Sunteți pe pagina 1din 260

Dan Ion Gherguţ Pavel Wagner

Bucureşti, 2010
CUPRINS
Unitatea 1: OBIECTUL ŞI NATURA STATISTICII ............................................................... 1
1.1 Obiective ............................................................................................................... 1
1.2 De ce avem nevoie de statistică? ........................................................................... 1
1.3 O scurtă istorie a termenului de statistică............................................................. 2
1.4 Natura statisticii şi metoda statisticii .................................................................... 2
1.5 Pentru un limbaj comun: concepte de bază utilizate în statistică........................... 5
1.6 Scale de măsurare .............................................................................................. 12
1.7 Etapele cercetării statistice ................................................................................. 14
1.8 Cuvinte-cheie ...................................................................................................... 17
1.9 Întrebări de control ............................................................................................. 17
1.10 Bibliografie selectivă............................................................................................ 18
Unitatea 2: COLECTAREA ŞI SISTEMATIZAREA DATELOR STATISTICE ........................ 19
2.1 Obiective ............................................................................................................. 19
2.2 Observarea statistică – colectarea datelor individuale.......................................... 19
2.2.1 Principiile observării statistice ............................................................................... 19
2.2.2 Metode de observare statistică .............................................................................. 20
2.2.3 Chestionarul statistic ............................................................................................. 24
2.2.4 Erorile observării statistice şi controlul calităţii datelor înregistrate...................... 29
2.3 Sistematizarea datelor observării......................................................................... 29
2.3.1 Distribuţia de frecvenţe.......................................................................................... 31
2.3.2 Tipuri de grupare a datelor individuale ................................................................. 32
2.3.3 Gruparea datele pe valori distincte sau pe intervale de valori .............................. 33
2.4 Cuvinte-cheie ...................................................................................................... 39
2.5 Întrebări de control ............................................................................................. 39
2.6 Bibliografie selectivă............................................................................................ 40
Unitatea 3: PREZENTAREA DATELOR STATISTICE ........................................................ 41
3.1 Obiective ............................................................................................................. 41
3.2 Serii statistice ..................................................................................................... 41
3.3 Modalităţi de prezentare a datelor statistice ........................................................ 42
3.3.1 Tabelele statistice .................................................................................................. 42
3.3.2 Reprezentarea grafică a distribuţiilor de frecvenţe................................................ 47
3.4 Cuvinte – cheie.................................................................................................... 57
3.5 Întrebări de control ............................................................................................. 57
3.6 Bibliografie selectivă............................................................................................ 57
Unitatea 4: INDICATORII STATISTICI ............................................................................. 59
4.1 Obiective ............................................................................................................. 59
4.2 Indicatori primari si indicatori derivaţi ................................................................ 59
4.3 Mărimile relative ................................................................................................. 61
4.4 Cuvinte - cheie.................................................................................................... 74

i
4.5 Intrebări de control ............................................................................................. 74
4.6 Bibliografie.......................................................................................................... 75
Unitatea 5: ANALIZA DESCRIPTIVĂ A SERIILOR DE REPARTIŢIE – Partea I................... 77
5.1 Obiective............................................................................................................. 77
5.2 Definirea, trăsăturile şi reprezentarea grafică a seriilor de repartiţie.................... 77
5.3 Indicatorii tendinţei centrale ............................................................................... 83
5.3.1 Media aritmetică.................................................................................................... 84
5.3.2 Mediana (valoarea centrală).................................................................................. 92
5.3.3 Modul (valoarea dominantă).................................................................................. 96
5.3.4 Alte tipuri de medii ................................................................................................ 99
5.3.5 Media pătratică ................................................................................................... 101
5.3.6 Media geometrică ................................................................................................ 101
5.4 Cuvinte cheie .................................................................................................... 103
5.5 Intrebări de control ........................................................................................... 104
5.6 Bibliografie selectivă ......................................................................................... 104
Unitatea 6: ANALIZA DESCRIPTIVĂ A SERIILOR DE REPARTIŢIE – Partea a II-a.......... 105
6.1 Obiective........................................................................................................... 105
6.2 Indicatorii variaţiei............................................................................................ 105
6.2.1 Indicatorii simpli ai variaţiei................................................................................ 106
6.2.2 Indicatorii sintetici ai variaţiei ............................................................................. 113
6.2.3 Media si dispersia unei variabile alternative ...................................................... 119
6.3 Asimetria şi aplatizarea..................................................................................... 120
6.3.1 Asimetria ............................................................................................................. 120
6.3.2 Aplatizarea.......................................................................................................... 122
6.4 Cuvinte – cheie ................................................................................................. 124
6.5 Intrebări de control ........................................................................................... 124
6.6 Bibliografie selectivă ......................................................................................... 125
Unitatea 7: ANALIZA SERIILOR INTERDEPENDENTE................................................... 126
7.1 Obiective........................................................................................................... 126
7.2 Tipuri de legături .............................................................................................. 126
7.3 Metode simple de analiză a legăturii dintre variabile ......................................... 128
7.4 Descompunerea dispersiei într-o colectivitate împărţită pe grupe (Regula de
adunare a dispersiilor). ..................................................................................... 133
7.5 Metode de analiză a legăturilor dintre variabile ................................................. 141
7.5.1 Metode neparametrice de măsurare a intensităţii corelaţiei ............................... 141
7.5.2 Metode parametrice de măsurare a intensităţii corelaţiei ................................... 144
7.5.3 Metoda regresiei.................................................................................................. 149
7.6 Cuvinte – cheie ................................................................................................. 157
7.7 Intrebări de control ........................................................................................... 157
7.8 Bibliografie selectivă ......................................................................................... 158
Unitatea 8: SERII CRONOLOGICE ................................................................................ 159

