independente. P en tru a p une în evi
denţă v.c.s.c. com parăm fie variaţiile ten d in ţei de lungă d u ra tă a s.c. (covariaţie
tendenţială), fie variaţiile abaterilor s.c. de la linia de te n d in ţă (eovariaţia
diferenţială). în acest scop form ăm diferenţele :
Ut = ut — u şi V, a vt — v,
»
n
Xf = SA,- sin (co,t -f xj) + et — S R , cos (<o,f) + S C , sin (co,/) -f- sp (17)
Seria este sum a num ărului de com ponente arm onice şi a unui reziduu neco
rela t ( eî)-
Dacă frecvenţele « , (corespunzătoare v ariaţiilor lunare, zilnice etc.) sint cunos
cute, în aşa fel Incit A , şi a , urm ează să fie estim ate, atu n ci pe baza u nei serii
observate * „ x„, estim atorii, pe baza metodei celor m ai mici p ă tra te ,
sint aproxim ativ :
t 1
296
Se m ai poate scrie :
A o 4
A| = ...- V xt exp ( - i u>] 0 ’
«=1 |
A 2
Im portanţa lui A j constă în fap tu l că el m ăsoară descreşterea în sum a reziduala
a p ătratelo r. Cu cit este mai m are această ca n tita te cu a tît m ai m are este
contribuţia pe care com ponenta arm onică a frecvenţei ei; aduce Ja variaţia
lui Xf.
D e aceea, dacă oij sînt necunoscute, p o t fi cău ta te periodicităţile lor calculînd
A o
o can titate analoagă cu form ula A J p en tru variabila « .
Periodogram a va fi :
P opulaţia la 1 iulie 1990 este de 24 093 251, (prim a v a rian tă) şi de 23 737 250
(a doua v arian tă). D iferen ţa în tre cele două v arian te este de — 1,5% .
E xtrapolarea se p o ate face cu te n d in ţă parabolică, logistică ele.
CICLU ECONOMIC (Ciclu de afaceri). Succesiune de faze in desfăşu
rarea to ta lită ţii elem entelor care d eterm in ă situ a ţia economică a unei ţă ri
(capitaliste). Principalele faze ale c.e. sîn t expansiunea şi co n tracţia economică
C,e. cap italist arc p a tru fa z e : criza, depresiunea, înviorarea şi avintul (boom)
C.e. p o ate f i ; de d u ra tă m ică, m are şi dc d u ra tă foarte m are (, .ciclurile K on-
d ratieff”). P artic u la rită ţile c.e. exprim ă in fluenţa factorilor dezvoltării econo
mice şi constituie un dom eniu p red ilect al economici politice. (—> Conjunctură
economică ; Econometrie.) N ecesitatea de a p u n e in ev id en ţă c.e. a dus la dezvol
tarea analizei s.c., la elaborarea d iferitelo r modele şi m etode (variaţia ciclică * :
mişcarea ciclică * ; —> şi Istoric).
CONJUNCTURĂ ECONOMICĂ (e x a c t: studiu al co njuncturii economice).
D omeniu dc aplicare a m etodelor statistico -m atem atice şi, în special, a analizei
s.c. în scopul caracterizării evoluţiei probabile a fenom enelor economice pe
term en scurt şi m ediu. în tem eieto ru l s.c.e. este considerat V . M . Persons *
de la U niversitatea H arv ard , cu al său stu d iu : , , Introducerea barom etrului
“connmic pe baza dalelor an u ale ” (1916), iar p rim aU n stitu ţie consacrată s.c.e
este considerat C om itetul de C ercetări Econom ice al U n iv e rsită ţii H arv a rd
( 1917). D upă acest p ro to tip au fost în fiin ţa te in s titu te de co njunctură in
G erm ania ( 1.925 ), in Anglia (, .London and Cair.bridge Econom ic Service” ),
in acelaşi an. în an ii 1930 a fost în fiin ţa t In stitu tu l de C onjunctură Econom ică
la B ucureşti, condus de Virgil Madgearu şi la care au colaborat, p rin tre alţii,
X. Gcorgwscu-Roegcn, P. S tcrian, H . Moldova«, Gh. R ăduiescu. în 1967
a: fost în fiin ţa t un In s titu t pen tru S tu d iu l C onjuncturii Econom ice pe lingă
M inisterul C om erţului E x te rio r şi Cooperării Econom ice In ternaţionale.
ECONOMETRIE. D isciplină creată in a n ii ’30 constind din îm binarea teoriei
economice, a m atem aticii şi sta tistic ii. In 1930 a fost. în fiin ţa tă societatea de
econometrie (Econom etrie Socicty), d ato rită in iţia tiv e i u n o r econom işti,
statisticieni şi m atem aticieni p rin tre care I. Pisher *, L . von B ortkiew icz*,
298
B IB LIO G R A FIE
a tu n ci
A U î l = CI, A U A c = n , A n Ac == 0, A n o = o ,
A U B = B u A , A U ( B U C ) “ ( A U B ) U C,
A n B = B n A, A n ( B n c ) = ( A n B ) n c,
n (U b 4) = U (A n B f),
*> 1 i> 1
( U -ii)f = P i a I (D A {y = U a?
1 i> 1 *> 1 ¿>1
(ultim ele două egalităţi sînt cunoscute sub denum irea de regulile lui de Morgan).
D in ultim ele trei egalităţi luînd I3t = O, A; = 0 şi apoi A( = i i p en tru i > / ; ,
se obţine
n \ ii
( U
j= i
B * )= U
/ »=i
(A n B t),
n \c ti / n \ c n
u = n jj , ( n w ] = u A ţ.
*= 1 / ¿= 1 V*=1 } i —1
c-algebrâ. Clasă X de subrnulţim i ale unui spaţiu de evenimente elementare*
ii cu urm ătoarele p ro p rie tă ţi :
1. Q e X ;
num ărului de apariţii ale lui B. p. lui .1 U B trebuie să fie egală cu sum a p.
lui A şi a lui B. P rin urinare, p. trebuie să posede o p roprietate de a d itiv itate
pen tru evenim ente incom patibile.
2. Considerentele nem atem atice anterioare au in flu en ţat definirea conceptului
m atem atic de probabilitate.
A. In cazul cel m ai simplu în care spăl iul de evenimente elementare * îl este fin it
sau num ărabil infinit, cînd ca evenim ente asociate lui î l se consideră to a te
subm ulţim ile sale (clasa &>(Q) a acestor subm ulţim i este în mod banal o cr-
algebră *), prin p. pe (îl) se înţelege o funcţie P care asociază fiecărui eve
nim ent * A e (îl) un num ăr nenegativ P(A), în p articu lar P (îl) = 1, şi care
este complet aditivă, adică
P( U A f) = H P( A ^
i> 1 i >1
oricare ar fi evenim entele A lt Aa. . . . disjuncte în ansam blul lor. (—*• Operaţii cu
evenimente.) Din prop rietatea de a d itiv ita te com pletă rezu ltă m ai in tîi (luînd
A i = O. i 5? 1) că P (O) = 0 şi apoi (luînd A ( — 0 , i > n) că
oricare ar fi evenim entele Alt . . ., A„ disjuncte în ansam blul lor. U ltim a relaţie
a ra tă că p. P este şi fin it aditivă. Nu este suficient să se postuleze ultim a p ro
prietate pen tru a deduce a d itiv itatea com pletă. Postularea a d itiv ită ţii com plete
(intrucîtva nenaturală) asigură elaborarea unei teorii m atem atice desăvîrşite.
D ato rită faptului cu A U A c = îl , A n A e = 0 , a d itiv ita te a fin ită im plică
P(A°) = 1 - P(A)
şi cum P(Ae) A 0. rezultă că P(A) < 1 pen tru orice A s Mai general,
dacă A c B, atunci P(A) < P (/i). A ceasta rezu ltă din fap tu l că B = A U
U (B fi Ac), iar evenim entele A şi B n A c sint disjuncte.
O consecinţă frecvent folosită a a d itiv ită ţii complete este fa p tu l că p en tru orice
sir descendent de evenim ente Ax =3 A2 ...
P( P l A () - lim P(A„).
i>l ti—
*oo
P (A )= Y i P (0.
{<:
bile dc culoare i va fi egală cu nj/m . A tît experim entul aruncării m onedei cit
şi cel al aruncării zarului p o t fi considerate d rep t cazuri p articu lare ale experi Conceptul de c.i. se poate ilustra cel m ai sim plu pe cazul experim entului B er
m entului extragerii unei bile dintr-o u rn ă de tip u l celei descrise. în prim ul caz, noulli re p e ta t. P rin experiment Bernoulli se înţelege u n experim ent alea to r cu
m = 2, n1 = ns — 1, culorile 1 şi 2 corespunzind stemei, respectiv, valorii. în două rezu ltate posibile a (succes) şi â (eşec) avind p ro b ab ilităţile p, respectiv q,
cel de al doilea caz, m — 6, n j = n 2sS7i3= n 4= n 5= n 6 = 1, culorile 1, 2, 3, 4, 5, 6, p — q = i . D acă u n astfel de experim ent este re p e ta t de n ori, atu n ci spaţiul'
corespunzind celor 6 feţe ale zarului. dc evenimente elementare* asociat, Cîn. v a consta din cele 2n şiruri ordonate de
în cazul în care spaţiul de evenimente elementare *C1 este o m ulţim e infinită lungim e n de com ponente a şi ă . în treb area „cum trebuie definite p robabili
nenum ărabilă, cind ca evenim ente asociate lui CI se consideră num ai elem entele tăţile evenim entelor elem entare p en tru ca orice şir de rezultate ale experim en
unei a-algcbre * X de subm ulţim i ale lui CI, prin p. pe X se înţelege o funcţie tu lu i Bernoulli re p e ta t să fie construit din e .i.” ? are un răspuns im ediat : dacă
P care asociază fiecărui eveniment* A e X un n um ăr nenegativ P(A), în p ar cos Cln conţine de A:ori com ponenta a. şi de n —k ori com ponenta ct atu n ci p en tru
ticu lar P(£2) = 1, şi care este com plet ad itiv ă, adică a avea independenţă trebuie ca P(co) = pkqn~k. În tru c ît exist ă Ck evenim ente
elem entare cu această com ponenţă, iar E ”=o Ckpnqn~l!= (p + ş )n = l , definiţia
P( U Ai) = E P(A(), pro b ab ilităţii P este perfect ju stificată. N otînd B t = {rezultatul celei d e a i-a repe
i> 1 i> 1 tări a experim entului este a} se vede im ediat că P (B ;) = p, de unde P(B®.) —
= 1 —p = ţ , 1 < / < n . De aici rezultă, intr-adevăr, că orice sistem de evenim ente
oricare ar fi evenimentele .4,, A». . . , , e X disjuncte în ansam blu lor. Aj. . . . , A n , unde fiecare At este egal cu Bi sau cu B este co n stitu it din c.i.
E ste de n o ta t că Í2C= D e X şi că dacă ,lj, A 2, . . e X , a tu n ci A®, A®, ■■■s X
EVEXIMEXTE DEPEXDEXTE. D ependenţa este p ro p rietatea opusă inde
deci U o i A®6 X . U na din regulile lui de Morgan (-► Operaţii e u even im m fft pendenţei : două evenim ente A, B e X se numesc dependente dacă ele nu slnt
a ra tă atunci că O , ■> i A4 — [ A 4]ce X . Aceste observaţii erau, evident, independente. P en tru două e.d. A şi B egalitatea P (A n B) = P (A) P(B)
banale in cazul X — â»(Cl). nu se m ai verifică. E a se înlocuieşte cu egalitatea P (A n B ) = p (A) P (B |A )
T oate proprietăţile pro b ab ilităţii ev idenţiate în cazul X — (fí) se ex tin d şi unde P (B ! A) este probabilitatea condiţionată * de evenim entul A a evenim en
la cazul unei a-algebrc * X = (CI). A legerea a-algebrei X este o problem ă tu lu i B.
care se rezolvă dc la caz Ia caz in funcţie de specificul experim entului şi de PROBABILITATE COXDIŢIOXATĂ. P ro b ab ilitatea condiţionată de eve
posibilitatea de a defini o p. pe X . Astfel, în cazul CI =■ m ulţim ea num erelor nim entul A a evenim entului B, n o ta tă P (B |A ), este rap o rtu l :
reale, d rep t X se ia cea mai mică a-algcbră de subm ulţim i ale lui CI care conţine
to ate intervalele. Elem entele lui X se num esc, în acest caz, m u lţim i boreliene P(A n B)
unidimensionale (după numele lui Em ile Bord*) şi se dem onstrează că pe X
se p o t defini diverse p ro b ab ilităţi. P (A)
R epartiţie (de probabilitate). T erm en in esenţă echivalent cu cel de p ro b a
E v id en t, dacă P(A) — 0, ra p o rtu l care defineşte P (B |A ) cap ătă form a 0/0
b ilitate, folosit pen tru a desem na o funcţie de m ulţim e avind toate proprie care nu are nici un sens. Ori de cîte ori se consideră o p ro babilitate condiţionată
tă ţile p ro b ab ilităţii, funcţie al cărui dom eniu de definiţie este o o-algebră* P (B ' A) sc impune deci condiţia ca P (A) > 0, chiar dacă ea nu este men
com plet a rb itra ră (şi nu una de evenim ente). ţio n a tă explicit.
6 SC
30«
P (B ) = £ p ( f i ( l A t),
i
form ulă care se m ai poate scrie
P (B \A i) P(,1¿1
P (A { \ B) = i = 1, 2, . .
S 'P ( B ! A t) P(A,)
unde sum a de Ia num ito r se extinde la to a te valorile i p en tru care P(A,-) > 0
VARIABILA ALEATOARE. In tu itiv , prin v.a. pe un cimp de probabilitate*
(íl. X . P) se înţelege o ca n tita te care este m ă su ra tă în leg ătu ră cu un experi
m ent aleator, pen tru care Q. este spaţiul de evenimente elementare*. D acă pen tru
un re zu ltat al experim entului o e Q o operaţie de m ăsurare furnizează u n num ăr,
real X (co). funcţia reală X , care asociază fiecărui oi 6 i i valoarea X (<o), se
num eşte v.a. reală atu n ci cind m ulţim ea {co : X (co) < x) a evenim entelor
elem entare co p en tru care A' (co) < x este u n evenim ent (e X ) oricare ar fi
num ărul real a-. A ceastă condiţie re strictiv ă este introdusă pentru a p u te a vorbi
de probabilităţile valorilor lui X (in cazul în care X are o m ulţim e fin ită sau
num ărabil infinită de valori) sau ale intervalelor de valori ale lui X (in cazul
în care X are o m ulţim e infinită nenum ărabilă de valori). (Pe de a ltă parte,
V
este in teresan t de n o ta t că definiţia conceptului de variabilă aleatoare nu face
să in terv in ă probabilitatea* P ci num ai spaţiul de evenimente elementare* Í)
şi a-algebra* X .)
în cazul in care £î este finit sau n u m ărabil infinit, caz în care orice subm ul-
ţim e a lui i î este un eveniment*, conceptul de v.a. reală coincide cu cel de funcţie
reală definită pe fi.
Se dem onstrează că dacă X este o v.a. reală, atunci şi m ulţim ile {co : A(co) s B}
sint evenim ente oricare ar fi m ulţim ea boreliană unidim ensională /! .(—> Proba
bilitate.) A cest fa p t stă la baza definirii conceptului de v.a. cu valori intr-o
m ulţim e arbitrară M in care s-a introdus o a-algebră* de subm ulţim i J t : o v.a.
cu valori in M pe un cimp de probabilitate* (fi, X . P) este o funcţie X definită
pe fi cu valori în M astfel in cit {co : A (co )e B ) e X p en tru orice B e M.
:W7
P (A e B) = £ px (x4)
şi, in particular,
1 = P (A e M ) = Yz P x ( x t) = 1.
F uncţia px se num eşte funcţia de frecvenţă sau densitatea de probaiililate a
o.a.d. X .
Variabiiă aleatoare continuă. V.a. (reală) A astfel incit P(A" = x) = 0 p e n tru
orice x real. D acă există o funcţie m ăsurabilă nenegativă p x definită pe dreapta
reală astfel incit
b
S-S n
P x{x 1. ■■ x„) dxj . . . dx„
yofi
p en tru orice num ere reale a, < bv . . .. an< bn, se spune că px este densitatea
eh / robabililale a v.a. n-dimensional continuu X (evident,
"J. P en tru un nector aleator n-diim nsional* continuu .Y =(A ',, X„) funcţia
de repartiţie l ' x se defineşte pe sp aţiu l euclidian n-dim ensional R n prin ega
litatea
o nF (xv . . . , x n)
P x (x î- ■• ■'») =
0 x l . . . 0x„
Effi -Y)), ca valoarea integralei ^ f(x )p x (x) d.c (presupunind integrala absolut
— CO
+ oo
convergentă, adică ^ \f( x ) px (.r) d.r < oo : această condiţie este în to td eau n a
— CO
310
_co
—co
y =
Valorile pozitive ale lui p (X, Y) p o l indica ex istenţa unei ten d in ţe ca la valo
rile m ari ale lui Y să corespundă valori mari ale lui X , iar ia valorile miei ale
iui Y , valori mici ale lui -Y. Valorile negative ale lui p I X. Y) p o t indica ex istenţa
unei tendinţe ca la valorile miei ale lui Y să corespundă valori mari ale lui A",
iar la valorile m ari ale lui Y. valori mici ale lui X. Valorile lui p (X , Y) apro
piate de zero pot indica fa p tu l că aceste tend in ţe sint slabe, în tim p ce valorile
lui p apropiate de ± 1 p o t indica fap tu l că aceste ten d in ţe sin t p uternice.
Funcţie caracteristică. 1. P cn lru o variabilă aleatoare reală X funcţia caracte
ristică 9 jt(0 sc defineşte ca v .m . corespunzătoare alegerii f(x) — exp (i tx)
cV r (i = u n ita te a im aginară / —1). P rin urm are
Intru cit. ie'<*| = 1 , f.c. a unei variabile aleatoare reale ex istă întotdeauna
Se dem onstrează eă existenta m omentului de ordin m* al lui X implică existenţa,
derivatei de ordinul m a f.c. 9 (t) în p u nctul / = 0 şi
d m'fX (t)7 I! — \m
d‘m I 1-0
(Im plicaţia inversă este a d e v ă ra tă num ai p en tru valorile pare ale lui m.)
2. P en tru un vector aleator n-dim ensional X = (X v . . ., X n) funcţia caracte_
rislică ’p x (<j, se defineşte ca media* variabilei aleatoare exp i (fjX j -g
<»XB).
1
312
1
Entropie. V'.ra.. n o ta tă H , corespunzătoare alegerii = log2 — , 1 < ; < n .
f(Xf)
Pi
p en tru o variabilă aleatoare discretă * cu fu n cţia de frecvenţă p (a,- = pt,
l i t i g i i . Cu alte cuvinte, entropia
n 1 M
H = J ] Pi log, — = - Pi logo p(
t= l Pi t= l
este m edia informaţiei tocatei lo g ,---- - I fu rn izate de evenim entele {.Y =■ v{],
V 'P i )
1< i< n.
E . apare, de asem enea, ca limi ta cind a —> 1 a informaţiei de ordin % (0 < a # 1)
definită p rin relaţia
iog2 ( , § p?) -
Energie informaţională. Mărimea
(-¡-Entropie.) Deşi folosit de Gorrado Gini încă din 1936 şi ulterior şi de alţi cer
cetători (G. U. Yule, G. H crdan, A. R enyi, ş.a.) im p o rtan ţa deosebită a acestui
indicator a fost pusă in evidenţă de O ctav Oniceseu in 1966 (s S ta tis tic ă infor
maţională.)
VALORI MEDII COXDIŢIOIVATE. 1. X şi Y fiind variabile aleatoare dis
crete cu valorile ,r,. j ; , . . respectiv ijv ys, . . . , iar f o funcţie reală sau com
plexă arb itra ră definită pe m ulţim ea valorilor lui .V, se defineşte valoarea medie
a lui f( X ) condiţionată de 1 = yj, j = 1 , 2, . n o ta tă E(f (X ) | Y — yj),
ca media* variabilei aleatoare discrete cu valorile f(.r,), f(x2), . . . şi funcţia de
frecvenţă P x i^ i i U>) — P (X = x { IY = yf), i = 1, 2, . . . (—>■Probabilitate condi
ţionată). P rin urm are,
E<T (-V ) , V - u) =
1 P x . y (x >U) dx
313
A,(o>) + A n(o»)
lim ------------- ---------— ------■= EAj
«-> oo 11
. . . — A„ — nm
( Y’ - ■A - 1 C
l cVn J K fe 3
—XJ
. , Y'i(to) + . .. + Xn(o>) — nm
oK S/iloglogn
P (X „ ^ = ! X n - in)
pen tru toate stările . . . . in, in^-i e S şi to a te num erele n atu rale n.
Se poate spune că, spre deosebire de cazul u n u i la n ţ de variabile a b a to a re
independente, caracterizat de o lipsă com pletă de memorie asupra evoluţiei
trecute, in tr-u n l.M .f. se p ăstrezază asupra evoluţiei trecu te am intirea cea mai
recentă.
Conceptul de l.M .f.. introdus de m atem atician u l rus A. A. M arkov (1856 —
1922) in anul 1906, este unul dintre cele mai fecunde concepte ale teoriei proba
bilităţilor. P o ten ţialităţile m atem atice ale acestuia nu p o t fi com parate deeit
eu p o ten ţialităţile sale aplicative. O listă (incom pletă) a domeniilor in care
teoria l.M .f. se aplică cu succes include : controlul sta tistic al ca lită ţii produ
selor, siguranţa in funcţionare a sistem elor tehnice complexe, biologie şi m edi
cină, dem ografie, geografie, geofizică, teoria m obilităţii sociale, sistem e de edu
caţie. economie, poluare, m arketing, operaţii financiare, m obilitatea forţei
de m uncă ele.
Teoria dependenţei m arkovienc este un domeniu in care m atem atica ro m â
nească a adus contribuţii recunoscu le, de valoare durabilă.
315
Grad de libertate. Concept general desem nind nu m ărul de. elem ente in d epen-
dente (v.a.. statistici etc.)_necesar p en tru a defini starea unui sistem sau a ţin u i
ansam blu (num ărul de elem ente consîîlerate sim ultan m inus n u m ăru l de
relaţii independente care le leagă).
E xem plu. D acă x , , .rs, . . . , x n esie un eşantion de volum n* din v .a. X , atu n ci
statistica :
s2 -W
este o v.a. cu (n —1) g.l., deoarece in ansam blul co n stitu it de eşantionul de mai
sus (in care valorile x t sînt independente) există o relaţie de leg ătu ră
n
1
x = X *«
n
(media eşantionului*).
Se m ai spune că valorile eşantionului xt ......... x* constituie un ansam blu cu
( n - l ) g.l.
CL'.WTILĂ (y.% -cuiwlilă) (V II).
% -euantilă superioară a v.a.X . sau a f.r. Fx corespunzătoare. Valoarea
dcierm m aiă astfel incit :
adică
i ’x ('va) = < x v) — 1 x.
Coada repartiţiei * este de arie egală cu x şi se află in p a rte a d re a p tă fa ţă de
abscisa xa (fig. 90).
De exem plu, dacă v.a. Z ~ X (0, 1) şi a = 0,05, a tu n ci 0,05% — c.s. a legii
,\'(0, 1) este valoarea r0 05 - 1,65 d eterm in ată astfel in c it :
De exem plu, dacă v.a. Z ~ -V(0, 1) şi a = 0.05, atunci 0 ,0 5 —c.b. este valoarea»
rCj025 = 1,96 determ inată astfel incit (fig. 92) :
adică
P(7. < - r 3/2) 4- P (Z > za h ) = $ ( - r a /j) + 1 =
•*a - - T i-
3. In cazul in care graficul d.p. a v.a. A' este sim etric, cozile repartiţiei* (din
stingă, respectiv din d reap ta) sin t egale şi de valoare a/2.
4. L egătura dintre punctele critice şi pro b ab lităţile corespunzătoare este ilus
tra tă pc graficul d.p., respectiv a l.f.r. a v .a. în fig. 88, respectiv fig. 89 p en tru
v.a. 7, ~ AYO. ti, precum şi în fig. 92.
LEGI J1E R EPA R TIŢIE DISCRETE. (—► Repartiţia variabilei aleatoare discrete.)
Legea (discretă) uniform ă. Iiepariiţia unei v.a. discrete* X cu valorile x p *
— « -f- k, a — 21;........... a + n k ţa si I; constante date) şi funcţia de frecv en ţă :
(fig. 93)
1
P (X = x) = ? x (x )
n
1 1 1
n n n
Caracteristici principale
n 4 -1
Media : E (X ) — a + k
n —i
D ispersia : Yar(A') k" -
n - 4-1
M ediana: M e t X ) = a - f k — —
n!
unde p q — 1, p > 0, q > 0, n -în treg pozitiv, Cf aciic f i :
" x !(n — x ) !
0 1 x n — 1 n \
Ffx)
Caracteristici principale
Media : £ ( X e i(„iP,) = np.
D ispersia : Var ( X Bi (n p ) ) = npq.
Modul M 0 — valoarea cea m ai p robabilă — este n u m ărul in treg care satisface
relaţiile : n p —<7< A /0< n p 4- p.
F u n cţia caracteristică :
n
o „ <0 — E (eilX ) = y, elixCxpxqn~x = (/ ei( 4- q)n.
^BUn.p) ,to
unde C(n) -*• 0 pen tru n -*■ oo, se obţine expresia asim ptotică a p ro b ab ilităţii
PX cind np > 10 şi n - r oo :
1 2np;
P x (-v) — ■- —e
' / ‘2 -n p q
adică legea normală* de medie n p şi ab atere medie p ă tra lic ă 1 npq, unde
ln - - x — np : a\'n •< ln < b Vn, a.b.n ~ constante.
i..b. a fost form ulată de J. B ernoulli in ..Ars C onjcclandi“ (1713).
L egea binm uial negativă (rep artiţia lui Pascal sau Polya) Pa (c, p). R ep artiţia
u n ei v.a. A’ reprezentind num ărul de extrageri (selecţii) bernouilienc sau sondaje
.ca revenire* necesar obţinerii u n u i nu m ăr d a t c de bile albe, adică din n experi
321
P x — p (x = n) = n> c (p — q = 1),
adică term enul general din pc( l —q)~c dacă (1 —q)~c este d e z v o lta t in serie de
p u teri ale lui q, de unde justificarea denum irii l.Pa(c, p) de l.b.n.
Caracteristicile principale
Media : E (X ) = — •
P
qc
D ispersia : \ ar X = —— ■
P*
c —1 c —q
Modul M a : ------ < M 0 < ------ •
p P
F u n cţia de rep artiţie :
F(c ; x) = P (X < x)
= 1 - I
y=o
F uncţia c a ra c te ristic ă : (t) = ( r e '4) C(1 — ţ 11)-0.
paic,p\
R ep artiţia lim ită a l.b.n. p en tru c -> oo este repartiţia normală *.
Se aplică in m edicină, biologie şi anum e teoria contagiunii, p fiind probabili
ta te a co n stan tă ca un m icrob să fie atins in aplicarea re p e ta tă a unui tr a ta
m ent, care supune m icrobii la riscul de a fi atinşi, presupunind că m icrobul
moare dacă este atins în c tra ta m e n te , (fig. 95).
Î
0,2-j
21 - c. 680
322
1
•C) .. k .. .
n
Ox
p PQ- ■• r V - 1 . ■ -PQ‘‘
Cz r-n —z
k (~X-k
Px = P a'. kj* = P( X = î ) = = 0 ,1 . 2 ....... . (n, k )
rn
( .V
((n, k) înseam nă relm ai mic n u m ăr din tre n şi k), adică re p a rtiţia v .a. X repre-
zentind n u m ăru l de bile albe care ap a r in tr-u n eşantion de n bile o b ţin u t p rin tr-o
operaţie de extragere (selecţie sau sondaj) fără revenire * d intr-o u rn ă cu Ar bile,
d in tre care k = N p bile albe şi X —k - X q bile negre. D acă in cele n extrageri
succesive bila albă a ieşit de x ori (0 < x < A ) şi bila neagră a ieşit de n — a ori
(0 < n —x< A ) şi bila neagră a ieşit de n — x ori ( 0 < n —a < A 7—A), atu n ci
repartiţia v.a. A’ este :
1 . . . . k
( ° s-]C t-'fi
A C°h CÂ’- t ( j C x -\ < -1 ^ v -r Ck l-M-k
f.n
Cft
Caracteristicile principale
Media : E ( X ) = np.
X —n
D ispersia : Var (X ) — npq — — —
” / (C i « ( « - - 1YW &-1) „ \
<M0
, X*
P x = P (X = *> = e X— >
unde X este o constantă pozitivă şi e = 2,7.18 . . . este baza logaritm ului nepe-
rian. (fig. 96).
şi se notează :
X ~ Po(/.).
D acă /.> 20 sau chiar  > 10, l.P . este aproxim ată de legea normală*
m , K*) :
«2
“l
unde
(corecţia de continuitate).
Caracteristici principale
Media : E ( X ) = A.
D ispersia : V ar X = Â.
unde
-1
^ (1 - a.) '
k x ( l — kx)
Dispersia : Var X ~ — ---- --------- .
(1 - a)2
L.l. a fost considerată de R .A . Fisher in 1941.
LEGI DE R EPA R TIŢIE CONTINUE. (-*■Repartiţia variabilei aleatoare continue.)
Legea uniform ă. R e p a rtiţia unei v.a. X continue care ia valori in intervalul
1tx, fi] şi care are d.p.
m =
Caracteristici principale
a + P
Media : t-'(X) =
2
<P ~ «)2
Dispersia : V ar X —
12
X
fi* ) = 2
(b - x), 0 < x < b
b(a + b)
0, tn rest.
P rim a lege a iui La place. R ep artiţia unei v.a. X continue, cu valori pe R avfn'd
d.p. :
Prezi n tă interes istoric, fiind introdusă de Laplace in 1774 ca lege de rep a rtiţie
a eroriler.
32«
m 201 .
L .n . este o lege continuă, complet determ in ată de m şi a.
Constantele m, a3 se numesc p a ra m e trii l .n .
+ °° ,
(»— ,,
ml*
Media : E ( X ) -W -C „ 2<j* d.r - m.
n il- J
Dispersia : Var X = E ( X — m ) ! = a 2.
Aşadar, param etrii m, o3 reprezintă : m — param etru l de grupare este m edia
v.a. X -x iV(m. a 2) ; a 3 — param etru l de imprâştiere este dispersia v.a.
X ~ N ( m , a2) (fig. 98),
f(x)
U = (X - m)/a,
unde v.a. X ~ X ( m , a2).
V.a. U ~ _Y(0,1) are d.p. :
<p(u) = 1/K2tc e ~ 1,1/2 . ,
Media : E ( U ) = 0.
Dispersia : Var ((/) = 1.
*
O bservaţii
j. Schim barea (le variabilă ¡1 = (z - — -n) <3 transform ă orice l.n. N(ni, o")
}n l.n. X(Q, 1)-
2. F uncţia de rep artiţie a v .a. X ~ X (m , e 2) este :
.-£< 0.
Adică, X U . de param etri 6, m, o2 dacă 1 = In <X — 6) ~ JV(m, o*)»
Caratlgristiei p rin tip a h
Media : E (X ) = 6 + e“ +ol/2.
D ispersia : Var X = e2”1e0* ^0* — 1).
O b s e r v a ţ i i.
1. L I. este o re p artiţie unim odală şi cu asim etrie pozitivă.
2. Cin*) c2 este mie, graficul d.p. I.l. este a sem ăn ăto r eu cel al legii noim ale.
3S8
t<x>*
<? = £ u l - £ , 1
i= i y= i
fl
unde iij (i = 1, 2, . . n) sirit n v.a. independente /V -V (0.1), U = £ «#,«*
>
(j, = 1 , 2 , . . . , $ < /i) ^ Y (O, 1) sint s funcţii liniare de v.a. {«$}, independente
Intre ele cu *.
n n
0 = £ ( u 2 - i |> + £ if
1=1 J=*+l
fl-Si.
y=*t-i
329
unde
»
h = ] £ a]t u(, j = s + 1, . . . . n
*=l
*1 + ^'2 + • • • + kt = n -
O, x< O
f(x) = ■ uv
-------- X ? - 1 ~cax, X> O, (3 = Va)
T (p )
unde
OO
T (p) = ^ xp_1 e _* dx
o
(fig. 100).
Caruri parlicuiare :
3H0
1. D acă p — 1, se obţine
0 , x < 0
f(x) =
{ae~a z , x > 0,
0 x «S 0
F u n cţia de re p artiţie Ï . Be :
r (n v)
F < * ) = P (X < ar) = a“ - 1 (i - a)v- 3 t’a =
r (ji) r<
o
l, ■T > 1
■B* (fC v)
= , a: 6 (0 4 )
B ([i. v)
0- , x < 0
unde
«
T(U) I »
v) = y{x-3(l - y)V-l d g _ este fu n cţia B eta.
r (h* T- v)
5
o
Carueieriitice principate
M om entul d* ordinul r
de unde deducem :
Media : E (X ) — ---------
ti + v
D ispersia : Var X =
(u. -f v)2 (¡1 + v + 1)
Observaţii
1. D acă X, Y sînt v.a. independente avind legea Gama* de p a ra m e trii ¡x, v,
respectiv, atunci v.a.
' X
sau, m ai general,
a 1
f (x ; m, a) = — , x e R, m e B, a > 0 ,
n o! + (x- — ni)2
Caracteristici principale
Modul : M a = 0.
F uncţia de repartiţie :
X
1 1 1
F (x) = P ( X < x) = — — = —• -(----- arc tg x.
y2 2 n
—OO
333
1
f(x ) =
X (1 — X)
F u n cţia de rep artiţie : F (x) = 2 /re aresin ]/x, 0 < x < 1. A ceastă lege apare în
teoria evenim entelor recurente.
Legea x a (H elm crf-Pearson). F tepartiţia v.a. X avînd d.p.
M r = 2r ( v / 2 ) + ( r - 1) (v /2 - f r - 2 ) . . . ( v / 2 -f- 1 ) v / 2 ,
de aici se obţine :
Media : E (X ) = v.
Dispersia : Var X = 2v.
F uncţia caracteristică : <p (/) = (1 — 2 i /) 'j/2.
Graficele d.p. ale l.y’2 pentru diferitele g.l. si.nt date de fig. 103.
Observaţii
P (Xv > X »: v) = a
şi sînt tabelate.
4. D acă v.a. independente X j ~ / v r X , ~ yVa atu n ci v.a. X j X 2 ~ Xvi+vj
(p ro p rietatea de stab ilitate a legii x 2)-
S
ce = V 2 U'j - î ) s/n
»
T 2i 2
a unu i eşantion ex tras dintr-o populaţie norm ală cu dispersia c.A V.a. n ae/a
este o v.a. cu legea •/}* cu v = n — % g.l.
A ceastă lege a fost obţin u tă de H elm ert in 1876.
Legea t a lui Student. R ep artiţia v.a. .Y avînd d.p. :
~(s+l)/2
F(x) = P ( Y < x ) l J (
2
¡/- s rţ 72) JV
1 +
i2
r)
(S+ 1)/2
33 5
s
M iP (/) = s* p < —
2
r(î) r (s/ )
2
De aici se obţine :
Media : E (X ) = O.
D ispersia : V ar X = s/(s —2).
Observaţii
1. a-cu an tila superioară a l.S. cu s g.l., ta .g se determ ină astfel I n c i t :
p H* > W = *
şi sint tabelate.
2. D acă v.a. X ~ ¿V(0,1) şi v .a. Y ~ y_v, X , Y v.a. independente, a tu n ci v .a.
t = x i Y y JZ ~ <v.
3. Legea lim ită a v.a. X f,, cind s —» oo, este legea X(0,1).
Legea F Snedecor-Fisher. R ep artiţia v.a. X avînd d.p.
si± £ î
+M
£ ((st -ţ s2)/2) 2
■ (% /s 2)Sl/2 V 0 < X <J OO.
r (sţ/2) r (s2/2)
Caracteristici principale
M om entul de ordin r :
F 0,05 00,12
De aici se obţine :
Media : E (X ) = s2/(s2—2)
M om entul de ordin 2 : M 3 (X ) — sl/Sj (s2 — 2) (s2 — 4)
2 sl (s, — s2 - 2)
D ispersia : Var X = —---- --------------- - , s« > 4
Sj(sa - 2 ) * ( « * - 4 )
F u n cţia de rep artiţie :
)
2
F (x) = P (X < x) = dy.
rţs j/2 ) r ( s 2/2)
Cînd s2 —> oo, E (X ) = 1, Var X = 2/s,, adică m edia respectiv dispersia unei
v.a. x s J si- Deci v.a, s2 FSv oo ~ X«i- (-»-Observaţia 2 de m ai jos.)
F OC, , j — a-cuantila v.a. X ~ F *. 2»*2
.V . se determ ină astfel i n c i t :
1
33 7
F F*i . s, (*> = 1 “ f f s„ h O /* )-
Observaţii
1. D acă v.a. X v A'2 independente, X 1 ~ X n?* x z ~ , atu n ci v.a.
F = X llh F
/s2
1 Sj/s2 X
1 -Ţ- Sj/S2 X
*3
5, Fie v.a. X ~ F , . , a tu n c i:
¿1 » S 2
U2
X?,/S2
unde v.a. U ~ JV(0,1).
De aici se deduc relaţiile în tre a-cuantilele corespunzătoare ale legilor res
pective.
22— C- 860
33*
Z a ; s l, s 3 9 *n F a ; sv s, *
7 — — 7
^¡c;sv s, l—x; sv s,,
X?! S = S
i= l
U‘
unde {U<}, l < i < v sln t v.a. independente, f/4 ~ Ar (m,-, 1).
Se notează Xv s se num e5'*-e v .a. y f n ecen trată cu v g.l. şi cu param etrul
-de ex cen tricitate (sau n ecentricitate) 8, unde :
82 = S m<
*= 1
D .p. a v.a. Xv-s es*e :
H v j8 ( * ) = d u -
o
33»
Observaţii.
1. P . B. P atnaili in ..B iom ctrika“ 36/1949 a d a t o aproxim aţie a v.a, necentrate
y s cu v g.l. şi param etru] de excentricitate 5, prin tr-o v.a. y ţ c e n tra tă :
Xî; 5 = C Z2,..
unde constantele C şi v* se determ ină astfel incit :
* ( J S ; a ) = c E (/-?•)
adică :
v + 82 = C v*
v + 28s = C‘ v*
P 5 < X?; g ; a) = 1 — a‘
i, = v / Y v j s ,
V i/vi f
V i. V,
■V2/v2
^ i!8 i
Vi, v.; 8,, S2
vi Xv2; 82
si
’ deci este suficient să fie cunoscută num ai f.r. a v.a. vl» v2>°1
x.
2. In tre v.a. necentrate fv . g şi F j v; s e x istă relaţia :
'5 ; S — F l, v;8'
/ si \ ‘ v , + v, 1
Vl .-<!» . ( v ) r( - ^ + ^J
f.Vi» j 8, (.r) = v2 r (v a/2) p=o V1 + V2
+s
'r ( v + # + T ' )
L egea m axim ului studentizat al modulului (legea m a x i m u l u i m o d u l u l u i s iu d e n -
R ep artiţia v.a.
liz a t).
m i, v = (m ax I X i 1} / s<
P e n tru diferite valori ale lui k, v şi a = 0,05, respectiv 0,01, valorile a-c u a n
tilelor superioare sîn t tabelate.
