Aplicatii

 APLICATIA 1
 Un specialist afirmă că persoanele care mănâncă cereale la micul
dejun vor consuma la masa de prânz, în medie, mai puţine calorii ca
aceia care nu mănâncă cereale la micul dejun. Pentru a testa această
afirmaţie, au fost selectaţi aleator 30 de persoane şi au fost întrebate ce
mănâncă în mod regulat la micul dejun şi la masa de prânz. Fiecare
persoană a fost identificată ca un consumator sau nonconsumator de
cereale la micul dejun şi fiecărei persoane i-au fost calculate numărul de
calorii consumate la masa de prânz.
 Rezultatele obţinute sunt următoarele:
 Consumatori de cereale:
 640, 605, 529, 591, 596, 564, 615, 560, 635, 623 (calorii)
 Nonconsumatori de cereale:
 502, 703, 735, 707, 523, 534, 768, 626, 620, 589, 736, 565, 686, 529, 632, 951,
744, 632, 593, 847 (calorii)
 Se poate spune cu un nivel de semnificaţie de 5% că specialistul are
dreptate?
 Identificarea metodei:
 Specialistul trebuie să compare media consumului
de calorii pentru populaţia consumatorilor de
cereale cu cea a nonconsumatorilor de cereale.

 Datele sunt cantitative.

 Ipoteza care trebuie testată este:
 H0: μ1= μ2 cu alternativa H1: μ1< μ2,
 deoarece trebuie observat dacă numărul mediu al
caloriilor consumate de consumatorii de cereale la
masa de prânz este mai mic decât al
neconsumatorilor de cereale.
 Pentru a putea identifica testul ce trebuie
aplicat se vor calcula şi compara abaterile
medii pătratice
(Tools/Data Analysis/Descriptive statstics).
 Acestea sunt: s1 = 35,7 şi s2 = 115,7 .
 Deoarece ele sunt total diferite va fi aplicat
testul t pentru dispersii inegale (se poate
aplica un test statistic pentru semnificaţia
diferenţei dintre dispersii)
 Consumatori Ne-consumatori

Mean 595.8 Mean 661.1

Standard Error 11.284995 Standard Error 25.86045
Median 600.5 Median 632
Mode #N/A Mode 632
Standard Deviation 35.686287 Standard Deviation 115.6514
Sample Variance 1273.5111 Sample Variance 13375.25
Kurtosis -0.3766986 Kurtosis 0.585221
Skewness -0.6162901 Skewness 0.787462
Range 111 Range 449
Minimum 529 Minimum 502
Maximum 640 Maximum 951
Sum 5958 Sum 13222
Count 10 Count 20
 Rezolvare folosind EXCEL:
◦ Introduceţi datele pe două coloane. În A1 se scrie
„Consumatori“ iar în B1 „Nonconsumatori“.
◦ Apăsaţi Tools/Data Analysis şi apoi t-Test: Two-
Sample Assuming Unequal Variances
◦ Specificaţi variabila 1: A1:A11
◦ Specificaţi variabila 2: B1:B21
◦ Specificaţi Hypothesized Mean Difference: 0,
apăsaţi Labels. Apăsaţi OK
 Ne-
consumat
Consumatori ori
Mean 595.8 661.1
Val. calculata a
Variance 1273.511111 13375.25263 testului
Observations 10 20
Hypothesized Mean
Niv.semnif. pt. test
Difference 0
unilateral (1,46%)
df 25
Val. critica pt. test
t Stat -2.31433179 unilateral
P(T<=t) one-tail 0.014576434
Niv.semnif. pt. test
t Critical one-tail 1.708140189 bilateral (2,9%)
P(T<=t) two-tail 0.029152868
t Critical two-tail 2.05953711 Val. critica pt. test
bilateral
 Rezultat:
◦ Deoarece valoarea p pentru testul unilateral
(nivelul de semnificatie) este mică (1,46%<5%),
putem spune că aceste date dovedesc că cei care
consumă cereale la micul dejun consumă mai
puţine calorii la masa de prânz (se acceptă
ipoteza alternativă, că există diferenţe
semnificative), cu o probabilitate maxima de
100-1,46=98,54%. (>95%)
 APLICATIA 2
 Directorul unei companii pentru fabricarea mobilei de birou crede ca
productivitatea muncitorilor depinde, printre altele, si de succesiunea
operatiilor pe care trebuie sa le execute muncitorul. Pentru producerea unui
birou ergonomic sunt considerate doua variante de realizare a acestuia
(d.p.d.v. al succesiunii operatiilor). Pentru a decide care varianta este mai
buna, au fost selectati aleator 25 de muncitori care asambleaza biroul in
varianta A si 25 de muncitori care asambleaza biroul in varianta B. Au fost
inregistrati timpii de asamblare pt. fiecare din cei 50 de muncitori.