ii
8.1 Obiective ........................................................................................................... 159
8.2 Definire, categorii, reprezentare grafică ............................................................. 159
8.3 Indicatorii statistici ai seriilor cronologice de perioade....................................... 162
8.3.1 Indicatorii absoluţi ai seriilor cronologice.............................................................162
8.3.2 Indicatorii relativi ai seriilor cronologice ..............................................................164
8.3.3 Indicatorii medii ai seriilor cronologice.................................................................166
8.4 Indicatorii statistici ai seriilor cronologice de momente...................................... 167
8.5 Ajustarea seriilor cronologice ............................................................................ 169
8.6 Extrapolarea seriilor cronologice ....................................................................... 182
8.7 Criterii de alegere a procedeelor de ajustare ...................................................... 185
8.8 Cuvinte – cheie.................................................................................................. 187
8.9 Intrebări de control ........................................................................................... 187
8.10 Bibliografie selectivă.......................................................................................... 188
Unitatea 9: INDICII STATISTICI .................................................................................... 189
9.1 Obiective ........................................................................................................... 189
9.2 Definire. Tipuri de indici ................................................................................... 189
9.3 Probleme metodologice privind construirea indicilor de grup ............................. 192
9.4 Indici de grup calculaţi ca o medie a indicilor individuali .................................. 196
9.5 Indicii de grup calculaţi ca raport a două medii................................................. 201
9.6 Descompunerea variaţiei unei variabile complexe pe factori de influenţă prin
metoda indicilor ................................................................................................ 204
9.7 Serii cronologice de indici statistici.................................................................... 210
9.8 Cuvinte cheie .................................................................................................... 211
9.9 Întrebări de control ........................................................................................... 212
9.10 Bibliografie selectivă.......................................................................................... 212
Unitatea 10: ELEMENTE DE SONDAJ STATISTIC .......................................................... 213
10.1 Obiective ........................................................................................................... 213
10.2 Definire, etape, noţiuni, avantaje ...................................................................... 213
10.3 Procedee de selecţie........................................................................................... 216
10.4 Erorile sondajului statistic ................................................................................ 220
10.5 Eroarea medie si eroarea limită ......................................................................... 221
10.6 Tipuri de sondaje folosite frecvent in practica statistică..................................... 230
10.6.1 Sondajul aleator simplu .......................................................................................230
10.6.2 Sondajul stratificat ..............................................................................................231
10.6.3 Sondajul în trepte ................................................................................................235
10.6.4 Efectul de cluster .................................................................................................237
10.6.5 Sondajul de serii ..................................................................................................241
10.7 Determinarea volumului eşantionului ............................................................... 242
10.8 Estimarea parametrilor colectivităţii generale .................................................... 244
10.9 Cuvinte cheie .................................................................................................... 245
10.10 Întrebări de control ........................................................................................... 245

iii
10.11 Bibliografie selectivă ......................................................................................... 245
Index alfabetic............................................................................................................... 246

iv
Lista tabelelor

Tabelul 1.1 – Clasificări ale variabilelor statistice ............................................................................ 9


Tabelul 2.1 – Matricea datelor primare ....................................................................................... 30
Tabelul 2.2 – Repartiţie de frecvenţe unidimensională ................................................................... 31
Tabelul 2.3 - Gruparea pe intervale a datelor individuale şi frecvenţele absolute .................................. 37
Tabelul 3.1 – Date referitoare la salariaţii firmei X la data de 31.12.2008 ............................................. 44
Tabelul 3.2 – Repartizarea angajaţilor în funcţie de sexe ................................................................ 44
Tabelul 3.3– Repartizarea angajaţilor în funcţie de numărul de copii ................................................ 45
Tabelul 3.4 - Repartizarea angajaţilor pe grupe de salarii ............................................................... 46
Tabelul 4.1 – Populaţia României la 1 iulie pe medii de rezidenţă .................................................... 64
Tabelul 4.2 – Corespondenţa dintre mărimile relative de structură şi aria cercului de structură .............. 66
Tabelul 4.3 – Selecţie de indicatori macroenomici ai României în anul 2007....................................... 70
Tabelul 4.4 – Exporturile României în perioada 2000 – 2007 (mil. Euro) ............................................ 72
Tabelul 5.1 – Distribuţia întreprinderilor după cifra de afaceri ......................................................... 80
Tabelul 5.2. – Frecvenţele relative cumulate ale distribuţiei întreprinderilor după cifra de afaceri ........... 82
Tabelul 5.3. – Frecvenţele absolute, frecvenţele relative şi densităţile de frecvenţă ale distribuţiei
întreprinderilor după cifra de afaceri .................................................................... 83
Tabelul 5.4 – Distribuţia companiilor după numărul de angajaţi...................................................... 86
Tabelul 5.5 – Distribuţia companiilor după cifra de afaceri ............................................................. 88
Tabelul 5.6 – Distribuţia companiilor după cifra de afaceri ............................................................. 91
Tabelul 5.7 – Distribuţia întreprinderilor după cifra de afaceri ........................................................ 94
Tabelul 5.8 – Distribuţia întreprinderilor după cifra de afaceri ........................................................ 97
Tabelul 5.9 – Rata şomajului la 1 ianuarie a.c............................................................................. 100
Tabelul 6.1 – Distribuţia întreprinderilor după cifra de afaceri ....................................................... 108
Tabelul 6.2 – Distribuţia întreprinderilor după cifra de afaceri (continuare) ..................................... 110
Tabelul 6.3 – Distribuţia întreprinderilor după cifra de afaceri (continuare) ..................................... 112
Tabelul 6.4 – Distribuţia întreprinderilor după cifra de afaceri (continuare) ..................................... 114
Tabelul 6.5 – Distribuţia întreprinderilor după cifra de afaceri (continuare) ..................................... 115
Tabelul 6.6 – Notaţiile caracteristicii alternative ......................................................................... 119
Tabelul 7.1 – Rezultatele la examenul de admitere şi media notelor din prima sesiune de examene –
eşantion de 10 studenţi .................................................................................... 129
Tabelul 7.2 – Gruparea agenţilor economici după numărul salariaţilor ............................................ 132
Tabelul 7.3 – Modelul tabelului de contingenţă.......................................................................... 134
Tabelul 7.4 – Gruparea agenţilor economici după numărul de salariaţi ........................................... 138
Tabelul 7.5 – Tabel de asociere .............................................................................................. 141
Tabelul 7.6 – Rangurile ţărilor în funcţie de rata de alfabetizare a populaţiei masculine şi feminine ...... 142
Tabelul 7.7 – Cifra de afaceri şi profitul obţinute de 8 companii studiate ......................................... 143
Tabelul 7.8 – Calculul parametrilor unei funcţii de regresie liniară unifactorială................................ 152
Tabelul 7.9 – Calculul parametrilor unei funcţii de regresie liniară unifactorială................................ 156
Tabelul 8.1 - Evoluţia unor indicatori macroeconomici în perioada 2000 - 2007 ................................. 161

v
Tabelul 8.2 – Evoluţia cifrei de afaceri a companiei X în perioada 2000 - 2009 .................................. 163
Tabelul 8.3 – Stocul de mărfuri ale companiei X la începutul lunii ................................................. 168
Tabelul 8.4 – Calculul parmetrilor funcţiei liniare pentru o serie cronologică.................................... 180
Tabelul 9.1 – Vânzările companiei X din luna septembrie a anilor 2008 şi 2009 ................................. 198
Tabelul 9.2 – Volumul vânzărilor şi modificarea preţurilor produselor vândute de compania X ............ 200
Tabelul 9.3 – Fondul de salarii, numărul de angajaţi şi salariul mediu al companiilor A şi B în luna
decembrie a anilor 2008 şi 2009 ......................................................................... 202
Tabelul 9.4 - Fondul de salarii, numărul de angajaţi şi salariul mediu al companiilor A şi B în luna
decembrie a anilor 2008 şi 2009 ......................................................................... 209
Tabelul 10.1 – Notaţii folosite în sondajul statistic ...................................................................... 215
Tabelul 10.2 – Repartizarea muncitorilor după timpul nelucrat...................................................... 225
Tabelul 10.3 – Rezultatele sondajului la ieşirea de la urne în turul II al alegerilor prezidenţiale din 6
decembrie 2009 .............................................................................................. 228
Tabelul 10.4 – Intervalele de încredere ale rezultatelor sondajului la ieşirea de la urne în turul II al alegerilor
prezidenţiale din 6 decembrie 2009 .................................................................... 229
Tabelul 10.5 – Salariul mediul lunar net estimat ......................................................................... 234