Legea amplitudinii studentizate. R ep artiţia v.a.
qk v = (m ax X t — min X t)/s
» «
cu A, v g.l., unde v.a. X f, i = 1, . . . . A- sin t v.a. independente X t ~ ,V On, \
v s2/a 2 — x l 5* s~ este independent de {X,}. t
Valorile a-cuantilclor superioare <7a i vdeterm inate astfel incit P (?.*, \
= 1 — x sin t tab elate. * 1
Leyea amplitudinii studentizate mărite. R e p a rtiţia v.a. gk^ cu k , v S-l.
^ iildA
m ax X t '—
—11m
11in X m ax ] X t i
<?i,v = max m*,vî = m a x i — --------------- -
l K
unde v.a. {X<}, i = 1, . . . , A independente ~ A’ (0. o2) : s2 — u n e s t j ^
pn ăâtratic
tratic independent cu v g.l. al lui o2,
c 2, adică v s-/cr
s2/c 2 ~ y ‘2.. X»
Valorile a-cuantilelor superioare ale l.a.s.m. v sint d e te rm in a te
ncit
V I
p (5'*, , v < < ; i . v ) = 1 “ «• \ '^
« ? a ; i ,v 1
unde şa . v sint a-cuantilele superioare ale legii am plitudinii s f (_u [ef)
Legea maximului studentizat al abaterii faţă de media de scleej¡e _ ţ'
sideră v.a. ^
Z 4 = (X , - X ) / u , t = l,
\\
a) C a z u l a - c u n o s c u t
Se calculează :
E (Z () = 0
Var ( Z t) = (A - 1)/A
* h k -1 k
1 - £ P (Ă .) < P (A V A 2 . . . A h) < 1 - J f (A d -f £ £ P (Ă , Â j).
I —1 Î=1 » = lj = »+l
unde
00 OO
=2 ^ ^ p ( J C i, .v2) d.v1d.r2+
y */!*-!)** y*/(*-i;*a
-y *
pţ-i’r. * 2) i# =
S J
d v jd x j j ( i, j 1 A;.
V ki(k-V M
m ax { | X j —X \}I<j
i
V kilk-i)hx
OO OO
m ,A y ) = 2 p fJ v ti) d /jd ij +-
4
K*/!*-:)*« V1kn k-i)h x
Kk / { k — l ; h x
\ f.) d.yi.V
unde p<7) este fi.p, f a lui Student* cu v g.l., iar p(f,. f») este d.p.f Student
bidimensională* cu p = —1/(A —1).
Valorile Ha . k v au fost tabelate de M. H alperin. W .'G reenhouse şt J . Z aîokar
folosind o teorem ă de acoperire sim ultană d a tă de T. W. T ukey, d edusă d ire c t
din inegalităţile lui Bonferroni.
Legea maximului studentizat al abaterii faţă de media teoretică. E . G. Scitilling
a tab elat valorile m arginii superioare a m axim ului stu d e n tiz a t ai ab ate rii
absolute faţă de m edia p o p u laţiei sau m edia teoretică, n o tate cu ltx , adică
hx = H x \rk (k - 1).
Observaţii
1. L.e. joacă un rol im p o rtan t în teoria fiabilităţii *, aplicaţiile statisticii m ate
m atice in tehnică. P rezin tă însă o rig id itate la adecvarea sa unei clase largi de
date experim entale care descriu tim pul de funcţionare fără defecţiuni.
2. V.a. avînd d.p.
f( x) = 1/2 e ~
3
U (x) = — V < X < i oo
T/ y 2= 0
3, Tj reprezintă param etri pozitivi
3 — p aram etru l de form ă
r; — p aram etru l de scală
■r — p aram etru l de locaţie.
Caracteristici principale
Media : E (X ) = r
o
A ceastă lege joacă un rol im p o rta n t în teoria fiabilităţii * unui m ateria], în
testare a d u rab ilităţii com ponentelor sistem elor electronice, în demografie
etc. A fo st considerată de W . W eibull în 1951.
în aplicaţiile l. W. se folosesc frecvent conceptele de rată de defectare* şi funcţie
de fiabilitate*.
Bata de defectare r(x) sau rata de hazard este p ro b ab ilitatea de defectare in tr-u n
interval de tim p foarte mic a u n u i sistem care a fu n cţio n at x ore, adică :
r(x) dx =--- P {un sistem care a fu n c ţio n a t x ore să se defecteze în in terv alu l
(x, x + dx)} = d l {*)/( 1 - /• (•! )) = f (x )/(l - F(x)).
în cazul l.W . ra ta de defectare este :
345
fix , 0)
r ( x ) ~ — -------------- = 29 x. x > o
i - 1 (x, ei e > e.
A ceastă lege apare în aplicaţiile sta tistic ii m atem atice in teh n ică fiind c a ra c
teristică proceselor de uzură, in fizica m oleculară etc.
Legea Rayleigh generalizată. R e p a rtiţia unei v .a, X avind d .p . :
20i+1
f ( t , 9, U) = ------------- t * * * 1 e - 8-'5. t > o . 9 > 0. i i > - 1.
n T (k + 1 )
/ (1 o) r, > 0.
A ceastă lege Îşi găseşte aplicaţii in teh n ică la procesele de uzură, în fizica m o
leculară etc.
34«
-p i = S
>=o
unde vv este operatorul diferenţă succesivă :
V ‘ V = ‘ V ~ <V-i
cu <■>} = rjşr- f.f.a legii Poisson * Po ( a) :
j 5* 0
DO
r.T j <«
Fir) = P (Y < c) = 1i _
- Y
£ pj =
P = 1î -- y o ,v i ( £ « ij
L. G.-C. — tip A . Se reprezintă aproxim ativ g(x) — d.p. 8 v.a. continue Y sui
forma unei serii in funcţie de f(x ) — d.p. a legii normale* A (0.1):
~ l/6 (s i + 3 =:j S2 - .. . »
»47
unde <X> (x) = 1//2rc ^ df, fu n cţia de re p artiţie a v.a. ~ X (¡VI) cu d.p.
— 00
fix ). O a ltă dezvoltare este dezvoltarea Edgeworth prin care d.p. a v.a. V, res
pectiv fu n cţia de rep artiţie se scrie :
Legi de tip Pearson. Legile unei fam ilii im portante de v.a. a căror d.p. verifică
ecuaţia diferenţială :
l/f(x ).d ftx );d .r = (x - «);<>0 + bjx ~ ^x*),
a. b„. 6j. b2 fiind param etri.
D upă valorile p aram etrilo r se disting m ai m ulte tip u ri de l.P .
Legea de tip 1 a lui Pearson (l . P . l .) Legea unei v.a. a cărei d.p. este :
K slc un caz p articu lar a! cehii precedent care se poate pune sub form a d .p .
a legii Beta * de param etri p şi p.
P en tru ni = 0 sau p = 1 se obţine legea uniformă *.
Legea de tip U I a lui Pearson (l.P . III). Legea unei v.a. a cărei d.p. e s te :
y (x a) = va = p
Legea de tip IV a lui Pearson (l.P. IV). Legea unei v.a. a cărei d .p . este :
Legea de tip X a Iui Pearson (l.P . X ). Legea unei v.a. a cărei d.p. este :
x —m
[ ---------------- -- —
A-V
Fjr(x) = 1 -
(* + C f
{caz special al legii de tip V I Pearson)*.
— legea de tip I I I Pareto. R e p a rtiţia unei v.a. X avind f.r.
X.,ye-b x
I-X(x) 1 -
(X + C f
LEG I DE R EPA R TIŢIE ML'LTID U I EI* SiOiVA LE (n-dimensionale).
R ep artiţia vectorului aleator X = ( X v . . . , X aY avind componentele v.a.
X f, i — 1, n.
A. Legi de repartiţie multidimensionale continue
Legea norm ală m ultidim ensională (n-dlm ensională). R e p a rtiţia vectorului
aleator X cu d.p.
—j: (i-m j'S-'iK-ia!
f(x ) = i e R»,
(2 -)"/2KdetJL
unde m este un vector n x 1, S este o m atrice n >c « p ozitiv definită.
X se num eşte vector alea to r norm al n-dim ensionai şi se notează
X X j i ( m, S).
L .n.m . este extensia legii normale X ( m. c 8) Lapluce-Gaass*, la cazul
n-dimensional.
Caracteristici principale
/ n!i \
Vectorul medie : E (X ) = «n = I
,m
35*
= E ( X t)
OU m Cot (A’; , X j ) = ? c t o}. p = Cor i # j
£ = Cov(X. X ') =
unde /(*«). x<*>) este d.p. com ună a vectorilor XW,X<*); ft(x<sl) este d.p. a vec
torului X 1") :n punctul xi£) adică :
este ecu aţia unui elipsoid in spaţiu l n-dim ensional. Cind C variază, se obţine
o fam ilie de elipsoizi cu centrul In p u n ctu l m.
Legea norm ală bidim ensională. Caz p articu lar al legii normale multidimensio
nale* p en tru n = 2 .
Caracteristici principale
m1 = E(.Yj)
m.2 - E (X S)
01 = Var X 2
02 — Var X 2
Cov (X v X 2)
? = Cor (X v X ,) = .
V Var X j- Var X2
Yiatricea de covarianţă a vectorului aleator X = (X ,, A',)' devine :
Ol P®!®!^
s
-( P®1®3 02
avind det £ = ¡S i = 0103 (1 — p2) : o1( o2, p sin t param etrii l.n.b.
D .p. a Ln.5. este de form a (fig. 107) :
Q (xv a») =
Obseroafii
1. R epartiţiile m arginale ale v.a. X x şi X 3 sin t legile norm ale X (m u ai),
respectiv .V(m2, c£( ( fig. 107).
2. R ep artiţiile condiţionate ale v.a. X 2 co n diţionată de valoarea x 2 a v.a. X,
respectiv ale v.a. A \ co ndiţionată de valoarea x 2 a v.a. X2, sint legi normale*
353
avind mediile
m2/1 = E(.\Vjrx) n»i>
p en tru p = — 1,
respectiv pe d reap ta
x., — m , x , — m,
— ------- — = — -------------- p en tru p = — 1.
o-. Ci
5. L.n.b. standardizată (normată) este re p a rtiţia vectorului aleator (U , V) unde
V , V sin t v.a. normale standard iz ate (norm ate) :
U= -, v
X € V. > 0. li = 1 , 2, . . . ,
*=1 J
dacă x £ V,
(iii > 0, ;i2 > 0, . . u». > 0, > 0).
23 — C. 680
354
Î - x , - . . . - x . y * * * » “ 1 d . i j . . . d a r , =
V
s
r ( piîpîp A • • ■ r(pixi)
P (uj “ P2 — - - • — P s-i)
De aici se deduc mediile şi dispersiile v.a. com ponente X,- ale vectorului alea
to r X = (Xj>
(X ,, . . .. .. xX t,)'.
y . De exemplu :
Pi
« 1 0 .. .0 = E ( X j =
P i 4- P 2 P«+l
Pî
«010. ..o ~ E ( X 2) =
Pi — P2 4- P j + i
Pi (p, - f 1)
« 2 0 .. .0 = £ ( A Î ) =
(p i — . . • - r P s x iX p i T • • P î +1 + 1)
U2(fi» 4 - 1 )
CI CI
£f
II
«020.
(Pl — ■• ■ 4- pr+i)(pi -r . . . 4- 4- 1)
4 l( p J P s4t — P i)
a j = Var A", =
(pl — . . . — (Pl f - • • Pi-t-1 4- 1)
2 )rj') i -- . . . — — 4a)
C2 = Var A'2 =
(Pi Ps^iXtPi . . . . Pe-i “r i t
- P i Pa
COVt'Xj. X .)-
(Pl - •■ •h+ lK M - ■■■ - P ^ l -r 1)
Plp3
C ov/A \. X s .=
( P i - - ■■• — P i ~ i ) Z(P i — • ■■ — P r - j — 1)
Observaţii
1. D acă com ponentele X t .X t ......... X ,.j ale vectorului a lea to r X = (X ,,
X 2, . . . . X ,_ ,)' sint v.a. independente si au. re sp e c ţi'-, legea G a rr.m a * de p a ra
m etri Uj, . . . . u ,_ j, atu n ci vectorul a le a to rii = (17,. C2......... cu
C.} — A'i-; (A', — . . . 4- -4 —i i - ir ~ 1, . . . . i -f- 1
are l.D. ~ D (p.,, p2, . . . . p 4 ; p , ;J).
35S
(T - T n sau T- ~ Tj),n)r
F p ,n -p + ; S-
*<
35«
sin t p v.a. avîncl legea I a lui Student *■ adică x — (.ij.........XpY ~ N v(P-, ->
este un vector aleator avirnl legea normală p-dirnensionahi* cu vectorul medie
H = (Uj, . . . , u j , ) ' ş i m atricea de co v arian ţă £ = (a () \ este un esti
m ato r p â tra tic independent al lui c i(- cu v,- g.i. şi care este independent de
*i, . . . » x P, adică v.a. v(s^ /ei{ ~ xî.-
R epartiţiile com ponentelor t t ale vectorului aleator t sint repartiţiile t a lui
Student* cu v,- g.l., respectiv.
A lte generalizări ale legii t la cazul m ultidim ensional au fost date de C. W. D u-
n e tt şi M. Sobei, in 1955, p en tru cazul cind v.a. {.r,} au dispersii egale,
în cazul cind m atricea de co v arian ţă este de forma (a 2pij). u nde = 1,
i = l , , . . , p şi v.a. vs*/o® ~ Xy ?* independentă de (.iş. . . . . ly ), atunci
v.a . t f — (re.; — u f) s ~ t Student, i ’= 1 , . . . . p, iar vectorul a le a to rt = ( tv . . .,tPY
are d.p.
f> + V
■ 2
f(h> ■h>
v ^ 2r ţ i . ¿ t f ? H iiH ’
unde (c'-?) este inversa m atricei de co v arian ţă (~"pa), iar ; pG j este determ inant
tul m atricii (p'f).
Guantilele acestei legi au fo st tab elate de O. J . D unn in 1959.
Legea W ishart. Generalizarea legii y - * H elm ert - Pearson la cazul m u lti
dim ensional. R ep artiţia unei m atrici aleatoare sim etrice, p ozitiv definite A de
forme p ă tra tic e şi forme biliniare care poate fi tran sfo rm ată in sum a :
n
= -V - 1,
*= 1
0, in rest
* f
unde l : A r ! = J ] i/;J <?•?'. norm a atricei A r V
'.= ! ; -1
2. Dacă Alt . . .. Aj- sint m atriei rep artizate după I. W i.. independente, cij
aceiaşi param etru — m atricea £ şi cu u3, . . . . g.l.. respectiv, atu n ci sum a
!or, Aj — . . . — A*, este o m atrice AVishart de param etru £ şi n = -ţ-'
. . . — nk g.l. (proprietatea de stab ilita te a ¡.Wi.).
3. Dacă se consideră m atricea r
N _ _ N
A = £ (X* - X)(X* - X )' == £ X sx ; - X X X '
/<= 1 A= 1
(suma p ă tra te lo r şi produsele m ixte ale observaţiilor), unde :
X,-. i = 1. . . ., A" —vectori aleatori independenţip-dim ensionali X ;~ ATj,(m, £ ).:
— l N
X = — V Xs , vectorul mediilor de selecţie ale observaţiilor, atunci re p a rti-
^ *= i
ţia m atricei A este legea W i (£ , n) cu n = .A"—1. \ ■
4. Fie observaţiile ( i ) extrase din ): grupe independente sub form a a k vectori,
p-dim ensionali corespunzători fiecărei grupe, avînd, respectiv, vectorul medie
r t s . h = 1, . . . . k şi m atricea de covarianţă £ , comună tu tu ro r grupelor:
B jatricea aleatoare
1 k
y Aa *. -V = A'j
1
S = --------- A
-V - 1
#¿0 0 — 3 « !^ ! ; H âi 0 = ^1 ^ 2 12-^1 ®1 1 ^ 2 ’
■;r.. f ■
^ (m a s 1^200 ' '-.(iî -ÎP ii-li j 1' - P 13) ■
1
cm ~ (¡hn — Pej^soo — 2 o u :zn # — —Pie J-iai — ,J-ou + P2 1 +
unde :
k
J ] Pi — 1 ; .Tj + x2 — . . , 4. x t = n. Xj > 0. i = 1.........k.
E (X è x .jf = (n - Xi)
1 - T>
Cov(.Y(, X j) = —n p ip j, i şă j , i, 7 = 1 , . . . , fc.
W v • • • .< * : n) »(«!*!+•••+«*»»)
J ’* 5'*..... **
/ :‘l iii.
= ( P ie — . . . + p*e *■)*.
• • • ^N pt X.
= P ( X i = a n . . . . -Vt = a'i) == ■Pl1 Pi*
cl
r&i /~^a ir
M F *_x! CVi -V, • • •
- S . 1 - 1
a i= 0 a 4=0 o t_1=0 Cj
3C1
unde
* -l
rep rezintă cei m ai m ari întregi cuprinşi în x p l < i < i i —1, îndeplinînd condiţia
» -i / * -i
S [Xil = m in j 27, J ] N i
♦ =1 V *=1
* x\ -, ~2
/l A2 A* - l Æ
--------- e 1
* * -i !
şi f.r.
F(.Tj , X,, . . . . X t.j) = P IX J < Xj, . . . , < Xj-.j) =
A -l
[i'J [Z2] ÀÏ1 >.?’ . . . a“* - 1 -
V ---- -------------------i i l e
£
a.=0 a2
I
î t . 7 = 0 * i ! a 2 * • • • a * _ il
e- ( 5 + ^ + i ,) y
Px {x v x ±)
j=0 j ^ (*1 ~ j ) l (X2 - J ) 1
în acest capitol este închis ansam blul de m etode statistice care p erm it folosirea 3
rezultatelor unor experienţe efectuate asupra unei p ă rţi a populaţiei statistice |
considerate, pentru a trage concluzii asupra u n o r caracteristici ale în tre g ii 'şj
populaţii. 1
EXPERIMENT. Procedeu (procedură) organizat care poate fi re p e ta t (ori de *
cite ori) in aceleaşi condiţii şi in u rm a căruia se obţin re z u lta te ce p o t fi obser- ţ
v ate, m ăsurate şi apoi in te rp re ta te . î
Experiment determinist. E. ale cărui rezu ltate sint com plet d ete rm in a te de
condiţiile in care acesta se desfăşoară.
De exemplu, încălzirea la 1U()~ € a unui recipient cu apă a re d re p t re z u lta t
fierberea apei.
Experiment aleator. E. ale cărui rezu ltate nu p o t fi p revăzute cu e x a c tita te ,
ştiindu-se doar o clasă de realizări (rezultate) posibile ale acestuia.
De exemplu, aruncarea unui zar este un e.a. avind d rep t rez u lta t una din cele
6 realizări posibile : fa ţa 1. fa ţa 2, . . . , fa ţa 6 a zarului.
EŞANTION *> (DE VOLUM n ). Fie v.a. X ~ f x (x), unde ţx (x) este d.p. a
legii ei (de repartiţie). Un e.(v.n.) din ţx (.r) constă din vectorul alea to r n-dim en
sional (X ,,. . ., X n)', unde cele n com ponente sin t v.a. independente X (, l < i < n ,
avind aceeaşi lege (de rep artiţie) ca şi v.a. X ~ f x ( x)-
"Valorile observate ale v.a. X v . . ., X n sin t x ,, . . . , x n num ite date ( d e obser
vaţie) sau variabile de selecţie (variabilele eşantionului).
Un m od de a construi un e.(v.n). este u rm ăto ru l : se consideră v.a. X (, 1 < ( < n ,
definite pc cimpoi de evenim ente ( R n, âSn) prin relaţiile :
X t (x«) = X ( x t)
CU X* = (.Tj.........X„y.
(R®, £j&n) se probabilizează considerînd p robabilitatea P " Indusă de
n
F* — * F t . F t—Fx , l < i < n , (unde * este operaţia de convoluţie a funcţiilor
*=l
de repartiţie F t, toate aceleaşi cu F x , f.r. a v.a. X ) pe M n.
V.a. X v . . . . X n definite pe cim pul de p robabilitate (R a. ă S '1, P n) sin t ele
mentele e.ţv.n.).
C aracteristicile principale ale v.a. X (media, dispersia, m ediana etc.) se d eter
mină pe baza datelor e.(v.n.). Xj, . . . , ,rn.
■SPAŢIUL EŞANTIOANELOIL Concept fundam ental in teoria p ro b a b ilistă
■a sondajului. S.e. este to ta lita te a realizărilor (rezultatelor) posibile ale unui
experim ent aleator. (-> Spaţiu de evenimente elementare). S.e. se n o teaz ă cu O.
S.e. se organizează ca spaţiu euclidian n-dimensional cu coordonate reale :
Produsul scalar al vectorilor x = (.ij, . . ., ,r„)'. y = (i/lt .. ., yn )‘ e f?’ este
n
(x, y ) = x 'j = x y ' = x,iii
1= 1
'*)*) Se atrage atenţia asupra folosirii greşite a termenului de selecţie în luc deeiv.n.:. Selecţia este
operaţia de extragere a unei părţi d n populaţia statistică, rezultatul acestei operaţii fiind un e. •• o.).
») E.ţv.n ) este termen sinonim cu e ş a n tio n b e r n o u l l i a n d e volum * n din } ^ [ x ) sau asupra v.a.X.
3 *3
n(x)
F b(.c) — ------,
n
365
unde n(x) este num ărul v.a. X {, 1 < i < n independente avind aceeaşi lege (de
repartiţie) Fx (--6). adică num ărul v.a. X : ale eşantionului* (de volum n ) ale
căror valori sint m ai mici decit x, p en tru x s R.
F„ este o funcţie in trepte (etajată), care este o funcţie de repartiţie* p en tru (datele
(de observaţie)* xv . . ., x n, ale v.a. X v ..... X n. Fn este o v.a. ca funcţie de v.a.
X v . . . , X n, pen tru orice .t e R, definită pe acelaşi cimp de p ro b ab ilitate pe
care sint definite v.a. X ţ.
L egătura dintre î.e.r. (f.r.s.) şi funcţia de repartiţie* Fx (teoretică) a v.a. X
este pusă in evidenţă de Teorema Glivcnko-Canteli (-> Legea numerelor mari *) :
cu notaţiile de m ai sus, este ad e v ă ra t că :
ic , 1: . , h
_ Xi 4- X2 —■ ••• T
mk = -
n
Caracteristici principale
Media : £{m t ) = m k .
2
_ m2]c m fo
Dispersia : Var (nifţ) = — :— ----------.
n
Observaţie. M .e.(m.s.).o.k converge in probabilitate către m k , momentul (teoretic)
de ordin k*, cu condiţia ca m om entele teoretice de ordin k, respectiv 2k,
să existe.
Media de selecţie. Pentru ic = 1 se obţine m.e.o. k = 1 sau m.s. :
(de rep artiţie) este apropiată de legea Poisson PoO) şi are funcţia caracte
ristică :
Vx ( 0 = e n^ ~ r>.
1 _ 4
i** = — 2 j (*« - X >
n «=1
(n - 1w - ; ° - ~ y.2_ x
unde f(3(0 : n) este o funcţie de 3(0) astfel incit f(g(0) ; n) -> 0 cind n oo,
adică :
E 9 U (X V . . . , X„) = 3(0) + f(0(O) i n )
V are U(Xj, . . . , X n) = 0(n),
unde (f(n) 0 cînd n oo.
E.c. se m ai num eşte şi e. consistent deplasat.
E xem plu. Fie v.a. X ~ B i(n, p) reprezentînd num ărul de ap ariţii ale u n u i
evenim ent A in n experim ente independente, unde p este p ro b ab ilitatea reali
zării lui A în fiecare probă.
Se pune problem a estim ării param etru lu i necunoscut p al legii B i (n , p) pe
baza observaţiilor din cele n probe independente ale experim entului.
Fie X = v, num ărul de realizări ale evenim entului A în cele n probe ale
experim entului.
368
1 —p
E ((y — i ) (n — 1)) = p ------------
n 4- 1
npq
ff(n),
(n - D*
E.ef. are cea mai mică ixnprăştiere in ju rul param etru lu i 9 sau a lui g(0) (fig. 108).
Cu alte cuvinte, dacă U (X1, . . . , X n) este e.ef. al lui g(B) şi dacă
Fig. 108
Var0 U is V0 =■
nE
I “ ) n J « * . • ) dx
= 1 /W .
unde
( d ln f ( x : 0) \ 2
J(0) = n £ ( _ ^ _ j
X =
£ *
a unui eşantion (X v . . . , X n) provenind d intr-o populaţie norm ală corespunză
toare v.a. X ~ N (m , o2) (m — p aram etru l n e c u n o sc u t; o3 — cunoscut)
este un e.ef. al mediei teoretice necunoscute, m.
în tr-ad ev ăr, X este e. nedeplasat al lui m , avind :
Var X = er/n
adică un e. pen tru care este atin să V0> m arginea inferioară d a tă de inegalitatea
R ao-C ram er-F rechet:
R ezultă ca :
G
n •1 n
370
I( m ) = n / a 3.
Observaţii
1) în cazul in care o2 este p aram etrul necunoscut şi m —cunoscut, u n e.ef. al
iui <j( = ff(0)) este S/c„, unde :
S- — £ (X i - ™)2.
(n = f n /^ n ,
r ' = E 6( = o2)
n
e q ui = m>
V ' 2 = °**
f( x v . .
,
X)- — — (2
20
a —P > Z a)
;sub forma
_ S
V = X --------- ®-1( l - a),
cn
37t
unde cn este definit ia p ct. 1. iar d>(x) este funcţia de re p artiţie a legii N (O, 1).
Exem plu. Fie X ,, . A „ u n eşantion de volum n corespunzător unei v .a .
X ~ PoO ), X > 0 avînd d.p. :
- X
f ( x ‘, ©( = /.)) = e- x — .
Media de selecţie :
-
X = —
adică un e. pentru care este atin să V„, m arginea inferioară R ao- C ra m e r-F re c h e t:
^ X ^ - ^ - l n f (x ; X )j = Ex ( - X 4- .rin X - l n r ! ) j j =
= (1 + ** “ X x ] = “ 1/ >-
ţinînd seam a că :
E ).X = X ; Fj.A’2 = X(1 + X).
Deci
1 X
n -l/X
E ficienţă absolută. 77.«. a unei e. nedeplasat U este ra p o rtu l din tre V0 = 1/7(6)
— dispersia m inim ă d a tă de inegalitatea R ao-C ram er-F r6chet — şi dispersia
V = V argU a e. nedeplasat XJ:
Yarg U
Eficienţă relativă. Fie V u n estim ator eficient al lui 9(0) şi U* un a lt e stim ato r
nedeplasat al lui g(9).
E.r. a lui V* relativ la V este rap o rtu l d in tre dispersia lui U şidispersia lui 17*,
adică :
Vare u
Va i’q U *
;E xem plu. Se consideră experim entul din cazul urnei lui B ernoulli, care conduce
In n repetări la legea binomiaiu *, B i(n, p), unde p este p ro b ab ilitatea apariţiei
stem ei” la o aruncare a monedei. P ro b ab ilitatea obţinerii „ stem ei“ de r ori
si a „ b a n u lu i” de n — r ori in n aruncări independente ale m onedei este :
P (X = r) = P x = Cr„ p " r r-
L = C 'p r( 1 - p )* -'.
A plicarea p.v.ra. constă in d eterm in area valorii p a param etru lu i p astfel incit
-să se realizeze :
d
dp P 1 - P
•şi este
A
P = r/n
/> este u n estimator de verosimilitate m axim ă* al p a ra m e tru lu i p.
ESTIMATOR DE VEROSIMILITATE MAXIMĂ. (M aximum Likelihood
E stim ato r, in engl.) E stim a to r o b ţin u t aplicînd principiul verosimilităţii
m axim e *.
A
■O = 0 (X lt . . . . X n) este e.v.m . al lui 0, dacă
L f a ---- - r„ ; 0) = m ax { L fa , . . x n ; 0) ; 0 e 01.
•unde L este funcţia de verosimilitate * calcu lată p en tru valorile x { ale v.a. A',-
1 < •' ■ n ale unui eşantion de volum n din p opulaţia statistică coresm inzătoare
v.a. X - / • ( • : 0). 0 s 0 £ R T. Aici se consideră valorile a,-, 1 < i < n ca fiind
constante şi /, ca funcţie de 0, vectorul param etrilor.
E .v.m . este consistent; (asimptotic) eficient cînd n, volum ul eşantionului, este
suficient de m are. A
E.v.m . are p ro p rieta tea de invariantă : dacă 0 este e.v.m . lui 0 şi dacă f(0)
csuT'r funcţie bijcctioă de 0. a tu n ci f(0) este e.v.m. al lui/Y0).
punzătoare este :
£ (x j, . . . , x a : m, o2) =
-■
m ax L
sau
m ax hi L.
i) In L
) rr“
CO‘
şi silit de forma :
â 3 = ---- £ ( ti: - î ) 2-
n « ti
U ltim ul estim ator este uşor deplasat, dar deplasarea poate fi în lă tu ra tă p rin
m ultiplicare cu nj(n —1), adică :
(xt - x)Z
n - 1 t= l
n - v
t= i
375
■şi deci :
!n L ( a : xi . •*x»>= - n* - in ( n -r i !)" [ s j ln X.
d
ln L (k ; .T j,. . . , .r„) = — n -f- n x ------ = 0,
¿IX X
avind form a :
Se observă că :
t/2 _ 1
------ L ( a ; Xj, . . x„) = — n x — — < 0, p en tru orice X > 0
d7? X-
A
şi deci, in particular, şi p en tru X = X. Deci x realizează m ax ln L şi este
e.v.m . al lui X.
A
E.v.m. X este un estimator absolut corect al lui X :
E(X) = X
X
Var (X) = (-» 0 cind n -* oo).
“ ( d ln P (k ; X) V
P(A-; X)
adică este pro b ab ilitatea obţinerii urmi eşantion p articu lar {.Tj, . i n) in ipo
teza că legea (de re p a rtiţie i estejspecificată apriori prin fix : 6).
METODA CELOR MAI MICI PĂTRATE. M etodă de obţinere a estim atorilor
unor p aram etri ai legii fi- : 0) astfel incit sum a p ătra te lo r ab aterilo r dintre
observaţia propriu-zisă (O) şi valoarea teo retică (E ) ce se aşte a p tă a fi o b ţin u tă
să fie m inim ă :
(O — E)- = m in.
Mai precis, dacă yn sint n v.a. avind dispersiile constante cunoscute,.
c | şi ale căror medii ......... 0f), l < i < n depind de r p aram etri 0,, . . . . 6r,
funcţiile rrii fiind cunoscute, m.m.m.p. constă în determ inarea estim atorilor
param etrilor Qlt . . ., 0r astfel incit :
n
& — 9 i(X ; — m t)2 ~ m inim ă.
2=1
unde
(J: ~ i / Ci ,
N otînd
9; = 6
unde G® silit valorile aproxim ative ale param etrilo r şi tij — corecţiile respec
tive, m in t? se obţine rezolvind sistem ul de ecu aţii form at din derivatele p a r
ţiale ale lui S? in ra p o rt cu uv . . ., ur :
d i?
0, j — 1, . . , r .
OUj
= S + «i . < = i ......... »
sau
Y - X '0 -i- e,
unde
Y = (Uj, . . ., lin)'
X =
\ x rl • • -t-« /
o = (6j,. . e,)'
e = (e„ . . ., <%)'
377
E(et) = 0
l ar pt — cr,
Cov (r t, r; ) = 0, : # j
M.ui.ni.p. constă in determ inarea p a ra n ’.etn iiu i 0 astfel incit sum a pătratelor
eiotilor să fie m inim ă, adică :
m in SP — m in ţ e l 3 = m ia || Y — X'0
o 9 ( X . 6)
----- - =0, v = 1, . . . . ;■
<96v
xx e= xy .
0 = (XX')~!X Y -
şi este
1 ”
X = ---- V -V,. m edia de selecţie.
n > = l
METODA MOMENTELOR. Metodă folosită p e n tru aju stare a unei legi (de
rep artiţie) teo retică specificată pe b aza unei legi empirice şi care constă i»
egalarea prim elor m om ente empirice (de selecţie) cu m om entele corespun
zătoare ale legii (de re p a rtiţie ) te o re tic e ;
E xem plu. Să se ajusteze legea (de re p a rtiţie ) pe baza observaţiilor din ta b . 61
(J . H. Pollard. X u m trica l and Slot. Techniques, Cambridge L tiiv. Press, Cam-
bridge-M elbourne, 1977).
T abelul 61
Frecvenţe ajuslate
0 20 2 7 .7 2 3 ,7 2 0 ,0 0 .1 0 ,1
1 12 10.8 11,0 11,0 0 .8 0 ,7
2 14 7 ,2 7 ,7 7 ,7 2 ,7 2 ,4
3 7 5 ,5 6 ,0 6 ,5 5 .7 5 ,5
4 3 4 ,4 -1,9 5 ,3 9 ,3 9 ,2
5 6 3 ,6 1 ,1 4 ,5 1 2 ,2 1 2 ,4
6 3 3 ,1 3 ,5 3 .9 1 3 .5 1 3 ,9
7 3 2 ,7 3 ,0 3 ,3 1 2 .9 13,3
s 2 2 .3 2 ,6 2 .9 10.9 11,2
9 3 2 .1 2 ,3 2 ,6 8 .2 8 ,4
1 0 -1 4 4 7 ,4 8 ,2 9 ,0 1 3 .0 1 2 ,5
1 5 -1 9 4 ,5 4,8 5 .1 0 .5 0 ,4
20-c 11 8 ,7 8 ,2 7 ,8 0 .2 0 ,0
Total 90 90,0 90,0 9 0 ,0 9 0 .0 9 0 ,0
hq
— = 116,195.
V
379
De aici se obţine :
p = 0,057048283
q = 0,942051714
1; = 0,414188524.
F recv en ţele aju state [f¡) sini :
fa = 90 .(0,057948286)0-41J18,f2‘(0,942051714)° = 27,7
fY = f„-(0,414186 5 2 4 ).(0,942051714)'l = 10,8
f t = fl -(l,414186524)-(0,942051714)/2 = 7,2
f, = (2.414186524)-(0,942051714)/3 = 5,5
■ţioind seam a că :
C £_l = 1
Pentru ca concordanţa din tre legea teoretică şi cea em pirică să fie mai b u n ă se
foloseşte aceeaşi valoare p en tru m edia de selecţie 6,78, d ar valori m ai m ari
4>entru k (ceea ce im plică valori m ai mici ale dispersiei).
O, ajustare convenabilă se obţine p e n tru k = 0.6. *)
D eosebirea dintre legea Poisson şi binom ial negativă dispare practic pen tru
*':== 100.
METODA MINIMULUI LUI Metodă de obţinere a estim atorilor unor
param etri astfel Incit să minimizeze funcţia -/J ce depinde de observaţiile unui
eşantio-n considerat de volum n. i
A nsam blu de m etode statistice care p erm it ca pe baza rezultatelor unor expe
rim ente (datele de observaţie) să se precizeze legea d • re p a rtiţie a variabilelor
considerate din populaţia stu d ia tă , n a tu ra unui experim ent (proces stochastic),
estim area param etrilor procesului, verificarea anum itor ipoteze statistice.
Concluziile sint de n atu ră probabilistă. adică concordanţa diferitelor ipoteze
cu realitatea se face în limitele u n u i risc sau unei erori asociate lor.
în acest capitol sint incluse noţiunile in troductive şi procedeele generale p e n tru
testare a ipotezelor statistice. Va fi prezen tat un num ăr de teste statistice refe
ritoare la ipotezele statistice corespunzătoare legilor binom ialâ şi m ultinom ials
şt tabelelor de contingenţă, testele de concordanţă, ipotezele statistice asupra
mediilor şi dispersiilor populaţiilor statistice, asupra corelaţiei şi formei legilor
statistice.
*1’ Pentru testarea concordanţei ajustării se poate folosi testul ie concordanţi* X* sau i 'i u ie con
cordanţă Kolmogorou-Smirnoi/*.
380
Fig. 109
PUTEREA UNUI TEST. P ro b ab ilitatea respingerii i.n. 77t ca funcţie dc -para
m etrul 6, n o ta tă cu -r(W, 6). adică
-< W, 6) = P (X = ( X j, . . . . .Y„) 6 Wj0).
P.J. ia valoarea 1 —g şi este p ro b ab ilitatea de a respinge i.:».ii4 cind i.a. H ,
est-, adevărată, adică :
«(IV, 9j) — 1 — p.
382
P .t. ia valoarea % şi este p ro b ab ilitatea de a respinge jvn, Jf„, deşi H a este ade
v ărată. adică este p.s. a al testului ;
- ( « '• 0O) = x.
Graficul funcţiei V . 6) se num eşte curba puterii testului.
CARACTERISTICĂ OPERATIVA (Funcţia C.O.). P robabilitatea de accep
tare a i.n.Tlu ca funcţie de param etru l 0, n o ta tă cu L (W , 0), adică :
L(\V, 0) = P (X = <XU . . . . .V»)e C W jŞ).
C.O. ia valoarea 1 —a şi este p ro b ab ilitatea de a accepta i.n. H a cind //„ este
ad ev ărată, a d ic ă :
L (W , 0O) = P(accept. H0;H0 adev.) = 1 —P(resp. H„/H0 adev.) = 1 —a.
C.O. ia valoarea ¡3 şi este p ro b ab ilitatea de a accepta i.n. H 0, deşi i.n. H t este
lalsă, adică -
L (W , 0t ) = Pfaccept. J!a H, adev.) = P(accept. H alH a falsă) = (3,
deci in p u n ctu l 9 = 0! fu n cţia C.O. ia valoarea riscului de genul II, ¡3.
Graficul funcţiei C.O. se num eşte curba de eficacitate.
FORŢA IV C I TEST. D acă două teste statistice ale căror riscuri de genul I
şi riscuri de genul II sint (a, |3), respectiv (*', ¡3'). verifică relaţiile :
a < a ', ¡3 < ¡3',
a tu n ci se spune că prim ul te st sta tistic are fo rţă mai mare declt al doilea.
STATISTICĂ. F ie ( V,......... X n) u n eşantion * de volum n d in populaţia s ta
tistică considerată .şi fie v.a. X asociată populaţiei a cărei lege de re p artiţie
depinde de p aram etru l 6 : A' ~ f( x : 0).
O s. este o funcţie t(X 1, . . . , X n) de valorile observate ale eşantionului. A ceastă
funcţie defineşte o v.a. a cărei lege de re p a rtiţie este u tiliz a tă p e n tru veri
ficarea ipotezei nule şi determ inarea unui interval de încredere* p en tru p a ra
m etrul 0. S. se m ai num eşte şi funcţie discriminată. (-> Statistică (m-dimensio-
nală)). De exem plu, media de selecţie* a unui eşantion* de volum n.
este o s. a cărei lege de rep a rtiţie se cunoaşte cind i.n. H , este ad ev ărată.
TEST STATISTIC. C riteriu p e n tru verificarea ipotezei statistice, constind
în calculul unei statistici * şi stabilirea unei reguli fixate în prealabil de accep
tare sau de respingere a i.n. eu o an u m ită probabilitate de a lua o decizie inexactă
cind i.n. H 0 este confruntată cu i.a. H t .
in aplicarea unui t.s. se disting urm ătoarele etape :
1. Prezentarea dciielor : observaţiile o b ţin u te in tr-un experim ent statistic şi
elem entele considerate apriori ad ev ărate sau valabile, cum ar fi : independenţa,
cunoaşterea legii de rep artiţie, cunoaşterea u n o ra din param etrii acestor legi etc.
2. Modelul statistic : supoziţiile fundam entale trebuie să fie in concordanţă cu
observaţiile de care se dispune. Alegerea unui model neadecvat experim entului
şi observaţiilor poate duce la concluzii greşite.