 Directorul doreste sa afle daca, pentru un nivel de

semnificatie de 5%, timpii medii de asamblare in cele doua
variante difera semnificativ.
Ipotezele cercetării:
H0: μ1 = μ2
H1: μ1 ≠ μ2
 Pentru a putea identifica testul ce trebuie
aplicat se vor calcula şi compara abaterile
medii pătratice
(Tools/Data Analysis/Descriptive statstics).
 Acestea sunt: s1 = 0,921 şi s2 = 1,14.
 Deoarece ele sunt aproximativ egale va fi
aplicat testul t pentru dispersii egale (se
poate aplica un test statistic pentru
semnificaţia diferenţei dintre dispersii)
 Varianta A Varianta B

Mean 6.288 Mean 6.016

Standard Error 0.184148 Standard Error 0.228304

Median 6.3 Median 5.9

Mode 5 Mode 5.9

Standard Deviation 0.920742 Standard Deviation 1.141519

Sample Variance 0.847767 Sample Variance 1.303067

Kurtosis -0.761 Kurtosis -0.37359

Skewness -0.09588 Skewness 0.104214

Range 3.3 Range 4.3

Minimum 4.6 Minimum 4.2

Maximum 7.9 Maximum 8.5

Sum 157.2 Sum 150.4

Count 25 Count 25
 Introduceţi datele pe două coloane. În A1
se scrie „Varianta A“ iar în B1 „Varianta B“.
 Apăsaţi Tools/Data Analysis şi apoi t-Test:
Two-Sample Assuming Equal Variances
 Specificaţi variabila 1: A1:A26
 Specificaţi variabila 2: B1:B26
 Specificaţi Hypothesized Mean Difference:
0, apăsaţi Labels. Apăsaţi OK
 Dispersia

Dispersia
combinata
Valoarea
calculata a
testului t

100-17,9=82,1%
nivelul de incredere
pt. testul unilateral

Val. critica. pt.

testul unilateral

100-35,8=64,2%
nivelul de incredere
pt. testul bilateral

Val. critica. pt.

testul bilateral
 Concluzie:
◦ Deoarece tcalculat (0,927) < tcritic (2,01) se accepta H0,
deci timpii medii de asamblare nu difera
semnificativ.
◦ Ipoteza H1, conform careia timpii medii sunt
semnificativ diferiti poate fi garantata cu o
probabilitate de doar 64,2% (<95%).
 APLICATIA 3
 Pe 20 de maşini selectate aleator se
instalează un tip de anvelope şi se măsoară
numărul de kilometri parcurşi până la uzura
totală a acestora. Apoi pe aceleaşi maşini se
instalează un nou tip de anvelope şi se
procedează similar cu cazul anterior. Se
poate spune că distanta media parcursa cu
noul tip de anvelope difera semnificativ fata
de cea parcursa cu vechiul tip?
Maşina 1 2 3 4 5 6 7 8 9 10
Distanţa parcursă în mii de kilometri cu 57 64 102 62 81 87 61 62 74 62
tipul de anvelope noi
Distanţa parcursă în mii de kilometri cu 48 50 89 56 78 75 50 49 70 66
tipul de anvelope vechi

Maşina 11 12 13 14 15 16 17 18 19 20

Distanţa parcursă în mii de kilometri cu 100 90 83 84 86 62 67 40 71 77

tipul de anvelope noi
Distanţa parcursă în mii de kilo-metri cu 98 86 78 90 98 58 58 41 61 82
tipul de anvelope vechi
 Deoarece cele două tipuri de anvelope sunt
instalate pe aceleaşi maşini, vom avea de testat
dacă mediile a două populaţii dependente sunt
egale.
 Datele sunt cantitative iar obiectivul experimentului
este de a compara numărul de kilometrii parcurşi
pentru cele două populaţii pereche. Deci ipotezele
care trebuie testate sunt
◦ H0: μ1= μ2
◦ H1: μ1 ≠ μ2.
 Rezolvare folosind EXCEL:
◦ Introduceţi datele pe două coloane
◦ Apăsaţi Tools/Data Analysis şi apoi t-Test: Paired
Two-Sample for Means
◦ Specificaţi variabila 1: A1:A21
◦ Specificaţi variabila 2: B1:B21
◦ Specificaţi Hypothesized Mean Difference: 0,
apăsaţi Labels. Apăsaţi OK
 Valoarea calculata a
testului

Niv. de semnif. 1%;

nivel de incredere
99%, cu care
garantam ca mediile
sunt diferite

Val. critica a testului

bilateral.
Cum tstat>t crit
se accepta ipoteza H1.
 APLICATIA 4
 Folosind datele APLICATIEI 1, să se testeze dacă
dispersiile (variaţiile) celor două populaţii sunt
egale
 Rezolvare:
◦ Identificarea metodei:
 Ipotezele sunt:
 H0:  12  22  1
 H1:  2  2  1
1 2
 Expresia testului este: F  s12 s22

 Rezolvare folosind EXCEL:
◦ Introduceţi datele pe două coloane. În A1 se scrie
„Consumatori“ iar în B1 „Nonconsumatori“.
◦ Apăsaţi Tools/Data Analysis şi apoi F-Test Two-
Sample for Variances
◦ Specificaţi variabila 1: A1:A26
◦ Specificaţi variabila 2: B1:B26
◦ Apăsaţi Labels şi apoi OK.
Se obţin rezultatele:
F-Test Two-Sample for Variances

Consumatori Nonconsumatori
Mean 595.8 661.1
Variance 1273.51 13375.25
Observations 10 20
df 9 19
F 0.0952
P(F<=f) one-tail 0.00053
F Critical one-tail 0.3392

Nivel (minim) de semnificatie

Valoarea calculata 0,053%. Probabilitatea cu care se Val. critica a testului
a testului F garanteaza ca dispersiile sunt unilateral. (F1-α,n1-1,n2-1)
diferite (acceptam H1) este de
99,947% (>95%)