vi
Lista graficelor
Fig. 1.1 – Precizie vs. exactitate................................................................................................. 11
Fig. 1.2 – Relaţia între categoriile de variabile şi scalele de măsurare ................................................ 14
Fig. 1.3 – Etapele cercetării statistice ......................................................................................... 14
Fig. 3.1 – Distribuţia angajaţilor în funcţie de starea civilă .............................................................. 48
Fig. 3.2 – Distribuţia procentuală a angajaţilor în funcţie de starea civilă ........................................... 49
Fig. 3.3 – Distribuţia angajaţilor în funcţie de starea civilă (diagramă rectangulară) ............................ 49
Fig. 3.4 – Distribuţia angajaţilor în funcţie de numărul de copii ...................................................... 50
Fig. 3.5 – Curba cumulativă a distribuţiei angajaţilor în funcţie numărul de copii ............................... 51
Fig. 3.6 – Distribuţia angajaţilor pe grupe de salarii ...................................................................... 52
Fig. 3.7 – Grafic incorect - Distribuţia angajaţilor pe grupe de salarii ................................................ 53
Fig. 3.8 – Poligonul frecvenţei angajaţilor pe grupe de salarii din firma X la 31.12.2008 ......................... 53
Fig. 3.9 – Distribuţia şi curba cumulativă a frecvenţelor angajaţilor pe grupe de salarii din firma X la
31.12.2008 ....................................................................................................... 54
Fig. 3.10 – Diagrama tulpină-cu-ramuri a salariilor angajaţilor din firma X la 31.12.2008 ....................... 55
Fig. 3.11 – Rata de căsătorie şi numărul de copii ai angajaţilor din firma X la 31.12.2008 ....................... 56
Fig. 4.1 – Structura populaţiei României pe medii de rezidenţă ....................................................... 66
Fig. 4.2 – Structura populaţiei României pe medii de rezidenţă - grafice proporţionale cu mărimea
colectivităţii statistice ....................................................................................... 67
Fig. 5.1 – Repartiţia agenţilor economici după cifra de afaceri......................................................... 80
Fig. 5.2 – Repartiţia agenţilor economici după cifra de afaceri (reprezentare prin poligonul frecvenţelor) . 81
Fig. 5.3 – Repartiţia agenţilor economici după cifra de afaceri (reprezentare prin poligonul frecvenţelor
cumulate crescător şi descrescător) ...................................................................... 82
Fig. 5.4 – Histograma repartiţiei agenţilor economici după cifra de afaceri (suprafaţa fiecărei coloane este
egală cu proporţia numărului de companii din fiecare interval de grupare)................... 83
Fig. 5.5 – Calculul grafic al medianei la intersecţia ogivelor ............................................................ 95
Fig. 5.6 – Calculul grafic al medianei la intersecţia ogivelor ............................................................ 95
Fig. 5.7 – Histograma repartiţiei agenţilor economici după cifra de afaceri ........................................ 98
Fig. 6.1 – Distribuţia normală şi gruparea valorilor pe intervale ale abaterii standard ......................... 118
Fig. 6.2 – Exemplu de distribuţie simetrică ............................................................................... 120
Fig. 6.3 – Exemplu de distribuţie asimetrică la dreapta................................................................ 120
Fig. 6.4 – Exemplu de distribuţie asimetrică la stânga ................................................................. 120
Fig. 6.5 – Exemplu de distribuţie ascuţită ................................................................................. 123
Fig. 6.6 – Exemplu de distribuţie aplatizată .............................................................................. 123
Fig. 7.1 - Diagrama rezultatelor la admintere si in prima sesiune de examene .................................. 130
Fig. 7.2 – Legătură liniară directă............................................................................................ 130
Fig. 7.3 – Legătură liniară indirectă ......................................................................................... 130
Fig. 7.4 – Legătură neliniară .................................................................................................. 131
Fig. 7.5 – Absenţa legăturii .................................................................................................... 131
Fig. 7.6 – Legătură puternică ................................................................................................. 131
Fig. 7.7 – Legătură slabă ....................................................................................................... 131

vii
Fig. 7.8 – Graficul de corelaţie între vechimea în muncă şi câştigul salarial ...................................... 153
Fig. 8.1 – Tipuri de serii cronologice........................................................................................ 160
Fig. 8.2– Reprezentarea grafică a seriei de momente ................................................................... 161
Fig. 8.3– Serie cronologică de momente echidistante .................................................................. 167
Fig. 8.4 – Serie de timp cu variaţii sezoniere egale ...................................................................... 170
Fig. 8.5 – Serie de timp cu variaţii sezoniere diferite.................................................................... 171
Fig. 8.6 – Trasarea grafică a liniei de trend................................................................................ 172
Fig. 8.7 – Seria de timp a vânzărilor şi dreapta tendinţei .............................................................. 175
Fig. 8.8 – Extrapolarea seriei de timp....................................................................................... 185

viii
Unitatea 1: OBIECTUL ŞI NATURA STATISTICII

1.1 Obiective
 Să recunoaşteţi situaţii din viaţa reală în care apelaţi la noţiuni de statistică

 Să înţelegeţi ce înseamnă „statistica”, care este natura, scopul şi metoda statisticii

 Să vă familiarizaţi cu principalele noţiuni utilizate în statistică

 Să înţelegeţi ce sunt scalele de măsurare şi în ce situaţii este bine să le utilizaţi

 Să înţelegeţi etapele unei cercetări statistice şi logica lor.

1.2 De ce avem nevoie de statistică?


Când căutaţi un loc de muncă, aveţi o idee destul de exactă despre salariul obţinut pe postul
pe care doriţi să îl obţineţi. Atunci când mergeţi la un magazin, la piaţă sau să petreceţi o seară în
oraş, ştiţi de cele mai multe ori ce sumă de bani trebuie să aveţi la voi şi vă daţi seama când „coşul de
cumpărături” s-a scumpit. Când plecaţi într-o călătorie ştiţi care este durata ei aproximativă, la fel ca şi
timpul de care aveţi nevoie dimineaţa ca să ajungeţi la şcoală sau la locul de muncă, fie dacă folosiţi
transportul în comun sau autoturismul, fie dacă mergeţi pe jos sau cu bicicleta.

Fără să vă daţi seama, aţi făcut raţionamente bazate pe calcule statistice: salariul mediu plătit
pentru un anumit post, cheltuiala medie pe care o faceţi la cumpărături, timpul mediu necesar de care
aveţi nevoie pentru o călătorie etc. Pe lângă aceste valori medii aveţi în plus şi o reprezentare a
valorilor minime şi maxime.