3. D efinirea i.n. şi i.a. H t .
4. A legerea p.s. {f al testului.
5. Alegerea unei, statistici, adică a v.a. a cărei lege de rep artiţie cunoscută
să servească drep . criteriu de decizie.
6. Stabilirea regiunii critice.
7. L uarea deciziei.
383
în cadmî acestui capitol, principalele t.s. vor parc ruge cele 7 etape ale prccede-orai general de veri
ficare a ipotezei statistice.
384
T est de sem nificaţie. T.s. p en tru verificarea egalităţii unui p aram etru -estim at
pe baza unui eşantion — cu o valoare dată. De exemplu, X ~ .Y(7r, a 2) şi
fie f-Yj, . . ., X n) un eşantion de volum n ; se presupune rr — cunoscut. I.n.
f l 0 : in = n70 (valoare d ată) fa ţă de i.a. H l : m 56 m0 se verifică cu aju to ru l
t.s. c
Test de concordanţă. T.s. p e n tru verificarea concordanţei in tre re p a rtiţia
em pirică şi re p a rtiţia teoretică (modelul teoretic). T.c. a ra tă calitatea aju stă rii
re p a rtiţie i teoretice prin re p a rtiţie em pirică (in cngl. : goodness-oţ-fit).
De exem plu, le s tu l '/- de concordanţă *, teslut Kotmogorov-Smirnov*.
Test unilateral (dreapta sau stingă). T.s. a cărui regiune ^interval) critică este
fo rm ată d tn tr-o singură coadă a repartiţiei * (din dreapta, respectiv din stingă)
de arie x, egală cu p.s. al t.s. fix at apriori.
E xem plu. Fie A" A' (m, cr), of-cunoscut şi fie (A'x......... X n) u n .eşantion de
volum* n. M edic de selecţie* X — A* (m, c'-.'n). Regiunile critice p en tru i.n.
El0 : m < m 0 fa ţă de i.a. f f 1 : m > m 0, respectiv p en tru i.n. i? 0 ; m > m ^ fa ţă de
i.a. H , : m < m 0. sint d ate in tab . 62. iar testu l folosit este testu ţ z l u iilu te r a l
drept, respectiv sting, unde ra este determ in at astfel Incit :
?* - 1- 7 — i-j.-
Exem plu. U rm ărind re trib u ţia lu n ară a m uncitorilor unei secţii, să verificăm
ipoteza că salariul mediu este de 1900 lei/iună, adică i.n. H n : m = ni0 = 1900
lei fa ţă de i.a. conform căreia re trib u ţia acestor m uncitori este m ai m are decit
1900 lei (H l : m > 1900 lei). A vem de a face eu o ipoteză u n ilateral dreaptii şi
l.u .d . b a z a t pe un eşantion de volum n = 100 şi u n p.s. * = 0,01 (cazul b).
E x p e rie n ţa an terio ară a ra tă că er — 10000.
385
F u n cţia C.O. este rep rezen tată grafic in fig. H l , jar funcţia p u tere in fig. 112
pe baza calculelor din tab. 63.
P +I
D acă dorim să verificăm i.n. H 0 ■.m = m0 = 1900 lei fa ţă de i.a. H v -. m < 1900
lei avem de a face cu o ipoteză u n ilaterală stingă şi t.s. folosit este l.u.slg.z.
E xem plul va fi reluat în cadrul aplicării testului z*.
Pe baza calculelor din tab. 64. fu n cţia C.O. şi funcţia putere se reprezintă grafic
in m od asem ănător cu fig. 111. respectiv 112.
T est bilateral. T.s. a cărui regiune (interval) critică este fo rm ală din cele două
cozi ale repartiţiei *, situate de o p arte şi de a lta a regiunii (intervalului) de
25 — c. 680
.m
unde k este ales astfel incit p ro b ab ilitatea de a respinge i.n. H 0 : 0 = 0<„ atunci
cind i.n. i / 0 este adev ărată (p ro babilitatea de respingere eronată a i.n.), este
egală cu a — p.s. al t.s., valoare dată.
Test secvenţial (progresiv) al lui Wald. T.s. în care u n ităţile experim entale
sau observaţiile sint extrase succesiv, una cite una (sau în grupe de acelaşi
efectiv), din populaţia considerată. D upă fiecare nouă extragere se ia u n a din
deciziile urm ătoare : se acceptă i.n. H 0 ; se respinge i.n. i / 0 ; se continuă tes
tarea, adică sc prelevă o nouă u n ita te experim entală sau un grup de u n ită ţi
experim entale.
T .s.W . se utilizează în controlul statistic dc recepţie*. E ste u n caz p articu lar
al testului raportului de verosimilitate* ; a fost introdus de A. W ald în 1947.
Test nedeplasat. T.s. a cărui regiune critică arc proprietatea că p en tru valorile
posibile ale param etru lu i 6 specificînd i.a. 7ft funcţia putere* are o valoare
m axim ă p en tru 0 = 0O. valoarea param etru lu i specificată de i.n. H 0.
Test de omogeneitate. T.s. p en tru verificarea egalităţii valorilor a doi sau mai
m ulţi param etri ai legilor de re p a rtiţie considerate, p en tru care se obţin e s ti
m aţii independente. T.o. se mai numesc şi tesle de comparaţie.
:ï87
E x e m p le
1) în tr-u n tabel de contingenţă se verifică ipoteza conform căreia fiecare linie
reprezintă un eşantion d in tr-o p opulaţie caracterizată de aceeaşi variabilă :
=P i = ------= Pt
faţ ă de i.a.
- P i 7^ P ji i j £ {1 , ■■- > /*'} ■
faţă dc i.a.
Hi: «J* o*, V i, j e { 1......./>}.
TEST y_2. T.s. folosit p en tru evaluarea discrepanţelor din tre frecvenţele obser
v ate şi cele teoretice, ceea ce perm ite să se decidă —cu u n prag cic sem nificaţie*
fiixat — dacă aceste discrepanţe silit flu ctu aţii intim plătoare sau nu, adică
i.n. H 0 este a c c e p ta tă sau respinsă.
T. x 2 este folosit ca :
a) Test de independenţă : se verifică i.n. conform căreia două principii de clasi-
ficare apucate în labele de contingenţă sîn t independente unul de altul.
b) Test de omogen Hale : se verifică i.n. conform căreia o serie de observaţii
grupate în m ulţim i sau subinulţim i sîn t omogene in ra p o rt cu an u m ite carac
teristici definitorii, adică observaţiile relevă fa p tu l că u n ită ţile experim entale
sin t extrase din aceeaşi populaţie de bază (de origine).
c) Test de concordanţă : se verifică i.n. conform căreia observaţiile eşantionului
stu d ia t avînd determ inate frecvenţele observate *F{ sînt extrase d intr-o populaţie
in care au anum ite frecvenţe teoretice*
Deoarece expresia t. yr este o b ţin u tă pe baza observaţiilor, re z u ltă că este o
statistică * şi deci nu este u n p ara m e tru . A şa în cit t. yy m ai este n u m it şi t.s.
neparametric sau test liber de repartiţie (in engl. distribution free test)*, adică un
test care nu depinde de form a legii iniţiale de bază.
TEST z. T.s. * privind m edia unei p o p u laţii statistice. T.s. b azat pe legea v.a.
X - m
z = ------- = — ~ Ar (0,1) (la lim ită)
cr/Y n
* în cadrul acestui test se exemplifiai toate cazurile a), b), c), corespunzătoare i.a. //,. Pentru economie
de spaţiu, la alte t.s. s-au exemplificat numai unele din aceste cazuri, a), b), sau c).
388
(m edia de selecţie)*
n
1*1 > -a/2 '*®"= < -a/2 —"i-a/2 >* > -a/2
sau
X < m0 — c,]‘n -z al2, X > ;»0 -j- o /l/'n-ra/2,
unde
P (¡5 >*«,*> = <U(r1_3..,) - 1 - 0 (ra/2) = a 2 -f a/2 = a
cu
/
T(U
b) Mulţimea valorilor statisticii r mai m ari dccit a-q u an tila superioară a legii
X (0,1) :
> -«
sau
X > m0 -f c j Î n - : x ,
unde
P (: > :a) = 1 - 3>(;a) = a.
î — Ulp
-(IV , mj) = ®
(7iVn
C.O. su b i.a.H j este :
( m n — ni, \
L (W , m j = .3 = î> — - 1 + 'a •
V O/V n J
c) M ulţim ea valorilor statisticii ; mai mici decit a-q u an tila inferioară a legii
A’ (0,1)':
- < - l- a
Tabelul 62
te s t
II 0 :m = m 0 sta tistic
m m0 1- ! > r*/2
sau l.b.
a)
X < m„ — a:Vn . :a /2» -V > m0 — rr/V~n • ra/2
: > : x
m > m0
sau t.u.dr.
b)
A” > m0 -1- o/1/ « -r«
sau
A' < m0 + a / Y n = m„ — a / / n - z .
unde
m0 — m , \ în v , — m l \
.a. H
C.O. sub i.a. I i 1 este :
(
m„ - m. \ / m , — m„ \
L
( ^ - * r ® r ^
Pentru diferite i.a. H j ale i.n. //„, regiunile critice slnt d ate de ta b . 62.
r + 4
7) Se calculează : _
X , m e d i a d e s e le c ţie *
_ _ X - m0
a/jT n
Regula de decizie
a) Se acceptă H 0 (H 0 ad ev ărată), dacă | z | < z„, 2.
b) Se acceptă Hg (//„ ad ev ărată), dacă z < za .
c) Se acceptă II0 (H0 ad evărată), dacă z > z1_ et.
Exem plu
a) Să verificăm i.n. conform căreia media v.a. X ~ N (m , 9) este 1,70 : (G . Ciu-
cu, ş.a. : Statistica matern, şi cerc. oper.. Ed. did. ped. B ucureşti, 1974)
H„ : m = 1,70
X - 1,70
< 1,96 0,95
3 /3
sau
( - 0 ,2 6 , 3,66)
reprezintă m ulţim ea valorilor sta tistic ii X care conduc la acceptarea i.n. H 0
deci regiunea de acceptare ; aceasta, precum şi regiunea critică sin t a ră ta te în
tig. 109.
G raticele puterii şi C.O. sin t d ate de fig. 113, respectiv fig. 114.
392
Curbele ce reprezintă d.p. ale v.a. A' în cele două ipoteze, l l 0 şi H v sîn t identice
ca form ă, curba reprezentind d.p. sub f /, fiind d eplasată spre d re a p ta (fig. 109).
P robabilitatea erorii de genul II In p u nctul m = 1,79 :
¡3 = P (accept H a | H i ad ev ărată) = P ( —0 ,2 6 < X < 3 , 66/H , a d ev ărată) =
( 3 /1'9 3/y 9
= P ( —2,05 < z < 1,87) = <D(1,87) - 4>(-2,05) =
)
= 0 ,9 6 9 3 -0 ,0 2 0 2 = 0,9491.
C.O. în p u n ctu l m = 1,79 (sau sub / / x) este L (W , nij) = 0,9491.
P u terea sub H 1 este tt (W, = 1 —3 = 0,0509.
b) U rm ărind re trib u ţia lu n ară a m uncitorilor unei centrale in dustriale, să
verificăm ipoteza că re trib u ţia medie lu n ară este de 1900 lei, adică i.n. I i 0 :
m0 = 1900 lei, fa ţă de ipoteza conform căreia re trib u ţia medie lu n ară a aces
to r m uncitori este m ai m are decît 190() lei, adică i.a. H 1 : m > 1900 lei pe baza
unui eşantion de volum n .= 100 şi eu u n p.s. a = 0,01. E x p erie n ţa an terio ară
a ra tă că o2 = 10 000. Avem de a face cu ipoteză u n ilaterală d reap ta şi u n
test u n ilateral d rep t z.
F u n cţia putere şi C.O. sin t rep rezen tate grafic in fig. 112, respectiv fig. 111,
pe baza calculelor din ta b . 63.
Tabelul 03
m0- m l
, - \
es']fn V o/V n )
c) D acă se verifică i.n. H 0 : m — 1900 lei fa ţă de i.a. //, : m < 1900 lei avem
de a face cu o ipoteză u n ilaterală stingă şi un t.u . stg. :.
P uterea, respectiv funcţia C.O. sint reprezentate grafic asem ănător cu fig. 112,
respectiv 111, pe baza calculelor din tai). 64.
Observaţii
1. Graficele C.O. sub i.a. I I X : m < w a, respectiv II 1 : m > m0 sin t sim etrice
fa ţă de. dreapta m = m„.
2. Graficele puterii sub i.a. i / x m enţionate la p u n ctu l 1) sîn t sim etrice fa ţă de
d reapta m = m0.
3. în verificarea ipotezelor se urm ăreşte să se facă puterea cit mai m are, adică
i.a. H j să se accepte cu o p ro b a b ilita te m are.
383
Tabelul Ci
m0 /Hj
m1 3
CT//7T [„ U ’)
X - m
/= ~ f n-i>
s,Vn
unde
— X j-f- 4* X n
A — —— — — — m edia de selecţie*
n
n
S (x * -* )2
s2 = ------------------- dispersia de selecţie*.
n —1
Sc procedează ca p en tru testul z*, legea de rep artiţie t înlocuind legea norm ală
N (0,1), iar ab ate rea standard a din statistica z fiind înlocuită prin s.
Observaţii
1. T .t. este p u ţin a fectat de o d ep ărtare m odestă fa ţă de norm alitate, adică
este test robust*.
2. P en tru diferitele i.a. I11 ale i.n. H0 regiunile critice sin t d a te în ta b . 65,
unde :
este a-cu an tila b ilaterală a legii l cu (n —1) g.l., adică
?* f a ; n ~ 1 = —
3. P en tru eşantioane de volum mic extrase p rin p opulaţii norm ale, W. S. Gosset
(cu pseudonim ul Student) a stab ilit re p a rtiţia ex actă a v.a. Z = ( X —m ) f s .
U lterior, R . A. Fisher a stab ilit legea v.a. l = ( X ~ m ) l s / n — 1 c u n o scu tă sub
numele de legea t*.
Tabelul ff-î
u?
| te s t sta tistic
s
S
I
O
W, R egiunea critic ă
X i , X 2 v.a. independente.
Se calculează :
E ( — — = 8 , (valoare specificată)
V ar ( X 1- Ă 2) = o f / n » * 0 |/ n 2.
Statistica :
X 2—X 2 (uîj m2)
i.n . J / , : m 1 — m2 = 80 te s t statistic
i.a. f /j R egiunea critică
a) m i — m2 ^ 8. | z | > Za/2
sau
t.b .
•Xj—X a < S 0 — za/ 2*V ar (X j X 2),
X ”! —X a!> $0 -f- z&j2*Var (X j —X 2)
b) m , — m2> 8„ s > Za
t.u .d r.
sau
X j - X s> 8» + z « - V ar (X t - X 2)
c) m j —m2 < 8„ z < Z j- «
sau
t.u .s tg .
X 2 —X ] < 8„ + zi - a Var- ( X j —X 2) =
— 8 . — Z a -V a rţX j - X , )
a) * ( W ,« ,) = ® f - z « f t + ------ ) + ® ( - Var ( ? ! - j ? 2) I
V V ar ( X 1- X î ) ) \
396
*1 \
b) S1) = < D ^ 1.a +
V ar(X j — X Z) J
S ,- S i \
c) 7r(ţ+,S1) = ® ^ : 1_a +
V a r^ -X .,) )
Exem ple
a) Masa cărnii am balate în pachete a 1000 gr de m aşina M v rcspectviv M 2
este o v.a. X v respectiv A"2 de ab ate re medie p ă tra tic ă 3 g, respectiv 4 g. Se
presupune X 1 ~ X (m u 9), respectiv X 2 ~ X (m z, 16). (G. Ciucu, ş.a., Stat.
m at. şi cerc. oper, E d . did şi ped.. B ucureşti, 1974)
Presupunem că în urm a cîn tăririi a 100 p achete de carne din p ro d u cţia fiecărei
maşini s-au ob ţin u t mediile
X j = 1007 g, respectiv X„ = 1002 g.
Să verificăm i.n.
H 0 : rnx = m 2
fa ţă de i.a.
/ / , : nij # m .
Se alege p.s. al t.s. a. = 0,01. S tatistica
------ 5 - - - i o
f a f/n x + a |/n 2 ^9/100+16/100
al = a2 (necunoscute) (— a 2).
397
>O
?3 tt
T E ST Ii P R IV IN D VALOAREA SPECIFIC A TĂ A U NU I PA RA M ETRU (T E ST E D E SEM N IFICAŢIE)
CN s*
O) n
X
«“ TT
"?■ b
<N B
t<
(N —
X CN
A Ol ÎS —
»(
8~
X X « 1
X
\/
A \
CM CI
îl A V
X c ll M
C/I X X ____ *•' t)
O •-
v . 'U I
I*
E .k rt ’5:
Ti * o I
o° o
w oo
o p v<
T3 a^o C
a - c3— OjO
C
o
P
c3 '■c2£U
OI ao
■J
~ cs
ir. ° n-* N
Ui
e o o OOo o O ©O
Ng E S E £ £ £ b b° ^ G, Ci.
*5? !r. ^ sT %A V K. A V
CU 'îh A V % A V
>—<pi
c: ^ S S E S £ £ b b ^ a. o.
>*3< o
—
Ş£ li
o.
CO
38.9
3. a) H t : m, — m , — 8 (t.b.t)*
IIL : mx—m2 ^ 8
b) 1I0 : m x - m , < 8 (t.u .d r.1)*
IIX : n?j —m2 > §
c) //„ : m j - m j > § (t.u . stg. /)*
I I i : n ij—m2 < S.
■1. a = 0,05, de exemplu,
o. S tatistica
T a b e lu l 6$
E xem plu
a) D atele din tabelul de m ai jos rep rezin tă -Y1(A'2), nivelul colesterolului
(m g/100 ml) p en tru două eşantioane de volum n , = 7 m asculi, respectiv
399
nt = 6 femele din două populaţii de anim ale (J . H . Pollard, Sum erieni and
Stat. Tech., Cambridge U niv. Press, 1977).
226,5 221,5
224,1 230,2
218,6 223,4
220,1 224,3
228,8 230,8
229,6 223,8
222, 5
H 0 : nij = n;3,
fa ţă de i.a.
7 / j : nij^s m2.
Se alege p.s. a = 0,05.
Se calculează
X 1 = 224,304
X 2 = 225,667
sj = 17,765
s | = 14,951
se acceptă i.n. cu p.s. a = 0,05, conform căreia co n cen traţia medie a coles
terolului pentru masculi şi fem ele este aceeaşi.
c) P entru două loturi de n t = 23, respectiv n 2 = 23 televizoare se m ăsoară
X v respectiv X , — sensibilitatea lim ita tă de am plitificare (m ăsu rată in p,Y)
400
pe canalul 1, respectiv canalul 2 (televizor tip ,,M iraj'’) (E. U rsianu, Verifi
carea ipotezelor statistice, P rep rin t, C entrul de S tat. Matern., 1973).
Canalul 1 ; Canalul 2
-Vi : x,
30 24
2.5 19
22 18
35 38
60 44
30 24
28 30
40 39
22 15
27 34
40 25
50 42
10 20
20 26
32 30
30 19
16 20
12 19
25 30
12 15
21 12
19 18
27 20
Se verifică ipoteza că sensibilitatea medie a canalului 1 este m ai b u n ă dccit
cea a canalului 2, adică i.n.
H a : m1 > m 2
fajă de i.a.
JIj : n7j< m 2.
Se calculează
X , = 27,78
X 2 = 25,26
s- = 136,4506
s? = 82,8379.
Se alege p.s. al t.s. : a = 0,05
S tatistica testu lu i (t.u .s tg .t):
(2 7 ,7 8 -2 5 , 26) 1 [ 2 3 -2 3 -4 T
t= - — . / ------------- = 0,8223.
22-134,4506 22-82,8379 V 46
Deoarece valoarea statisticii t nu este sem n ificativ ă:
se acceptă i.n. H 0 cu p.s. * = 0,05, conform căreia canalul 1 al prim ului lot
de televizoare are sensibilitatea mai bună decit canalul 2 al celui de al doilea lo t.
o 2
o î 02 (necunoscute) (test Bchrens-Fisher).
Se procedează ca la cazul precedent.
S tatistica testului :
(A'i - X n ) - (mi - nu)
1/ *1 , «2
S ’h "r n 2
aproxim ativ - ^ fv sub i.n. H 0, unde
2
sl
1 c- (1 — c)2 ni
V li! - 1 iu - 1’ si l n i + •
adică
( 4 s i )11
V «1 n2 )
f 4 Y i | / 4 y i
V nl ) *1 - 1 \ n 2 )
E xem plu
a) Se consideră un experim ent analog cu cel din cazul precedent, pe două loturi
de ;ij = n„ = 11 televizoare tip „ S a tu r n “ .
| A',
78 55
41 27
25 18
7 12
30 32
20 12
70 50
16 16
30 80
41 26
16 12
Se verifică i.n. II 0 : m1 — m2 fa ţă de i.a. H 1 : m x m2.
Se calculează:
34
X 2 = 31,81
= 501,6
s | = 484,96
D in aplicarea testului lui Barlett* rezu ltă că ipoteza cu privire la egalitatea dis
persiilor nu se verifică.
26- c . 680
402
S ta tistic a testului :
(3 4 -3 1 ,8 1 )
I = ---- 0.232
501,6 484,96
11 11
■Se calculează :
c = 0,5084
v = 19,99, deci v = 20 g.l.
D eoarece valoarea statisticii t nu este sem nificativă :
|ij = 0,232 < f0i025 ; v = 20 = 2,086,
se acceptă i.n. conform căreia sensibilitatea medie pe cele 2 canale este aceeaşi.
■Observaţii
1. Dacă 8 = 0 , l.s.c. 2 m. este un caz p articu lar al modelului unifactorial A X O V A *
pentru k = 2.
2. T.s.e. 2 m. este t.s. robust* la o depărtare m oderată fa ţă de ipoteza de nor
mali tate.
3. T.s.e.2 m. este t.s. robust* la o încălcare m oderată a ipotezei de egalitate a
dispersiilor : c- = a |, cind volumele eşantioanelor nv n 2 sint aproxim ativ
egale.
4. D acă nj-fm , —2 > 30, se poate folosi aproxim area legii t prin legea normală.
.5. Gînd observaţiile din cele 2 eşantioane sin t observaţii perechi se aplică
.testul t pentru observaţii perechi *.
6. D in cauza proprietăţii de sim etrie a legii t*. în cazul 3 a) se com para valoarea
statisticii UI cu a/2 — quantila superioară a legii t sau cu a — q u an tila b ilate
rală a legii l.
Observaţii perechi. T.s. pen tru com pararea a 2 populaţii bazat pe studiul dife
renţelor Uj = X n — X i2 corespunzătoare observaţiilor perechi ( X iv X i2),
2 = 1, 2, . . n.
în fiecare pereche (X ilt A',-,) factorii de variaţie ai v.a. X 1 şi A , corespunză
toare celor 2 populaţii intervin în acelaşi mod, diferenţa sem nificativă a mediilor
fiind provocată de un factor străin a cărui acţiune vrem să o testăm .
P entru a înlătura efectele factorilor de variaţie se consideră observaţii perechi,
asigurindu-se ca cei doi mem brii ai perechii să fie similari din to ate punctele
de vedere, cu excepţia celui pe care dorim să îl studiem .
De exemplu, intr-un experim ent ce constă în a verifica care din două tipuri
de îngrăşăm înt (A sau B) este mai bun, in k întreprinderi agricole se plantează
cîte două parcele. D in fiecare întreprindere se alege la intim plare o parcelă
pe care se aplică ingrăşăm întul de tip A. Pe celelalte k parcele răm ase se aplică
îngrăşăm intul de tip B. D acă se com pară recolta de grîu de pe cele două p ar
cele, diferenţa poate rezulta şi din fap tu l că griul s-a dezvoltat în condiţii de
sol şi climă diferite. A sigurînd condiţii similare din p u nctul de vedere al solului
şi al climei, se testează acţiunea factorului ingrăşăm înt şi se elimină factorii
de variaţie sol şi climă p rin considerarea perechilor de observaţii de pe cele
două parcele.
T .s . constă în a vedea dacă m edia celor n diferenţe observate între recoltele
celor două loturi diferă sem nificativ de zero.
r
■
1, Se consideră un eşan tio n de volum nv respectiv n„ din cele două populaţii ;
(A'u . ,V21, . . -Yn l), respectiv (A'2], X,„, . .
avind mediile mv m2 respectiv.
-Y„;)
403
y £ & sa
este o v.a. ~ / » _ i sub i.n. unde
di = X a - A'u
Ş ch ->
d = _!------ ; s?- = l/(n - 1) 1 ] (dj - d f .
n a i= l
i 6. (-> Test statistic privind egalitatea a 2 medii, dispersii nec.)
Exemplu. U rm ătoarele date dau efectele coroziunii in diferite teren u ri asupra
conductelor de oţel acoperite şi neacoperite.
Tabelul 69
A coperite (A',-,) 42 47 51 52 59 54 32 47 66
N eacoperite (A'i2) 40 43 50 44 57 56 44 37 70
d( = X fi —Xi2 2 4 1 8 2 -2 - 1 2 10 -4
di — d 1 3 0 7 1 -3 -1 3 9 -5
(di - d f 1 9 0 49 1 9 - 1 6 9 81 25
i
404
T a b e lu l 71
Tesle de semnificaiie (compararea a două populafii)
Ipoteza Legea de
Ipoteza altern a rep artiţie Test
ulă Condiţii Statistica testu lu i Regiunea critică
tiv ă a statisticii statistic
n ll0 testului
Jh
1 2 3 4 5 G 7
v= - 2 j-
(.si/iir |-.S2/n2)2
+
O l/« i)a ------
I------ (s |/n 2)2
«1 + 1 «2-1-1
j
Tabelul 71 (continuare)
5 6 7
x l ln1- x 2ln 2
6. p , = p 2 Pi > Pi Ar(0,l) z ^ z <x t.s.u.dr.z
r x j n 1( l —x 1ln1) x 2/n2( l —x j n 2)
Pi < Pi " < ZJ - a — —-a t.s.u.stg.z
n, n.
l z ! > za/2 t.s.b.z
Pi îh Pi
Corecţia de co ntinuitate —
valoarea lui z se micşo
rează dacă se înlocuieşte s
prin a r1/2 sau s +1^2
405
4 OG
X nii r %i * » 22 r«22
1V2 = n 2n 2 na(n* + l )
E,
Ei = Di (statistica Wilcoxon)
i= l
E2 = J] r j2
t = l
407
»1»2
W -
2
Z =
y nlni!(n1+ n2 + 1)
este v.a. ~ N (0,1); za/2, za sîn t a/2, a-cuantilele bilaterală şi superioară iV(0,l)
(fig. 116).
.t "
6. Regiunea critică :
i) I W| > „i>Bj (t.b.)
sau W > wa . ni',H (t.u.d r.)
ii) |Z | > za/î (t.b.)
sau
Z > :a (t.u.dr.)
Exemple. (-> Test stat. privind egalii. 2 medii, disp. nec.*., E x.)
i) Se ordonează (în ordine descrescătoare) observaţiile.
Se alege p.s. a = 0,05.
408
Se calculează :
= 54
Ii2 = 37
lVj = 16
IV, = 26,
deci :
IV = m ax (Wj, W2) = 26.
V aloarea slalisticii nu este sem nificativă : VV = 2 6 < 3 6 = w o,02S-7,6(~ 0,025 —
cuantila bilaterală a legii Mann-'W hitney de p aram etri nd = 7, n3 = 6),
valoare o b ţin u tă prin interpolare.
Se acceptă i.n.H 0 conform căreia mediile sîn t aceleaşi.
ii) O peratorul A (B) face n1 = 14 (n2 = 11) m ăsurători asupra unui obiect
oarecare. Să verificăm dacă rezu ltatele o b ţin u te de aceşti doi operatori diferă
sem nificativ. N otăm m ăsurătorile făcu te de operatorul .4 prin (A ',],. . , , X n j),
iar ale operatorului B , prin (-V32, -V22, . . X n 2). D acă contopim m ăsurătorile
şi considerăm statisticile de ordine :
n in2
Media : 5/(lV ) =
n .n .,( n . + n, + 1 ) , , ----------------------
D ispersia: Var (IV) = - 1 ~------ - = 333,66; KVar IV = 1 8 ,2 .
14(14 + 1)
IV = 14 11 — 193 -------------------- 66 .
2
6 6 -7 7
S tatistica testului Z = ----------- = — 0,6.
18-2
Deoarece statistica Z = —0,6 nu este sem nificativă: |Z | = 0 ,6 < 2 ,5 7 = : 0,025r
se acceptă i.n. conform căreia cei doi operatori au aceeaşi indem inare.
499
Obsérvala
1. T.n. M -W -W . a fost modificat sau extins pentru cazul mai m ultor eşan
tioane de volume egale de către Colin, KrusKal şi W allis, precum şi de Sved
şi K isenhart.
12. Mai general, se poate te sta ipoteza că cşanlioancle provin din aceleaşi
populaţii identice, cu excepţia m ediilor lor, eventual.
Cu alte cuvinte, se v e rific ă :
i.n. //„ : — ni¡ = 8 (constantă specificată)
fa ţă de :
i.a. ff , : mj — m2 # 8 (t.b.)
sau
i.a. II t : m l — m2 > 8 (t.u.dr.)
Se scade valoarea 8 din fiecare observaţie, se ordonează, se determ ină rangurile
observaţiilor şi se procedează ca in cazul tr a ta t anterior.
3. T .n .M .-W .-W . nu se foloseşte p en tru obscrvaţii-perccbi.
4. în cazul in care sin t îndeplinite condiţiile din cadrul testului privind egalitatea
<t două medii, dispersiile ,o | necunoscute*, se recom andă aplicarea testului t*
care este mai puternic decit t.n. M .-W .-W .
TEST STATISTIC PRIVIND EGALITATEA A k MEDII. T.s. priv in d ega
litatea mediilor a k legi norm ale N (mv a"), . . . , A'(mt , a2) avind dispersiile
egale, adică t.s. de om ogenitate a m ediilor mv . . . . m k :
i.n. H 0 : nij = . . . = m k
fa ţă de i.a.
Hi : m { m p V j 6 {1, . . . , k).
T.s.e.kni. se bazează pe rap o rtu l d in tre estim aţia dispersiei m ediilor a i; eşan
tioane independente din k p o pulaţii norm ale A'(mp o2), i = 1., . . ., k avind
aceeaşi dispersie a", dispersia intre eşantioane sau intre grupe (clase) — şi
estim aţia dispersiei in interiorul eşantioanelor (grupelor), dispersia reziduală.
(—> Model unijlaciorial AA'OV',4.)
TEST DE SEMNIFICAŢIE PENTRU DISPERSIE. T.s. priv in d eg alitatea
dispersiei o2 a junei populaţii norm ale — estim ată pe baza unui eşantion de
volum n — cu -o valoare specificată o2.
1. Fie (.Vj. . . ., A"„) un eşantion clc volum n.
O bservaţiile sint independente şi provin d intr-o populaţie norm ală A'(m, o2'
2. V. a. X ~ .'X (m, g~).
-j . a) JI q : c ~ Gq ( c j — valoare fixată) (t.b .j
Uy-. a- c f -' '
b) / / 0 • o- Oq (t.u .d r.)
U -L-.es-> 'a l
c) JIq : g~ ^ Oq (t.u.stg.)
2 i= l
s2 = —---------------- .
7 1 -1
S tatistica
2_ <n ~ 1)s2
X 2
O0
este o v.a. ~ X2,,_x> cind im. H q este ad ev ărată.
6 . P e n tru diferitele i.a. H 1 ale i.n . H 0 in ta b . 72 sîn t trecu te regiunile critice.
Tabelul 72
. 2
^ X l- a / 2 ; (» - I)
b) c 2 > o 2 ( n - l)s 2 /a 2 > Xa ;( „ - ! ) t.u.dr.
Observaţii
1. T .s. este afectat de o d ep ărtare fa ţă de n o rm alitate, adică nu este t.s. robust.
în a in te de aplicarea t.s. d. este necesară verificarea norm alităţii *.
E xem plu
a) Se consideră un eşantion de volum n = 30 arbori, care in tră in com ponenţa
dem arorului D ,, prelu craţi pe o m aşină de rectificat, cărora li se m ăsoară dia
m etrul, X (, i = 1 , . . . , 30.
Să verificăm dacă ab aterea sta n d a rd a diam etrelor este de 0,064 m m , adică
i.n. H 0 ; a2 = 0 5 = 0,004096
fa ţă de
i.a. 11^ : a 2 # a 2 = 0,004096.
Se alege p .s. a = 0,05.
411
Se calculează
X = 15,96 mm
s2 = 0,0017.
Statistica
„ ( « - 1)*“
= ------- — 12,3
oo
este o v.a. ~ xfg c’nd ' n - H 0 este ad ev ărată.
Deoarece statistica y_- nu este sem nificativă :
i 1 2 3 4 5 6 7 8 9 10 11
Să verificăm i.n.
//„ : o2 < 0,0049
fa ţă de i.a. :
H x : o2 > 0,0049.
Se alege p.s. oc = 0,05.
Se calculează
X = 4,033
s2 = 0,017.
S tatistica
( n - l) s 2 10. 0,0170
X2 =
al ~ 0,0049
18,31 0,0049
tt(IV, a3) = P x î 0 > 0,906,
(** 002
412
ll
ţin in d scam a că 1,/c- ( - '¡ —-V)2 ~ '/.n—i = Z i0 cind c " = °o cste a ^ ev*irata
i= i
dispersie.
TEST STATISTIC I’RIVIXD EGALITATEA A D O IÂ D ISPERSII. T.s.
p rivind egalitatea dispersiilor a două p o pulaţii norm ale X (m 1. Oj), respectiv
N (nu, o |) din care se consideră două eşantioane.
Testul F a l lui Snedeeor —Fisher
1 .—2. (-> Test stat. privind cţjalit. 2 medii, dispersii necun.)
3. a) //„ : a l = of (t.b .F )
IIx : o| ¥= o|
b) H0 : a l < o | (t.u .d r.F )
Iii : o j > o |
c) I i 0 : o f > o | (t.u.slg.F )
-• a* < of
4. a = 0,05, de exemplu.
5. S tatistica :
9
,„ sl /_ i
T — ---- ;
of /
este o v.a. r~ F V sub i.n. H 0, unde = /¡i-l ş
II
1
<N
<N
6. P en tru diferite i.a. ale i.n. 7/0 in ta b . 73 sint trecu te regiunile critice :
T a b elu l 73
H0 : of = o | test
statistic
«i R egiunea critică
o
smax
a) o ? * o f .2 > «/2 ;«!—Ir «2- l t.b.
x( 2)
,Cmax
b) CTJ> Oo ------
.2
> F r a; «1- 1, «2 - 1 t.u .d r.
*1(2 ) .
smar.
c) a|<o 2 2
> *F a; «o-l, fij-l
^ t.u.stg.
sl(2 >
413
unde:
s L x = m a* ( 4 *P>
r ct/2 ;v ,,v , cste a/2-cuantila superioară a legii F ( = a-cuantila bilaterală a
legii F),
F a . v,, v, cslc a-cuantila superioară a legii F.
Exem ple
a) Se consideră datele experim entale de la E xem plu c), Test stat. privind
egalii. 2 medii, dispersiile o |, o | necunoscute*.
S tatistica testului :
F = s2 /s | =1,62305,
s | = 20.
S tatistica :
25
F = 1,25.
2CT
i.a. / / x : aţ > k a ”.
-514
1
In O
o
s2
x n t x n 2 x n ,.k
1 2 t-
T o ate observaţiile sin t independente.
1 **
x i* = — ' Y . x iP 1 < 1< k
n* &
j= l
1
precum şi
\ K _
s2 = --------- (ni “ 1)*« = s s e(-* M odel unifaelorial A N O VA)*
n ~ k i= l
k
«■ = 5 j Tli
1=1
1 1
C = 1+
3 - 1)
k
S («i - i )
1= 1
Statistica :
1 r h k
x | = —T K - 1) In S2 - £ («i - !) ln s<
L i= i t= i
sau
2 306 f * *
X» = S (nî ~ 1) loS s2 “ S ('* « '“ loS s2i
c L i= i ¿=1
%B ^ ^C a; k—1 ’
unde Xx- tt_ i cste «-cuantila superioară a legii yj1 cu (A —t) g.l.
E xem plu. P en tru alcătuirea unor p lanuri de control sta tistic de recepţie pentru
fire tip relon s-a stu d ia t sta b ilita te a procesului tehnologic rela tiv la caracte
ristica de calitate „alu n g ire ” a produsului respectiv, adică se verifică ipoteza
statistică de om ogenitate a dispersiilor eşantioanelor culese pe o perioadă de
11 luni, fiecare eşantion avînd volum ul n j, i = 1, . . 1 1 .
Se calculează :
N r. Vi
«î si
(« l-l)
unde :
ll ll 11 i
v— £ v* — S (n * ~ = 1357; y . — = 0,080081 ;
t = l t = i i t l vi
ll
v In s! = 2,009193 ; V v, In sj = 3115,496553.
C = 1,0029
V aloarea statisticii Xb = 13,165788 nu este sem nificativă :
e"
°max
In In s max
2 In s 2 .
mm
Ti
smm
adică am plitudinea logaritm ilor n atu rali ai estim aţiilor dispersiilor s?,
16 12 18
Se calculează
a-,, = 3,4 s°- = 501,60 x , , = .3 3 .0 9 s | = 263,49 x», = 29,45 = 335,47
a-2„ = 31,81 s\ = 484,90 .rc* = 25.54 s | ~ 213,67 xI0, . = 26,09 sf0 = 448,09
27 — c. 680
1
Tabelul H £
0,05-cuantiIele superioare ale leaii
°
v.a, s2 /s2 . = F max cu k,' v ®
m ax' min
e.l.