Acestea nu sunt singurele date statistice pe care le intersectăm în fiecare zi în şirul de


informaţii receptate. Presa abundă de ştiri legate de rata şomajului, a inflaţiei, produsul intern brut, rata
de schimb valutar, deficitul comercial, veniturile medii, mortalitatea, ponderea populaţiei tinere sau
vârstnice etc. La locul de muncă ni se vorbeşte despre volumul vânzărilor, numărul de clienţi, costurile
pe produs sau pe angajat, despre profitabilitatea clienţilor sau ţinte de atins.

Totuşi, nici simplitatea unor situaţii cotidiene şi nici obişnuinţa de a auzi sau de a discuta
despre date statistice nu îi împiedică pe cei mai mulţi dintre studenţi – de aici sau de oriunde – să
spună că, dintre toate cursurile urmate, cel de statistică este unul dintre cele mai grele, mai
plictisitoare şi mai aride.

Cursul de faţă îşi propune să vă ajute să înţelegeţi noţiunile statisticii şi, cu răbdare şi
stăruinţă, să înţelegeţi şi de ce aveţi nevoie de ele, să le aplicaţi în situaţii practice şi să interpretaţi
rezultatele pe care le obţineţi.

Instrumentele statisticii sunt esenţiale pentru măsurarea şi cunoaşterea realităţii în o


multitudine de domenii: în sociologie, psihologie, macro şi microeconomie, ştiinţe politice,
management, medicină, farmaceutică, fizică, biologie, astronomie, astronautică, geografie şi multe
altele. Statistica oferă argumente obiective, cantitative, pentru luarea deciziilor, fie că sunt legate de
viaţa personală, fie că este vorba de activitatea unei companii, de politicile publice ale guvernului sau
de acţiuni ce trebuie întreprinse la nivel internaţional.

După ce am trecut în revistă câteva situaţii concrete, aparent banale, în care apar cifrele
statistice, este momentul să formulăm o primă definiţie a statisticii: este ştiinţa studierii în expresie
numerică a fenomenelor de masă care au loc în societate, economie sau din natură, având nu

1
doar un rol descriptiv, dar şi unul explicativ, identificând cauzele fundamentale, legităţile care conduc
la manifestarea respectivelor fenomene.

Legând obiectul de scopul ei, statistica este ştiinţa colectării şi analizării datelor în scopul
formulării de concluzii şi luării deciziilor 1.

Statistica, pentru simplul motiv că ne invadează spaţiul privat şi public, trebuie să facă parte
din bagajul educaţional al oricărui individ. De aceea, fiecare ar trebui să-şi pună întrebări cum ar fi:
cum sunt produse datele statistice, ce măsoară ele, ce semnifică şi cum trebuie interpretate?
Răspunsurile sunt chiar mai simple decât mulţi studenţi îşi închipuie şi tocmai aceste răspunsuri, cel
puţin o parte dintre ele, se regăsesc în capitolele acestui curs.

Cursul de faţă este adresat studenţilor din primul ciclu universitar şi are rol introductiv, pentru
a-i familiariza cu limbajul, conceptele şi, inevitabil, cu relaţiile de calcul al mărimilor statistice.

1.3 O scurtă istorie a termenului de statistică


Etimologic, termenul ″statistică″ derivă din cuvântul ″status″, cu sensul de stare, situaţie, fel,
stat. Cuvântul ″statistică″ este atribuit lui Gottfried Achenwall, care l-a folosit în 1776 pentru a
desemna o ″ştiinţă a descrierii statului″, disciplină academică la modă în universităţile medievale,
având ca obiect de studiu descrierea unor state sau regiuni.

Istoric, originile statisticii sunt plasate în anul 1663, când John Graunt – considerat
întemeietorul demografiei – a publicat lucrarea sa Natural and Political Observations upon the Bills of
Mortality (Observaţii naturale şi politice ale tabelelor de mortalitate), în care a dezvoltat primele tabele
de mortalitate ale populaţiei Londrei, confruntată la vremea respectivă cu efectele ciumei bubonice.
Deşi izvorâtă dintr-o nevoie de cunoaştere empirică, bazele matematice ale statisticii au fost puse în
secolul al XVII-lea, odată cu dezvoltarea teoriei probabilităţilor de către Blaise Pascal şi Pierre Fermat.
O contribuţie esenţială la evoluţia statisticii, cu implicaţii în domeniul eşantionarii, dezvoltării
experimentelor şi, în general, inferenţei statistice, a avut-o Carl Friederich Gauss, prin fundamentarea
legii distribuţiei normale şi a metodei celor mai mici pătrate.

Astăzi, termenul ″statistică″ a intrat în limbajul universal al ştiinţei şi al vieţii cotidiene. În


decursul timpului această noţiune a căpătat mai multe accepţiuni, care desemnează diverse ipostaze,
de la simple descrieri şi înregistrări până la statistica modernă, văzută ca un instrument indispensabil
în procesul de conducere în oricare domeniu al activităţii umane.

1.4 Natura statisticii şi metoda statisticii


Natura statisticii poate fi mai uşor înteleasă prin accepţiunile sale:

Statistica este o activitate practică

Ca activitate practică, statistica a apărut ca răspuns la nevoia de cunoaştere în expresie


numerică a realităţii. Statistica ca activitate practică are drept obiectiv obţinerea datelor statistice
exprimate numeric referitoare la colectivităţi statistice. Înţeleasă în acest fel, statistica se prezintă cel
mai adesea forma tabelelor, a căror construire presupune ca regulă culegerea datelor, sistematizarea
şi prelucrarea lor. Spre exemplu, în cazul statisticii populaţiei, unităţile (persoanele) înregistrate la
recensământ sunt sistematizate pe sexe, vârstă, nivel de educaţie, regiuni geografice sau
administrative, domenii de activitate economică etc.

1
Tamhane, Ajit C., and Dorothy D. Dunlop. Statistics and Data Analysis from Elementary to Intermediate.
Prentice Hall, 2000, pp. 1

2
În prezent, activitatea practică în domeniul statisticii se confundă cu activitatea ce se
desfăşoară în cadrul instituţiilor publice care au responsabilităţi de colectare, prelucrare şi difuzare a
datelor statistice, stabilite prin legea care reglementează statistica oficială şi organizarea şi
funcţionarea sistemului statistic naţional. La nivelul Uniunii Europene, în centrul sistemului statistic
european se află Eurostat: Oficiul de Statistică al Comunităţilor Europene. În România, statistica
oficială este reprezentată la nivel naţional, pe de o parte, de Institutul Naţional de Statistică (INS) şi
de direcţiile sale teritoriale (judeţene şi regionale) de statistică şi, pe de altă parte, de Banca
Naţională a României, responsabilă – în principal – pentru statisticile monetare şi ale balanţei de plăţi
externe. Statistica oficială cuprinde şi activităţile statistice ale altor instituţii publice, cum ar fi ministerul
finanţelor publice, al agriculturii, al mediului, al sănătăţii, al educaţiei sau al justiţiei, dacă acele
activităţi sunt cuprinse în programele statistice naţionale anuale şi multi-anuale – pentru a li se
conferi girul de calitate garantată prin respectarea principiilor fundamentale ale statisticii oficiale 2.

Printre principiile fundamentale ale statisticii oficiale, la care trebuie să adere în totalitate orice
instituţie care pretinde că face parte din sistemul statistic naţional şi, implicit, european, se pot
enumera:

- autonomia profesională şi caracterul ştiinţific al standardelor, metodelor şi procedurilor


adoptate de autorităţile statistice;

- imparţialitatea şi nediscriminarea în ceea ce priveşte sursele de date, colectarea,


prelucrarea şi difuzarea statisticilor;

- confidenţialitatea informaţiilor individuale colectate şi utilizarea lor exclusiv în scopuri


statistice;

- transparenţa metodelor şi tehnicilor utilizate în producţia statistică;

- relevanţa, pentru domeniile observate, a datelor şi informaţiilor publicate;

- proporţionalitatea între cantitatea de informaţii individuale, care se solicită a fi înregistrate


şi cantitatea de informaţii prelucrate care se oferă utilizatorilor;

- deontologia statistică în selectarea şi aplicarea metodelor şi procedeelor pentru realizarea


cercetărilor statistice, precum şi în publicarea rezultatelor;

- respectarea raportului cost/eficienţă la nivelul fiecărui obiectiv al cercetărilor statistice, în


condiţiile utilizării optime a resurselor disponibile şi furnizării rezultatelor la cel mai înalt
nivel calitativ posibil;

- promovarea cooperării şi respectarea bunelor practici în statistică.

Termenul de statistică oficială nu trebuie confundat cu orice cifră statistică comunicată de


instituţiile publice, atâta timp cât metodele prin care au fost obţinute datele respective nu sunt
prezentate în mod transparent, pentru ca ele să fie considerate ca fiind pe deplin credibile şi
plauzibile. Spre exemplu, numărul turiştilor care vizitează litoralul Mării Negre la sfârşitul săptămânii
nu este o statistică oficială, cel mult o statistică administrativă comunicată presei de autorităţile publice
locale sau utilizată pentru sistemul decizional propriu. Nu este o statistică oficială pentru că nu se ştie
cum sunt colectate datele, cum sunt prelucrate, ce grad de calitate şi de încredere putem asocia
respectivelor cifre şi, nu în ultimul rând, nu există un calendar anunţat din timp asupra difuzării lor.

2
Principiile fundamentale ale statisticii oficiale au fost stabilite de Organizaţia Naţiunilor Unite şi au fost înscrise în
Codul de Practici al Statisticii Europene pentru autorităţile statistice naţionale şi ale Comunităţii (European
Statistics Code of Practice for the national and Community statistical authorities) adoptat de Comitetul pentru
Programul Statistic la 24 februarie 2005 şi promulgat prin recomandarea Comisiei Europene din 25 mai 2005
asupra independenţei, integrităţii şi răspunderii autorităţilor statistice naţionale şi ale Comunităţii.

3
În egală măsură, companii private sau asociaţii profesionale desfăşoară activităţi statistice.
Spre exemplu, presa dă publicităţii date statistice cum ar fi numărul vânzărilor sau înmatriculărilor de
autovehicule comunicate de asociaţiile profesionale, ori volumul vânzărilor din sectorul comerţului cu
amănuntul, al câştigurilor salariale din anumite domenii de activitate etc., produse şi comunicate de
institute de cercetări de piaţă. Desigur, ele nu pot fi considerate „statistici oficiale”, dar sunt girate de
propriile sisteme de atestare a calităţii, cum este cel promovat, spre exemplu, de ESOMAR.

Statistica este asimilată cu mulţimea datelor statistice

Datele statistice obţinute în activitatea practică, ca valori individuale observate în cadrul


cercetării statistice sau ca rezultate agregate sunt utilizate cu sintagma de „statistică” sau „statistici”.
Deşi se consideră incorectă o asemenea utilizare din punct de vedere strict ştiinţific, presa scrisă şi
cea audio-vizuală prezintă formulări de genul „o statistică dată publicităţii recent...” sau „statisticile
ultimei luni ne arată că ...”. Limba este vie şi, pe măsură ce noile înţelesuri devin din ce în ce mai larg
utilizate şi acceptate, ele se transferă şi în textele academice şi în literatura de specialitate.

Statistica este o metodă de cercetare

O altă accepţiune dată noţiunii de statistică este cea conferită totalităţii metodelor folosite în
cercetarea cantitativă a fenomenelor de masă. Ca metodă de cercetare, statistica este folosită de alte
discipline ştiinţifice pentru descoperirea regularităţilor din domeniul respectiv de studiu, a tendinţelor
care se pot constitui ca elemente de previziune.

Folosirea statisticii ca metodă de cercetare este urmarea faptului că legile ştiinţifice sunt legi
cu caracter statistic. Aceste legi se manifestă numai la nivelul ansamblului şi exprimă valoarea medie,
adică normală, predominantă, purtată de majoritatea elementelor unui ansamblu. Aceste legi nu se
manifestă şi nu pot fi verificate la nivelul fiecărui element, ci numai la nivelul întregului.

Majoritatea fenomenelor şi proceselor din realitatea socioeconomică nu sunt de tip


determinist, nu sunt certe. Aceste fenomene şi procese se produc şi se modifică în timp şi în spaţiu ca
rezultat al combinării complexe a mai multor factori de influenţă. Datorită influenţei acestor factori care
se modifică în timp şi în spaţiu, rezultatul apare sub forma unei mulţimi de manifestări individuale
aparent întâmplătoare. Impresia că manifestările se produc la întâmplare este doar aparentă,
deoarece în mulţimea factorilor de influenţă există unii care imprimă tuturor manifestărilor o esenţă
comună, care nu este sesizabilă la nivelul fiecărui element. Deci fiecare manifestare individuală (yi) a
fenomenului (Y) apare ca rezultat al combinării influenţelor esenţiale (sistematice) cu cele neesenţiale
(întâmplătoare) sub a căror acţiune ia naştere şi variază fenomenul cercetat. Datorită acestor influenţe
manifestările individuale nu sunt identice, ci asemănătoare. Ca atare, legea după care se produce şi
evoluează fenomenul rămâne mascată de mulţimea diversă a manifestărilor individuale.

Pentru a putea desprinde ceea ce este esenţial, regula, trebuie cercetată o mulţime a acestor
manifestări individuale (masă, colectivitate), eliminându-se ceea ce este întâmplător, neesenţial, prin
simplificări şi abstractizări succesive.

Astfel de fenomene se numesc fenomene de masă sau de tip colectiv, iar cunoaşterea legilor
care le guvernează presupune cercetarea ansamblului de manifestări individuale.