V. k
2 3 4 5 6 7 8 9 10
V
V y 9 10 11 12
3 4 5 6 7 8
2
À
1362 1705 2063 2432 2813 3204 3605
2 199 44-8 729 1036
184 21(0) 24(9) 28(1) 31(0) 33(7) 36(1)
3 47,5 85 120 151
69 79 89 97 106 113 120
4 23,2 37 49 59
3S 42 46 50 54 57 60
5 14,9 22 28 *î°»
25 27 30 32 34 36 87
6 15,5 19,1 22
11,1
16,5 18,4 20 22 23 24 26 27
7 8,89 12,1 14,5
13,2 14,5 15,8 16,9 17,9 18,9 19,8 21
8 7,50 9 ,9 11,7
12,1 13,1 13,9 14,7 15,3 16,0 16,6
9 6.54 8 ,5 9 ,9 11,1
10,4 11,1 11,8 12,4 12,9 13,4 13,9
10 5,85 7 ,4 8, G 9 ,6
501,60
F = = 2,3
max 218,67
Q=
V v
2 3 4 5 6 7 8 9 10 11 17 37 145 CO
A
2 0.9985 0.9750 0.9392 0.9057 0.8772 0.8534 0.8332 0.8159 0.8010 0.7880 0.7341 0.6602 0.5813 0.5000
3 0.9668 0.8709 0.7977 0.7457 0.7071 0.6771 0.6530 0.6333 0.6167 0.6025 0.5466 0.4748 0.4031 0.3333
4 0.9065 0.7679 0.0841 0.6287 0.5895 0.5598 0.5365 0.5175 0.5017 0.4884 0.4366 0.3720 0.3093 0.2500
5 0.8412 0.6838 0.5981 0.5441 0.5005 0.4783 0.4564 0.4387 0.4241 0.4118 0.3645 0,3066 0.2513 0.2000
6 0.7808 0.6161 0.5321 0.4803 0.4447 0.4184 0.3980 0.3817 0.3682 0.3568 0.3135 0.2612 0.2119 0,1667
7 0.7271 0.5612 0.4800 0.4307 0.3974 0.3726 0.3535 0.3384 0.3259 0.3154 0.2756 0.2278 0.1833 0.1429
8 0.6798 0.5157 0.4377 0.3910 0.3595 0.3362 0.3185 0.3043 0.2926 0.2829 0.2462 0.2022 0.1610 0.1250
9 0.6385 0.4775 0.4027 0.3584 0.3286 0.3067 0.2901 0.2768 0.2659 0.2568 0.2226 0.1820 0.1446 0.1111
10 0.6020 0.4450 0.3733 0.3311 0.3029 0.2823 0.2666 0.2541 0.2439 0.2353 0.2032 0.1655 0.1308 0 . 1 0 0 0
12 0.5410 0.3924 0.3264 0.2880 0.2024 0.2439 0.2299 0.2187 0.2098 0.2020 0.1737 0.1403 0 . 1 1 0 0 0.0833
15 0.4709 0.3346 0.2758 0.2419 0.2195 0.2034 0.1911 0.1815 0.1736 0.1671 0.1429 0.1144 0.0889 0.0667
20 0.3894 0.2705 0.2205 0.1921 0.1735 0.1602 0.1501 0.1422 0.1357 0.1303 0.1108 0.0879 0.0675 0.0500
24 0.3434 0.2354 0.1907 0.1656 0.1493 0.1374 0.1286 0.1216 0.1160 0.1113 0.0942 0.0743 0.0567 0.0417
30 0.2929 0.1980 0.1593 0.1377 0.1237 0.1137 0.1061 0.1002 0.0958 0.0921 0.0771 0.0604 0.0457 0.0333
40 0.1370 0.1576 0.1259 0.1082 0.0968 0.0887 0.0827 0.0780 0.0745 0.0713 0.0595 0.0462 0.0347 0.0250
60 0.1737 0.1131 0.0895 0.0765 0.0682 0.0623 0.0583 0.0552 0.0520 0.0497 0.0411 0.0316 0.0234 0.0163
120 0.0998 0.0632 0.0495 0.0419 0.0371 0.0337 0.0312 0.0292 0.0279 0.0266 0.0218 0.0165 0 . 0 1 2 0 0.0087
a 0 0 0 0 0 0 0 0 0 0 0 0 0 0
S ursa: Handbook of Tables for Probability and Statistics, Xhe Chemical Ruber Co., Ohio, 1968.
pi j
r> CO<
1— 00 00 CO ■o* CO CM
o
CM
T_H rH rH
a LO CO CO lO CO o 05 1>
CM CM CM CM CM CM
rn *“• r*
CM
CO
CO
LO
CO
LO . LO rH
CO CO CO CM CM 03
T_' TH 1H
. CO- CO CM 00 Cl
O TT1 •O" TF CO CO CO- CM
T—1 TH T—
1 rH rH r"
o
a ' O CO CO CM
03 05 uo LO lO lO CO co CO
*"■ rH T“H .
jcc
£ _
3 cm oc co CM CM
c 00 CO co CO CO LO o- CO
rH • : ^ •rri Vh H T"
e CO CO CO CO rf 00.
ao
a 05 CO r- Tt< 05
co 05 O O 05 cc CO LO
CM CM rH 1-1 r“* ™:
>cfl
£
o CO CO CM CO CO l> Tf4
, LO. O'! CO CM CM o C5 . I>
CM CM CM CM CM rH tH
iC CM CM rf CC
H4 o O C5 . co -o* CO *-*
CO CO CM CM CM 03 CM
"
""CM" CM CO C5 M 05 • '
CO 00 -T T- CO I> CO CM
L.O lO UO LO T* CO CO CO
o i-V>
CO cc CM CM 05
1— <
CM
LO
co
■O"
o^
CO
CO
CO CM
lO
tH
C
HH H
O
rH
2
o
CM •CO.. rt* • LO LO
LO CM CM LO
©
o
425
0,68 1,05
2,05 i 3,07
1,01 = 1,01
1,37 1,22
*î =
NH
2,70 3,32
»
o
precum şi
sl = 3,12.
S tatistica testului :
3.12
= 2,55.
(0,68- 2,05 -1,01 • 1,37 . . ,3,32)1/i»
nnde :
unde
N um ărul de observaţii
în clasa T otal
1 2 ..........................A
Nu m ă ru l observat F(
(frecvenţe observate) Oj 0 2 ..................... Of.
N um ărul estim at f t
(frecvenţe teoretice) «1 f2 .....................
« h -q-)"-
ii
adică :
k
X2 s (" i-n P i)2
A
n/'f
A A A —
urm ează aproxim ativ legea x* cu v = A—s —1 g.l., unde p{ = P((0j, . . . , 0»)
sint estim aţiile jro b ab ilităţilo r teoretice p {, 04 îi'md cslim aţlffeprin metoda vero
similităţii maxime* sau prin metoda m in im u lu i lu i yj* ale param etrilor necu
noscuţi ©i> . . . , 0 S.
6. R egiunea critică a t.c. y 2 :
se respinge i-n. H 0 cu p.s. a d a c ă :
X ^ Xa; k ~ s ~ l*
i) T.c. y 2 pentru verificarea normalităfii.
Se alcătuieşte un tabel astfel :
1. Valorile observate {x4} ale caracteristicii sub cercetare X se îm part în k
intervale (clase):
( - oo. Xj], (x,, x 2], . ..,( x * _ 2, x t _i], (x t _v oo),
unde
Xj < x 2 < . . . < Xi_j,
care se trec in prima coloană a tabelului.
2. r ij— frecvenţele absolute ale intervalelor (claselor), adică num ărul de obser
vaţii din clasa (x4_j, x f ] se trec în coloana a doua a tabelului.
428
0 ( - x) = 1 - 0>(x).
7. în coloana a 7-a se înregistrează produsul dintre n şi valorile p ,.
8. în coloana a 8-a se calculează (fi, —n p t)2.
9. In coloana a 9-a se calculează (/!<—n p t )*/np4.
Sumînd rezultatele acestei coloane se obţine -/2.
E xem plu. Ne propunem să verificăm norm alit atea datelor unui eşantion de
volum n — 124 :
Tabelul 77
1,9 7 1,77 1,61 1,61 1,63 1,76 1,80 1,64 1,86 1,67
1,69 1,85 1,75 1,68 1,78 1,93 1,98 1,65 1,85 1,75
1,65 1,77 1,77 1,73 1,93 1,95 1,91 1,81 1 ,6 7 2,01
1,69 1,78 2,01 1,95 2 ,0 2 1 ,8 6 1,82 1,72 1,78 1,87
1,72 1,69 1,74 1,86 1,92 1,90 1,74 1,86 1,80 1,90
1,81 1,68 1,90 1,83 1 ,7 7 1,85 1,85 2 ,0 3 1,68 1,93
1,70 1,74 1,87 1,61 1,98 1,94 1,74 1,70 1,89 1,76
1,77 1,71 1,76 1,77 1,86 1,97 1,93 1,73 1,71
1,84 1,69 1,77 1,94 1,62 1,69 1,80 1,84 1 ,9 9
1,81 1,92 1.82 2 ,0 2 1,73 1,72 1.79 1,91 1,63
1,96 1,74 1.86 1,83 1,81 1 ,9 0 2,01 1,96 1 ,9 2
1,81 2,03 1,88 1,84 1,70 1,97 1,64 1,99 1 ,94
1,87 1,88 1,99 1,82 1,62 1,74 2 ,0 2 1,73 1,67
429
, (n( - n p ()2
X = Z j ---------- -------- 4,11253.
»= i n Pi
Se alege p.s. al testului statistic, a = 0,05.
Ţinînd seam a că am estim at doi p aram etri (m şi a-) urm ează că s = 2 şi cum
k = 9 din tabelele legii y j se citeşte 0.05-cuantila legii y 2 :
Pi = F x ( x i - ,0) - F x ( * i - 1 ; 6) = t x* -l l x - t x' lx
P i = 1 - e “ *» " = F x ţx » ; 0)
p* = i - S pt-
=1
unde
0 = - 1 lx.
6. In coloana a 6-a se calculează n p ( .
7. Se calculează n ( — n p t şi se trec in coloana a 7-a a ta b . 79.
436
w ~
II
4,11253
c
431
X o ,0 5 ;1 2 ~ 2 1 ’0 3 '
SC acceptă i.n. cu p.s. a = 0,05, adică legea v.a. X este legea ex ponenţială.
T e st de concordanţă x2 (caz neparametric). Test de concordanţă a repartiţiei
em pirice cu o lege teoretică Fx ( x ; 0), 0 fiind param etru cunoscut.
432
79
Tabelul
T “< 00 c o en © © © • y-i © © © !¡ < g -
CM T—< © CM < G - CM
©
CO CM
r - *0
T-< c e en © IO
©
r -
TT- ©
l > T -t
Tf
©
iO
o © ¡
r- í*m
O O © co O © © rH CM © *Ol
M <J C
T—I O O © © © © © © T-i Y -l © © X N©
■ ^ ■ ^ © ■ ^ © w CMt h © © © © - « ? * ©
o o io o a c Q c o o o io o h ffio
CMeoO’r-(C M cr'-i>cococ'or-oco
O M r-û T rO T fT fO O Jc o c o c c
ic © io lo in in m 10
rtx riiM in ffiw C 5 L n w in © o o c i
o r} < c n '!i'© o o io r^ r- (c n c 'iC ',!?‘
1O O 1H O O '
o
o »o >o >o in in in
Q o o i''C o in o 5 r H C 5 '~ D '^
in
© c o cm
10
O î'^O m cûC C N O C M X tO iM C '^
OOO-COiOrfTfCOCMW'
o o no 1.0 H o O w
O iO icn co co r^ T î'cn ^ r'iM in r-io o
M O i o o o o m
rtÖCOHCiOOiOifl^««CM CM ®
< Q, O t-it Hi-h o o O O O O O O O O
■ o o O O
00^C7iiOCD-^r^iO^O5C0I>C0O
o o C 'W M O c n h C M o n j c o o o
iix c M c n o ic r^ o jr^ o ^ o o io
o th cn.Tf m H O c o t ^ t ^ x o o c c p o - o -
, Ö>
:O O O O : ;O O O O O :
o o o o o o o o o o o o o o
o o o o o o o o o o o o o o
o o o o c o o o o o o o o o
c n c n c n o n c n o c o c n c n c o o c n c n o
C 1 '? O C O C C M ^ O X C C 'li, iO
nH H rH H m C M O IM
CM.00l>l>I>Tr'',í<‘OlCM'^C0CC'
1 * - - ~oooo©o£©o
-OOOOOOOOOogOC
ÍOOOOOOOOOO^OO
noooocococococococococo
^cocococooCM^rocoooi-rco
¡ W ^ O X H r tr tT - iH O jC M ^ N
43»
n ( x-, —m
Pi = P ( ~ oo < X < xj) = O l -------
—m \ ( Xi i — m
——— I - ® ( — j, 2 < f< A -t
28 - c. 680
E xem plu. Se consideră un eşantion de volum n = '20 observaţii dintr-o
populaţie * :
0 ,3 3 - 0 .4 1 — 1,82 -0 .4 4
- 0 ,3 8 - 2 ,4 1 1,47 - 0 ,2 1
-1 ,2 2 1.29 0 ,4 6 -0 ,4 3
-0 ,5 2 -0 ,9 5 -1 ,2 3 -0 ,9 7
0,48 - 1 ,9 3 —0 ,8 3 2,66
Să verificăm i.n. H 0 conform căreia p o p u laţia din care provine eşan tio n u l este
n o rm ală cu m edia 0 şi dispersia 1, acţică A'-v a. corespunzătoare are legea
JV (0,1) :
I i , : A ~ A(0,1).
S e alcătuieşte ta b e lu l:
ni (nt - np°f
Intervalul (clasa) or. de observ. e , = np®
în clasa i ’ip.|
tu = 20
11
* i n P° •
= 4,6368
Xo,05; s ~ H - 07-
: D eoarece valoarea statisticii y 2 nu este sem nificativă :
2. G ruparea pe clase (intervale) trebuie să fie astfel incit num ărul de obser
vaţii elin fiecare clasă : n , ^ 5. în cazul in care » ¡< 5 se recom andă gruparea cla
selor (intervalelor), acest fa p t avind d rep t consecinţă reducerea num ărului g.l.
cu 1.
3. N um ărul de clase trebuie să fie astfel incit
10 < A < 15.
4. în cazul unui eşantion de volum m are, n u m ărul de clase A se alege a s tfe l:
Pentru 100 < n < 200 se alege 15<A <18
n = 200 18<A <20
n = 400 25 < A< 3 0
n = 1000 35<A <40.
5. In cazul legii binom iale, t.c. ■/" este echivalent cu cazul tr a t a t la p. 480.
Test de concordanţă Kolmogorov-Smirnov. T.s. n e p a ra m e tric p e n tru verifi
carea concordanţei re p artiţie i em pirice cu cea teo retică.
1. Se consideră un eşantion de volum n, cu o b servaţii independente
ordonate astfel incit x 1 < x2 < . . . < x n (şiru l statisticilor de ordine).
2. Cele n observaţii independente p ro v in din aceeaşi p o p u laţie caracterizată
de v.a. .Y avind legea de rep a rtiţie te o re tic ă F (x) = F (x , 0), depinzind de p a ra
m etrul 0.
3. H 0 ■legea de rep artiţie a p o p u laţiei este F (x ) (specificată).
A/, : i.n. i / 0 nu esle adev ărată.
4. Se alege p.s. al t.s. a = 0,05, de exem plu.
5. a) Se calculează funcţia empirică de repartiţie*
d — ( \dj max)-
«6
6. Regiunea critică a t.c. K .-S . este m ulţim ea valorilor din spaţiul de selecţie
mai m ari sau egale cu a-cuantila superioară a legii K .-S .
A şad ar, se respinge i.n. II0 cu p.s. a dacă :
d > V /T T,
unde valoarea >.0 se determ ină astfel incit :
u nde
i - 1
8, = m ax i/n — F (x {, 0 ); F(Xj, 0) —
n }
T est de concordanţă L illieîors. în cazul in care legea de rep artiţie teoretică
F (x, B) depinde de param etrul 0 — necunoscut şi care urm ează să fie estim at
pe baza eşantionului considerat, H . \V. Lilliefors (1969) a d a t o o v aria n tă a t.c.
Kolm ogorov-Sm irnov pentru cazul param etric.
1.—4. (-» Test de concordanţă Kolmoqorov-Smirnov.)
5. Form a calculatorie a statisticii dn dată de Lilliefors este :
t
unde
•cu
A
F*(Xi) = F (x t ; 0);
unde 0 este estim atorul p aram etrului 0, o b ţin u t pe baza eşantionului consi-
d erat.
6. Regiunea critică a t.c. Kolmogorov- Smirnov - Lilliefors : se respinge i.n.
H0 cu p.s. a pentru valori mari ale statisticii d*, adică sc respinge i.n. H0 dacă :
d* >
unde X0 este valoarea d eterm in ată ca mai sus.
T.c. pentru verificarea exponenţialii a ţii. Presupunem că re p artiţia teoretică
postulată este repartiţia exponenţială* cu densitatea de repartiţie
0e 0*, 0, x > 0
0 in rest
437
Fx (x, 0) = 1 - e - 6*.
Se ştie că :
1
x = E (X ) = ——.
0
A tunci
F (x (. 0) = 1 - e“ V * .
Se calculează
-e * . - 9 *<
- (1 - ); (i- ) -
1 ”
E (X ) = 1 /0 = x = — Yi *i-
n ._,
F (x) = 1 — e9*.
d* = 0,40961.
Tabelul 80
i/? -
0,12984
d Ci
X Dl
Dl Ci
Ci 1> X
£ K o 1
X
60
O
,y o X X X X
Dl
X
o
:o
l>
X
r-
i> X
Dl
I>
X
Ci
X
X
x x O
1-H
Dl
fi
di co di Dl
— f - 1
l ~~ • ■
- ! -
! ! *- iC r- Ci S> l> X C'-
•x X ■ Ci
di X X X
| iD
x
—
TT X
X
X
X
o
X
X
—■*
o
—
■
* i j
Dl
•
—
oC i ■<—
11“'
iO
v—
r- X Ci
Dl
o T* lO X I> X a
X c
jj îh
CD rr* If5 Dl Dl
Dl <-0 X X kO o Ci
X
H j OG iO I> X X
co x CO Dl lO X
o o — 1 X X X Ci Ci
"
“' w ‘ ' ■ o o o
kO
r-
X lO X
X
o X
T*
I> r-
K Ci
Ci Dl Dl IO
x o r- T-4 IO
1
Ci Ci X o X T-< o O ’
<X>
° O o o 3 o o °
o 'T* CD l> X
T* Ci l> X
1H co
o
00
O
T
TT
-(*
Ci
X T-H oCi
iO o
IO
H
o O O o o Dl" Dl Tî*
o o o 0 o o o 0
o oco o
lD
o oX
o Ci Ci
H Dl
Dl
Dl
Dl
oT—< uD
—■
x
fi Dl
CI CO U0 X X
43 »
t= l
C. Regiunea critică a t.c. F .-S . : i.n. privind concordanţa rep artiţiei empirice
cu re p a rtiţia teoretică se respinge cu p.s. x dacă :
S* > S c
_ fir ii2 - f * - YV /2
7/0 : F (x ) ~ 1 — e ^ x ' , respectiv H 0 : F (x) ~ 1 — e v n y
cu i.a.
_ Oge-” )*
l l l : F (x) - ——---- e 2o* , respectiv / / , : f(x ) ~ p a /T{a) x*-1 .
'f i r . a x
care observaţiile s-au făcu t piuă la m om entul T , înregistrîndu-se doar prim ele
r observaţii ;
.ti < ar4 < ^ x r (r < n).
1. —4 . (-> Test de concordantă Kolmogorov-Smirnov.)
5. S tatistica Q a t.c.G. este :
r I r
Q(rv r2) = Yl (Silri ) / £ (Silr2)>
*= 1 / «=r,+ l
unde
s i — (n — i + 1) (x t — -Tt_ j)
cu .r0 -- 0 şi r2 — r - r, ; testu l este term in at la a r-a observaţie (r < n).
2Ă
Se a ra tă că St simt v.a. independente cu legea exponenţială* şi ^ 2 S t /Q este
»=1
o v.a. cu legea %2* cu 2k g.l. A tunci v.a. Q(rt, r2) are legea F* cu 2rj şi 2r2 g .l.
6. Regiunea critică a t.c.G. : Se respinge i.n. de concordanţă cu legea exponen
ţială cu p.s. a, dacă :
QO1» r2) > F i_ a /2(2r1, 2r2) sau Q(rv r2) < F ~ \ /2(2r2, 2rx),
unde Fu(klt k2) este u% -cuantila legii F cu kt , k2 g.l.
Observaţii.
1. D acă valoarea calculată a statisticii Q(rlt r2) este m are, se o bţine indicaţia:
că legea stu d ia tă are rata de defectare* crescătoare.
D acă valoarea calculată a statisticii Q(rt , r2) este mică, se poate trage concluzia:
că ra ta de defectare este descrescătoare (|3 < 1).
2. W .W . Fercho şi L. J . R inger (1972) („T echnom etrics“ nr. 14) au folosit -
H’2 = ^ (F„(x) - F ( i) ) 2 d i
— CO
441
w2= ^ (F „ (X ) - F ( x ) ) - dF ( x ) .
—ca
6. în rest se procedează ca la testu l Kolmogorov-Smirnov.
TESTE PEBÎTRU VERIFICAREA XORMALITĂŢII. Fie un eşantion de n
observaţii independente Aj, . . . . X n provenind dintr-o populaţie necu n o scu tă.
Se verifică i.n. conform căreia legea de rep a rtiţie este legea norm ală N (m ,
,o 2) ; m, c 2-param etri necunoscuţi, ce urm ează a fi estim aţi pe b aza d atelor
eşantionului considerat.
Cele mai cunoscute t.v.n. sînt : testul 7 2 de concordanţă * cu legea norm ală şi
testul Kolmogorov-Smirnov*.
Testul de normalitale al lui Liiliefors. H. \Y. Lilliefors (1887, JA SA , voi. 62)
a d at un te st analog cu testu l de concordanţă kolm ogorov-S m irnov p en tru
verificarea norm alităţii, cind m, a 2 sin t param etri necunoscuţi. Test .de
concordanţă Lilliefors).
1 .—4. (-> Testul Kolmogorov-Smirnov (1 .—4.);)
5. Form a calculatorie a statisticii Lilliefors este :
D„ = m ax o4,
1^ t sSn
unde
A — (I —1 ) i . -» ■
8,-= m ax F0(X t ; A', s) - ; - - F 0(X i ■X , s)
n n
cu pro p rietatea :
K~ rS e—<S' 2 d/
® (-!7 ) - 1 ®(y)
unde
0 = (-* - X)!s-
6 . R egiunea critică a t.n .L . : se respinge i.n ,H 0 cu p.s.. a, fix at dacă.valoarea
statisticii D„ este sem nificativă, adică :
A A
l „(Xi ■ X , s) = <!><;; i = 1, . . . , 8 :
a 4
Ztg — ------ 0.330 = 0,170
8 8
nu este sem nificativă :
se acceptă i n. privind legea norm ală a logaritm ilor n aturali ai duratelor elţ-
v iaţă, adică legea lognormală a populaţiei din care sc extrage eşantionul s tu d ia t,
l.n . sc accepta ehiar şi pentru p.s. a = 0.2, conform valorilor critice ale sta
tisticii Xl*.
Testul Iul Massey. T.s.v.n. în cazul unui eşantion de volum mic (10 < n<;30)
1. —4. (-» Teul ele eoncordanfă -¿2, cai parametric t)).*
5. Se calculează diferenţele :
<it - i /-»(.-,) -
«3
unde
este funcţia de repartiţie empirică*
d>(;,■) este funcţia lui Laplaee. calculată in punctele
Xt - X 1 “
'< = — — :-----• ms = - £ fA'i - X)=.
/m 2 " i= i
Se ak'ge
cls = inax <i,
6. R egiunea critică a t.M . ; se respinge i.n. II,t conform căreia X ~ .Y(m, cr)
dacă valoarea statisticii d* este sem nificativă, adică
ds > d„
a a
n n
0 ,0 5 0 ,1 0 0 ,0 5 0 ,1 0
F u n cţia
X |- X em pirică 1F n (-,)~
Xi ( X t - x y I-'recv. ® ('«)
de rep. -* (-0 1
V ,Il2
Fn(Zi) *
S = 1 8 .0 1 0,126600
Deoarece valoarea statisticii ds = m ax î/ £ = 0,10540 nu este sem n ificativ ă:
‘ i
se acceptă i.n. conform căreia v.a.-Y - reziste n ţa chim ică — urm ează o lege
norm ală ,Y (m, cr). .i
Testul Shapiro-W ilk (Test \V). T .s.v.n. unei populaţii caracterizată de v.a.X .
1. Se consideră un eşantion de volum n şi fie statisticile de ordine X2, . , . ,X n
ale eşantionului corespunzător v.a.X . {X,-} independente.
2 . - 4 . ->■ ( Test de concordanţă Kolmogorov-Smirnov.*)
5. D acă n = 2/ sc calculează:
I l
^ = a n - f + l [ ^ » - i + l — -^•f] — (0 -
¿= 1 i= l
0.2 8 5 4
0.4127
0.2 4 3 9
0 .1 4 7 5
0 .1667
0 .1140
0 .0988
0.2132
0.1882
0.0 8 4 4
0.0 7 0 6
0.1301
0.0572
0.0314
0.0187
X X X fN X O iX O c O
0.0062
0.0441
co
T f C D C S C S —< * - > 0 0 0
o o o o o o o o o
a X X O X tF O X ©
hi
0 .2876
0.4156
0.1 8 8 0
0.1 6 6 0
0.2137
0.1 4 6 3
0.1 2 8 4
0.1 1 1 8
0 .0669
0 .0530
0.2451
0.0812
0.0395
0.0961
0.0262
® CO IN O M «3
0.0131
O 3 r > l U D 0 3 ‘O ^ r > C D
33
’f K N H H H O O
o o o o o o o o
C D O > —>C33t^*UDCDCO
0.4 1 8 8
0.2 8 9 8
0.2463
0 .1878
0.1449
0.1265
0.1093
0.2141
0.0777
0.0629
0.0 4 8 5
0.1651
0 .0206
0 .0068
0.0931
0.0344
O N U JO îT fO iO fH
co W n C l n r l H O O
32
o o o o o o o o
O c o UD CO CD O CD
X O © t> X X X
CO Tf GC CO CC -4<
S
04 ^
2 ; Ît-M ^
-tr 7,1
r-M ”
Tf -"c
-rf ,J: ^
cr. ®
cd ^x ^x oc® 41
UD UO CO C'l «—! • —! © O C 3 ® ’t i M C C C D 4 l C 3 C X I ' ' i C T r M t M
X ■' Î ' CNiM C N mmmmmh m - . mm O o C O O O
O O O O o o o
o c o o o o o o o o o o o o o
T-> X O (N o r- o
Coeficienţii {a„_i+1} folosiţi In t.n.VV pen tru n = 3 (1) 50
0.C076
0.0 0 8 4 0.0159 0,0227
0.0 2 5 3 0 .0320 0.0381
M -D -<T CO M l'* N
Tf «O CD M >-i i-c o O
O O O O O O O 30
03 to :n C3 03
UD 04 mm© 03 CD
CD co co t o io
«3 CD N i i im o 03
04
o o o o o o
IO UD t " CD cm CD
f - M t X O l O
Oi
"'4* CD
X CD
CD ' O 03 CO
CN mm O O
|
28
c o o o o o
*-m UD O 03 *0 ( D X M f N X 't C C X i C X C X M
O 1-1 CO C i C3 C D H M t o - r c O ”t ( N N M T f U ) t >
CO CD 04 t J* CO X O LO MM CC UD X M- C: l-M UD CD T-M
X X 04 mm ©
LZ
0.1836
0.1 5 6 3
0.1 3 1 6
0.1 0 8 9
0.0 8 7 6
0 .0672
0 .0476
0.2151
0.0284
0.0094
CO 03 Tt* C-J 03
O Pm 04 mm cm X
IC CD 03 i— ©
26
O O O O O
X ^ f '- O h
0.4450
0.3069
0.2543
0.214 8
0.153 9
0.1822
0.1283
0.1046
0.0823
0.0610
0.040 3
0.020 0
X -4* [>» T
03 CO M 03 03
IO X MM ©
25
O C O O
M i f CC —
0.4493
0.3098
0.2145
0.2554
0.1807
0.124 5
0.076 4
0.0 5 3 9
0.1512
0.0997
0.010 7
0.0321
JO CO ' f CO
CO o — r > ud
c o x im o
03
o c o o
cioxorM O T -M M M C o o x
X CD o ■ f n o x x X o t c ; ir, m
r> M O t ic - Ift M tN Tf ® X i t N
CO CD MM X ' txcndjmmm -. — o o o o
O O O o c o o o o o o o o o
MM CO IC © C O mmm- t Ju x O X X X C ' J
CD O 1" f f i l O P D CC-Mf u; P - C N .
co -t X X 03 UD MM IT. MM t> MM X o X -M
CO M O 03 ' S ' X C M M m mmmmm O O O O
0*0*0 O O O O O C O O O O O
~~CC*X ' “ X X X O O O Dl X C X
T MM r f x r M M - x o o C x c D
c o 1* CC i - MUOM- . t - M. î DOXXDl
UD 03 mJ - X P I X t- mm — O C O
CO 03
O O o o o o o o o c o o
04 P m
Pm r - xx xmum D cxo xXo xr Mm-,- jm-mM
_n - r
M
os
'4* X CO Tf X Dl DJ MM MM M MC O -/
co —
o o o o o o o c o o
O O
X Ci M a , TH M M X
03 C x ® i r , f p x - C
■ X C H fiO fflC lC X X
CD o •’T X D I X ' mM m m C . C O
p-
o o o o o o o o o
©
ay
y •*
M H 0 q X ' 4 , ‘O C 0 t M . X O 3
X - - D i X t l C f f i h , X D , 0 - m 04 X ^ X CD r -
446
c « r . a w n « í m n ir. i c c a
w oc c ' X w c « o c « n "
i N X o ^ i r , a; i r j i - c c - ' ' - t c s x - K ® a c - t t N
Oí Is í l C X O '•!"- " t í" . M ^ w ® ï S i ifi ^ M M — C
— — -’ ^ • ^ - o c o o o c c c x c © -
X O — p l ® i í C C C f f i « « M - C X © X i O l > © C e
r^. C .N ® u j i r , r . ir: M c ce X X ® c
ï o n o * c i í - í n >- o í 2 - í i * r a c e c í « u-. >
í S í ,3 í 2 ^ ” Ç
c © © © © c © © © o © © c c © © c © © © © © o
O H n i c i f i i r . i f i o t j c r j a o ' i K ^ N M a c n -
u í u í *~<©c c © ' í ‘ - j ï o w- œ o i n oc œ »-i i n * t X cd
X © C r C X © * - C T3, M ~ © O í X t - ' © X - t f - T C M ^ - 0
n w c s N - « r - r - " r . r t O o o o o o c o o o a
© © © o © c © c © © © © o © © © © © © © © o
M t > n N « i o ( N u : a : c ® n í i i í " O r . « í o - , ® M
t ' ® C 'i N 0 3 ; t C i ' 'a '? t 'f i 'i r . ■ i h ï Æ - N i '
c o ® « c c e i u : < t .^j « c ® X i ' ' c « ^ « M .' i « o
'T © M O IC -i © © O © © © C O C O
o ’ O © © © © ' © * © © C © © c " © © © © o " © ©" o ’ © '
0.1020
0.2 0 8 5
0.1 2 5 9
0.0 9 0 9
0.0 5 0 6
0.3917
0.1392
0.1136
0.0804
0.0602
0.0318
0.0 1 3 6
0 .0 0 4 5
0.2701
0.0227
0.0701
0.0411
(N
T
œ i c C 't o œ c œ i c M N œ c n N i c i j i i o M r - i
ï |0 ® C Ï E W ® M ® ® ^ i pi C ' l r * O © © C
Oí ® r > c n r - ac < i ir. r ; M c íi X o ® T. «r © m *—
C m M M ; -, © © © © © © © © ©
c
O © O O © © " © © © ’ © © © © ’ © *© ’ © * © o ©
ir , ^ • ^ c ^ c c n c a r t t f j C ' T c o c M ^ ^ ^ í C P )
©• t' » © — X X •— X —, i'» -* M o © X (-* X X un
X O M T , - X ® « ) ® Í I C a ® M l '.
*T M M M ^ r-. ^ r r-. ^ q © O O © O © © O
© © o o © © © © © o © c ©' © © © © o o
C < en
o« ©u s ©©<
t œ c H x æ c f ® t f , ¡M ®
«
4
* x to> ixf i T■
**— ©■ .©
i'C íc 'i«
•
r
-~ o r ^ 'T — c c c « r;c > - c ® i> c o i n * t i cr)C' i —
-TM INM -..-.,- — - . . - O O O O O O C C
©©©©o © •©©c o c o o o" © "©©©
.
1 * an~ i ml Wi .
W‘
1 2 ,0 5 1,58 ! 0 ,4 7 0,4886 0,229642
2 1,96 i .« 4 0 .3 6 0.3253 0,117108
3 1.92 1.65 0 .2 7 0.2353 0,068931 :
4 1 .9 0 1.68 0 .2 2 0,2027 0,044594
5 1,88 1,70 0 .1 8 0.1587 0,028536
6 1,85 1,71 0.14 0.1197 0,016758
7 1.84 1.72 0 .1 2 0.0837 0,010044
8 1 .8 2 4 1.75 0 .0 7 0.0496 0,003472
9 1.78 ! 1.76 0 ,0 2 0,0163 0,000326
(rădăcina p ă tra tă din ¡3j cu acelaşi semn cu V3) este o m ăsură a ăsimelriei.
P entru o repartiţie sim etrică (i, = 0.
In general, o repartiţie este cu asimetrie pozitivă sau cu asimetrie negativă, după
/
cum V3 este pozitiv sau negativ.
Coeficientul p; sau echivalent y2.= Pi — 3 este o m ăsură a boltirii, com paraţia
făcîndu-sc cu curbă norm ală p en tru care p 2 = 3.
D acă p, < 3, re p a rtiţia se num eşte p'laticurtică şi este mai tu r tită spre vîrf
deeît o curbă norm ală.
D acă p3> 3, re p artiţia se num eşte' leptoc-urlicâ şi este mai a scu ţită spre vîrf
dccît curba norm ală.
Pentru legea normală*
Pi = 0 şi y 2 = 0.
A şadar, aceşti indicatori pot fi folosiţi p en tru verificarea norm alităţii.
1 . Fie un eşantion de volum n asupra unei v.a..Y ~ ,Y(m, o2).
2. —4 .( - > Test de concordanţă, i ) : Testul dc concordanţă Kolmogorov-Smirnov.)
5. Fie b1 şi b2 valorile coeficienţilor pj şi respectiv p 3 obţinute pe baza datelor
eşantionului respectiv.
P entrh valori mari ale lui n, v,a.
Pi(« -i- 1) ( n + 3)
-i
6(n - 2)
(avind semnul m om entului ;a3) este rep a rtiz a tă aproxim ativ 1Y(0 . 1 ).
P e n tru valori mari ale lui n, v.a.
_ ( __ X \ [ (n-f-1)2 (n-j-3) (n + 5)
+ n + x j| 24 n (n —2) (n —3).
este rep artizată aproxim ativ -Y(<), 1).
r C. Regiunea critică : Asimetria* observată in eşantion este sem nificativă Ia
p.s. ac. dacă
IZ1I > ~a/2
449
| z21> Zoe/2,
Se calculează :
K = >v &)> ( ‘ = !• 2......... n - 2).
i i
unde t. este funcţia de rep a rtiţie a legii Student* t cu
V; n — i — 1 g.l., i — 1, 2 .........n - 2.
0. Uacă i.n. H 0 este adevărată, atu n ci v.a. 8V au legea uniformă* pe segm entul
( 0 , 1).
Pentru verificarea acestei ipoteze se foloseşte criteriul o r (von M ises-Smirnov),
şi anume ;
Se calculează statistica von Mises — S m irn o v :
t 29—c. 680
1
450
unde n este volum ul eşantionului, iar F(v),) este funcţia de rep artiţie teoretică
calculată p en tru elementele eşantionului ordonate crescător (pentru şirul sta
tisticilor de ordine).
în cazul de fa ţă există n —2 elem ente ale eşantionului, iar F (S () = 8< (proprie
tatea repartiţiei uniforme)*, unde p rin S, s-au n o ta t valorile 8 ordonate (eres-
î"
câtor).
S tatistica testului M ises-Smirnov devine :
W=
11
r (A'i ~ x >2
451
unde {X,} este şirul statisticilor de ordine, adică şirul valorilor Of-,j
ale eşantionului de volum n considerat : o n a ‘c crescStor
X 1 C' X„ v' . . . ct X „ .
y H = -v ;i —
unde
1=1,..
S x u
j= l
x,„ j = 1,..
V, -
][m }'nf n i 3s 2.
Se calculează v.a. V
•V
i i j — (-Vii Uf ) -
452
unde
2
E * li
l = * i __ I- 1 + X in.î
V< +
R + pnT
S r - K . £ ( X< i - Ui)2
j'= l
cu ipn(*) funcţie m onoton crescătoare, astfel incit legea v .a.S ,, Cste aceeaşi cu
legea v.a. Sf/ot cînd i.n. H0 este ad ev ărată. Valorile funcţiei ^„(x) sint calculate
cu aju to ru l valorilor critice ale legilor v 2 şi t a lui Student.
6. Regiunile critice se stabilesc ţin n în d seam a că :
Cazul homoscedastic. D acă i.n. H0 este adevărată, atunci v.a. independente
Ut ~ AT(0, o2).
Se testează norm alitatea acestora, ceea ce im plică n o rm alitatea v.a. iniţiale
(folosind o teorem ă cunoscută a lui 1 (. C.ramer).
Cazul heleroscedastic. D acă i.n. II„ este ad ev ărată, atunci v.a. independente
V a ~ -V(u, i).
Se testează norm alitatea acestora, ceea ce im plică norm alitatea v.a. iniţiale
(folosind o teorem ă cunoscută a lui II. Cramer, o teorem ă a lui A. M. K agan,
Yu. V. Linnik. C. R. Rao (1973), o teorem ă a lui K. Sarkadi (1980)).
Observaţii
1. A plicarea transform ărilor asupra v.a. iniţiale folosite in t.S. este condiţio
n a tă de caracterul aleator al observaţiilor {A '^J.D acă există îndoieli în această
p rivinţă se recom andă schim barea ordinci observaţiilor din interiorul fiecărui
eşantion, prin alegerea la întîm plare a ultim ului elem ent X , al fiecărui eşan-
i
tion, i — 1, respectiv ale ultim elor două elemente X f„ _ j . X in ale
i t
fiecărui eşantion, i = 1......... r.
2. Form e sim plificatorii ale t.S. se obţin p en tru n i = 2 şi /.’( - 3.
Testul d’Agostino. T .s.v.n. pen tru eşantioane de volum m oderat (n ^ 50).
A fost elaborat în 1971 şi se bazează pe statistic a lui F . D o v n to n („B iom etrika”
53/1966) folosită pentru estim area abaterii stan d ard s a unei populaţii normale.
1. Se consideră un eşantion de volum n : se ordonează datele experim entale
şi fie statisticile de ordine * :
•Y] < A-2 < Xn
1/2
=
6. R egiunea c ritic ă : dacă l'„ ;0/2^ Y < l't i; l - a / 2’ atu n ci se acceptă ipoteza
n o rm a lită ţii; dacă Y < r „ ;a ,2 sau Y > V„. atu n ci se respinge ipoteza
norm alităţii, unde a-cuantilele Ym;o/2 şi Y „-,i~yi2 pen tru a = 0,02 şi a — 0,05
sint date în tab . 85.
Tabelul S5
Valorile a-cuantilclor (estului D 'Agostino pentru
veri icarea nornmlilălii
œ = 0,05 a = 0 ,0 2
Y n ; 0 ,0 2 5 Y n ; 0.975 Y n ; 0 ,0 1 1 n ; 0,99
Exemplu. în procesul fabricării alum iniului Al, unul dintre param etrii care se
urm ăresc este aşa-num itul oxid de sodiu lavabil (NaoO)!,, al cărui conţinut
se exprim ă in procente. U n procent ridicat de astfel de su b stan ţă influenţează
negativ conţinutul de A1«03, m ateria prim ă prelim inară in procesul fabricării Al.
In tab . 86 sint date valorile (N a20 ) L in procente şi frecvenţa lor de apariţie
in cadrul unui experim ent efectuat în scopul stabilirii unei toleranţe superioare
pentru oxidul de sodiu lavabil.
454
Tabelul 86
D atele experim entale (Na,0)x, in procente şi frecvenţa lor de ap a riţie
°o 0 ,0 3 0 ,0 6 0 .0 9 0 ,1 0 0,11 0 ,1 2 0 ,1 3
Frecvenţa 1 1 3 4 8 9 10
(Na20 )L% 0 ,1 4 0,1 5 0 ,1 6 0 ,1 7 0 ,1 8 0 ,1 9 0 ,2 0 0 ,2 2
Frecvenţa 7 7 6 4 3 3 3 1
Se calculează:
1 _ 1 _
— (n + l)/i = 2185 : A' = 0,13742 ; — ( n + l ) n - X = 341,4887;
0,28306 - 0.28203
■8,366 0,27247.