Aşadar, cunoaşterea statistică, respectiv a ceea ce este esenţial, normal, care se manifestă
după o anumită regulă, în mulţimea manifestărilor individuale presupune fixarea fiecărei manifestări
individuale (înregistrarea datelor), sintetizarea datelor individuale în valori tipice prin prelucrarea
datelor individuale şi formularea regularităţilor care se manifestă în colectivitate.

4
Statistica este o ştiinţă

Ca ştiinţă, statistica şi-a construit un obiect de studiu, o metodă particulară şi un scop bine
precizat. În literatura de specialitate se susţine frecvent că statistica este ştiinţa metodelor pentru
cercetarea în expresie numerică a fenomenelor de masă. Însă aceste metode de cercetare sunt
folosite şi de alte discipline ştiinţifice.

Obiectul statisticii îl constituie studiul aspectelor cantitative şi calitative în expresie numerică a


fenomenelor de masă.

Scopul statisticii este acela de a extrage informaţii din date pentru a înţelege mai bine
fenomenul pe care aceste date îl reflectă. Cu alte cuvinte, statistica nu are un scop în sine, de a
colecta, sistematiza, prezenta şi interpreta datele statistice, ci şi de a găsi cauzalităţile fenomenului şi
de a formula pe baza lor previziuni şi, prin toate acestea, să sprijine luarea unor decizii argumentate
faptic.

Metoda statisticii este reprezentată de un ansamblu de principii metodologice, metode şi


tehnici folosite în investigarea fenomenelor de masă.

Principiile metodologice prin care se particularizează metoda statisticii sunt observarea faptică
şi exprimarea numerică.

Observarea faptică presupune obţinerea datelor asupra fenomenelor economico-sociale şi


de mediu prin observarea, măsurarea şi înregistrarea unităţilor componente cu ceea ce are individual
fiecare. Observarea faptică a elementelor se realizează acolo unde acestea există şi sub forma în
care acestea există în momentul producerii lor.

Exprimarea numerică este impusă de faptul că măsurarea fenomenelor de masă nu poate fi


realizată numai sub formă atributivă. De exemplu, nu este suficient să spunem despre o ţară că este
mică, trebuie să precizăm numeric ce suprafaţă, ce populaţie etc. are ţara respectivă. Folosirea
expresiei numerice face posibil calculul indicatorilor prin care se caracterizează o colectivitate,
facilitează comparările şi elaborarea modelelor privind evoluţia în timp şi spaţiu a fenomenelor.

În cunoaşterea statistică se recurge la o serie de metode, tehnici şi procedee proprii de


culegere şi sistematizare a datelor individuale, de prelucrare şi de calcul a indicatorilor şi de
interpretare şi valorificare a rezultatelor cercetării.

În demersul statistic se recurge la cele două tipuri de raţionament ale metodei ştiinţifice:
deductiv şi inductiv. În primul caz se porneşte de la general şi se deduc prin raţionament logic anumite
proprietăţi particulare. În cazul metodei inductive se pleacă de la observarea şi înregistrarea
manifestărilor empirice, individuale, şi prin simplificări abstractizări şi generalizări se reţine la nivelul
întregului numai ceea ce este generat de cauze comune, adică numai ceea ce este normal, esenţial,
permanent.

1.5 Pentru un limbaj comun: concepte de bază utilizate în


statistică
În cercetarea statistică se utilizează un set de concepte de bază, indiferent de domeniul la
care se referă fenomenul sau procesul studiat. Principalele concepte sunt:

 colectivitatea (populaţia) statistică;

 eşantion;

 unitatea statistică/unitatea de observare;

5
 caracteristica (variabila) statistică;

 observaţie;

 frecvenţa;

 probabilitate;

 parametru;

 estimator;

 precizie;

 exactitate;

 deplasare (bias);

 indicatorul statistic.

Colectivitatea statistică – reprezintă totalitatea entităţilor (unităţilor, manifestărilor) de


aceeaşi natură (care posedă o serie de caracteristici esenţiale comune) supuse investigaţiei statistice.
Frecvent se defineşte drept masa unităţilor care posedă aceleaşi criterii de identificare din punct de
vedere al conţinutului, timpului şi spaţiului.

Colectivitatea statistică specifică vieţii economice şi sociale are un caracter obiectiv, concret şi
finit. Sarcina statisticianului constă în fiecare caz în identificarea şi definirea cu maximă exactitate a
tuturor unităţilor care compun colectivitatea şi delimitarea acestora în timp şi în spaţiu. Deci, o
colectivitate cuprinde toate unităţile care au aceleaşi proprietăţi, care răspund scopului cercetării şi
sunt identice prin prisma timpului şi locului. Exemplu: În cazul unei cercetări statistice într-o firmă,
colectivităţi statistice ar putea fi: totalitatea angajaţilor, stocul de materiale, stocul de contracte,
totalitatea clienţilor, dar şi totalitatea operaţiunilor de încasări şi plăţi etc.

În cazul cercetărilor statistice la nivel macroeconomic, exemple de colectivităţi statistice sunt:


populaţia României la o anumită dată calendaristică (de regulă, 1 ianuarie şi 1 iulie), stocul de produse
finite în industrie la o anumită dată (de regulă, finele lunii sau ale trimestrului), exporturile României în
la sfârşitul anului, totalitatea companiilor de pe întregul teritoriu al României sau toate companiile care
au capital românesc, indiferent unde sunt înregistrate etc.

În orice cercetare statistică este important să se facă deosebirea dintre o colectivitate de stoc
şi una de flux.

O colectivitate statistică în care unităţile intră în masa ei sau care ies din masa ei la un
moment dat reprezintă o colectivitate de stoc. Pentru astfel de colectivităţi are sens să se
înregistreze date având ca referinţă un moment (oră, zi, lună, trimestru, an).

Exemple: efectivul salariaţilor la sfârşitul lunii; stocul de materiale la data de 31 martie;


numărul populaţiei României la data de 1 ianuarie etc.

O colectivitate care exprimă un proces, o devenire în timp, reprezintă o colectivitate de flux


sau dinamică. Caracterizarea unei astfel de colectivităţi presupune observarea/înregistrarea unităţilor
pe parcursul unei perioade de timp (lună, trimestru, an ....).

Exemple: exporturile României în anul ..., încasările unei firme în luna ..., numărul născuţilor
vii în Bucureşti în anul .....

Unei colectivităţi de stoc îi corespund colectivităţi de flux, care descriu intrările şi ieşirile în şi
din colectivitatea de stoc. Spre exemplu, populaţia unei localităţi la un moment dat, care este o

6
colectivitate de stoc, are drept colectivităţi de flux corespondente naşterile, decesele, imigrările şi
emigrările care au loc într-o anumită perioadă de timp până la momentul observării.

Dacă cunoaşterea statistică a unei colectivităţi de flux presupune o


culegere/observare/înregistrare continuă, datele unei colectivităţi de stoc se înregistrează la anumite
momente fixe de timp. Intervalul dintre două înregistrări succesive depinde de volumul colectivităţii
(numărul unităţilor componente), de costurile implicate, de obiectivul cunoaşterii. În cazul populaţiei,
intervalul dintre două înregistrări succesive (recensământe) este, de regulă, de 10 ani, înregistrarea
efectivului animalelor se face anual, stocul de produse al unei firme este inventariat periodic etc.

Date referitoare la colectivitatea de stoc între două observări/înregistrări succesive se obţin


pornind de la colectivităţile de flux aferente, după următoarea relaţie:

St1 = St0 + It1/t0 – Et1/t0 (1.1)

unde:

St0 – stocul la momentul t0, respectiv la ultima observare/înregistrare;

It1/t0 – colectivitatea de flux a intrărilor în perioada t0-t1, respectiv totalitatea unităţilor intrate
în stoc în această perioadă;

Et1/t0 – colectivitatea de flux a ieşirilor în perioada t0-t1, respectiv totalitatea unităţilor ieşite
din stoc în această perioadă;

St1 – stocul la momentul t1.

Relaţia (1.1) este denumită ″relaţie de actualizare a colectivităţilor de stoc″.

Eşantionul este o parte a populaţiei statistice de referinţă care a fost selectat conform unor
metode bine fundamentate teoretic - din corpul teoriei şi practicii sondajelor. Un eşantion reprezentativ
al colectivităţii statistice este acela care dă tuturor unităţilor statistice o şansă nenulă de a fi prezentă
în eşantion. Această şansă este în principiu garantată dacă se utilizează o metodă aleatoare de
selecţie, bazată pe teoria probabilităţilor. Aleator nu înseamnă “la întâmplare”, deoarece întâmplarea
poate afecta, fără intenţie, şansele de a include o unitate în eşantion. Scopul aplicării riguroase a
acestor metode este ca estimaţiile calculate pe baza eşantionului să caracterizeze întreaga
colectivitate statistică.

Un element esenţial pentru selecţia eşantioanelor reprezentative îl reprezintă baza de


3
sondaj . Ea este o listă completă a unităţilor statistice, fără duble înregistrări, din care se selectează
eşantionul. Calitatea ei, în termeni de grad de acoperire, actualitate şi exactitate a variabilelor pe care
le conţine şi unicitate a înregistrărilor determină în mod evident calitatea şi costurile eşantionului.

Unităţile statistice reprezintă elementele componente ale colectivităţii statistice. Sunt


purtătorii caracteristicilor prin intermediul cărora se descriu unităţile statistice.

Numărul unităţilor care compun o colectivitate defineşte volumul sau efectivul acestei
colectivităţi statistice.

Unităţile statistice trebuie definite clar, cerinţă impusă de necesitatea delimitării şi identificării
în timp şi spaţiu şi a obţinerii de date autentice.

3
In limba engleză, termenul de bază de sondaj este întâlnit ca “sampling frame”, iar în limba franceză ca “base de
sondage”.

7
În funcţie de conţinutul unităţii, acestea pot fi:

 Unităţi statistice simple, reprezentate de fiecare element component al colectivităţii.


Exemple: angajatul, persoana, firma, produsul etc.

 Unităţi statistice complexe, care cuprind una sau mai multe unităţi simple. Exemple:
secţia de producţie, gospodăria, localitatea, ramura de activitate economică.

În cazul unei cercetări se optează pentru o unitate simplă sau complexă în funcţie de
obiectivele cunoaşterii. Astfel, la recensământul populaţiei se foloseşte ca unitate statistică ″persoana″
şi ″menajul/gospodăria″. În primul caz se urmăreşte obţinerea datelor necesare cunoaşterii unor
elemente privind numărul, structura pe sexe, medii de rezidenţă, nivel de instruire etc. În cel de-al
doilea caz interesează de regulă condiţiile de locuit, condiţiile de trai etc. Într-un studiu privind
consumul de servicii turistice, unităţile statistice sunt „persoana adultă” şi „familia”, pentru a analiza,
spre exemplu, modul în care se iau deciziile privind comportamentul turistic al familiei (care este
persoana adultă din familie care are cea mai mare influenţă în ceea ce priveşte destinaţia, durata,
bugetul alocat etc.) şi comportamentul de consum turistic al familiei (suma cheltuită şi destinaţia
acestora, modalităţile de plată, tipul de produse şi servicii consumate).

Caracteristica statistică (variabila statistică) este proprietatea, însuşirea unităţilor statistice


care interesează în cadrul cercetării. În cadrul unei cercetări interesează, desigur, mai multe
caracteristici.

Trebuie făcută distincţia între caracteristici de înregistrare şi caracteristici de identificare.


Corespunzător primelor se culeg date pentru toate unităţile colectivităţii, iar ultimele servesc la
identificarea, delimitarea unităţilor care formează colectivitatea şi pentru care nu este necesară
calcularea unor mărimi statistice agregate. Caracteristicile de identificare sunt vitale într-o bază de
sondaj pentru a putea contacta unităţile selectate.

Toate caracteristicile de înregistrare trebuie să fie comune concomitent tuturor unităţilor


colectivităţii, ele deosebindu-se de la o unitate la alta prin forma de manifestare sau prin valoarea
observată/înregistrată.

Formele de manifestare înregistrate pentru caracteristica unei unităţi statistice reprezintă


valorile observate sau valorile empirice. Cu ocazia înregistrării/observării se obţin pentru fiecare
caracteristică X atâtea valori empirice (xi) câte unităţi statistice compun colectivitatea. Mulţimea
valorilor posibile ale unei variabile X reprezintă câmpul de variaţie al variabilei, adică:

X: (x1, x2, .... , xn) sau X: (xi), i = 1, n


Caracteristicile statistice pot fi de diferite tipuri. O clasificare frecventă este legată de utilizarea
tehnologiei informaţiei în prelucrarea datelor statistice. Astfel, din punctul de vedere al unei aplicaţii
informatice, caracteristicile statistice sunt de trei tipuri:

 numerice sau cantitative, care pot fi reprezentate ca o cantitate măsurabilă;

 nenumerice, categoriale sau calitative, care sunt reprezentate prin denumiri sau
însuşiri;

 dată calendaristică, care este un tip special de variabilă numerică, deoarece este
reprezentată ca număr de zile (sau de ore, minute sau secunde în unele situaţii) de la
anumită dată fixă, de regulă 1 ianuarie 1960. O variabilă de tip dată calendaristică este
extrem de utilă, spre exemplu, în calcularea dobânzii cuvenite pentru un depozit, luând în
considerare perioada scursă de la dată constituirii depozitului sau în determinarea duratei
medii de realizare a unei operaţiuni într-un proces de fabricaţie, ori până la constatarea

8
unei defecţiuni la o piesă dintr-un ansamblu mecanic etc. Stocarea unei date
calendaristice ca o variabilă nenumerică nu poate fi recunoscută de aplicaţia informatică
ca o valoare numerică, asupra căreia să se poată realiza operaţii aritmetice.