0,02998
F u „ = (f - 3/8) (n 4- 1/4) %.
x t O/
i ' < , n = [ 100( i - Ţ | 6 O
1 3,45 8 ,3 3
2 5.00 25
3 5 ,9 0 41,66
4 7,30 58,33
5 8,60 75
6 10,20 91,66
2. X ~ F x {x )
cu :
D ensitatea de probabilitate : f(x).
Media : E(„Y) = m.
5. Se defin esc:
T im pul total de testare pină la a r-a defectare (sau cădere) ca fiind sum a tu tu ro r
duratelor de viaţă observate :
= 7, T (X n r)
sau
■W?1( / ) = ^ (1 -F (u ))d u :
o
H J \ 1) - (1 — F(u)) du = m
Observaţii
1. D eterm inarea lui I l Ţ 1(t) conduce la obţinerea inversei şi deci a funcţiei
de rep artiţie F. deoarece :
1 d
n -\t).
1 - t dl
1 - F(x) 1
f(x) r(x)
p e n tru n suficient de m are, astfel incit ifn —> t şi r/n u (conform teoremei
lai Glivenko).
E xem plu. Se consideră 10 observaţii reprezentând duratele de funcţionare
până la prim a defectare (ordonate crescătoare) ale unui eşantion de 10 piese
d in tr-u n lo t de n = 100 piese :
Tabelul SS
1
10
i X «i Hm = -F(i) II — i £ A:n( T (X ni) T (X ni)lT (X „ A0)
1
şl se alcătuieşte şirul iteraţiilor „ a ” , respectiv ,,b ” după cum X t < 1,77, res
pectiv Xj > 1,77 :
X j. a a a b b a b b b a b a a b b a b a
1 2 3 4 5 0 7 8 9 10 11
9 -8
Var U = 4,23.
18 - 1
U — M(U)
0,5
VVar U
nu este sem nificativă :
U - M (U )
= 0,5 < za/2 = 2,34
VvârU
se acceptă i.n. privind caracterul aleator al rep artiţiei datelor eşantionului
stu d iat.
Test von Neumann (-K ent-B ellinson-Itart). T,s, b azat pe statistica :
i
unde 8- este media pătratică a diferenţelor succesive, iar s- = --*“ 1 ---------■
--------
n —1
este dispersia de selecţie* (cstim atorul nedeplasat al dispersiei teoretice o2).
Valorile critice (a-cuantilcle inferioare şi superioare) ale statisticii M au fost
tab elate de H a rt (1942) p en tru p.s. a = 0,01 şi 0,05.
6. R egiunea critică : m ulţim ea valorilor de selecţie m ai mici decît a-euantila
inferioară sau m ai m ari decît a-cuantila superioară a legii v.a. M ; adică se res
pinge i.n. dacă
M < M l _ aL. n sau M > M a ;n ,
a-cuantila a-cuantila
■^1—a ;n superioară M*-,u
n inferioară
a = 0 ,0 5 j = 0 ,0 1 = 0 ,0 5 = 0 ,0 1
4 0,78 0 ,6 3 3 ,2 2 2 ,3 7
5 0 ,8 2 0 ,5 4 3,18 3 ,4 6
6 0,89 0 ,5 6 3,11 3 ,4 4
7 0 ,9 4 0,61 3 ,0 6 3 ,3 9
8 0,98 0 ,6 6 3 ,0 2 3 ,3 4
9 1,02 0,71 2,98 3 ,2 9
10 1,06 0 ,7 5 2 ,9 4 3 ,2 5
11 1,10 0 ,7 9 2 ,9 0 3,21
12 1,13 0 ,8 3 2 ,8 7 3 ,1 7
15 1,21 0 ,9 2 2 ,7 9 3,08
20 1,30 1,04 2 ,7 0 2 ,9 6
25 1,37 1 ,1 3 2 ,6 3 2 ,8 7
Se calculează statistica :
8*
M, =
« 1 < 'a ; . = 1
D urabili D iferen
D iferenţele
ta te a ţele suc
N r. crt. f a ţa d e medie (* < -î)2
(m inute) cesive
(x {+1- x () (* i - î )
Sursa : D. V. Iliescr., V. Gh. Vodă, Statistică şi toleranţe, Ed. tehnică, Bucureşti, 1977.
Se calculează :
x = 15,02
16
IJ ] (x¡ - x)2 = 799,8477
¿= 1
38,9911
Mca,niat = ~ °’7312-
Se alege p.s. al t.s., x = 0,05.
Deoarece valoarea statisticii M este sem nificativ mai nucă decît a-cuantilă
inferioară : M < M 005. 1(.« 1 ,2 2 , se respinge i.n. H 0 cu p.s. a = 0.05. R ezultă
că eşantionul respectiv prezin tă u n caracter nealeator. E x p erim entatorul
poate suspecta faptul că eşantionul este influ en ţat de valori extrem e, de exem
plu x3 = 5,05, care diferă suficient de m ult fa ţă de restul valorilor. Practic,
aceasta înseam nă că au av u t loc anum ite „căderi tim purii” ale sculelor, care
s-au ru p t m ult înaintea lim itei norm ale de uzură.
b) în tab. 91 sint înregistrate n = 32 de valori reprezentind tensiunea electro
m otoare (e) a unui term ocuplu P t R h —P t, la punctu l de solidificare al stibiului,
precum şi elementele de calcul necesare.
Se calculează :
1 « 1 32
s2 = --------- (e¡ — c)2 = ---- ^ (C[ — c)2 = 0,00000135 m V 2.
" — 1 ¿=1 31 t= l
J n -l J 31
S2 = — — £ (ef+1 - C,)2 = ~ £ (Ci+1 - Cj)2 = 0,000002064 mV2.
S2 0.0000U1032
M , = ---- - = ------------------- 0,974.
2s2 0,000001350
( 30 V /2
M i = 0,974 > rao5. 32 = 1 - 1.645 - - - - - I a 0,720
se acceptă i.n. H 0, deci im prăştierea datelor o bţinute este întîm plătoare, eşan
tionul respectiv fiind reprezentativ.
46 5
Tabelul*) ST
32 32 32 31
X et = 171,183; £ (Ci- 7 ) = 0 ; £ (et - i ) 2= 0 ,000042; £ (ew
Î = 1 1= 1 *= 1 tc = l
= 0,000064
* Sursa : Idem, ca la tab. 90,
30 c. 680
ÎGG
(*< - zXi/i - y )
_________ ţ = 1_____________________ _
( x - î )2 /" £ (U i-y ?
i —1 i —1
S tatistica/.;.
Vn - 2 r
Vl - r 2
este o v.a. ~ / dacă i.n. H 0 este adevărată.
6. Regiunile critice corespunzătoare diferitelor i.a ,H 1 sînt d a te in tab . 92
Tabelul 92
i.n. H 0 : p = 0
i.a. H l R egiunea critică T e st statistic
)
1+ r 1 + ?o
In X
2 1 —r 1 - Po’
dacă i.n. H0 : p = p0 este adevărată.
S tatistica testului ;
1 1 + Po
•— In
2 1 Po
Z =
i.n. H 0 ; p — p0
i.a.H 1 R egiunea critică T est statistic
Exem plu
c) U n eşantion de volum n — 28 dintr-o populaţie în care caracteristica este
vectorul bidimensional (X , Y ) dă r = 0,65. Se verifică i.n. : H 0 : p = 0,72
fa ţă de i.a. H 1 : p < 0,72.
•468
Se calculează statistica :
1 1 + 0,65 1 1 + 0.72
— In — I n -----------
2 1 - 0,65 2 l - 0.72
Z = 0.665.
1 1 4- r
( 2
- In
1- 3
3) a) i.n. Ho ■ Pi = ?2 (t.b.)
i.a. H x : Pl T4 P2
b) H 0 : Pl = Pî (t.u.dr.)
H i : P l> Pl
c) H 0 : Pl = P2 (t.u.slg.)
Pl < P2
•4. Se alege p.s. al testului, a.
469
1 1 -f* r2
z„ — In
2 1 — r2
1
S* =
n„ — 3
S tatistica testului :
Tabelul 9 i
i n. H„ : pi = p2
b) P i> pi za t.u .d r.
Exem plu
a) înălţim ile şi greutăţile a n a = 10 masculi şi nF = 8 femele aleşi in tîm plător
dintr-o populaţie de anim ale sint date în tab . 95.
Se verifică dacă coeficientul de corelaţie in tre înălţim e şi g reu tate este acelaşi
pentru masculi şi femele, adică :
i n. H„ : pm = p f
fa ţă de i.a.
H i '■ P i l # PF-
470
Tabelul 95
Masculi Femele
înălţim e (cm) G reu tate (kg) Înălţim e (cm) G reu tate (kg)
166 63 161 60
187 98 158 61
170 82 165 68
171 80 154 52
182 86 166 67
188 85 170 68
175 84 167 69
183 79 177 80
179 75
178 76
Se calculează :
rM = 0,6744 :M = 0,8188
rF = 0,9665 :F = 2,0362
S2 = 0,34286
Se calculează :
1 + r,
■In —’ t = 1......... k (transformatele ale lui !• isher*)
j 1 - rt
A “ (^1 -f- n2 -f- • • • T n/j) — 31’
5 = {("i - 3) + . . . + (nt - 3) zk}!N.
S tatistica testu lu i :
i 1 i+ fiT
£ ("f - 3)
/:> y .* ;k -1-
Exemplu. Se consideră 5 eşantioane independente de volume 21, 30, 39, 26 şi
35 din populaţii în care caracteristica sub cercetare este un vector aleator b i
dimensional. Se calculează coeficienţii de corelaţie de selecţie rit i = 1, . . . , 5 :
a ,39 ; 0,61 ; 0,43 ; 0,54; 0,48.
Se verifică i.n.
Ho • Pl = p2 ~ 93 ~ Pi = Pâ
faţă de i.a. H 1 : i.n. H 0 nu este a d e v ă ra tă .
Se alege p.s. al testului, a = 0,05.
Calculele p o t fi urm ărite în tab . 96
Tabelul 96
{ u i - 3) { U i - 3)
1 1“f'Ti
— I n ------- Uj —3
2 l- r 4 — I n -------- i 1 , 1 + r*Y
2 1 -r, U N —J
1
unde A' este media de selecţie*. X V X,
n
1
s- i\ste dispersia dc selecţie*. —A )2 este o v.a. ~ y 2—î cînd
n - 1 I m
i n. /:f0 este adevărată.
6, 1legiunea critică este form ată din m ulţim ea valorilor de selecţie mai m ari
docil jc/2 — cnantila superioară sau mai mici decit a/2 — cuantila inferioară
a legii x2 cu ( n - 2 ) S t l :
2
i- r : > •/. yJ2 (« — 2 )
3. II q : 7. St /.,) (t.s.u.dr.)
i : 7. <t /,((,
respectiv
H 0 : >. > ? 0 (t.s.u.stg.)
111 : 7. < /-o
4. Se alege p.s. al testului,
5. Se calfculează
s= S] X , = nX =
(nAo)fc
k =$
re s p e c tiv :
0= £
A!
şi ţin în d seam a de regiunea critică a testu lu i unilateral sting sc respinge i.n. P/0.
conform căreia noile restricţii conduc la micşorarea num ărului de accidente.
Pentru valori mari ale lui n, v.a.
s — /;? . X — /.
]/n7. ţ/ /.In
* a — X0
R egiunea critică T est statistic
t.u .stg .
A
x<
1
t.u .d r.
V
2 > ra
o
P entru n suficient de m are, se utilizează aproxim area legii Po(>.) prin legea
norm ală.
Y.a.
_ s n/.0 X
Vn'-o Vl-a/n
este v.a. ~ N (0,1).
Se respinge i.n. I I 0 fa ţă de i.a. IIV cu p.s. a dacă :
~ > i a, (t.s.u.dr.)
unde este a-cuantila superioară a legii Ar(0,l).
Test bilateral pentru media /.. Test b ilateral p en tru verificarea valorii specifi
cate a param etrului /. al legii Po(/.)
1 .—2. (-»■ Test unilateral pentru media Â).
t i . Se verifică i.n.
II 0 : /. — 70
fa ţă de i.a. :
i / j : /. ş£ i' o■
4 . - 5 . (-*■Test unilateral pentru media >.).
0. Pentru n suficient de m are se utilizează aproxim area legii Po (/.) prin legea
norm ală :
Regiunea critică a t.s. bilateral este : se respinge i.n. //„ cu p.s. fa ţă de i.a.
II1 dacă :
3. Se verifică i.n.
H0 : — /.'t
fa ţă de i.a.
H1 : > X2 (t.u.dr.)
4. Se alege p.s. a al testului.
5. S tatistica testului :
z
X1 + -l 2
Exem plu
1. 2. N um ărul de m orţi în accidente auto. in tr-un oraş, în două săptăm îni
consecutive, a fost de ,rj = (3, respectiv .t2 —- 3. Presupunind că num ărul de
m orţi în accidente auto este o variabilă Poisson de m edie / , ne propunem să
verificăm i.n.
3. //„ : X, = X2
fa tă de i.a.
II : Ăj > X*.
4. Se alege p.s. al testului, a = 0,01 de exemplu.
5. S tatistica lestulu i :
(
I6
1 ) - /3 + —
-------
1^
\ 2 )1 l 21
y»
R egiunea critică : z < z 0>01 = 2.33 şi acceptă i.n. H 0.
Teşi pentru cgalilalea a k medii a k legi Po(/.j). i = 1, k ; k ^ 2.
!. —2. Fie A',, A-2, . . . . A ’jt v.a. independente rep artizate Poisson de p aram etri
>.2. . ..., Xj ; * > 2.
3. Se verifică i.n.
II0 : / , --- >.o = /.»
faţă (ie i.a.
7/, : j.f yt 1.), i, j , e {1. ■■■•• *}. i t4 j.
5, S tatistica testului :
k
(*1 - *)*
*■ - s ă:
*=1
6. Regiunea critică : X 2 > x 2a . undo ,r, sînt valorile observate ale v.a.
Y (, i = 1, . . k.
în eşantioane a cite 1000 piese fiecare s-au găsit r , - 15, 13. 8, 6, 11, 9, 14,
10, 16, 0, 12 piese defecte, respectiv.
Deoarece probabilitatea ca să obţinem o piesă defectă este foarte mică, frec
venţele observate .r, . t _ , n p o t fi considerate ca provenind din p o p u laţii
Poisson.
Fie A”, — v.a. Poisson ce caracterizează p opulaţia din care provine eşan
tionul i.
a :f ~ p o a (), n i ....,i ,
Sc verifică i.n. privind egalitalca mediilor A,- aie v.a. A'f, adică :
«o : - ■• • — tei-
Se calculează :
11 / _ Tţ\2
î - H . 2 ; Y U t - î )2 = 97.6 : £ = SA.
i i * *
Se alege p.s. al testului a — 0.05, de exemplu.
Din tabelele legii y 2 pentru k = t l (num ărul esantioanelor) se determ ină
0,05 — cuantila superioară a legii yy :
7.0,05 ; 10 “
Deoarece valoarea statisticii .Y2 nu este semnificativ â :
Fie F(, 1 k frecvenţele observate, adică num ărul de realizări ale evenim en
tului corespunzător v.a. X, in I; clase şt fie fi frecvenţele teoretice respective,
conform i.n. H 0.
Dacă i.n. H 0 este adevărată, statistica : ,
- fiy.
r - V
h
adică :
este o v.a. y% cu v g.I., tinde v = Ar—nr. dc relaţii dintre F , şi f,-, folosite pen tru
a determ ina pe /,) =• A—1. ţin in d scam a că
Ş fi = Ş F t .
T l fi = £ ^ = 80
t X
şi k — 6 clase de valori, din tabelele legii yy se citeşte 0,05-cuantila legii yy cu
6 - 1 = 5 g.I. :
Xo,05 ; o = ll- l*
Deoarece valoarea statisticii yy este sem nificativă :
.. v ,r< -
X - ¿J -f
i-= 1 li
2
■este o v.a. ~ yy cu v -- A1—1 —1 = 1:—.2 g.l. cind 1J0 este adevărată,
Exem plu. Keluind exemplul din cazul i) an terior şi presupunind că p este
necunoscut, se estim ează valoarea acestui param etru prin :
I X E {( X)
i 1GÎ
0,4025.
5-80 400
In continuare se procedează iu mod analog, alcătuind un tabel sim ilar cu tal). 98,
utilizind p 0.4025 şi ţin in d seama că y - este o v.a. y f cu (5—2- 4 g.l. cind
este adevărată.
T e st p entru o v a lo a re sp ecifica tă p0 a p aram etru lu i lej|ii b in o m ia te B i(n , p)
i) Test exact
1. Se consideră un eşantion de volum n o bţinui din n probe independente,
in care se obţin X r realizări (..succese” ). In fiecare probă p ro b ab ilitatea
de a obţine un „succes” este p . P roporţia observată de „succese" este r / n .
2. X ~ B i (n, p).
3. a) //„ : p — p0 (valoare specificată a proporţiei).
Ut ■ V ¥■ Po(t b )
b) //„ : p ^ p0 (t.u.dr.)
h1. p > po
■e) u 0 : p > Pa ft.ti.stg .)
l i l ■. p < p„.
4. Se alege p.s. ai t.s. : y. — 0,05, de exemplu.
5. Se calculează statistica :
p ~- £ cU Z d - p *)"-'.
r-—.i
Probabilităţile binomialc :
i\x = r'n , r#) —ci; 5(1 — r oy‘~ r
481
se determ ină prin calcul direct sau folosind tabelele legii binomiale (tab. 99). iar
p = £ « i - p )-'
r =ix
n CC = 0,005 0 ,0 1 0,025 0 ,0 5
5 —
— 5
6 — — 6 6
7 — 7 7 7
8 8 8 8 7
9 9 9 8 8
10 10 10 9 9
11 11 10 10 9
12 11 11 10 10
13 12 12 H 10
14 13 12 12 H
15 13 13 12 12
16 14 14 13 12 !
17 15 14 13 13
ÎS 15 15 14 13
19 16 15 15 14
20 17 16 15 15
Exemplu. Cu ocazia unor săp ătu ri se descoperă 10 fosile, dintre care 6 sin t clasi
ficate ca aparţinind unor femei şi 4 u n o r b ărb aţi. Se verifică ip o teza conform
căreia raportul dintre sexe este 1 : 1 sau sin t m ai m ulte fosile de femei, adică i.n. :
1
482
faţă de i.a.
Po
Z =
r + 1 1 —- p0
Dacă i.n. H a este adevărată, v.a. Y ~ F.2 (n + l-r),2 r’ iar v.a. Z ~ F.2(r+1). 2(n—r)
6. Regiunea critică a testului p en tru diferite forme ale i.a. 1+ :
a) se respinge i.n. H 0 dacă :
Y > F , a/2 ; 2(n—1—r), 2r
Z > F , a / 2 ; 2 i r + l ) , 2[ n - r f
1
F
Exem plu. Intr-un lot de n = 100 difuzoare s-au găsit r — 8 difuzoare care
prezintă defecte : piese nelipite, im pedanţă necorespunzătoare etc.
P entru difuzoarele de tip u l stu d ia t se ştie din experienţa an terio ară că pro p o rţia
de produse defecte este :
p = 0,091
VnP( 1 ~ P) V V ll - P) P (1 - P)
n
are, aproxim ativ, legea norm ală N (0,1) cînd i.n. H a este ad ev ărată.
Se procedează în continuare ca la testul Z*.
6. Regiunea critică corespunzătoare diferitelor i.a. sin t trecu te In ta b . 100.
unde
r - np0
Z =
Y n p a(l - p 0)
484
Tabelul 100
10 - 80-0,091 2,22
Z = ------- • --------= 0,86
fS O -0,091-0,909 2>57
uv
Po - Pl \
Pi) = & -v *
P i (1 - P i ) Kp i (1 - Pi) /
486
v2( ^ ) = 2 a r c s i n j f - :
avînd dispersiile :
Var vx = 1
v2 ( ^ ) = 2 a r c s i n ] ^ I
are aproxim ativ legea N (2 arc sin Vp, 1/n) (unghiul este m ă su ra t în radiani).
D acă sc aplică corecţia de co n tin u itate, se foloseşte v.a.
w
unde <b (u) este func(ia lui Laplace.
Observaţie
1. Folosirea transform ărilor unghiulare uşurează calculul p u terii t.s . şi a l volu
mului n al eşantionului fa ţă de t.s. folosit la pct. iii), (-* T e s t bazat pe aproxi
marea legii B i (n, p) cu legea normală.)*.
E xem plu
c) Se consideră E xem plul b), pct. ii) an terio r (-*• p. 483).
Se estim ează proporţia de produse defecte :
8
= 0,08.
n 100
Se verifică i.n.
H 0 : p = p j = 0,091
467
fa ţă de i.a.
: p < Po — 0,091
fio o
de u n d e :
2 arc sin n + 0,005 = 0,9943.
h + 0,005 = 0,227,
de unde
h = 0,222.
Deoarece
unde
rig = arc sin = 0,3064
2 . V .a .
- Pl
■n«.,
Zi A'(0,1) ; Z2 = ' -V(0,1)
Fwj1î Pi)
F
P i(l ~ Pi)
"s
(aproxim ativ).
Z v Z , sînt v.a. independente.
V .a .
Xi Pll(l
(< - P i) \
Pl) ( P a(l ~ P a ) \
--------- P i , ------------------------ ----- ------------- N p 3, ----------------- - .
nl V «1
nl J nî \ n3 J
P i ( l ~ P i) a (l -
Pa( Pa) \
*■
1 ~ -v ( n2 J
V.a.
*1 x2
(P i - Pa)
nl n2
Z = — iV(0,l).
F
P i( l - P i) PaC1 ~ Pe)
■^1 : Pl 9^ Pi
b) H„ : p x = p 2 (t.u .d r.)
# i : Pi > Pa
c) H 0 : Pl = p 2 (t.u . stg.)
H i : Pi < Pa-
Mai general :
a) #o : Pi - P2 = 8 (t.b .)
-ffx : P i — Pa # 8
# i : Pi - Pa > 8
c) H 0 : Pr - p2 = 8 (t.u ,stg .)
H i '• Pi - Pa < 8.
4. Se alege p.s. a! testului, a.
«86
]/p (l - p ) i — + — ]
1 Vni nZ J
unde p = Pi = p».
Se calculează statistica :
g _ __ ____ ______n, n,
_•______«___ _____________ Pi P2
1 / ( 1 - ) ( - + Y îi^J) ( - + ± )
V " i + n2 \ % + % % n2 / \ % n2 y
unde pj, p2, p sîn t m .l.-estim atorii * p aram etrilor j%, p s, p, respectiv :
A %
A *1 + -T 2
P = ----- ;-------
n l "P n Z
i.n . H , : P i “ pa = S
Exemplu.
a) S-au controlat nx = 80 produse (Difuzor Ct ) şi s-au găsit x 1 = 9 produse
defecte. L a sfîrşitul chenzinei s-au controlat n , = 157 produse din care s-au
găsit x2 = 16 produse defecte.
E x istă motive să presupunem că pe parcursul celor 15 zile diferă c a litatea la
D ifuzor C4.
Cu alte cuvinte, se verifică i.n. asupra egalităţii proporţiilor de defecte ;
H 0 : Pi — Ps
fa ţă de i.a.
H j : Pi # p 2.
A * i 9
P =
n , 80
A x2 16
Ih =
n2 157
*1 + 25
A
P = ----------- = = 0,1054.
" i + fi2 237
Se calculează statistica te s tu lu i:
A A
F - +)
K0,1054-0,9946 (1/80 + 1/157)
* 1 (7 7
Se alege p.s. al testului, a = 0,05.
Deoarece valoarea statisticii Z nu este sem nificativă i
y P(1 - P)
Tabelul 102
'^ ^ T l e z u l t a t u l
Vindecat
(„succes”) N evindecat T otal
T ra ta m e n tu T ^ \
Vechi S dz) 8 IS in ,)
Nou 9(*a) 3 12(n*)
a. _ _ 5 A __ x 2 _ 9 A __ .Zj + i 2 _ 14
ny 13 ^ na 12 ^ n , + n2 25
5 9
13 12
Z = ------ — - - - — ■- ------- = - 1,845.
r 25 ^ 25 13 12 )
se acceptă i.n.i/o cu p.s. a = 0 ,0 1 , adică tratam en tele sînt echivalente din p unct
de vedere al eficacităţii vindecării loturilor considerate de bolnavi.
Test pentru egalitatea a k parametri p4 a k legi binomiale Bi(n(, p(),
1= l .. .k, k > 2
1. Se consideră k eşantioane de volume n (, i — 1, k ^ .2 o b ţin u te din
n t probe în care se obţin X t — x f „succese” . în fiecare probă p ro b abilitatea
„succesului” fiind p t , i = 1, 2, . . . , k. R ep artiţia statistică a v.a. X este legea
maltinomială*
2. V.a.
- Pi
X ( — n (p t Pi - Pi
N ( 0,1)
V niP f(l — Pi)
F P i( i - Pi)
492
Z« v.a. independente
V.a.
•= 1
3. H 0 : p j _ p2 — ... = Pi = p.
: Pi + Pj, ' ' fi, j = 1 . ---- P, /■ & 2, i ^ j.
4. Se alege p.s. al testului, a.
5. Se calculează statistica testului :
k
r pt-p y £ iti(pf —p )*
S z?~ E l
t= l îfpfl-p) 1 i= i
’H
\. F nl /
k
UiP- - n p 2
P (l-P )
unde p (, p sint m.l.-eslimalorii * p aram etrilo r p< ai legii binom iale B i(n{, pit)
i = 1, . . . , k , k ^ 2 , respectiv p (valoarea com ună):
P. = — , i = 1, . . k, k > 2
4 n<
1 ]
R egiunea critică : se respinge i.n. ori de clte ori diferenţa dintre proporţiile
Pi este m are, adică
x 2 > x 2 ; C* - i r
E xem plu. D in 3 loturi de articole produse de 3 u n ită ţi diferite s-au co n sid e ra t
eşantioane, Inregistrindu-se num ărul de articole defecte tn fiecare eşantion.
S-au o b ţin u t rezultatele din ta b . 103.
Tabelul 103
U n itatea i
T o tal
1 2 3
N r. de a rt. defecte 40 15 20 75
493
se respinge i.n. //„ cu p.s. a = 0,05, adică loturile nu sîn t omogene din punctul
de vedere al proporţiilor de produse defecte.
TESTE PRIVIXD PARAMETRII LEG II MULTIX OMIALE. T.s. referi-
toare la p aram etrii pi, i = 1, . . . , k ai legii m ultinom iale*, adică probabili
tăţile Pt de realizare a unui „succes” în fiecare probă.
Test privind valorile specificate ale probabilităţilor p,-.
Caz neparametric
1. Fie X ( = n( num ărul de realizări („succese” ) ale evenim entului A p l< i< A :
în n probe (încercări) independente constînd în n rep etări ale experienţei şi
fie Pi- probabilitatea realizării evenim entului A< în fiecare dintre încercări
(probe). Se alcătuieşte o tabelă de frecvenţă.
2. V ectorul aleator X = (X v . . x l ) are legea multinomială* cu componentele
X t ~ B i (n, (legea binomială)*
3. I.n. H 0 conform căreia probabilităţile m au valori specificate :
faţă de i.a.
H i : i.n. H 0 nu este adevărată.
4. Se alege a —p.s. al testului.
5. Se calculează statistica (-> Test de concordanţă %2, caz parametric)
E xem plu. în tr-u n experim ent*) legat de încrucişarea a două specii de m azăre
relativ la culoarea şi form a bobului de m azăre se poate face urm ătoarea
clasificare pe sorturi a n = 556 boabe de m azăre :
Tabelul 104
Sortul 1 2 3 4
Conform teoriei lui Mendel asupra eredităţii, probab ilitatea obţinerii unui bob
de m azăre din prim ul, al doilea, al treilea sau al p atru le a so rt este 9/16, 3/16,
3/16, 1/16, respectiv.
Se verifică ipoteza conform căreia ex istă concordanţă Intre rezultatele experi
m entale şi teoria lui Mendel, adică i.n. :
faţă de i.a. :
H 1 : i.n. H 0 nu este ad evărată.
Se alege p.s. al testului, a = 0,05.
N um ărul estim at de boabe de sortul i (i = 1, . . . , 4) este :
npO = 312,75 ; np<> = 104,25 : np» = 104,25 şi np° = 34,75.
Se calculează statistica :
X2 = y , ---------- — = 0,47.
< -l n P°(
fa ţă de i.a.
H 1 : i.n. i / 0 nu este adevărată.
4 . - 6 . (-» Test de concordanţă yy, caz parametric.)
Test privind egalitatea probabilităţilor multinomiale p In două sau mai multe
experimente.
Caz parametric.
N u se specifică valorile probab ilităţilo r p j, ce u rm ează a fi estim ate pe baza
d atelor eşantionului.
1. Se fac n încercări (probe) independente.
Se urm ăreşte X (j = n t j — num ărul de încercări care conduc la realizarea eve
nim entului A j (rezultatului de tip j ) , j = 1, . . ., k în cel de al i-lea experim ent,
i = 1, . . . , r din cele r ( r ^ 2 ) experim ente efectuate.
Fie p a — pro b ab ilitatea realizării rezu lta tu lu i de tip j in experim entul i.
Se alcătuieşte urm ătoarea tabelă de frecvenţe :
N um ărul de încercări
care conduc la re z u lta tu l N u m ăru l to ta l
de tip j de încercări
1 2 .. . . k
E x perim entul 1 nn n 12 • ■ n i*
E xperim entul 2 nZl n 22 . . 7!?.
unde
ne = nn + " îs + . . . + n lk, i — 1, r
n.j — Ujj + n2] + . . . + ]nrj, j = 1 , ---- k
k2
n..
2. R ep artiţia rezultatelor de tip j, 1 < / < ; - p en tru fiecare experim ent, adică
re p artiţia vectorului aleator X = ((X u , . . X rl), . . . (X lk, . . . . X 2k))‘ este
legea m nltinomială *.
3. I.n. H0 : pn = p 21 — . . . = pr l = p lt valoarea comună)
P 12 = P22 = . . . = P n = p 2’ valoarea comună)
unde
7 = 1 ,.. 7f
este estim atorul valorii comune pj, j = 1, . . ., 7c, dacă i.n. 770 este ad ev ărată ;
. n.-. n.î
*«-A = — - v î , 7,
adică pentru fiecare din cele r/c celule se estim ează n (. — num ărul de Încercări
necesare pen tru experim entul i p rin n t . p }- — num ărul acestor încercări ce
conduc la rezultatul de tip j . P en tru aceasta se înm ulţesc totalurile marginale
pe linii, n t ., respectiv pe coloane, n . j , im părţindu-se la num ărul to tal de
probe, n..
Regiunea critică este form ată din m ulţim ea tu tu ro r valorilor de selecţie mai
m ari decît a-cuantila superioară a legii y 2 cu (r —1) (A' —1) g.l. :
-497
3. P en tru fc= 2 se obţine cazul binom ial. (-> Test param. pv pz a 2 legi binomiale.)
în cazul a 2 experim ente binomiale, se verifică i.n.
a) H0 : pn — pn = S (const. d ată) (t.b.)
faţă de i.a. :
: Pil Pil 5^ ®
b) 1I0 : / „ - p 21 < S (t.u.dr.)
uncie
Pu = " Î u = 1- Î u
Z < • "ot/2 = z i - a h ’
N um ărul de p acie n ţi
1 8 16 16 6 4 50
2 6 13 14 7 10 50
3 5 12 10 10 13 50
T otal 19 41 40 23 27 150
32 - c . 680
Se studiază dacă d u ra ta de spitalizare este aceeaşi p en tru pacienţii din cele
3 locuri, adică se verifică :
H 0 : pen tru fiecare d u ra tă de spitalizare p roporţia este aceeaşi in fiecare din
«ele 3 locuri.
H l : i.n. H 0 nu este adevărată.
D acă i.n. H 0 este adevărată, se calculează :
( 8 - 6 , 3)2 (16-13,7)2 (1 3 -9 )2
X2 = — TT---- + • . . . + —----- -- = 8,57.
6,3 13,7
B Î
f?I . . B , . • B* T o tal
n u . • n il- ■ n a "i*
Al
-U n»i • ■ n il ■. . riijc n {.
n i- = 5 j nH
i- 1
l
n .f = n tj
*=1
t h l k
n.. = £ ni-= S n -> = X Xin <»'*
» = l f = l » ' = l ţ = l 23
2. R ep artiţia num ărului de indivizi peste cele l k celule, adică re p a rtiţia vec
torului aleator X = ( X t j ) , 1 < i < / ; 1 < J < / f este legea m ultinomială*.
Fie P ij — probabilitatea ca u n individ (o observaţie) să aibă categoriile A t,
respectiv B j după a trib u tu l A , respectiv B în tab ela de contingenţă corespun
zătoare şi p t., p.j probabilităţile m arginale respective, unde :
k l
pp = ^ P il; p-i — P i’":
1 »=1
l k I k
X X P il = X P*‘ = X p '} = *■
»=1 ; = 1 *=1 J =1
, ("<■
b) *1 = I I n ..p O
(/>■} - n . . Py
c) x l= E
y=i n..p°
6. R egiunea critică :
a) se respinge i.n. I ! 0 dacă :
A'l >
c) se respinge i.n. H 0 d a c ă ;
Y2 > v 2
-v3 ^ f - a .\ k - l '
* = n n c p « - p * > n,' = n ^ n ^ ?
y=i ¿=1
d acă i.n. H0 este adevărată.
M.l.-estimafiile* probabilităţilor marginale s l n t :
1< i < i
n. i
P.f = — , 1 < j < k .
3 n..
Se calculează :
1 * P' ^ 7 “)
p ş j . S E r -
3. Muzică pre- 10 22 38 12 90
clasică (24) (36) (18) (20)
(2 0 - 1 2 )2
+ a 63,518
12
pentru 12 celule.
D eoarece valoarea statistică X 2 este sem nificativă
Observaţii
1) T.i. (a.) este un te st a p ro x im ativ şi se aplică num ai p en tru valori suficient
de m ari ale lui n , şi anum e n > 20.
2) Frecvenţele teoretice (estim aţiile) p en tru celula (i, j) nu trebuie să fie foarte
m i c i ţ i 5).
3) P entru o tabelă de contingenţă 2 x 2 se recom andă testul exact al lui Fisher*,
care poate fi folosit în locul t.i. (a.) an terio r în cazul n ..< 20 sau 2 0 < n . . < 4 0
şi cea m ai m ică estim aţie p e n tru celula (i, j ) mai m ică decît 5.
4) S tatistica t.i. (a) aplicat intr-o tab elă de contingenţă 2 x 2 se modifică cu
a ju to ru l corecţiei de continuitate * (a lu i Y ates), adică se calculează :
pt. ik e
celule
5) P en tru legătura dintre t.i. (a.) şi testul egalit. prohab.* a se vedea O bservaţia 1
p. 496 şi testul de independenţă, p c t. 1 —2 (p. 500).
Testul exact al Iul Fisher pentru verificarea independenţei In tabele de con
tingenţă.
T est introdus de R. A. F isher p en tru o tabelă de contingenţă 2 x 2 în locul
testului de independenţă (asociere)* care este u n t.s. aproxim ativ şi p en tru care
statistica testului este o v. a. ~ ^2 dacă i.n. H 0 este ad ev ărată.
1 .—2. R ep artiţia num ărului de observaţii din cele 4 celule este legea multino-
mială *.
R ep artiţia condiţionată a num ărului de observaţii din fiecare celulă, dîndu-se
totalurile m arginale pe linii şi pe coloane este legea hipergeometrică*
3. I.n. conform căreia atributele A şi B sînt independente.
H0 : P a = P e P-j, 1 < f, j < 2
fa ţă de i.a.
H 1 : i.n. H„ nu este adevărată.
4. Se alege a — p.s. al testului.
5. D acă i.n. I l B este adev ărată, probab ilitatea de a obţine cu cei n.. indivizi
o tabelă avînd elementele nu , n 12, n2I, n22 dîndu-se frecvenţele marginale n .v
n.s, nv , n 2. şi num ărul to ta l n .. este eg ală cu :
Tabelul IOT
N v ' B |
f &2 T otal pe linie
A j
n i-n .j
n i-
n.» TI:
i) Se presupun că
"i> n -i
nu< “ Tnr
şi că % . < n2., /¡.j < ti., (liniile şi coloanele p o t ii to td e a u n a rearan jate p e n tru
a îndeplini ultim ile două relaţii).
Se calculează :
a) coada din stînga a rep artiţiei, adică probabilităţile
P(nn)< P(nn - 1), , p(m) ;
b) coada din dreapta a rep artiţiei, adică pro b ab ilităţile p (Ai), p (M — 1), . . .
. . . , p (M *), unde M * este u n întreg d eterm inat astfel î n e î t :
p(M *) < p(nu ) < p(M * - 1 );
c) P — statistica testului este form ată din sum a p ro b ab ilităţilo r din cele 2 cozi
ale repartiţiei.
ii) Pentru cazul în care
'■) P — statistica testului- este fo rm ată din sum a p robabilităţilor din cele
cozi ale reparli(iei *.
I
Categorii j
de Categorii de culoarea i T o tal
culoarea pielii
p ăru lu i f
A, (" a l ("ia) n x. = 6
4 2
A, (n-n) (ttaa) n2. = 9
11 8
5 -6
4 > - ± - ^ - = ------ = 2
n .. 15
61 9 15 110!
p(4.) = = 0,044955
151 41211181
61 9 ! 5 ! 10 1 1
p ( 4 + l) - p ( iW ) = p ( 5 ) = 0,001998,
15! 51110191
61 9 ! 5 ! 10!
p(m) = p ( 0 ) = = 0,041958
15! 0 16 1514!
6 ! 9 ! 5 110!
P (0 + 1)= P (1) = ■ = 0,251748.
151 1151415!
2. Fişa de control al num ărului de exemplare defecte din probă (fişa c) : fişă de
control prin atrib u te (calitativ) b azată pe num ărul mediu c de exemplare
defecte găsite în k probe exam inate (fig. 118).
Controlul statistic de recepţie (Controlai loturilor de produse).
A nsam blu de metode ale statisticii m atem atice aplicat loturilor de produse,
după ce operaţia de fabricaţie a fost term in ată, cu scopul de a decide acceptarea
sau respingerea lotului controlat.
fx ix ) fx ( x ) 1 â lix ( x )
'x ( x ) = ---- '
1 — h 'x (x ) P X (x) P x (x ) dx
R x (x ) = e 0
P- 7 ) > 0 ; y > 0 ; x g: y .
Td l = !* + *< + $ t + 7 0 -
unde u. este media generală, a,-. S3 sint efectele principale ale f. A, B ; y tj — in ter
acţiunile intre nivelele f. A şi nivelele f. B.
Celulă. Sistem de nivele* (i3......... ip) ale unui f., unde ij, 1 < j < p este ni
velul fixat al t . j .
S1 2
unde {xji) sint coeficienţi constanţi n ecu n o scu ţi: {¡3;} — efectele factorului* j
(param etri n ecu n o scu ţi); v.a. {ej} sint erorile corespunzătoare observaţiei
S i, i — 1, . . ., n sau ,in n o taţii m atriciale :
y = X' p ; e
vcrificind anum ite ipoteze fundamentale* (v.a. nccoreialc, cu mediile nule şi
dispersiile constante necunoscute) ale modelului general. (-*■Metoda M .M .P .)
în m .i.g. se estim ează dispersia necunoscută a 2, sc estim ează efectele {¡Jj| şi.
se verifică ipoteze statistice asupra lor (de exemplu, i.n. H 0 : 3 i = . . . ¡3j>
adică nu există diferenţe sem nificative în tre cele I nivele ale factorului consi
derat), presupunind in plus n o rm alitatea v.a.
Clasificarea in.l.i). după rangul matricei X :
a) M .l.g., cazul rangului com plet: r = rang X = p «kt num ărul de p ara m e tri.
S ituaţie specifică modelelor de regresie.
b) IW.f.fl., cazul rangului incomplet : r = ran g X < p num ărul de param etri.
S ituaţie specifică modelelor A NOVA. Se mai numesc şi modele singulare.
Clasificarea ni.î.g. după natura valorilor |
a) C onstantele {?;/,•} iau valorile 0 sau 1. file au sensul de variabile-indicalor,
arătin d absenţa sau prezenţa influenţei diferiţilor factori asupra variabilei
studiate. M .l.g. este un model de analiza variantei (model A N O V A ) sau model
de analiză dispersională.
b) Constantele {.vli} descriu o m ulţim e continuă de valori (de exemplu, tim pul t,
tem peratura T ete,). M.l.g. este un model de analiză de regresie. (-*■Dreaptă de
regresie).
c) în cazul in care o parte din {xn } sin t variabile-indicalor şi altele iau valori
într-o m ulţim continuă de valori, se obţine un model de analiză ae covarianţă*.
Clasificarea m.l.g după modul in care se efectuează experimentele :
a) Model (clasificare) incrucişat(ă) (In engl. : Cross classification.) M.l.g. in care
fiecare nivel al unui factor apare îm preună cu toate nivelele celorlalţi factori
din experim ent.
513
y m = [i + «i + P; + f i i + eiik, i = 1 , . . . ,1
j = 1
Q k = l,...,K
{£i]k} v -a - in d ep en d en te ~ JV (0, a2)
F actor B în interi- | i i j i j
o ru l nivelelor i i i I I
factorului A 1 2 ... J x 1 2 ... J 2
3 3 - c . 680
514
Vi]k — F + ai + P iU ) + eijkt i = l . , I
, Ji
, K
{e,jl} v.a. independente ~ A’ (0, c-’).
Efectele «¡, fim) pot fi co n stan te sau v.a. presupuse de obicei necorelate (mo
del bifactorial I sau I I A N O V A , clasificarea ierarhică cuibărită, ca: echilibrat*).
Clasificarea m.l.g. după num ărul de observaţii din celule.
a) Modele cu o singură observaţie in celulă : modele în care se face u n singur ex
perim ent pen tru to a te com binaţiile posibile ale factorilor.
b) Modele echilibrate (balansate) : modele in care se face acelaşi n u m ă r de obser
vaţii p en tru to a te com binaţiile de factori, adică modele cu u n n u m ă r egal (con
stan t) de observaţii în celulă.
c) Modele neechilibrate (nebalansate) ; modele cu u n n u m ă r inegal de observaţii
în celulă, adică modele în care n u m ă ru l de observaţii diferă de la celulă la celulă,
p en tru diferite com binaţii ale nivelelor factorilor.
Clasificarea m.l.g. (cazul in care coeficienţii {¿ a } iau valorile 0 sau 1, m odelul
A N O V A ) după natura lui { fij} ;
a) Modelul A N O V A cu efecte constante sau modelul I de analiză a varianţei
(modelul I al lui Eisenharl) : m odelul ANOVA în care {3;}l< sînt p a ra m e tri-
adică efectele tratam en telo r sînt constante necunoscute, n u m ă ru l de tr a ta
m ente I fiind fixat.
b) Modelul A NO VA cu efecte aleatoare sau modelul I I de analiză a varianţei :
m odelul ANOVA in care {¡3^} sînt variabile aleatoare, tra ta m e n te le fiind alese
în mod aleator dintr-o populaţie infinită de tra ta m e n te similare.
c) Modelul m ixt A N O V A sau modelul m ix t de analiză a varianţei: m odelul
ANOVA în care o p a rte din p aram etri sînt constanţi şi o p a rte sîn t variabile
aleatoare.
Observaţii. 1. D acă se notează cu $ — m ulţim ea tu tu ro r tra ta m e n te lo r a tu n c i
modelul 1 respectiv modelul II ANOVA corespunde cazului $ = I , respectiv
I < $ = co. Uneori dacă I < J>< oo (populaţie finită de tra ta m e n te ) se m ai
foloseşte denum irea de model I I I A N O V A .
2. Folosind notaţii m atriciale, m odelul I ANOVA se scrie sub form a u n u i
m .l.g .:
y -- X p -f- e
E (y) = rj = X 'P, rangX = r < p
n ■
E(e) = 0
E (ee') = c 2 I = (Cov ep e j ) ) ^ ,, j <n,
unde:
y“ x l = ( f/i. ■. . . U n ) ' ; pPx l = (3j, . . . , fiv ) ' j e » » 1 = (e x .........e„)',
515
Vii = [x + af + i = 1, 2, 3 ; j — 1, .. . J ,- ,
u n d e Da este a j -a determ inare o b ţin u tă prin m etoda de m ăsu rare i ; ¡j. este
ad ev ăratu l procent de alcool din lichid ; a j, i = 1, 2, 3 este eroarea sistem atică
d a to ra tă m etodei i, considerată ca fiind efectul metodei de m ăsurare sau efectul
tra ta m e n tu lu i; {<?;,-} sînt v.a. reprezentînd erorile de m ăsurare. Se im pune con-
ti
diţia : ^ aj = 0. Cele trei m etode de m ăsu rare sînt suspecte a nu fi la fel de
i=1
•exacte sau că cele trei tra ta m e n te n u sin t omogene.
V ariaţia to tală între observaţiile {ytj} poate fi descom pusă în două com ponente :
-variaţia d a to ra tă diferitelor m etode de m ăsurare (v ariaţia in tre tratam en te) şi
variaţia in tre cele j ( j = 1, determ inări făcute cu aceeaşi m etodă de
m ăsu rare (v ariaţia în interiorul tratam en tu lu i).
D acă sîntem interesaţi în analizarea n u m ai a celor trei m etode de m ăsurare,
■ai — efectele tra ta m e n tu lu i sînt considerate co n stan t (Modelul I A N O V A ,
■clasificare sim plă (unifactorială)).
D acă se aleg întîm plător I m etode de m ăsu rare sau I tra ta m e n te dintr-o m u l
ţim e infinită de tratam en te similare şi cu fiecare m etodă se fac J f , determ inări
Sn scopul generalizării analizei, atu n ci observaţiile (m ăsurătorile) {y (j } p o t
ad m ite reprezentarea :
V i] = + ai + e i j ’ 1 — 1» . . . , I ; j = 1» • ■ Ji
unde { ţ v . . . , Ir), a~ sînt param etri n ecu n o scu ţi; v.a. {i,} se obţin din v .a.
{¡/¡} prin transform area ortogonală de m atrice P, care nu depinde de aceşti
param etri.
IPOTEZA NULĂ ÎN MODELUL LINIAR. I.n. / l (l care se referă la v ecto ru l
param etrilor
H 0 : p = O sau k (vector cunoscut)
E xem plu. în modelul de regresie lineară sim plă (-*■ Dreapta de regrcsie) :
Pi = [X + $ x t + a , i = 1, . . n
H„ : ţt — 0
fa ţă de i.a.
H j : jx 5* 0
' 3'
( 1, 0)
)= °
C'P — 0, vjy = 1.
2) H0 : 3 = 0
:3 # 0
C'P = 0, = 1.
517
CX)-C) c p = 0, vfl = 2.
E (s2) = o2
Y = X 'P,
518
(-> Sum a totală a pătratelor; Sum a pătratelor erorilor; legea formelor pătralice
de v. a. normale.)
TESTUL IPO TEZEI NULE. T estul /•’(-> Test F al lu i Snedecor — Fislier)
pen tru verificarea ipotezei nule in modelul linear*. în ipotezele fundamentale
ale modelului linear şi dacă i.n. II este ad ev ărată, atunci v.a.
__ S S h I vh
SSf/Ve
este v.a. —F,lf]t v<,und c S S B ~ a '-x 2VB este v.a. repczentînd suma pătratelor dato
rată i.n.H * şi S S e ~ o2x2v, este v.a. reprezentind suma pătratelor erorilor (de
estimare)*.
T .i.n. constă in : se respinge i.n. I I cu p.s. x dacă şi num ai dacă
S-S'regr ,
i 1 — —— -
SSe
este o v.a. — F Jt „_2. Se poate aplica testul t*, ţin în d seama de legătura din tre
v.a. F şi t. (—►Legi de repartiţie.)
TABEL AXOVA. Tabel care sum ează calculele necesare aplicării testului ipo
tezei nule* şi cuprinde descom punerea sumei totale a pătratelor* observaţiilor,
indicind astfel sursele de variaţie din modelul liniar general*, g.l. corespunză
toare legilor v.a. respective şi valorile lor medii. Pe baza elem entelor din t.
AXOVA se aplică testul ipotezei nule* în modelul liniar (tab. 109).
Tabelul 109
T o tală y'y n — —
;M
eroarea |
O bservaţia = (media generală) + I media generală dato
\ r a t ă tra ta m e n tu lu întim plătoare /
(const.) (efectul nivelului i v.a.
al factorului)
(const.)
adică :
Vil — p. + + «ţf, i = 1, ■ . I ; j — 1» ■■ J i n = 5j J i
fi
{«iii v-a. independente ~ N (0, a 2).
y = (yn , • • - , ! h j l ; &>i, ■■■, ViJt ; ■■■; Un, ■- ■V ijjY este vectorul o b se rv a ţiilo r;
/1 1 0 . . . . 0]
i t 0 .. . . oi
0 1 .. . . 0)
X' =
(n, / + 1) 0 1 .. .. o j
1 0 0 ..
" 11
J- J i linii
l i 0 0 •• . . l J
p en tru verificarea ipotezei nule din modelul liniar*. (De exem plu, de form a i.n.
a dirá :
/0 1 0 °\ / p- \ /°\
0 0 1 0 *1 0
=
Vo o o
C'
J p
^0 /
O
(7, 7 + 1 ) (7 + 1 ,1) (7, 1)
v/7— 7 < 7 + 1 = num ăru l p aram etrilo r (cazul rangului incomplet) (—r M odel
liniar general.) Im punindu-se restricţia suplim entară :
I
1/7 £ « , = 0
i =1
sc ooţin m .m .p -cstim ato rii unici ai param etrilo r (funcţiilor estimabile)* u, a.ir
dispersiei a2 şi sc construieşte testul ipotezei nule* p en tru m .u. AflfOVA.)
Calculele sint sin tetizate In ta b . 110, respectiv ta b . 111.
Tabelul 110
SS
Sursa g.I. SS £ (S S )
suma de p ă tra te *>
SSe a2
" W ”
E rorile Ve =
1!
Yi ^ i - 1) Yi
w -
II
a
1
T otală ss, = v = n —1 - -
= Yi Yj ('Ja ~ v?
1 '
yi*“-J7‘ iY- t ’
/
, 7
7 ■— Y i , - »= S -V
» t
»j*” desemnează operaţia de medie.
T a b e lu l 111
SS
Sursa g.i. SS E(SS)
(suma de p ă tra te )
Media = 1 ss^
generală
([*)
)1 Yi j 71
t
E rorile sse a-
* W "
II ,L
SSe = £ fofi ~ 0<*)2
rH
* i
i
Vi = — —
n -J+ 1
T otală SSt — £ E !/u ~ y i* +
V
X !/■'* \ 2
+ — ^ -------1
J ‘I i Jr l 1
i '
S S „/S S e > F
a; l, vc,
unde F Ve sint a-cuantilele legii F cu v„ g.l.
Observaţii
1. Sum a de pătrate S S * datorată i.n. Hoz reprezintă m ăsura p o n d erată a im -
prăşticrii medici de selecţie in cele / populaţii, iar S S , sum a pătratelor erorilor*,
rep rezin tă m ăsura îm prăşticrii observaţiilor în fiecare popu laţie. De a ceea, SS
se num eşte suma de pătrate Intre grupe, iar SSe se num eşte sum a de pătrate in
interiorul grupelor. SSt se num eşte suma de pătrate In ju ru l mediei generale.
2. M.I u. ANOVA p rezen tat m ai sus corespunde cazului nebalansat*. D acă
n u m ăru l de observaţii din fiecare celulă este acelaşi, adică J x = . . . J j — J ,
a tu n c i se obţine modelul balansat (sau echilibrat) in care expresiile m .m .p -esti-
m atorilor şi statisticilo r F au form ă m ai simplă.
3. M.I u. AN OVA se poate prezenta sub forma ech iv a len tă :
f U it = $( + e( i, i = 1, . . . . I i j = t , . . ., J t
M.l u AX OVA este caz p a rtic u la r al modelului linear general* (cazul rangului
complet) cu m atricea X ' de forma :
1 0 0 '
1 J j linii
i 0 0 1
0 1 0
1 J 2 lin ii
o i 0 1
o o i
1 J j linii
o o i
Tabelul 112
Sursa SS
g.l. SS E (S S )
dispersiei sum a de p ă tra te
SSH = a2 +
în tre grupe
vfi = SSh =
= £ J i (Ui* - V ? = / - l = S S HlvH
t * 1 i
In interiorul SSe =
Vg = SSe = a2
grupelor = S I j (Vfi ~ = n —I = SSe/ve
* j
sst =
T o tală Vi =
= 1 ] 1 ] (Vil - V )2 = / i —1 - -
* j
care trebuie verificată in prealabil (de exem plu, —*■ testul Bartlett*).
524
y = (S n , Usu ■•■>112«,)'
(î = (ntj, m2)'
)
efectul nivelului i
(observaţia) = (media generală) +
(const.) al factorului A
(const.)
efectul nivelului j \
4- eroarea intlm p lăto are,
al factorului B
(const.)
525
J linii
1 1 0 • • ■ 0 0 0 • - 1
1 0 1 ■ • • 0 1 0 • ■ 0
X' = 1 0 1 • • ■ 0 0 0 • • 1 J linii
{»;/ + /+ !)
1 0 0 • • . 1 1 0 • ■ 0
J linii
v i 0 0 ■ • • 1 0 0 .
• • *>
+C n> ]+ ( ■ ¡ j f j s s s i .s i T ' ) +
ad ică ipotezele fundamentale* sint
yuk= y + a j + P j + Yt f + e m , i = 1, . . / ; j = 1, . . . J ; k = 1, . . . , K
Tabelul 113
527
Ui l k = p + a; + P(i)i + H j k , f = l. . . . . I
l
j = 1. . . . , J i , n = K £ J (
t= 1
f i . , „
k = 1, . . . . , K
Ş “ i = 0. S PiO) = 0, V i
■ * i
Se verifică i.n. deform a :
H A : a.i = 0, Vi
H b (A) ■ Pt(» = 0, Vi, j
pe baza calculelor sintetizate in tabelul 115
T
528
Tabelul I U
/
529
Tabelul 115
SS
Sursa g.i. SS
(s u m a n e p ă tra te )
sse = ve =
E rorile ~SSe = S S elve
= 2 S S (s a * - Vii*Y —« - Ji
i j k i
SSt =
T otală Vj = n — 1 -
= £% £j £k 4 * - n»L
34 - c. 680
r>no
O - 1 = 1, m = 1, . . . . M
. v. a. independente ~ iV(0, a 2) .
l.n . referitoare la efectele principale sau in te ra c ţiu n i de forma :
H a : a i = 0 ; . . . H a s : a f /f = 0 . . . ;H abc '■a f;tC = 0 . . . etc.
iSe obţin m .m .p-estim atorii p aram etrilor şi se construiesc testele F p e n tru i.n .
Regula generală formală. Se introduce un facto r ,,fic tiv ” care corespunde n u
m ărului de observaţii din fiecare celulă. Se adm ite că a d ev ărata medie a celulei
are o descom punere lineară şi că sin t verificate restricţiile su p lim en tare refe
ritoare la efectele principale şi in teracţiu n i, n u m iţi param etri „esen ţiali".
E stim atorii m .m .p. ai acestor p aram etri „ esen ţiali” se obţin ca sume dc obser-
vaţiiletm ediate ale celulelor respective, nem ediind indicii nivelelor factorului
respectiv şi m ediind indicii celorlalte nivele. Semnele term en ilo r din aceste
sume se succed ca semnele din expresia g.l. corespunzătoare.
Sum a p ă tra te lo r erorilor S S e se d eterm in ă ca sum ă a sum elor dc p ă tra te S S
• care se referă la com binaţiile factorilor „e se n ţia li” cu fa c to ru l „ fic tiv ” .
D acă la ipotezele fundam entale i î se adaugă unele i.n. H , a tu n c i in calculul
sumei p ă tratelo r erorilor S S e se adaugă sum ele dc p ă tra te corespunzătoare
acestor ipoteze.
Suma de p ă tra te S S cu un num ăr dc indici sc obţine ca d iferen ţă din tre suma
p ă tra te lo r ab aterilo r observaţilor, v.a. ycare au indicii corespunzători nem ediaţi
fa ţă de m edia generală şi suma sum elor de p ă tra te S S care au indici m ai pu ţin i
aflate deasupra ei în tab elu l ANOVA.
N um ărul g.l. al unei sume de p ă tra te se calculează form al făcind p rodusul g.l.
corespunzătoare tu tu ro r sum elor SS care au u n singur indice. Se spune că există
o dualitate Intre expresiile g.l., sum elor de p ă tra te şi m .m .p-estim atorii p a ra
m etrilor, succesiunea seninelor fiind aceeaşi. A ceastă d u alitate ju stifică form a
lizarea modelelor ANOVA.
în modelul considerat in exem plul d at, m odelul I ANOVA cu 4 factori, cu M
observaţii in celulă se obţine form al ca model I ANOVA cu 5 facto ri şi o obser
vaţie în celulă.
' Tabelul ANOVA pentru exem plul d a t este :
Analiză de variantă formală (p =» 4) cu Af observaţii în celulă {caz echilibrat) 531-
332
MODEL X \\O V V MULTIFACT ORI AL FORMAL (CLASIFICARE IERARHICĂ)
O bţinerea form ală a unui model I ANOVA, cazul echilibrat, clasificare ierar
hică cu p — 1 factori din tr-u n model I ANOVA cu p factori, cazul echilibrat,
•clasificare cuibărită.
De exem plu, modelul I unifactorial al clasificării ierarhice, se poate obţine din
modelul clasificării încrucişate duble (modelul bifactorial I ANOVA — cazul
•încrucişării duble) : efectele principale ale facto ru lu i B iu interio ru l nivelelor
factorului A, rfi(i)} din cadrul modelului u nifactorial I al clasificării ierarhice se
•obţin sum ind efectele facto ru lu i B şi interacţiu n ile A B d upă indicele j din
modelul bifactorial I al clasificării încrucişate : ■fiul) = fi} +
Sumele de p ă tra te şi gradele de lib e rta te corespunzătoare din tabelul ANOVA
,pentru clasificarea ierarhică se ob ţin p rin ad unarea term enilor corespunzători
din m odelul bifactorial I ANOVA, clasificarea încrucişată,
în cazul in care nu ex istă in te ra c ţiu n i în modelul clasificării încrucişate, se
com bină term enul A B cu term enul rezidual.
-Calculele p o t fi urm ărite in tab. 117.
Modelul bifactorial I al clasificării ierarhice se poate obţine din m odelul tri-
facto rial I al clasificării încrucişate astfel : dacă to a te nivelele facto ru lu i C
.-sînt lu ate cu toate com binaţiile posibile ale nivelelor factorilor A şi B , atunci
avem de-a face cu lin m odel I ANOVA al clasificării trip le încrucişate. D acă
I J K u n ită ţi experim entale sîn t considerate în experim ent cu K u n ită ţi expe
rim entale diferite p en tru fiecare com binaţie a nivelelor i = 1, . . . , / , respectiv
j == 1, . . ., J ale factorilor A şi B, se obţine modelul clasificării ierarhice duble
cu facto ru l C in interioru l factorului A. Se m ai spune că facto ru l C este cu ib ărit
în in terio ru l factorului A.
Presupunind că observaţiile a d m it u rm ăto area descom punere în cazul clasi
ficării trip le încrucişate :
3<o î = 3 / + (« 3 )« •
%
Ui
*7 1 1
5C ! 1 *
Tabelul N
*
* * .* *
*
* ^
T
i * L wâ
t/î * t? ^
ta. * £r. G:
w «
y w - w - w -
^ *5 w * w -
1
'oh î t i i
- ** 7 ^ ►
-1
>-. *-t
o
5
o i *
C3
S Zi 3-, « * 4 *•
h
Zi C3
*
_g >£ * t £ 3~. ?• 1
7=S fe i1 * ** l « Ai
G 1 1 * * ^
a Zi tT'
CS
£
J | 3 + w *
ta w - w -» 5 W " w -
£ 5 54 1 W '* w -
tH >-1h -^ 1
tk ' ! V, ^ *
l" *•» 5 1 ¡5
Si 1
r2 *
s
** ** JT
te te*
o Zi
CS te te 1 Ai
r-i £ %,
o e te
c >£ * * 05 *
a O 3 3 W - + w *
£ W '* W ” ■ţ w -
£
^ S w ~ T w -
>C3
cq n
^ 83 ^ g H
MODEL II ENIFACTORIAL ANOVA. (In engl. : variabil- effects model,
variarice eomponents model). Model u nifaclorial ANOVA în care. nivelele fa c
torului stu d iat sint considerate un eşantion de volum I dintr-o populaţie soco tită
infinită. Efectele principale ale factorului sint v.a. Se presupune că obser
vaţiile ad m it o descom punere lineară ca si in cazul modelului 1 unifactorial
A N O V A *.
Ipotezele fundam entale ale m. II u. ANOVA (cazul Reechilibrai) sint :
' Vi) = H + « i+ ei)> f = 1, . . I ; j = 1, . , . , J t ; n = ^ Jt
i
cu J < ,? = oo (_» Model liniar general)
n - R ] . {ea} v.a. independente în to ta lita te a lor
R } ~ -V(0, a l)
Ha : al = 0
(contribuţia celor 7 eşantioane la v a ria b ilita te a to ta lă ) pe baza calculelor d in
Tabelul A N O V A .
Tabelul A N O V A * pentru m. II u. ANOVA d a t de tab . 118 este acelaşi cu T a
belul ANOVA din cazul modelului 1 unifaclorial AA'OVA *, singura deosebire
fiind in calculul coloanei care dă m ediile sum elor de p ă tra te S S .
T estul i.n. I1A : se acceptă i.n. H A cu p.s. a dacă şi num ai dacă
S S A/S S e < F a ; v„
unde F a ; v^, ve este oc-cuantila superioară a legii *F cu va , ve g.l..
Observaţii
1. în cazul echilibrat, J 1 = . . . = J j = J se obţin formulele sim plificate.
De exemplu :
E ( S S j) = a] + J a l
Tabelul 118
SS E (S S ) Model II
Sursa dc (Sum a dc g.l. SS Model I
variaţie unif. ANOVA
p ă tra te ) unif. ANOVA
SSA 2 1
E fect, princ. (SSa—r model I 7 - 1 SSA = °‘ + 7 = î x
fact. A uni)'. S S A/ ( I - 1) » « + —----- -
/ —1
(între grupe) A X O V A )
/ SA
x (" „ ) *
SSe
E rorile (rezi (SSe—r model I
unif.
~sse =
duală) i S S el ( n - 1) a2e(= a2) c * (= a2)
(în interiorul A X O V A ) = n - /
grupelor)
SSt
T otală (SSt—* model n - 1 - -
unif.
AXOVA)
Se verifică i.n. :
Ha : al = O
Hz : 4 = O
cu aju to ru l unor teste F. Calculele se pot urm ări în tab . 119 care este tabelul
A N O V A * pentru m. II b. A N O V A (1 o .c .; c.i.), identic cu tabelul ANOVA
p en tru modelul 1 bifactorial A N O V A (1 observaţie in celulă; clasificare încru
cişată)*, singura deosebire fiind in calculul coloanei E (S S).
MODEL II BIFACTORIAL ANOVA (CLASIFICARE IERARHICĂ). Model
bifactorial ANOVA in care pen tru fiecare nivel al factorului A se aleg la întîm -
plare subgrupe (subsclecţii) de u n ită ţi experim entale. Nivelele facto ru lu i
A sint luate num ai cu o parte din nivelele factorului B. A tit nivelele factorului
A cit şi nivelele factorului B sint eşantioane de volum fix a t din p o pulaţii
infinite.
Efectele principale şi interacţiunile dintre factori sint v.a..
Model II bifactorial ANOVA eu număr egal de observaţii in subgrupe. AJ. l i f t .
A N O V A (c. ier.) în care fiecare nivel al factorului A se aleg la in tim plare J
subgrupe (subeşantioane) dintr-o populaţie infinită de nivele ale factorului B
pe care se face acelaşi n um ăr K de observaţii.
Pentru a A'-observaţie din nivelul j al factorului B in interiorul nivelului i al
factorului A se adm ite o descom punere liniară în : media generală p, (constantă) ;
efectul principal al nivelului i al factorului A, a ^ v .a .) ; efectul principal a l
nivelului j al factorului B în interiorul nivelului i al factorului A, b ^)j (v.a.) •„
erorile aleatoare e<0 )*.
Ipotezele fundam entale ale m . II ft. A N O V A (l.o.c. ; c.i.) sin t :
¡:
1
538
Tabelul 120
c e l. c l
* r b
I I
K ,2 î2
X
ie r .
b ifa c t.
m o d e l
1
obs. +
<N ^ CM -Si CM ca
*) Pentru obţinerea acestor syme de pătrate 55 -t Formalizarea modelelor J AflQVA, clasificarea încrucişată, respectiv clasificarea ierarhic
b b
b
îs ! <N e-N
•C.
c e l. c l. ie r
| ^
b ifa c t.
7
t H '’ 7 -
i :( s s )
W - p
- <N V
^ -a; W b 1
1
“4
1
.
a> JO i +
o o CM <»
0 3
s
>
>
H i uQ
^2 t/2
ss
^ § j
li ca **5 II
]t«5 " 3 |t/?
!* ? j& 2
150 II
----s T-f
| ii 7 „ 1
H ^
t i 1
ii « J ’- '
> ^
? II
>
ifa c l.
clas.
l ti
;
ifac l.
clas.
e /a s .
i/to e f.
ed
•T
"C3
.«
o Cu
•— * CU o c "-«1 Cu
t-.
CU 5.’
>C3 *« ec* ! «
? 2
Ol 2 ^ 2 °
ţ O ? ___
t/2
ir « c a -T j'
T3 ^ r. V îs!
V; c:
ia 2 OQ ., tc .
I t/2 î § t/2 ^ ^2 ^
N cu
ic
t t ^ aâ
o X l o 2: t o i
g? - ţj ■o su as
ic *- g
=0 - - îi t>2 «X "£> -7 ^
_s " . t-,’
o O > > ■2 SE
0 ^
ni
= - o
tH « ^ w
3 0
--- - l i — o *- , â e, 2 >cfl
t/2 t, — *
01 o
•p 15
Ş f i i & ! ’S
5J o
S e W -f-9 7 S ÎD O £ H
539
Ho ■ E ( y f / x ) = » i0 + ¡ V ~
M 0 : E fiji/x) = -ţ- 3x (drepte de regresie paralele)
Ho ’■H(tJifx) = a 0 + fix (aceeaşi d re a p tă de regresie)
H 0 : E fiji/x) = (Zio (Model I unifaclorial A N O V A * — d reap ta de regresie nu
depinde de .r, paralelă cu Ox).
D iferitele i.n. II0 se verifică cu aju to ru l u n u i te st F.
METODE DE COMPARAŢIE MULTIPLĂ (INFERENŢĂ STATISTICĂ SI
MULTANĂ). A nsamblu dc m etode de inferenţă statistică p en tru stu d iu l
unor funcţii parametrice, estimabile*, co n stru cţia intervalelor comune (simul-
■**) Pentru fiecare tratament, mediile populaţiilor (grupelor) sînt dispuse după o {curbă de) regresie*•
540
1 ¿1 1 ^3 \
( — 2 j Pi - ~ r Y i Pf r
»= 1 y2 j= 1 J
\ t= i / *=i
unde E i este evenim entul care constă în acoperirea param etru lu i p^ prin in te r
valul 1(, i = 1, . . . , k.
Metoda S a lu iH . Sclicffi. M.c.in. b a z a tă pe u rm ăto area teorem ă :
Fie modelul liniar general,* cazul AN OVA
y •\'(X' p, c2l)
Q.
rang X ' — r.
P ro babilitatea ca sim ultan p e n tru orice funcţie estimabilă* <Ji să fie satisfăcu te
inegalităţile
A A A
di — Sa* ^ <J> < 4- So*-, Vtji 6 L -sp a ţiu l q-dimensional al funcţiilor esti-
+ <|i
mabile*,
5A ï
este
A
esală
A
cu 1 —a, unde ■
— C P este estimafia nedeplasată* a funcţiei estim abile <¿1 = C'P
— estim aţia nedeplasată a Var
sa — estim aţia nedeplasată a lui a2 cu v g.l., adică vs2/ a 2 ~ Xv
S2 = q-Fa; j,v — constanta lui Scheffe.
Observaţie
Se spune că^ji este semnificativ diferit de zero în rap o rt cu m .S. dacă in te rv a lu l
(di — S csa, di + S oa) nu acoperă pe zero sau |iL| > S a a -
<ji <ji
M etoda T a luiA •!. W . T ukev. M .c.ni. b azată pe u rm ăto area teorem ă :
Fie m o d e lu l: (d i) sînt variabile aleatoare independente.
(Jjj ~ N(tyt , a la 2!), K i < l".
W i) — constante cunoscute, 1 < i ^ k.
{Pf} — param etrii necunoscuţi, 1 ^ i ^ k
A
vs2/c 2 ~ xŞ S' n u depinde de {<|i4}, 1 ^ i ^ k-
Cu o probabilitate egală cu 1 —a to a te funefiile parametrice* di = C'P =
i
satisfac sim ultan inegalităţile :
41 = £ c i? i
i
[ y u = Pi + i = l . ■■ ■’ 1
-0^ j = l, . . . , J
U eff} v -a- independente — JV(0, o2)
sau scris în form a echivalentă :
(P i)l <»</
s2 este o estim aţie nedeplasată a lui a-, independentă de {¡3,-}, astfel In cit
vs2/o a ~ Xv (v = n — 1), m .T . se bazează pe teorema :
Cu o p robabilitate de 1 —a, to ate contrastele* i}i = £ cf3 f, ^ c4 = 0,
* •
r> ',2
unde :
-A ■ţ A A 1. ■^
^ = V C|Pj ; = yi# = — V ţJij, i = 1, . . . , i este m edia a J obser-
i J j« t
valii din a i-a celulă :
1
T= 9a - i v cs^e co n stan ta lui T u k cv ;
( \ II 1 7a \
= * 7 - £ fo - T £ Pi * h+ h= I-
V * 1 ¿=1 J2 ; = 1 /
pen tru care :
f 1 1 \ ; / —1, « —/
(I~D
(— + — ) “ ------------ 5
V 1 2 / 9a;I,n-I
2. P en tru fixarea unui p lan de experienţe prin m etoda p ă tra tu lu i la tin trebuie
ales la întîm plare un astfel de p ă tra t din m u lţim ea tran sfo rm atelo r, adică
m ulţim ea tu tu ro r p ătratelo r la tin e o b ţin u te p rin p erm u tarea liniilor şi coloa
nelor unui p ă tra t la tin dat.
3. P ă tra t latin standard de ordinul m sau forma canonică a unui p ă tra t la tin
de ordinul m , P.l. o b ţin u t p rin p erm u tarea coloanelor astfel incit pe prim a linie
sim bolurile folosite să fie ordonate n a tu ra l : a, b, c, d, e şi apoi prin perm u tarea
liniilor astfel incit prim a coloana să fie (a, b, c, d, e)1.
1 o 3 4 5
i a b c d e
ii b c d e a
in c d e a b
IV d e a b c
V e a b c d
bloc trebuie să fie cit m ai omogene, iar în tre două blocuri oarecare să existe
deosebiri.
l’lan iu blocuri intîm plătoarc. P.b. conform căruia, în fiecare bloc, cele I tra
tam ente sin t rep artizate in tim p lăto r in ra p o rt cu / u n ităţi ex p erim entale,
în tr-u n P .b.i. fiecare din cele I ! m oduri de repartizare a trata m e n te lo r pe u n i
tă ţile experim entale are aceeaşi p ro b ab ilitate şi rep artiţiile experienţelor în
blocuri sint independente. P e n tru obţinerea planurilor cu blocuri intîm plâtoare
este indicat să se folosească tabela p erm utărilor intîm plătoarc.
Plan experim ental iu blocuri incom plete. P .b. conform căruia num ărul de
u n ită ţi experim entale din bloc este m ai mic decît num ărul / al tratam en telo r.
Se presupune în plus că fiecare tra ta m e n t ap a re dc acelaşi n u m ăr r de ori, că
blocurile au acelaşi nu m ăr de u n ită ţi experim entale k şi că nu ex istă nici un
tra ta m e n t care să apară de m ai m ulte ori în tr-u n bloc. Dc aici sc deduce că
num ărul n de experienţe în tr-u n p.b.i. satisface condiţia
n = r / = kJ.
P lan experim ental conform căruia o an u m ită pereche de „sistem e de c o n d iţii”
apare în totdeauna în tr-u n num ăr constant dc blocuri.
Dacă notăm că Xi4. num ărul dc blocuri în care ap ar sistemele de condiţii i şi
i', atu n ci se deduce că p en tru un p.b.i. (cazul echilibrat), trebuie să avem
[ a dacă i ;£ i'
>ut' = {
ţ r daca i = i'
unde ?, şi r sin t constante. Se poate arăta că i
i - 1
M odelul ANOVA de analiza d atelor reale conform p.b.i este un caz p a rtic u la r
al modelului I A N O V A bifactorial echilibrat*.
RA jVDOMIZARE. Procedeu de alocare întim plătoarc a unor com binaţii de
tra tam en te pe u n ităţi experim entale care reduce sursele de v ariab ilitate, eli
m ină efectele sistem atice ale factorilor necontrolabili, în lătură neajunsurile cc
ar decurge din erorile dc m ăsurare sau de citire a rezultatelor, asigură validitatea
inferenţelor statistice făcute asupra p aram etrilo r m odulului ales p en tru analiză.
Mai general, r. constă din folosirea unei tehnici corespunzătoare, p en tru a deter
m ina re p a rtiţia în cadrul unei m ulţim i de elem ente asem ănătoare (ordonarea
pe o dreaptă, locul unei ob servaţii în tr-u n tabel etc.) sau p en tru a desem na un
a n u m it n u m ăr de u n ită ţi experim entale (obiecte, persoane, experim ente, etc.)
alese la întîm plarc dintr-o populaţie supusă cercetării.
R. se poate face prin experim entul de aruncare cu m oneda, prin extragerea
unei bile sau cartele dintr-o u rn ă, cu aju to ru l unei tabele de numere întîm plă-
toare etc.
Planificarea unui experim ent trebuie să ia în considerare şi problema selectării
factorilor, adică alegerea investigării acelor variabile care au un efect deosebit
asupra răspunsului experienţei.
în anum ite condiţii — independenţa observaţiilor, re p a rtiţia norm ală etc. —,
asigurate dc tehnicile planificării experim entului (de planul experim ental fo
losit), efectele factorilor asupra variabilei-răspuns p o t fi determ inate prin a n a
lizarea variabililăţii observaţiilor prin metodologia oferită de analiza de uarianfă*
o ¡7
VARIA
1. Perioada prcstalislică
D upă unii cercetători ai istoriei statisticii [31], pe terito riu l D aciei rom ane
s-au făcu t recensăm inte ale populaţiei („census” ), prim ul fiind cel dispus ch iar
de Îm păratul T raian după cucerirea D aciei şi despre care ne-au răm as re la tă ri
de la U lpian ; ultim u l „census” s-a efectuat in ju ru l anului 240. S tatele feudale
de pe terito riu l R om âniei — Ţ ara R om ânească. Moldova şi T ransilvania — au
co n tin u at, in forme specifice, tra d iţia ,,ccnsus”-u!ui rom an : s-au p ra c tic a t
catastife, catagrafii şi conscripţii, cărora li se adaugă u rbariile şi altele. Toate
p rezin tă interes sub rap o rtu l teluricii de înregistrare şi au o certă valoare ca surse
de cunoaştere a situ aţie i demografice şi economice.
M enţiuni despre catastife datează din sec. al XV-lca. Cel m ai cunoscut este
catastiful lui P e tru Şchiopul, din 1591, publicat de Nicolae Iorga ; se ştie de ase
m enea despre catastifu l lu i M ihai V iteazul, din noiem brie 1599. Catagrafia
succede catastifului, incepind din a doua ju m ă ta te a sec. al X V llI-le a . S-a
p ra c tic a t in două forme : catagrafia religioasă şi catagrafia fiscală. Un tip evo
luat de catagrafie a fost catagrafia regulam entară, efectuată in condiţiile R egula
m entului Organic, intro d u s in M untenia la 1 iulie 1831 şi iu Moldova la 1 ia
nuarie 1832.
Conscripţia, ca înregistrare, s-a p ra c tic a t în T ransilvania, sub diferite forme :
fiscală — încă din sec. al XIY-loo, ca in scriere a capilor de fam ilii contribuabile ;
urbarială - - p en tru reglem entarea rap o rtu rilo r dintre feudali şi iobagi; reli
gioasă — p en tru înregistrarea persoanelor ap a r ţin ind diferitelor culte ; m ilitară
— echivalentă cu u n adev ărat recensâm int al populaţiei.
P en tru Ţ ara Rom ânească ne este cunoscută în registrarea făcu tă de C onstantin
B rincovcanu, In anul 1713, pen tru p lata haraciu lu i de la care nu a fost ex cep tată
nici o categorie fiscală sau sociala. C atagrafia lui C onstantin M avrocordat
(1741) a fost stu d ia tă ap ro fu n d at [32] şi p u b lic a tă ia ce priveşte tehnica de
înregistrare. liste vorba de elem entele pe care le cuprinde Condica de v e n itu ri
54 !f
şi cheltuieli răm asă de la C. M avrocordat din cea de-a doua lui domnie in Mol
dova (17-41 —1744) şi care este prim u l a c t în care tehnica de înscriere catagrafieă
a populaţiei este a ră ta tă clar. Mai p u ţin cunoscută este catagrafia fă e u tâ de
N . M avrocordat in 1725, ta tă l lu i C. M avrocordat, ca şi aceea efectu ată de C. Ma
vrocordat, in 1739 sau 1740, în Ţ ara Rom ânească. Se apreciază că dom nitorul
C. M avrocordat urm ărea să întocm ească o lucrare descriptivă a Moldovei la
care a r fi ad ău g at şi datele rezu ltate din catagrafia 1741, lucrare asem ănătoare
cu cele întocm ite în E uro p a occidentală dc statistica descriptivă şi de aritm e
tica politică.
D intre catagrafiile din Moldova, au fost stu d iate şi publicate cele din 1820 şi
1831 [13], d ar se păstrează în A rhivele de la Iaşi şi alte înregistrări de acelaşi tip.
C atagrafiile dispuse de R egulam entul Organic au început să fie aplicate In
an u l 1831, in M oldova; ele aveau o periodicitate de şapte an i (1838; 1845 şi
u ltim a 1851/52). Tehnica catagrafiilor regulam entare este m u lt m ai d e z v o lta tă ;
ea a fost p revăzută [13] in cap. II I, secţiunea IV (Chipul facerii catagrafiilor şi
a îm p ărţirii dăjdiilor şi alto r dări), a rt. 6 9 —95 din R egulam entul Organic al
Ţ ării R om âneşti şi în cap. III, secţiunea IV (Chipul facerii înscrierii sau catagra
fiei), a rt. 84 —89 din R egulam entul Organic al Moldovei şi, in fap t, sintetizează
experienţa de secole a catagrafiilor ce s-au efectu at in Ţ ara R om ânească şi
In Moldova.
în T ransilvania se cunosc num eroase conscripţii [27]. Se am intesc astfel con
scrip ţia fiscală din anii 1721 — 1722, care nu cuprindea deeit o p arte a populaţiei,
precum şi conscripţia din 1750. D in tre conscripţiile confesionale, p rezin tă un
m are interes prim a care se referă la popu laţia rom ână-ortodoxă şi greco-eato-
iică (unită), efectuată în an u l 1733 de episcopul Inochentie Micu K le in ; a doua
este din 1750, efectu ată de episcopul P etre P avel A ron. Cea m ai bine organizată
a fost conscripţia rom ânilor din T ransilvania, e fectu ată de către generalul
Buccow, în anii 1760—1782. C onscripţia din 1785, pe tim p u l îm p ăratu lu i losif
al Il-îc-a, este considerată u n recensăm int general al populaţiei. Sem nificativ
este fa p tu l că pentru acest recensăm int au fost elaborate şi in stru c ţiu n i în limba
rom ână. P e n tru prim a d a tă la recensăm întul din 1785 au fost înregistraţi np
num ai capii de fam ilie sau persoanele de an u m ită v irstâ, pe p orţi sau pe sesii
iobăgeşti, ci to ţi locuitorii, indiferent de starea lor socială. Pe baza conscrip
ţiilor din T ransilvania s-a p u tu t determ ina n u m ărul populaţiei pe n a ţio n a lită ţi
ia diferite m om ente de tim p, punindu-se în evidenţă p ro p o rţia m ajo ritară a
rom ânilor in T ransilvania.
E ste locul să precizăm că diferitele în registrări din perioada p resta tistîc â —
catagrafii şi conscripţii — se efectuau in scopuri fiscale şi m ilitare. Cu recensă-
m in tu l populaţiei şi al ag ricu ltu rii din Ţ ara Rom ânească, efectu at în an u l 1838,
se inaugurează seria recensăm intelor moderne în ţa ra n o astră. A cesta este
u rm a t de recensăm întul din Moldova din anii 1859 —1860 şi cel din T ran sil
vania (1851—1852).
M ultă vrem e s-a afirm a t că prim u l recensăm int m odern al p o p u laţiei este col
din 1859—1860, leg at de num ele iui Dionisie Pop M arţian, în M untenia, şi al
lui Ion loneseu de la B rad, in Moldova. Cercetări am ple de arh iv ă, făcute de
G. R etegan şi I. D onat, au dus la descoperirea m aterialelor recensăm întului
populaţiei şi agriculturii din 1838, fă c u t in Ţ ara R om ânească. S tudierea aces
tu ia le-a perm is cercetăto rilo r a m in tiţi să afirm e eă acest recensăm int în tru
neşte caracteristicile u n u i recensăm int m odern şi să-l declare ea prim ul din
a ceastă categorie în istoria recensăm intelor din R om ânia.
550
Sc face precizarea [13] că acest rcccnsăm int nu reprezintă o sim plă catagrafie
regu lam en tară; autorii săi l-au denum it „ sta tistic a P rin ţip a tu lu i” , iar carac
teristicile sale s î n t : a) universalitatea înregistrării — înscrierea în liste a întregii
p o p u laţii aflate la d ata efectuării pe terito riu l ţă r i i ; b) înregistrarea datelor
p en tru fiecare persoan ă; c) iniţierea şi efectuarea lu i de către au to ritatea de
s ta t pe un anum it terito riu ; d) nu a a v u t u n caracter fiscal. în organizarea şi
efeetnarea recensăm întului din 1838 s-au ad u s soluţii metodologice şi tehnice
originale şi care devansează, în m u lte priv in ţe, recensăm intele sim ilare din
E uropa. R ccensăm intul a fost in iţia t de D epartam entul T reburilor d in L ă u n tru
(secţia a 3-a, biroul 1), iar tem eiul legal al efectuării lui l-a c o n stitu it a rt. 151
al R egulam entului Organic al Ţ ării R om âneşti. Program ul de observare al
recensăm întului a fost foarte b o g a t; u n ita te a de înregistrare a fost gospodăria,
ar un itatea de observare—persoana. S-a ap licat m etoda directă de înregistrare :
cei însărcinaţi cu înscrierea au fost obligaţi „ca cercetarea aceasta să o facă prin
chiar vederea ochilor, preum blindu-se înşile din casă în casă în to t c u p rin su l
fieşcărui s a t” . NTu a ex istat u n m om ent critic — caracteristică ce lipsea tu tu ro r
reccnsăm întelor din acea vreme din E u ro p a. R ezultatele recensăm intului popu
laţiei şi agriculturii din 1838 s-au publicat p a rţia l în „A lm anah al S ta tu lu i”
pentru anul 1842, iar în întregim e în „Analele parlam entare ale R om âniei” ,
IX , p artea 1, p. 1162 şi u n u . Cu această u ltim ă inform aţie, figureaz.ă şi in biblio
grafiile internaţionale privind istoria recensăm intelor din lume
2. Instituţii (le statistică
Prim ele organe ale statisticii sta tu lu i au fost înfiinţate în anul 1859, curind
după U nirea Principatelor. T otuşi, intr-o form ă elem entară, asem enea organe
au fost prevăzute în R egulam entul Organic (Ţara Rom ânească, 1 iulie 1831
şi Moldova, 1 ianuarie 1832). în Ţ ara R om ânească, a trib u ţiile de sta tistic ă
reveneau D epartam entului T reburilor din L ă u n tru : secţia intîia se ocupa de
statistica lu n ară a preţu rilo r produselor agricole şi industriale, secţia a doua era
însărcinată cu statistica producţiei şi consum ului, iar secţia a treia — cu sta
tistica fenomenelor demografice şi statistica ţării (populaţie, clădiri ctc.). în
general, în perioada care a precedat U nirea P rincipatelor şi înfiinţarea organelor
de statistică, a e x istat u n m are interes pen tru statistică, în condiţiile tran sfo r
m ărilor economice ce au u rm a t tra ta tu lu i de la Adrianopole (1829) şi s-au efec
tu a t numeroase lucrări statistice.
A ctul de naştere al organului de sta tistic ă în Ţ ara R om ânească d atează din
12 iulie 1859 : „B iroul statistic vrem elnic de pe lingă D ep artam en tu l din L ă
u n tru ” a devenit Oficiul Central de Statistică Adm inistrativă (Legea din 3 iulie
1859, sancţionată de D om nitorul A lexandru Ioan Cuza prin ho tărîrea n r. 276
din 12 iulie 1859). Şeful Oficiului C entral de S tatistică a fost n u m it D ionisie
Pop M arţian*, al cărui rol în organizarea statisticii sta tu lu i şi p rom ovarea
statisticii a fost deosebit de im p o rtan t.
în Moldova, noul organ de statistică a sta tu lu i a lu a t fiin ţă la 1 iulie 1859 :
A lexandru Ioan Cuza a sem nat decretul pen tru înfiinţarea Direcţiei Centrale
de Statistică a Moldovei. Ca directo r a fost nu m it Ion Ionescu de la Brad*.
Sc recunoaşte astăzi că D. P . M arţian şi Ion Ionescu de la B rad sin t ctito rii
sta tisticii oficiale rom âneşti şi, de asemenea, precursori ai statisticii ca ştiin ţă
în R om ânia. A tît în 1959, cu prilejul centenarului înfiinţării statisticii, cit şi
in 1989 şi 1979 au fost evocate figurile celor doi ctito ri şi s-a pus în evid en ţă
im portanta ior co n trib u ţie în dezvoltarea sta tistic ii rom âneşti,
în două studii de sinteză [33] şi [23], este în făţişată istoria statisticii oficiale
in perioada 1859 piuă in anul 1947.
P rim a ïucrare im p o rtan tă in iţia tă de noile organe de statistică a fost recensă-
in in tu l populaţiei, care s-a efectu at în anii 1859 şi 1860. In Moldova, Ion Ionesco
de la B rad a fost curind înlocuit cu C. Xegruzzi, acestuia i-a lu a t locul D im . G uşti.
P in ă in 1862, cele două in s titu ţii au fu n cţio n at separat : la 31 iulie 1862. ele
sin t unificate — in cadrul a cţiu n ii generale de unificare a ad m inistraţiei de
s ta t — sub denum irea de Oficiul Central de Statistică, iar Dionisie Pop M arţian
este n u m it director al in stitu ţie i unificate, calitate pe care o p ăstrează p in ă la
m oartea sa, survenită la 2 iulie 1865.
P en tru perioada de început a in stitu ţie i centrale de statistică trebuie m enţio
nate cite va aspecte. în fiin ţarea ei are loc în perioada în care în întreaga E u ro p ă
exista u n m are interes p en tru statistică — in 1853 a a v u t loc, din in iţiativ a
lui A . Q uételet şi W . l-'arr, prim ul Congres in tern aţio n al de s t a tis tic ă —,
ştiin ţa statistic ă era in tr-u n real progres de la statistica descriptivă spre cea
c a n tita tiv ă . D . P . M arţian şi Ion Ionescu de la B rad erau buni cunoscători ai
statisticii din acea vrem e şi de asemenea ai experienţei organizatorice din alte
ţă r i din E u ro p a . în concepţia lor, statistica trebuia să fie u n im p o rtan t in stru
m ent p en iru conducerea sta lu lu i. în m em oriul în a in ta t D om nitorului A lexan
dru Ioan Cuza, D. P . M arţian a form ulat astfel acest rol : „Cifrele statistice silit
cele m ai bune argum ente, m ă rtu ria cea m ai au ten tică ce se poate produce în
to t m in u tu l in Sfatul principelui şi a corpului legislativ şi a in stru cţiei celor ce
v o r să cunoască p a tria şi averile ei, fiin d baza evidenţei statu lu i şi a tre b u in
ţelo r lui. S tatistica, prin urm are, este nu num ai u n aju to r al adm inistraţiei, ci
este to to d a tă un m onum ent n aţio n al” [22],
Să m ai am intim că noul organ de statistică era conceput ca u n organ central,
dispunind de o reţea terito rială şi cu a trib u ţii centralizate fa ţă de diferitele
d epartam ente şi m inistere, idee care avea să se realizeze în ţa ra noastră abia
după 1947. D in această perioadă de început datează o serie de lucrări im por
ta n te — recensăm ântul 1859/60, recensăm întul stabilim entelor industriale din
1863 şi altele — , prim a rev istă de statistică („Analele statistice” ), prim ul m a
nual de sta tistic ă teoretică („P o v ă ţu iri . . . ” dc Ion Ionescu de la B rad).
E v o lu ţia u lterio ară a statisticii rom âneşti este m arcată, p en tru o bună perioadă
de tim p, de regres, de încercări de redresare, pină la Leonida Coleseu, căruia
i s-ar cuveni titlu l de al doilea ctito r al statisticii rom âneşti. D upă m oartea lui
D . P . M arţian, la conducerea O ficiului S tatistic este nu m it I. P etrescu. în
tim pul căruia Oficiul C entral devine o sim plă secţie a M inisterului de Interne.
Se in iţiază diferite proiecte, de acte norm ative p en tru redresarea statisticii
oficiale, dintre care trebuie am in tite eforturile lui Al. Pencovici din anii 1871 —
1873, legea din 29 nov. 1871 (pusă in aplicare în ianuarie 1872) prin care ia
fiin ţă Serviciul General de Statistică a României. Demn de m enţionat este
fap tu l că la Congresul In tern aţio n al de S tatistică dc la B udapesta (1876),
A l. Pencovici relatează, in com unicarea sa, că legea din 1871 s-a in spirat din
recom andările internaţionale ca şi din experienţa organizatorică proprie a ţă rii,
în anii 1872—1876 au fost create diferite birouri de statistică pe lingă unele
m inistere şi in s titu ţii centrale ; in 1876 a fost creat prim ul birou dc statistică
al M unicipiului B ucureşti —p rin tre prim ele oraşe din E uropa. în 1892 a devenit
conducător al in stitu ţie i centrale Constantin Ji. Crupenski* ; la 1 aprilie 1892,
B iroul de S ta tistic ă se transform ă in D irecţia S tatisticii Generale. în această
perioadă statistica cunoaşte u n progres ; se editează „B uletinul statistic general
al R om âniei” . O ad ev ărată înflorire a statisticii rom âneşti se înregistrează pe
tim pul lui Leonida Coleseu* : se efectuează două recensăm inte ale populaţiei
(1899 şi 1912), o an ch etă in d u strială, m ai m ulte anchete agricole. L. Coleseu
s-a înconjurat de statisticieni, demografi şi economişti de valoare : I. Scărlă-
tcscu, I. A'. Angelescu*, Ilie Georgian, cărora li se datorează rem arcabile stu d ii
şi analize ale datelor statistice. Perioada 1891—1916 nu a fost sc u tită insă de
o serie de reorganizări şi re stru c tu ră ri ale statisticii centrale şi ale celei d e p a rta
m entale, printre care trecerea D irecţiei S tatisticii Generale in subordinea dife
ritelor m inistere.
O dată cu desăvlrşirea sta tu lu i n aţional rom ân în 1918, statistica oficială a
in tra t într-o nouă etapă. P rin D ecretul-legc n r. 122 din 25 ianuarie 1919, D irec
ţiunea G enerală a S tatisticii trece în subordinea M inisterului Industriei şi Co
m erţu lu i şi sc organizează ca in stitu ţie centrală, fiind form ată din : Comisia
siuperioară de statistică şi D irecţia G enerală a S tatisticii. Leonida Colcscu este
înlocuit cu Ion Teodorescu. La 1 aprilie 1921, D irecţia G enerală a S ta tis tic ii
a fost desfiinţată. Uncie schim bări organizatorice se efectuează prin in term ed iu l
B ugetului de S tat. în 1925 ia fiin ţă In s titu tu l de S tatistic ă G enerală a S ta tu lu i,
subordonat M inisterului Industriei şi C om erţului. în 1929, acest in s titu t a tre c u t
in subordinea M inisterului M uncii, S ă n ă tă ţii şi O crotirilor Sociale. în m a rtie
1930 apare legea privin d efectuarea recensăm intului general şi înfiinţarea Co
misiei pentru recensăm int — preşedinte fiind n u m it profesorul D im itrie G uşti,
— iar în 1933 Oficiul de demografie şi sta tistic ă san itară se contopeşte cu Comi
sia de recensăm int şi devine In stitutul de Demografic şi Recensămint al Ro
m âniei. O nouă perioadă se inaugurează în 1936 (Legea din 1936, iar R e g u la
m entul din 1937), prin înfiinţarea Institutului Central de Statistică, pc lingă
M inisterul de Interne, avind ca director pe dr. Sabin M anuila*. în 1938, In
stitu tu l C entral de Statistică se scindează in : In s titu tu l demografic al Rom âniei
(M inisterul S ăn ătăţii şi al O crotirilor Sociale) .şi Oficiul de statistică economică
(M inisterul Industriei şi Comerţului). Să m ai am intim că in 1933 s-a în fiin ţa t
Corpul tehnic al statisticienilor.
Decretul-lege nr. 488 din 1 iunie 1941 decretează In stitu tu l C entral de S ta
tistică drept unicul organ al statisticii statu lu i, fiind subordonat Preşedinţiei
Consiliului de M iniştri, cu u rm ătoarea form ulare : „ In s titu tu l C entral de S ta
tistică este singurul organ de statistică a sta tu lu i. Toate u n ită ţile statistice depar
tam entale cu bugetul, personalul, in v en taru l şi arhivele lor sc încadrează în
In stitu tu l C entral de S tatistică, care trece pc d ata prezentului decret la P reşe
dinţia Consiliului de M iniştri". Se înfiinţează, de asemenea, Serviciul exterio r,
cuprinzînd oficianţi statistici la comune, eensori statistici la plăşi şi controlori
statistici la judeţe. în anii 1947 şi 1948, director general al In stitu tu lu i C entral
de S tatistică a fost Anton Golopenţia*.
în această form ă organizatorică. In s titu tu l C entral de S tatistică a fu n cţio n at
pînă la Conferinţa m inisterială p en tru reorganizarea statisticii din România
(octombrie 1947), care a form ulat noi principii de organizare şi funcţionare a
statisticii, ad ap ta te noilor condiţii politice .şi economice.
în iulie 1948, după înfiinţarea Comisiei de S ta t a Planificării, In s titu tu l Central
de S tatistică a tre c u t in subordinea noului organ central de planificare, iar în
1950 a devenit D irecţiunea G enerală a S tatisticii, in subordinea Consiliului de
M iniştri, schimbindu-.şi, în 1951, denum irea in D irecţia Centrală de S tatistic ă ,
în an u l 1970, D irecţia C entrală de S tatistică trece in subordinea Consiliului de
S ta t al R epublicii Socialiste Rom ânia.
Succintul istoric al statisticii rom âneşti in perioada 1859—1947 pune în evi
denţă cîteva aspecte sem nificative. O rganizarea in stitu ţio n ală a statisticii are
loc aproxim ativ in aceeaşi perioadă cu celelalte ţă ri din K uropa, în unele cazuri
cu un decalaj neînsem nat. Lucrările statistice care s-au efectu at au folosit
uneori soluţii metodologice originale, cum a fost in cazul recensăm intului popu-
553
laţiei. P ină in anul 1918, au fost efectuate recensăm intele din 1838, 1859/60,
1899 şi 1912 iu Ţ ara R om ânească şi Moldova, apoi in P rincipatele U n ite ;
în T ransilvania, recensăm inte de populaţie s-au fă c u t in 1850— 1851, 1857,
1869, 18S0, 1890, 1900 şi 1910. S-au efectu at diferite alte recensăm inte şi an
chete, in aşa fel in cit s-au acu m u lat inform aţii valoroase pen tru stu d iu l popu
laţiei, economiei naţionale, industriei, ag ricu ltu rii şi a lto r domenii. Pe această
bază, cu m etode apropriate, s-ar p u tea întreprinde u n stu d iu sistem atic al
istoriei populaţiei şi a economiei naţionale.
limba rom ână şi publicată cu adăugiri de Teodor Codrescu în 1852, sub titlu l
„X o tiţii statistice asupra M oldaviei” . In colecţia Bibliotecii Academ iei se află
un m anuscris d a ta t din 1837, care cuprinde consideraţii teoretice asu p ra carac
terului ştiinţific al statisticii şi asupra rolului statisticii în opera de guvernare
a ţării.
l.u i N . Şuţu îi erau fam iliare lucrările de sta tistic ă ale un o r au to ri francezi, de
la care îm prum ută unele concepţii, nu insă fără discernăm int critic. D u p ă p ă
rerea sa, statistica face p arte din grupa ştiin ţelo r descriptive şi nu dinam ice,
dar „faptele pe care ea le descrie sin t variabile’’. S ta tistic a este u n m ijloc de
cunoaştere a faptelor care se rap o rtează la „starea fizică, m orală, intelectuală
şi politică a societăţii intr-un a lt tim p şi, in tr-u n a lt loc, com parate cu faptele
d in tr-u n a lt tim p şi alt loc” . Holul ei în cadrul sta tu lu i este astfel d efinit de
N . Ş u ţu : „C oncepută pe o scară largă sta tistic a devine cea m ai b u n ă busolă
în arta guvernanţilor ca şi a gu v ern aţilo r” şi m ai departe : „ab ia prin statistică
ştiinţa guvernării va apuca pe u n drum m ai sigur, m ai rap id şi m ai conciliant,
iar guvernele vor ciştiga m ai m u ltă încredere în ele şi m ai m u ltă au to rita te
asupra publicului” . L ucrarea lui N . Ş u ţu , „N o ţiu n i statistice” , p re z in tă u n
m aterial inform ativ bogat asupra stă rii de lu cru ri din Moldova la m ijlocul
veacului al X lX -lca, în so ţit de o analiză m ultilaterală.
O concepţie originală asupra sta tistic ii o intîlnim în lucrările lui Dionisic Pop
M arţian, expusă in studiile publicate în „Analele statistice şi economice” , dar
m ai ales de Ion Ionescu de la B rad, în lucrarea sa „ P o v ă ţu iri p en tru facerea
catagrafiei Moldovei, p recedate de oarecare clemente de sta tistic ă ” , p u blicată
la Iaşi în anul 1859.
Ion Ionescu de la B rad preia o definiţie a statisticii, aceea d a tă de Moreau de
Jonnes, p o triv it căreia „ statistica este ştiin ţa faptelor sociale confirm ată prin
term eni num erici” . Ca atare, regăsim cele două clem ente ale s ta tis tic ii: carac
terul social şi expresia num erică ca tră să tu ră specifică. în cap. II al „P o v ă-
ţu irilo r. . . ” , Ion Ionescu de la B rad se ocupă de problem e de m etodă recunos-
cind d o u ă : a) m etoda n atu ra lă sau de expoziţiune, înţelegînd p rin aceasta
observarea statistică şi centralizarea datelor, şi b) m etoda de in d u cţiu n c (a rit
m etica politică), care constă în „a dobîndi rezultate p rin a ju to ru l îndem înă-
rilor ce dă calculul” . Idei interesante form ulează Ion Ionescu dc la B rad în
legătură cu m etoda sondajului. „ P o v ăţu irilc . . . ” p rezin tă u n m arc in teres şi
p en tru calităţile de organizator al recensăm întului populaţiei, de care dă dovadă
Ion Ionescu de la B rad. A ceastă lucrare treb u ie considerată ca prim u l m an u al
de statistic ă teoretică din ţa ra n oastră. M erite im p o rtan te are Ion Ionescu de
la B rad şi p rin folosirea statisticii in lucrările sale cu caracter m onografic [13].
E ste vorba de trei monografii de ju d eţe (Dorohoi, M ehedinţi, P u tn a ), pub licate
în tre anii 1866 şi 1869, ceea ce în d rep tăţeşte afirm aţia că Ion Ionescu de la
B rad este u n precursor al m etodei monografice în stu d iu l v ieţii social-economice
din ţa ra noastră.
Concepţii în legătură cu statistica sau aplicaţii ale acesteia la stu d iu l fenome
nelor social-economice se întilnesc Ia gînditori de seam ă din sec. al X lX -lea.
în operele lui Nicolae Bălcescu, statistica — datele şi m etodele ei — este folo
sită pe scară largă [13].
A lexandru P apiu Ilarian (1828—1877), ju rist şi istoric, p a rtic ip a n t la revoluţia
din 1848, m ai tirziu profesor la U niversitatea din Iaşi, a folosit pe scară largă
statistica în lucrările sale, cum a r fi „Isto ria rom ânilor din D acia Superioară”
(1851 şi 1852). Georgc B ariţiu (1812—1893), istoric, ju rist şi om politic, condu
cător al revoluţiei din 1848 şi fondator al „ A stre i” , preşedinte al Academiei
553
de )a H aga (1884) ; la Congresul din Viena (1887) iau p a rte dr. I. F elix, dr. V. B a-
beş şi alţi 12 d e le g a ţi; la cel din P a ris (1889), dr. I. F elix este ales preşedinte
de onoare şi prezidează a lătu ri do L. P astcu r, E. Levasseur şi alţii. L a Congresul
din L ondra (1891), dr. I. F elix , dr. V. Babeş şi a lţi delegaţi rom âni p re z in tă
referate. Să m ai am in tim de p a rticip area specialiştilor d in R om ânia şi la con
gresele internaţionale de ag ricu ltu ră şi alte reu n iu n i in tern aţio n ale, ca şi fap tu l
că u n ii din ei au fost m em bri ai d iferitelor societăţi ştiin ţifice. A stfel, N. Şuţu
a fost m em bru al Societăţii regale de sta tistic ă din L ondra, c a lita te pe care
a avut-o m ai tîrziu şi Ion lonescu de la B rad, L eonida Colcscu a fost m em bru
al Societăţii de S tatistică din P aris. In afară de L. Colescu, C. C rupcnski,
Or. Olănescu au m ai fost m em bri ai In stitu tu lu i In tern aţio n al de S ta tis tic ă ,
de asem enea, D im itrie Sturza (1833—1914), Ion Teodorescu (1880 —1950),
E ugen Grifiorc. Neculcca (1876—1953), ia r din 1935 a devenit m em bru al
In stitu tu lu i Internaţional de S tatistică acad. O ctav Onicescu.
D in succinta prezentare a p a rtic ip ă rii sta tistic ii rom âneşti la m anifestările
internaţionale p utem să apreciem interesul ca şi c o n trib u ţia statisticien ilo r
rom âni la cooperarea in tern aţio n ală, la schim bul de idei şi de e x p erien ţă in
m unca statistică.
E ste locul să am intim că statistica din R om ânia se p o ate lăuda cu o rev istă de
statistică, întem eiată încă din 1860, anum e „A n alele S tatistice” , în fiin ţa tă de
D ionisie Pop M a rţia n ; prim ul n u m ă r se deschide cu u n articol al acestuia,
unde intîlnim — p rin tre altele — a firm a ţia : , , statistica este p en tru guvern
ceea ce sînt p en tru om cele cinci sim ţu ri” . în rev istă se publicau d a te sta tistic e
şi studii de economie. D upă m oartea lui D ionisie Pop M arţian, „A n alele S ta
tistic e ” ap ar ca publicaţii se p a ra te ; in 1869, revista şi-a în cetat a c tiv ita te a ,
în 1918 a fost relu ată a p a riţia „A n alelo r economice şi sta tistic e ” , d ar publicaţia
nu m ai era legată de a c tiv ita te a O rganului C entral de S tatistică. în cetarea
a p ariţiei ei are loc în 1947.
U n alt dom eniu im p o rtan t în care sta tistic a a fost larg a p licată este sociologia
şi m ai ales Şcoala m onografică de la B ucureşti. D im itric Guşii (1880 —1955)
şeful şcolii, acorda o aten ţie deosebită statistic ii, considerind-o d re p t m etodă
indispensabilă pentru studiile sociologice. în lucrările sale, , , Problem a socio
logiei. Sistem şi m etodă” (1940) ş i , , în d ru m ări p en tru m onografiile sociologice”
<1940) rolul statisticii în cercetarea socială este bine reliefat. Discipolii şi
colaboratorii prof. D. C.usti erau cunoscători tem einici şi au folosit statistica
în cercetările lor, aşa cum se observă din opera prof. H . H . S tah l (n. 1901),
A . Golopenţia* şi T raiau H erseni (1907—1980).
C onţinuInd tra d iţia din sec. al X lX -le a , econom iştii d in tre cele două războaie
a u făcut statisticii un loc im p o rtan t în studiile lor. Virgil Madgearu (1887—1940),
profesor de economie politică la A cadem ia de în a lte S tudii Comerciale şi Indus
triale, a d at exem ple rem arcabile de folosire a statisticii în lucrările sale : „C urs
d e economie p o litică” (1938) şi m ai ales în „ E v o lu ţia economiei rom âneşti după
războiul m ondial” . V ictor Slăvescu (1891 —1977), profesor la A cadem ia de
în a lte S tudii Comerciale şi Industriale, m em bru al Academ iei R om âne, a reac
tu alizat figurile unor econom işti şi statisticien i ca N . Ş uţu, D ionisic Pop
M arţian.
P e lin ia in au g u rată de A. D . X enopol, N. lorga şi V. P ârv an , care au realizat
şi im portante studii de demografie istorică p rin aplicarea m etodelor statistice,
istoricii din perioada interbelică au c o n trib u it sensibil la lărgirea cadrului de
apliijare a statisticii. Se cuvin a m in tiţi în acest sens Alexandru Lapedatu
(1875—1954), fost preşedinte al A cadem iei R om âne, m edievist. Ion Lupaş
(1880—1967), profesor de istoria nouă a R om ânilor şi de istoria T ransilvaniei,
S ilv iu Dragomir (1888 —1962). ale căror stu d ii privind istoria rom ânilor fac
ap el la m etodele statistic ii. D em ografia istorică şi istoria popu laţiei au fost
ilu stra te de Ştefan Meteş (1887—1977), cu rem carcabile stu d ii („ E m ig ră ri ro
m âneşti din T ransilvania în secolele X I I I —X X , B ucureşti, 1971) şi de David
Prodan (n. 1902), academ ician, profesor la U niversitatea din Cluj, in special
cu studiile privind im igraţia, iobăgia, stru ctu ra socială („T eo ria im igraţiei
rom ânilor din Principatele R om âne în T ransilvania în veacul al X V II-le a ” ,
S ib iu , 1944, şi „ U rb ariile Ţ ării F ăg ăraşu lu i” , voi. I, 1970).
'C ontribuţii im portante la aplicarea m etodelor statistice au şi psihologii şi peda
gogii. Florian Ştefănescu-Goangă (1881 — 1958), profesor la U n iv ersitatea din
C luj, a în fiin ţa t In stitu tu l de psihologie experim entală, aplicînd m etode sta-
tistico-m atem atice. E levul său, Nicolae M ărgineanu (1905—1980), cu studii de
specializare în G erm ania, F ra n ţa şi S.U .A., a c o n trib u it la introducerea m eto
delor statistico-m atem atice in psihologia şi psihotehnica rom ânească („ E le
m ente de psibom etrie” , 1937, „A n a liz a factorilor p sih ic i” , 1938, „P sihologia
persoanei” , 1938, re tip ă rită sub titlu l „ C o n d iţia u m a n ă ”).
U n loc deosebit îl ocupă Gheorghe Zapan (1897—1976), psiholog şi p sih o tch -
n ician , doctor in m atem atici la U n iv ersitatea din B erlin, profesor un iv ersitar.
A lărg it dom eniul de aplicare a m etodelor statistico -m atem atice în psihologia
experim entală, psihotehnică şi pedagogic. I se datorează conceptul de entropie
taxiologică şi o originală concepţie despre cibernetica În v ăţării şi a a c tiv ită ţilo r
um ane. („A plicarea teoriei la n ţu rilo r cu legături com plete în procesul în v ă
ţă r ii” . în „ R e v ista de Pedagogie” , nr. 7, 1971 ; „C ibernetica pedagogică” , în
, .R evista de Pedagogie” , nr. 7 —8, 1969 ; „M odelarea m atem atică a a c tiv ită ţilo r
um ane şi a proceselor evolutive” , în „ R e v ista de Pedagogie” nr. 5,1966).
5G0
Sc po ate face inclieierea că in tre cele două războaie m ondiale, a u t sub rap o rt
teoretic şi metodologie, cit Şi al ap licaţiilo r sale. statistica clin R o m ânia se situa
la un nivel com parabil cu cel al ţă rilo r dezvoltate.
G. S t a t i s t i c a r o m â n e a s c ă c o n te m p o r a n ă
în perioada 1944—1984, in condiţiile profundelor schim bări politice, sociale
şi economice, statistica a cunoscut o dezvoltare deosebită, a ti t p e plan in sti
tu ţio n al, cit şi sub rap o rt teoretic şi metodologic şi ol cadrului de aplicare.
A fost creată o p utern ică in stitu ţie centrală a sta tistic ii sta tu lu i, cu a trib u ţii şi
sarcini im portante. D in 1950 denum irea In stitu tu lu i C entral de S tatisicâ se
schim bă [1], p e n tru a trece apoi din 1951 la denum irea actu a lă de D irecţia
Centrală de Statistică. în 1970, in s titu ţia trece in subordonarea Consiliului de
S ta t [3], A ctualul act n orm ativ care prevede organizarea şi funcţionarea sta
tisticii este D ecretul Nr. 152 d in 24 m artie 1970 (Bui, Oficial nr. 34 din 14 aprilie
1970) şi care cap ătă p u tere de lege in acelaşi an. D irecţia C entrală (le Sta
tistică este , .organ central al adm in istraţiei de sta t, înfăptuieşte politica p a rti
dului şi statului in dom eniul sistem ului inform aţional statistic” (art. 1). b'uncţia
ei de bază se defineşte a stfe l: ..D irecţia C entrală de S latistică asigură infor
m area conducerii de p a rtid şi de sta t cu priv ire la îndeplinirea p lan u lu i de stat,
dezvol tarea vieţii social-economice, ritm urile şi p roporţiile din economie, folo
sirea m ijloacelor m ateriale şi resursele de m uncă, in vederea luării de. decizii
pentru conducerea economiei naţionale şi a fund am en tării program elor ei de
dezvoltare” (art. 2).
A trib u ţiile D irecţiei Centrale de S tatistică sint foarte largi : organizează
sistem ul inform aţional statistic de sta t şi dep artam en tal, elaborează sistem ul
dărilor de seam ă statistice de s ta t şi coordonează metodologic dările, de seam ă
statistice departam entale, efectuează recensăm inte şi alte lucrări statistice
im p o rtan te, asigură şi p ăstrează fondul n aţional de d ate statistice. D irecţia
C entrală de S tatistică dispune de o reţea de organe terito riale — direcţiile ju d e
ţene. de statistică, inclusiv direcţia de sta tistic ă a M unicipiului B ucureşti —,
are in com ponenţa sa u n C entru electronic de calcul, d o ta t cu calculatoare şi
alte m aşini m oderne. D irecţia C entrală de S tatistică publică , .A nuarul statistic
al R epublicii Socialiste R o m ânia” , diferite an u are pe dom enii — cum este, de
p ild ă. A nuarul demografic —, rezu ltatele recensăm intelor p o pulaţiei şi altele.
De asem enea, D irecţia C entrală de S ta tistic ă editează, d in 1952, , , R ev ista
de S tatistică* ” .
A ctiv itatea ştiinţifică şi de cercetare se efectuează în Consiliul ştiinţific-m etodo-
logic, în fiin ţat in 1954. O im p o rtan ţă deosebită pentru dezvoltarea sta tistic ii
ea ştiin ţă au consfătuirile ştiinţifice de statistică organizate de D irecţia C entrală
de S tatistică : 1961, 1962^ 1963, 1964, 1965, 1968, 1969, 1977, 1980, 1984 ale
căror lu crări sint publicate în volume.
C aracteristic pentru sistem ul inform aţional slatislic actual este folosirea cu
precădere a sistem ului dărilor de seam ă statistice de sta t, in tra t în vigoare la
1 ianuarie 1949 [38]. R olul recensăm intelor a fost considerabil redus, excepţie
făcînd reccnsăm intul populaţiei. D intre anchetele statistice am intim cercetarea
bugetelor de familie — anchetă p rin sondaj, in iţia tă in 1948 — şi care asigură
inform aţii m ultilaterale privind nivelul de tra i a l p opulaţiei. D e cea m ai m are
im p o rta n ţă este crearea C entrului electronic al D irecţiei Centrale de S tatistică
care asigură prelucrarea au to m a tă a datelor. D irecţia C entrală de S tatistică
participă ia a ctiv itate a intern aţio n ală statistică : la Comisia de statistic ă O .N .U .,
r
5171
33 — C. 680
5 62
B IB L IO G R A F IE
1. D ecretul nr. 246/1950 pen tru reorganizarea sta tistic ii in R epublica P o p u
lară R om ână.
2. H.C.M. nr. 1225/1957 privind organizarea D irecţiei C entrale de S ta tistic ă .
3. D ecretul nr. 152/1970 privind organizarea şi funcţionarea D irecţiei C entrale
dc S tatistică.
4. D ecretul nr. 414/1970 priv in d trecerea D irecţiei Centrale de S tatistic ă ca
organ al Consiliului de S ta t al R epublicii Socialiste R om ânia.
.5. Reccnsămintul general al populaţiei României. Rezultatele definitive (1899).
Precedate de introducţiune cu explicaţiuni de L. Colescu, voi. I şi II, B u cu
reşti, 1905.
6. Statistica demografică a României. Populaţia Regatului Român după rccen-
săm intul făcut la 19 decembrie 1912. (I. Scărlătescu), B ucureşti, 1921.
7. Recensămintul general al populaţiei Rom âniei d in 29 decembrie 1930, 9 voi.,
1 9 3 8 -1 9 4 0 .
8. Recensămintul populaţiei d in 21 februarie 1956, D irecţia C entrală de S ta
tistică, R ezultate generale (1959),voi. I (1960), voi. II (1961), voi. I I I (1961).
9. Recensămintul populaţiei şi locuinţelor din 15 martie 1966, D irecţia Centrală
de S tatistică, voi. I, R ezu ltate generale, p artea întii, P opulaţie, 1969;
voi. II —V I, voi. V II, partea I şi I I ; voi. V III (1970).
10. Recensămintul populaţiei şi al locuinţelor din 5 ianuarie 1977, voi. I, P o p u
laţie — S tru ctu ra dem ografică; voi. II. P opulaţie — S tru c tu ra social-
economică, D irecţia C entrală de S tatistică, 1980.
11. Institutul de Statistică, Actuariat şi Calcul, Universitatea d in Bucureşti,
Facultatea de Ştiinţe, Statut, Programe, B ucureşti, 1942.
12. Dicţionar statistic — economic, D irecţia Centrală de S tatistic ă , B ucureşti,
1969 (cap. X X V I. Istoria statisticii).
13. D in istoria statisticii româneşti, culegere de articole, D irecţia C entrală de
Statistică, 1969 (Studiile sem nate de : Al. B ărbat, M. Biji, R . C .D em etrescu,
Ü. H aşigan, C. Ionescu, V. L upu, I. Measnicov, Al. Şesan, L . M oldovan,
(}. R etegan, Gh. U ngureanu, I. Veverca).
14. Handwörterbuch der Slaatswissenschaflen, E d . a IlI-a , D ritte r B and, Verlag
von G u stav Fischer, J e n a , 1909, p . 358.
15. B U LG A R U , V aleriu, Contribuţii la istoria invăţăm intului statistic din
România I, I I şi I I I , in „R ev ista de S ta tistic ă ” nr. 4, 5 şi 6,1969.
16. B U LG A R U , V aleriu, D im itrie Cantemir, reprezentant de seamă al statisticii
descriptive, în „R ev ista de S ta tistic ă ” nr. 11, 1973.
17. C S IL L A G ,A „ O perioadă de reînnoire a statisticii româneşti. Activitatea
lui L. Colescu ( I ) şi ( I I ) , în „R ev ista de S ta tis tic ă ” nr. 11 şi 12, 1970.
18. C SILLA G , A ., Evoluţia statisticii de stat oglindită in B uletinul statistic al
României, în „R ev ista de S ta tis tic ă ” n r. 6 şi 7, 1971.
19. D EM ET R ESC U , R. C„ Un curs de statistică din anul 1856, în „R ev ista de
S ta tis tic ă ” n r. 1, 1970.
20. D EM ET R ESC U , R . C„ Prezenţe româneşti la reuniunile internaţionale de
statistică (I) şi (II), în „R evista de S ta tis tic ă ” nr. 4, 6 şi 12, 1975.
21. D O B R E, G h„ Reorganizarea administrativă a statisticii de stat in România
in anii 1 8 6 6 — 1871, în „R e v ista de S ta tis tic ă ” nr. 12, 1969.
22. DONAT, I., înfiinţarea Oficiului Central de Statistică A dm inistrativă al
Tării Româneşti (1 859), In „A nalele In s titu tu lu i S ta tis tic al R om âniei” ,
voi. I, 1942, p. 303.
563
X IX . P E R S O N A L IT Ă Ţ I
A C H E N W A L L , Gottfried (1719—1772). S tatistician germ an, rep rezen tan t de
fru n te al sta tisticii descriptive, profesor la U n iv ersitatea din G ôttingen. A
înlocuit denum irea disciplinei de „ teo ria s ta tu lu i” cu cea de sta tistic ă . E sen ţa
concepţiei sale a fost form u lată a s tfe l: sta tistic a „este cunoaşterea ap ro fu n
d a tă a situ a ţie i (status) respective şi com parative a fiecărui s ta t” , „ ş tiin ţa care
indică to t ce se găseşte efectiv într-o colectivitate politică, într-o ţa ră , in tr-u n
loc oarecare” . în istoria statisticii este uneori n u m it „ ta tă l sta tistic ii” , avîn-
du-se în vedere în special fa p tu l că el a pus în circulaţie expresia de „ sta tis
tic ă ” .
5€4
Op. : „H istoire économique des R oum ains” , Tome 1, Geneva (f. a n ); „ A v u ţia
naţională a R om âniei” , B ucureşti, 1915; „E v o lu ţia economică a ţă rilo r ro m â
n e şti” , B ucureşti, 1918.
Op. „Sobranîe socinenia” , vol. I (1952), vol. II (1954), vol. I I I (1960) şi vol. IV
(1964), E d itu ra „N auka” , Moscova.
BORI'.L, E m il (1871—1956). P ro b ab ilist francez. A bsolvent al École Normale
Supérieure, doctor în m atem atici (1893) ; profesor Ia École N orm ale Supérieure,
la F a c u lta te a de Ş tiinţe a U n iv ersităţii din P aris. F o st preşedinte al Societăţii
de M atem atică din F ra n ţa , al S ocietăţii de S ta tistic ă din P a ris ; mem bru al
A cadem iei de Ştiinţe din F ra n ţa , m em bru de onoare a! In stitu tu lu i Interna
ţional de S tatistică. Domenii : teoria m ulţim ilor, teoria funcţiilor, geometrie,
istoria şi filozofia ştiinţei, psihologie şi economie politică, m ecanica sta tistic ă ;
prim ul care a form ulat „teoria jocu rilo r psihologice” , cu 7 ani înaintea lui
J . v, N eum ann. C ontribuţii fundam entale la teoria probab ilităţilo r, de care a
început să se ocupe din 1915 ; a d a t u n tr a ta t clasic de teoria p robabilităţilor
şi aplicaţii. Circa 300 lucrări ştiinţifice. P rin tre elevii săi : Ai. Frcchet*.
O p: „L eçons sur les fonctions de variables réelles e t les développem ents en
séries de polynôm es” , G au th ier—V illars, P aris, 1905 (num eroase reeditări);
„E lém en ts de la théorie des p ro b ab ilitiés” , H erm ann, P aris, 1909 (m ai multe
e d iţii); „T raite du calcul des probabilités e t de ses applications” , G au th ier—
V iliars, P aris , 4 volume, 1925, 1926, 1934, 1939.
Despre B. ; M. F réch et, „E m ile Borel. V iaţa şi opera” (prefaţa, acad. O. Oni-
cescu), E d itu ra ştiinţifică, B ucureşti, 1972.
B O R T K IE W IC Z , Ladislaus von (1868—1931). S tatistician , m atem atician şi
econom ist germ an, n ăscu t în R usia. S tudii la G ôttingen, cu W. L exis*. Profesor
la L 'niversitatea din Berlin. C o n trib u ţii în teoria p robabilităţilor, actu ariat,
statistic ă m atem atică, demografie şi sta tistic ă economică. A redescoperit legea
num erelor rare (S. D . Poisson) ; a propus o nouă in terp retare a dispersiei, in
stu d iu l indicilor a propus corelaţia. M embru al In s titu tu lu i In tern aţio n al de
S ta tistic ă (1913), al A cadem iei Suedeze de Ştiinţe.
Op. : „D as Gesetz der kleinen Zahlen“ , Leipzig, 1898 : „D ie Iterationen. Ein
B eitrag zur W ahrscheinlichkeitstheorie", Springer, Berlin, 1907; „Zweck
und S tru k tu r einer Preisindexzahl“ , in „N ordisk S ta tistik T id sk rift“ *, B. 2,
1923; B. 3, 1924; B. 4, 1925).
56G
Op. : „T opografia Ţ ării R om âneşti şi o b serv aţii antropologice priv ito are la
să n ătatea şi bolile lo cuitorilor e i” (1830), tra d u să de G. Sion şi rep u b licată
de P . P . Sam arian : „O demografie san itară a M unteniei de C onstantin
C aracaş” . T ip. B ucovina, B ucureşti, 1937.
C E B lŞ E V , P a f nuli Lvovici (1821—1894). M atem atician rus, profesor la U n i
versitatea din P etersb u rg , m em bru al A cadem ici de Ş tiin ţe din P e te rsb u rg
şi al a lto r academ ii. E ste fondatorul şcolii m atem atice din P etersb u rg , care a
d at p ersonalităţi ca A . A. Markoa* şi A. M . Leapunov*. C o n trib u ţii rem arcabile
567
Op. : „E lcm cntarnoc dokazatelstvo odnogo obşcego predlojenia v teo rii vero-
iatn o stei” , 184G ; ,,0 dvuh teorem ah otnositelno veroiatnostei” , 1877. T oate
studiile au fost g ru p ate în „Polnoie sobranie socinenii” , voi. 1 — 5, M o sc o v a -
L eningrad, 1944—1951.
C 1 H O S K I, Stanislas (1868 —1924). E conom ist şi statistician rom ân. Profesor
la A cadem ia de înalte S tu d ii Comerciale şi Industriale, unde a p re d a t s ta tis
tica. R ecto r al A cademiei (1918—1924). Cursul său „ S ta tistic a g enerală”
(1910) este prim ul curs m odern de sta tistic ă în în v ăţăm în tu l superior din
R om ânia.
Op. : „O cerki po teorii sta tistik i” , 1909 ; „O snovnîie problem î teo rii k o relaţii” ,
1926.
Op. : “ The usc of the analysis of various in énum ération b y sam pling” , 1939 ;
“ E xperim ental Design” , 1950 (în colab. cu G. M. Cox) ; “ S am pling T echni
q u es” , 1953; coautor cu G. W . Snedecor la lucrarea clasică : “ S tatistical Me-
thods” , 1967.
568
C O LESC U , Leonida (1872 —1940. S tatistician , dem ograf şi economist rom ân.
Studii la U niversităţile din P aris şi M ünchen; doctor in ştiin ţe -economico şs
financiare. în tre anii 1899—1922, director general al Serviciului S tatisticii
G enerale a S ta tu lu i; preşedinte al Consiliului Superior al S tatisticii. Profesor
la Şcoala dc S tatistică, în fiin ţată in 1930, unde a p redat dem ografia, claborind-
prim ul curs de dem ografie in lite ra tu ra rom ână. A organizat şi a condus recen
săm intele populaţiei din 1899 şi 1912, A n ch eta ind u strială 1901 —1903 : a e d ita t
B uletinul statistic al R om âniei 1899—1922 şi a în f in ţ a t,.Bibliograf ia economică
ro m ân ă” , 1910. Membru al In stitu tu lu i In tern aţio n al de S tatistică (1.9101 ; a
p a rticip at ia sesiunile acestuia cu com unicări. Sub conducerea sa, in stitu ţia
centrală de statistică a statu lu i a cunoscut o p u tern ică înflorire, fiind considerat
cel dc-al doilea ctito r al statisticii după Dionisie Pop M arţian. A publicat re
m arcabile studii statistice şi dem ografice, in special pe baza celor două recen
săm inte.
■Op. : ..S tatistiq u e m ath ém a tiq u e ” , P aris, 1928; „ S ta tis tiq u e et applications” ,
P aris, 1934; S tu d ii in „L es M athém atiques e t la Psychologie” .
On. : "M athem atical Psychics. An Essay on the application of m athem atics
In flu Moral Sciences” . 1881 ; “ Defense of Index-N um bers” , in “ T h e Econom ic
.Journal”, - vol. VI. 1896; “ Methods of representing S tatistics of W ages” (in
colab. cu A. !.. Bosvley), in “ Jo u rn al of th e R oyal Statistical Society“ . 1902.
F.XGEI-, Ernst (1821 —1890). S tatistician şi inginer germ an. S tudii la École
■des Mines (Paris) ; in flu en ţa t de anchetele lui Frédéric Le P lay . A condus
biroul dc statistică al Saxonici(D resda) şi al P rusiei. A in iţia t şi stu d ia t bugetele
de fa n .Sie. stabilind o regu laritate n u m ită astăzi „le g e a lui E ” şi care constă
in aceea că pe m ăsura creşterii v en itu rilo r scade pro p o rţia cheltuielilor p en tru
a lim en taţie, altfel spus, elasticitatea v e n itu rilo r în rap o rt cu cererea p en tru
alim ente este subunitară. A ceastă lege, ca şi reprezentarea grafică („cu rb a
lui R ” . cam a fost. n u m ită mai tirziu) a fost stu d ia tă şi dezvoltată, p rin tre a lţii,
<le .1. M. K eynes. E ste considerat u n u l din precursorii econom etriei. A p a rti
c ip a t activ la congresele intern atio n ale de sta tistic ă şi a c o n trib u it la perfec
ţio n area m etodelor de an ch etă şi Ja com parabilitatca intern aţio n ală.
57#
Op. : „P ro d u ctio n s—undC onsum ationsverhäU nissedes K önigreiches Sachsen” ,
in itia l in lim ba germ ană (1857) şi apoi in B ulletin de l’In s titu t Intern atio n al de*
S ta tistiq u e , 9, X r. 1. Supl. 1. (1895) : ..D as R cchnungsbuch d er H ausfrau und
seine B edeutung im W irtschaftsleben der N a tio n ”, B erlin, 1882.: ..Ile r K osten-
w ert des M enschen” , B erlin, 1883.
Op : “ On thc Construetion of L ife Tables. illu strated by a new L ife Table of the*
H ealthy D istricts of E n g lan d ”, L ondra, 1859; ‘‘E nglish reproduction tab le” .
L ondra, 1880 ; “A nim al R ep o rts of th e R eg islrar General ol B irths; D e a th s
and M arriagcs in E ngland” (sub redacţia lui F ) : “ V ital statislics, a mem orial
volum e of selections from the rep o rts and w rittin g s of W illiam Ea.rr” , edited
by Nocl A H um phreys, Londra, 1885.
F E L I X , Jacob (1832—1905). Medic, dem ograf şi sta tistic ia n rom an. P rofesor
la U n iv ersitatea din B u cu reşti: m edic-şef al oraşului; decan al F a c u ltă ţii de-
M edicină. Membru al Academ iei R om âne. A fost mem bru al d iferitelo r so cietăţi
de m edicină, igienă şi sta tistic ă ; a p a rtic ip a t ia congresele in tern aţio n ale de
igienă şi demografie. A stu d ia t aspectele dem ografice şi san itare aic populaţiei
Rom âniei pe bază de dale statistice.
Op. : "S ta tistic a ! Melhods for R esearch W orkers” . 1925: “ Tlicory of Statisticul
E stim a tio n ”, 1925, care a cunoscut num eroase e d iţii; “ The G enetical Theorv
of N atural Sélection” , 1930 ; “ T he Design of E x p erim en ts” : “ Statistical
T ables for Biological A gricultura! and Medical R esearch” (in colab. eu F. Y ates),
1938 ; “ S ta tistic a l M ethods and S cientific Inference“ , 1956.
Op. : "P itfa lls in th e S tatislical C onstruction of D em and and Supply C urves”,
L eipzig, 1933: " S ta tis tic a ! C onfluence A nalysis by M eans of C opipleie R é
gression System s” , Oslo, 1934. D espre F. : K . J . Arrow, “ T he w ork of R a g n a r
Friscii econom ctrician” , în ..E co n o m etrics” , 28, 1969, p. 175—182.
l
574
intre două variabile, a m ediilor şi diferen ţei d in tre acestea. A efectu at com para
ţia internaţională in legătură cu a v u ţia n aţio n ală şi v en itu l n aţional.
Op. : „M em orie di m etodologia sta tistic a ” , vol. l.„ V a ria b ilită econcentrazione”,
1912 ; „ Q uelques considérations au su jet de la construction des nom bres indices
des p rix et des questions analogues” (..M etro n ” . 1924) : ,,S ur la théorie de la
dispersion et sur la v érification et l’u tilisatio n des schémas théoriques ; ,,Le
m edie” , 1958 ; „L a logica nclla sta tistic a ” , 1962.
O p .: “N atu ral and Politicul O bservations upon the B ills of M o rtality Chiefly
w ith Referencc to the G overnm ent, Religion, Trade, G rowth, A ir, D iseases
ctc. of the City of L ondon” , London, 1662.
K E X D A I.L , sir Maurice (1907 —1983). M atem atician şi sta tistic ia n englez,
rep rezen tan t strălu cit al şcolii anglo-saxonc de statistică m atem atică. S ta tis
tician la M inisterul agricu ltu rii al Angliei, şeful catedrei de sta tistic ă de Ia
Loudon School of Econom ics (1949—1961), preşedinte al lui R o y al S ta tistic a l
Society, m em bru ai In s titu tu lu i In tern aţio n al de S ta tistic ă , p reşedinte de
onoare al acestuia. D irector al A nchetei Mondiale a F e rtilită ţii (1972—1980),
cea m ai am plă an ch etă dem ografică, d esfăşurată sub auspiciile O.N.U . şi exe
c u ta tă de In s titu tu l Intern aţio n al de S tatistică, an ch etă p en tru care K . a p rim it
M edalia Păcii O .X .l. (1980). C on trib u ţii la statistica neparam etrică, a u to r de
577
Op. : “ N ational and Political O bservations and Conclusions upon the S ta te and
Conditions of E n g lan d ” , 1696.
KOLMOGOROV, Andrei Nikolaeviei (n. 1903). M atem atician sovietic. M embru
a l Academ iei de Ştiinţe a U .R .S .S ., m em bru de onoare al Academ ici R epublicii
Socialiste R om ânia şi al a lto r academ ii. M embru de onoare al In s titu tu lu i In te r
n aţional de Statistică. A adus co n trib u ţii fundam entale la m ulte ram u ri ale
m atem aticii şi in special Ia teoria probab ilităţilo r, fiind a u to ru l axio m atizării
acesteia şi unul din creatorii statisticii neparam etrice. A folosit m etodele teoriei
funcţiilor de variabilă reală la axiom atizarea teoriei p ro b ab ilităţilo r, îm preună
cu A . /. H incin * şi a dezvoltat teoria proceselor M arkov. A in flu e n ţa t consi
derabil teoria probabilităţilo r ; p rin tre elevii şi colaboratorii săi se n um ără acad.
B. V. Gnedenko.
Op. : “ F oundations of the T heory of P ro b a b ility ” , New York, 1956 (ap ăru tă
prim a d a tă in 1933, in lim ba g erm an ă); „O snovniie poniatiia teorii v e ro ia t-
nostei” , M oscova-Leningrad, 1936.
87—
c. 680
578
O p.: „Teoria sta tistic ii” , Curs u n iv ersitar (1. polonă), 1952; "S la listic a l
E stim ation of P aram eters in M arkov Process“ , 1955 ; „E conom ia p olitică”
(1. polonă) vol. I, 19,59 ; “ Introduction to econom etries” , ed. 2, Pergam on Press,
London, 1962; „Decizii optim e” , 1962. (in rom . „D ecizii optim e. Bazele p ro
gram ării” , E d . ştiinţifică, B ucureşti, 1970) ; „C ibernetica econom ică” , 1965
(in rom. „Introducere în cibernetica economică” , E d. ştiinţifică, B ucureşti, 1967) ;
în 1964, cu prilejul Îm plinirii virstei de 60 de ani, volum ul om agial : “ On poli-
tical Econom y and Econom etries. E ssays in honour of O skar L ange” .
Op. ; „Izb ran îie tru d î” (sub redacţia acad. V. I. Sm im ov), L eningrad, 1948.
579
O p.: ;Iscislenie veroiatnostei” , 1910: „Izb ran iie trudi. Teoria cisel. Teorii»
veroiatnostei” , Moscova, 1951.
Op. : „T héorie générale des chaînes à liaisons com plètes”, 1938 ; „C alculul
p ro b ab ilităţilo r”, 1956; „ L e c ţii de statistică m atem atică” (in colab. cu Gh.
Mihoc). 1957 Teogia p ro b ab ilităţilo r şi a p lic a ţii” , 1963 ;,, N um ere şi sistem e
aleatoare” , 1964; „M ecanica” , 1969; „M ecanica sta tistic ă ” (in colab.), 1971;
„M ecanică invariantivă şi cosmologie” , 1974 ; „ P ro b a b ilită ţi şi procese alea
to are” , 1977; „M ecanică in v a ria n tiv ă ” , 1976; „ E le m e n te de statistică infor
m aţională cu a p licaţii” (în colab.), 1979.
D espre O. : Papers in Honour o f Oclav Onicescu on his 90th birlhday, Studies
in P ro b ab ility and R elated Topics (Eds. M. C. D em etrescu, M arius Iosifescu),
E d itric e N agard, R om a, 1983; V. T rebici, Academicianul Oclav Onicescu şi
ştiin ţa econon icâ, in „ R ev ista economică” n r. 16, septem brie 1983.
Op. : , .Über die Preisentw icklung der letzten Ja h re nach der H am burger P re
isnotierung” , în „ Ja h rb ü c h e r fü r N ationalökonom ie u n d S ta tis tik ” , 1874 ;
„ S tu d ien über die N a tu r der G eldw ertung u n d ihre praktische B edeutung in
den letzten Jah rzeh n ten auf G rund statistischen D etailm aterials entnom m en
der S ta d t H alle a /S ”, Je n a , 1878.
585
care !i p o a rtă numele , care se m anifestă în cazul evenim entelor rare („legea
P .” , „procese P.). De asem enea, a generalizat teorem a lui B ernoulli cu privire
la legea num erelor m ari, creînd cu acest prilej şi term enul ca atare „loi de
grands nom bres” . C ontribuţii şi la demografie.
Op. „R echerches sur les probabilités des jugem ents, en m atière criminelle et
en m atière civile, précédées des règles générales du calcul des probabilités”,
1837.
O p.: „In stru ctio n s populaires sur le calcul des p robabilités” , 1928; „S ur
l ’homme e t le développem ent de ses facultés ou essai de Physique sociale” ,
1835 ; „ L ’anthropologie ou m esure des différentes facultés de l’hom m e” , 1871.
pc lingă Iowa S tate College, iar S. este n u m it director. S taţiu n ea experim entală,
replică la celebra R otbam sted E x p erim en tal S tatio n din A nglia, unde au lu crat
g eneraţii de m atem aticieni statisticien i, a aplicat şi a p erfecţio n at m etodele
statistice experim entale in agrobiologie. P rin tre colaboratori : G ertrude Cox,
G .T in tn e r ş i W. G. Cochran* D in 1950, S. a fost m em bru al * In s titu tu lu i
In tern aţio n al de S tatistică ; in 1948 — preşedinte al A m erican S ta tistic a l Asso
ciation ; m em bru de onoare al lui R oyal S tatistical Society. D upă aprecierea,
lui W . G. Cochran, S. face p a rte din aceeaşi fam ilie cu Q uételet, G alton,
K . Pearson, R . P carl şi R . A . Fisher.
Op. : "In crease in th e P op u latio n of the E a rth and of the Continents since
1650” , in International M igrations, voi. II, 1931; "In tro d u c tio n to the V ital
S tatistics of the U n ited S tates J900 to 1930” (1933), in “ Studies in the Ame
rican D em ography” , 1940.
590
W IN K L E R , Wilhelm (1884—1984). S tatistician şi demograf au striac. D octor tn
drept la U niversitatea germ ană din P raga (1907), a b ilita t In 1922 la U n iv e r
sita te a din Viena. doctor honoris causa al u n iversităţilor din M ünchen şi Viena.
A ctiv itate ca statistician la Oficiul Federal de S tatistică al A ustriei. Profesor
la U niversitatea din Viena. M embru al Academ iei A ustriece de Ş tiin ţe ; fon
d a to r şi preşedinte de onoare al S ocietăţii A ustriece de S ta tistic ă . M embru
a l In stitu tu lu i In ternaţional de S tatistică (din 1927), m em bru de onoare al
1 .1 .5 . ; m em bru al U niunii Internaţionale p en tru studiul ştiin ţific al popu laţiei
i(din 1948). Studii, cercetări, m anuale de statistică, dem ografice, econom etrie.
A introdus (îm preună cu H . H yrenius) disciplina n u m ită „dem om etrie” .
A
Pagina
A batere cuartilă (interval intercu artil, intercuartilă) 164
A batere m ediană (abatere probabilă, ab atere echiprobabilă) 166
A batere medie (abatere absolută medie) 165
A batere p ă tratică medie (abatere stan d ard , abetere tip) 166
A batere medie p ă tra tic ă ( —> şi ab aterea p ă tra tic ă medie) 311
A justarea seriei cronologice 247
A justarea seriei cronologice cu aju to ru l curbei G om pertz 275
A justarea seriei cronologice cu aju to ru l curbei logistice 279
A justarea seriei cronologice cu aju to ru l dreptei 252
A justarea seriei cronologice cu aju to ru l exponenţialei 264
A justarea seriei cronologice cu aju to ru l exponenţialei m o
dificate 274
A justarea seriei cronologice cu aju to ru l parabolei 258
A m plitudine (interval de variaţie) 163
A m plitudinea clasei 124
cr — algebră 302
A naliză arm onică a seriilor cronologice 293
A naliza seriilor cronologice 239
A naliza spectrală a seriei cronologice 295
A naliza tendinţei generale (seculare) a seriei cronologice 251
A naliza variaţiilor (fluctuaţiilor) ciclice ale seriei cronologice 292
Analiza variaţiilor (fluctuaţiilor) sezoniere ale seriei crono
logice 281
A naliza de v arian ţă (Anova) 511
A naliză a periodogram ei 293
A nchetă prin sondaj (statistic) 57
A nchetă prin sondaj (aleator) 58
A nchetă prin sondaj nealeator 58
A nchetă (sondaj) de opinie 58
A nchetă statistică 57
A utocorelaţie de ordine 1 294
A utocorelaţie de ordinul k 294
Pagina
B ază de m etadate statistice 73
Bloc 512
Pagina
Corelaţie m ultiplă 205
C orelaţie a rangurilor 208
C orelaţie serială a seriei cronologice 294
Corel <%»ramă 122
Covari a n ţă (-»- şi p. 311) 196
C riterii de alegere a curbelor de aju stare a tendinţei generale
(teste) 281
Cuantile (de ordinul n) 152
C uantilă (a % — cuantilă) 316
a % — cuantilă bilaterală 317
a % — cuantilă inferioară 317
a % — cuantilă superioară 316
C uartile 152
C um ulant de ordinul n 162
C urbă de concentrare (curbă Lorenz-G ini) 179
C urbă cum ulativă (curbă de re p artiţie, curbă a frecvenţelor
cum ulate) 315
C urbă de frecvenţă 315
C urbă a frecvenţelor (curbă de rep artiţie) 105
Curbele lui Pearson 179
D ate statistice 18
D ecile 152
D ensitatea de probabilitate (a variabilei aleatoare) (-> şi
p. 307 ; p. 315) 52
D escompunere a seriilor cronologice 245
Descriere statistică 18
D eterm inarea contribuţiei factorilor la m odificarea u n u i
indicator complex 233
D iagram a diferenţială 102
D iagram a integrală (cum ulativă) 104
D iagram ă Barlow-Campo 122, 456
D iagram ă în batoane (bare) 85
D iagram ă circulară 88
D iagram ă prin coloane (diagram ă prin tu b u ri de orgă) 86
D iagram ă cum ulativă (-*■ şi p. 104) 86
D iagram ă logaritm ică (diagram ă log-log) 98
D iagram ă polară (radială) 109
D iagram ă sem ilogaritmică 91
D iagram ă prin suprafeţe 89
D iagram ă triunghiulară 111
D iagram ă in Z 112
D iferenţă medie a lui Gini 172
Dispersie b ru tă 163
Dispersie relativă 163
Dispersie de selecţie 366
Dispersie (a repartiţiei) 52
Dispersie (varianţă) 310
59*
Pagina
D reaptă de regresie (d re a p tă de estim are) 189
D reapta de regresie a p ro b itu rilo r 192
Pagina
E x perim ent determ inist 362
E x trap o lare a seriei cronologice 296
F acto r 511
F a c to r (variabilă) calitativ(ă) (variabilă indicator) 512
F a c to r (variabilă) cantitativ (ă) 512
F a c to r co n tro lat 512
F a c to r de eterogenitate (factor necontrolat) 512
Fenom en de masă 43
F lu x inform aţional statistic 66
F lu x inform aţional statistic cu can al unic 66
F lu x inform aţional statistic cu canale m ultiple 66
Foarfecele p reţu rilo r 237
Form ă (a repartiţiei) 52
F o rm ă canonică a ipotezelor fundam entale 515
F orm ula lui Bayes (probabilităţile cauzelor) 306
F orm ula B ortkiewicz 226
Form ula condiţionării re p etate 306
F orm ula G om pertz-M akeham 279
F orm ula p robabilităţii to tale 306
F o rţa unui te st 382
F recv en ţă . 125
F recvenţă dedusă 125
F recv en ţă relativ ă 125
F recvenţă to tală 125
F uncţie caracteristică 311
F u n cţie em pirică de rep artiţie (funcţie de rep artiţie de selecţie) 364
F uncţie estim abilă 372
F uncţie de fiabilitate 510
F uncţie de frecvenţă (-> şi p. 125) 307
F uncţie param etrică 372
F uncţie de repartiţie (-► şi p. 315) 308
F uncţie de verosim ilitate 375
H
H istogram ă 99
H istoriogram ă 89
«0 0
Pagina
I
Indicator statistic 53
Indice 213
Indice agregat 222
Indice analitic 230
Indice aritm etic mediu p o n d erat 227
Indice arm onic m ediu p o n d erat 227
Indice cu bază iix ă 223
Indice al costului vieţii 235
Indice Divisia 224
Indice E dgew orth (M arshal-Edgeworth) 224
Indice elem entar (individual) 221
Indice general 222
Indice „ Id e a l” Fisher 224
Indice in la n ţ 223
Indice Laspeyres 224
Indice m edian 223
Indice m ediu 223
Indice mediu aritm etic 223
Indice m ediu arm onic 223
Indice m ediu geometric 223
Indice m odal 223
Indice Paasche 224
Indice p arţial (de grup) 222
Indice p o n d erat 222
Indice cu ponderi constante 224
Indice cu ponderi variabile 224
Indice al preţurilor 234
Indice al p reţu rilo r la consum ator 23»
Indice al puterii de cum părare a monedei 237
Indice sezonier (de sezonalitate) 284
Indice sezonier a ju sta t 28/
Indice sezonier simplu n e a ju sta t 284
Indice simplu 222
Indice simplu de covariaţie diferenţială 295
Indice simplu de covariaţie tendenţială 295
Indice sintetic (total, general) 221
Indice standardizat 232
Indice cu stru ctu ră iix ă 231
Indice cu stru ctu ră variabilă 231
Indice de stru ctu ră (ai schim bărilor structurale) 231
Indice teritorial 233
Indice cu u tilitate constantă 236
Indice al valorii medii 230
Indice ai volum ului lizic al producţiei (indice al cantităţilor) 236
Inferenţă statistică 18
Integrarea sistem ului inform atic statistic in sistemul informa
tic naţional > 76
Interacţiune a lt
Interpolarea serieicronologice 251
GOI
In te rv a l m odal 155
Ipoteza n ulă în modelul lin ia r 516
Ipoteză altern ativ ă H t 380
Ipoteză com pusă 380
Ipoteză n u lă H 0 380
Ipoteză neparam etrică 380
Ip o teză p aram etrică 380
Ipoteză sim plă 380
Ip oteză statistică 380
L an ţ 314
L a n ţ cu legături complete 315
L a n ţ M arkov (finit) 314
L an ţ OM (Onicescu — Mihoc) 315
X,ege dinam ică (determ inistă) 43
Lege de rep artiţie 305
Lege statistică (stohastică) 43
Legea am plitudinii studentizate 340
L egea am plitudinii studentizate m ărite 341
Legea arc-sin 333
Legea B eta 330
Legea B eta m ultidim ensională (R ep artiţia D irichlet) 353
Legea binom ial negativă (rep artiţia lui Pascal sau P oiva) 320
Legea binom ială B i (n, p) 320
L egea Cauchy 332
Legea exponenţială 343
Legea F n ecen trată 339
Legea F Snedecor-Fisher 335
Legea form elor pătratice de variabile aleatoare n o rm ale 328
Legea G am m a 329
Legea geom etrică 321
Legea G ram -Charlier 345
Legea G ram -Charlier, Edgew orth generalizată 357
Legea H elm ert 334
Legea (h i-p ătrat) (H elm ert-Pearson) 333
Legea y~ (h i-p ătrat) n ecen tra tă 338
Legea hipergeom etrică 322
Legea hipergeom etrică generalizată 360
Legea ( P r im a ..,) a lui Laplace 325
Legea logaritm ieă 324
Legea logaritm ului ite ra t 314
Legea lognorm ală 327
Legea m axim ului stu d en tizat ai ab ate rii fa ţă de m edia de
selecţie 341
Legea m axim ului stu d en tizat al ab ate rii fa ţă de m edia
teoretică 343
Legea m axim ului stu d e n tiz a t al m odului 340
Legea m ultinom inală 359
Legea norm ală (legea Laplace-Gauss) 326
602
gina
Legea norm ală bidimensională 352
Legea norm ală m ultidim ensională (n-dim ensională) 350
Legea num erelor mari 313
Legea P areto 349
Legea Poisson 323
Legea Poisson m ultidim ensională 361
Legea R avleigh 343
Legea R avleigh generalizată 343
Legea t a lui S tu d en t 334
Legea t necentrată 339
Legea t m ultidim ensională (O. J . Dunn) 355
Legea T 2 H otelling 355
Legea triunghiulară 323
Legea uniform ă 325
Legea (discretă) uniformă 318
Legea Weibull 344
Legea 'W ishart 356
Legea Z (a lui Fisher) 337
Legi de rep artiţie continue (rep artiţia variabilei aleatoare
continue) 325
Legi de repartiţie discretă (rep artiţia variabilei aleatoare
discrete) 318
Legi de repartiţie m ultidim ensională (n-dimensionale) 350
Legi de repartiţie m ultidim ensionale discrete 359
Legi de tip Pearson (I —X II) 348
Lim itele clasei 124
Pagina
M etoda Calot 292
M etoda celor mai mici p ă tra te (-> şi p. 190) ;J76
M etoda centrării m ediilor mobile 290
M etoda m inim ului lui 379
Metoda m om entelor 378
M etoda relativ ă a indicelui 234
M etoda S a lui H . Scheffe 540
M etoda T a lui J . W. T ukey 541
M etodă statistică 18
M etoda de aju stare an alitică a seriei cronologice 249
M etode de aju stare grafică a seriei cronologice 247
Metode de aju stare m ecanică a seriei cronologice 247
Metode de com paraţie m ultiplă (inferenţă statistică
sim ultană) 539
M etode grafice p en tru testarea concordanţei repartiţiei
em pirice cu unele re p a rtiţii teoretice 454
M etode statistice 18
M icrorecensăm înt 57
Mod 154
Model (statistic) 46
Model a d itiv al seriei cronologice 246
Model de analiză de covarianţă 536
Model I bifactorial ANO VA (clasificare ierarhică)
(cuibărită) 527
Model I bifactorial ANOVA (clasificare încrucişată) 524
Model I bifactorial ANOVA cu n u m ăr egal de observaţii
'in celulă (k > 1 ) (clasificarea încrucişată) (model echi
lib rat) 525
Model I bifactorial ANOVA cu n u m ăr egal de observaţii
în su b g ru p e (A- > 1). clasificare cu ib ărită (ierarhică) 527
Model I bifactorial ANOVA cu observaţie în celulă 524
Model II bifactorial ANOVA (clasificare ierarhică) 536
Model II bifactorial ANOVA (clasificare încrucişată) 535
Model II bifactorial ANOVA cu observaţie in celulă
<clasificare încrucişată) 535
Model II bifactorial ANOVA cu n u m ăr egal de obser
v a ţii în subgrupe 536
Model (clasificare) cuihărit(ă) (ierarhic(ă)) 513
Model determ inist 47
Model (clasificare) încrucişat(ă) 512
Model lin iar general 512
Model I ANOVA m ultifactorial formal (clasificare ierarhică) 532
Model I ANOVA m ultifactorial form al (clasificare
încrucişată) 529
Model m ultiplicativ al seriei cronologice 246
Model simplu de analiză de c o v arian ţă 539
M odel statistic (stochastic) -* şi p.46) 47
604
P agin a
O bservare cu ren tă 50
O bservare directă 50
O bservare in d irectă 50
O bservare p a rţia lă 54
O bservare periodică 55
O bservare statistic ă (Înregistrare statistică) 54
O bservare to ta lă (exhaustivă) 54
O bservaţii perech i 402
Ogiva lui G alton 109
O peraţii cu evenim ente 301
O peraţii cu variabile aleatoare 309
O rganizarea centralizată (a p relucrării d atelor statistice) 64
O rganizarea descentralizată (a prelucrării d atelo r statis
tice) 64
Organizarea m ix tă (a p relucrării d atelor statistice) 64
Organizarea prelucrării d atelo r statistice 63
eos
Pagina
V
Panel 58
P aram etrii dispersiei 163
Param etrii formei (rep artiţiei) 174
P a ra m e tru statistic 52
P ă tr a t latin 544
P ă tr a t la tin standard 545
P erioadă de bază (de referinţă) 223
Perioada curentă 223
Periodogram ă 293
P iram idă a virstelo r 114
P lan In blocuri 545
Plan în blocuri în tîm p lăto are 546
P lan de control 509
P lan experim ental 542
P lan experim ental în blocuri incom plete 546
P la n experim ental com plet 543
P lan experim ental factorial 544
P la n experim ental incom plet 543
P lan experim ental „ sp lit-p lo t” 543
Planificarea experim entelor 542
Poligon al frecvenţelor 102
Pondere 222
Ponderi standard 233
P o p u laţie (statistică) 49
P ostulatele corelaţiei lui Pearson 202
P rag de sem nificaţie 380
P redicatul tabelului statistic 77
Prelucrare au to m ată a datelor recensătnintului populaţiei
şi al locuinţelor 74
Prelucrare au to m ată a d atelor statistice operative 74
Prelucrare centralizată 61
Prelucrare descentralizată 61
Prelucrare integrată a datelor demografice 75
Prelucrare p rim ară 61
Prelucrare secundară 61
Prelucrarea datelor statistice 61
Prelucrarea datelor statistice cu aju to ru l
mijloacelor tehnicii de calcul 62
P re ţ absolut 235
P reţ relativ 235
Principiul verosim ilităţii m axim e 372
Proba (testul, verificarea) lui C harlier 177
P ro b ab ilitate 32, 302
P robabilitate condiţion ată 305
P ro b ab ilitate subiectivă 33
P ro b ab ilitatea de acceptare P a un u i lo t 609
Proces aleator (stohastic) cu p ara m e tru continuu 315
P agina
Proces alea to r (stohastie) cu p ara m e tru discret 314
Program are şi sistem e de program are stan d ard pen tru
prelucrarea dărilor de seamă şi fenom enelor statistice in
m od lot 72
Program e şi sistem e de program e stan d ard p en tru p re
lucrarea datelor statistice 72
Program e stan d ard p en tru p relucrarea dărilor de seamă/
form ularelor statistice în m od in teractiv 72
P u te re a unui te st 381
Pagina
S
Pagina
T est de concordanţă cu legea binom inală B i(x , p) 477
T est de concordanţă Cram6r-von Miscs 440
T est de concordanţă Finkelstein-Schafer 439
T est de concordanţă G nedenko 439
T est de concordanţă y l (h i-p ătrat) (caz neparam etric) 431 •
T est dc concordanţă y f (h i-p ătrat) (caz param etric) 426 •
T est de concordanţă K olm ogorov-Sm irnov 435
T est dc concordanţă Lilliefors 436
T est de determ inare a indicelui 228
T est p en tru egalitatea a k p aram etri p ( a k legi
binom iale £ i( n j, p() 491
T est x2 (h i-p ătrat) 387«
T est de id en titate a indicelui 228
T est de independenţă 466
T est ncdeplasat 386
T est neparam etric 386
T est neparam etric M ann-W hitney-W ilcoxon 406
T est von N cum ann (K ent-B ellinson-H art) 461
T est dc om ogenitate 386
T est dc om ogenitate (com ensurabilitate) a indicelui 228
T est p en tru param etri p,, p, a două legi binom inale
B i(n f, p ^ , i = 1,2 487
T est de proporţionalitate a indicelui 228
T est al raportului de verosim ilităţi 386
T est de reversibilitate a factorilor indicelui 228
T est de reversibilitate în tim p a indicelui 228
T est robust 386
T est al schim bării bazei indicelui 228
T est secvenţial (progresiv) al lu i W ald 386
T est de sem nificaţie 384
T est de sem nificaţie p en tru dispersie 409
T est dc semnificaţie privind egalitatea a două dispersii 412
T est statistic 382
T est statistic referitor la egalitatea a doi coeficienţi de
corelaţie 468
T est statistic referitor la egalitatea a k coeficienţi de
corelaţie 470
T est statistic privind egalitatea a k dispersii (k > 2) 414
T est statistic privind egalitatea a 2 m edii 394
T est statistic privind egalitatea a 2 medii — dispersiile
cunoscute (testul Z) 394
T est statistic privind egalitatea a medii — dispersiile
fTj şi rsi necunoscute (testul t) 396
T est statistic privind egalitatea a k medii 409
T est / 393
T est uniform cel mai p u tern ic 386
Test unilateral (dreapta sau stingă) 384
Test pen tru o valoare specificată p c a param etru lu i legii
binom iale B i(n, p) 480
«10
Pagina
T est p e n tru verificarea norm alităţii 441
T est Z 387
T estarea concordanţei cu legea Poisson 472
T este privind coeficientul de corelaţie 466
T este de concordanţă 426
Teste p rivind egalitatea p robabilităţilor m ultinom ialc p în
două sau mai m ulte experim ente 495
Teste de indenpenden ţă (de asociere) în tabele de contin
genţă 500
T este ale indicilor 227
T este ale indicelui elem entar (individual) 228
T este ale indicelui sintetic 229
T este de norm alitate Shapiro-W ilk, Shapiro-Francia
l)e W et-V enter, D ’Agostino 450
T este de om ogenitate generală 420
T este privind param etrii legii m ultinom iale 493
Teste privind rep artiţia binom ială 477
Teste privind rep artiţia Poisson 472
T este privind valorile specificate ale probabilităţilor pj 493
Teste privind valorile specificate ale probabilităţilor p (j şi
probabilităţilor m arginale l>(. P jin tabele de contingenţă 498
T este privind variabila aleatoare — Po(X) 473
T este privind verificarea caracterului aleator 451
Teste p en tru verificarea norm alităţii prin m ăsu
rarea asimetriei şi excesului 448
T estul D ’Agostino 452
Testul lui B arlett 414
Testul lui Cocliran 420
T estul exact al lui Fisher p en tru verificarea independen
ţei în tabele de contingenţă 502
T estul Z al lui Fisher 412
T estul lui H artley 416
Testul ipotezei nule 518
T estul iteraţiilor 460
T estul L am bda 420
T estul lui Massev 442
T estul L N eym an-Pearson 425
T estul de norm alitată al luiLiUiefors 441
T estul de norm alitate Sarkady 451
T estul lui Sarkady 449
T estul semnelor 460
T estul Shapiro-W ilk(test W) 444
T estul F al lui Snedecor — Fischer 412
T ransform ata lui Fisher 197
T rata m en t 511
Pagina
V
C. 8 8 0 - I . P . INFORMAŢIA
S tr. B rezoianu N r. 23-25
Bucureşti