Mai departe, variabilele numerice pot fi clasificate în variabile numerice continue şi


variabile numerice discrete. Dacă o variabilă numerică poate lua orice valoare intermediară într-un
interval oarecare, atunci este o variabilă continuă; altfel, este o variabilă discretă. Spre exemplu, să
presupunem că firmele care au o cifră de afaceri anuală de mai puţin de 100.000 euro sunt scutite de
plata unor anumite taxe. Cifra de afaceri anuală este o variabilă numerică continuă, deoarece cifra de
afaceri a firmelor poate lua orice valoare între 0 şi 100.000 euro. Să presupunem, de asemenea, că
aruncăm de mai multe ori o monedă şi numărăm de câte ori cade stema. Numărul de steme poate fi
cuprins între 0 şi infinit, dar nu orice număr din acest interval, ci doar un număr întreg, ceea ce ne
arată că numărul de steme este o variabilă numerică discretă.

Tabelul 1.1 – Clasificări ale variabilelor statistice

Criterii de clasificare Tipuri de caracteristici / exemple


Variabile cantitative, numerice (vârsta, profitul)
După modul de
Variabile calitative, nenumerice (sexul, profesia, domeniul de activitate,
exprimare
starea civilă)
Variabile discrete - pot lua mai multe valori întregi în cadrul unui interval dat
(număr de copii într-o familie, număr de salariaţi al unei firme)
După natura variaţiei
Variabile continue - pot lua orice valori într-un interval dat (inălţimea
corporală, costul unitar, câştigul salarial)
Variabile alternative, binare - pot lua numai două valori (sexul, mediul urban
După modul de sau rural)
manifestare Variabile nealternative - pot lua o mulţime de valori (venitul lunar, vârsta,
starea civilă)
Variabile de timp (vechimea în muncă, anul naşterii, anul înregistrării firmei)
Variabile de spaţiu (locul naşterii, domiciliul, judeţul)
După conţinut
Variabile atributive - care nu sunt de timp şi de spaţiu (cifra de afaceri,
câştigul salarial)
Variabile primare - pentru care se culeg date brute (cantităţi de produse,
După modul de număr de salariaţi)
obţinere a datelor Variabile derivate, secundare - acelea ale căror valori rezultă din
prelucrarea datelor (PIB/locuitor, rata inflaţiei, rata profitului)

Observaţia este formată din totalitatea valorilor colectate pentru toate variabilele supuse
observării la nivelul unei unităţi statistice. Astfel, după colectarea datelor, vom obţine tot atâtea
observaţii câte unităţi statistice au fost supuse observării. După introducerea valorilor observate în
calculatorul electronic, fişierul rezultat din cercetare are, de obicei, o formă rectangulară de n
observaţii x m variabile.

Frecvenţa de apariţie a unei variante distincte sau a unui grup de variante, poate fi absolută
sau relativă. Frecvenţa absolută (ni) arată de câte ori a fost înregistrată o variantă distinctă, iar cea
relativă (fi) exprimă ponderea, greutatea specifică sau cota-parte în totalul elementelor unei
colectivităţi ( fi = ni / Σni).

Probabilitatea se referă la rezultatele unei situaţii denumite experiment. Un experiment este


orice proces prin care datele sunt obţinute în urma observării unor evenimente necontrolate din natură
sau al unor procese controlate în laborator. Probabilitatea unui eveniment rezultă în urma repetării
experimentului de un mare număr de ori în aceleaşi condiţii şi este dată de proporţia dintre numărul de
apariţii ale acestui eveniment şi numărul total de experimente.

Parametrul este valoarea numerică prin care se descrie o anumită caracteristică (variabilă) a
populaţiei statistice. Referindu-se la întreaga populaţie statistică, parametrul arată valoarea

9
„adevărată” a variabilei observate. Valoarea parametrului este, de obicei, necunoscută şi este
exprimată sub formă de total, medie sau proporţie. Spre exemplu, un parametru este cifra de afaceri
totală (adevărată) a întreprinderilor dintr-o anumită ramură economică, ori cifra de afaceri medie pe
întreprindere sau proporţia cifrei de afaceri a întreprinderilor mari (cu peste 250 de salariaţi) din
ramura respectivă. Într-o altă cercetare statistică, variabila de interes poate fi înălţimea copiilor născuţi
într-un anumit an, iar parametrul calculat poate fi înălţimea medie a băieţilor şi a fetelor ori proporţia
fetelor care au o înălţime sub o anumită valoare. Alt exemplu poate fi un studiu statistic asupra
sărăciei, iar variabila de interes să fie venitul mediu pe persoană din fiecare gospodărie. Un parametru
este proporţia gospodăriilor cu un venit mediu pe membru de familie sub pragul de sărăcie. Un alt
parametru extrem de important al populaţiei este dispersia valorilor unei variabile de interes.

Estimator este o funcţie numerică, definită pentru variabila de interes, care este calculat pe
baza datelor din eşantion şi care estimează parametrul populaţiei statistice. Rezultatul calculelor ne
oferă o estimaţie. Concret, fiecare parametru are drept corespondent un estimator cu cel puţin o
estimaţie. In oglinda exemplelor de mai sus, un estimator este, spre exemplu, cifra de afaceri medie
din eşantionul de 2000 de întreprinderi din o ramură economică sau proporţia gospodăriilor din
eşantionul de 30000 de gospodării al căror venit mediu pe persoană se află sub pragul de sărăcie etc.

Precizia ne arată gradul de împrăştiere a estimaţiilor unui parametru. Precizia este cu atât
mai mare cu cât gradul de împrăştiere a estimaţiilor în jurul parametrului (necunoscut) este mai mic.
Împrăştierea este dată de faptul că dintr-o populaţie statistică putem extrage mai mult de un eşantion,
din fiecare obţinând câte o estimaţie prin intermediul aceluiaşi estimator. Ştim că valoarea medie a
unei variabile obţinută din datele unui eşantion reflectă valoarea medie a variabilei din populaţia din
care a fost extras eşantionul. Însă, dacă extragem două eşantioane independente, este aproape sigur
că cele două valori medii vor fi diferite, deşi ele estimează aceeaşi valoarea medie (adevărată) din
populaţia statistică. Această variaţie a estimaţiilor contribuie la gradul de împrăştiere, deci la stabilirea
preciziei estimaţiilor.

Exactitatea (acurateţea) arată cât de aproape este o estimaţie de valoarea adevărată a


parametrului. O precizie mare (împrăştiere mică) nu este o garanţie implicită a unei estimaţii exacte,
deoarece un eşantion oarecare, deşi ne garantează o precizie bună, poate fi departe de valoarea
adevărată. De asemenea, o precizie slabă putem avea şi atunci când estimaţiile sunt destul de exacte.
Figura de mai jos reflectă cele patru cazuri posibile 4.

4
Diagramă pusă la dispoziţie de MIT OpenCoursWare

10
Precis si exact Imprecis si exact

Precis si inexact Imprecis si inexact


Fig. 1.1 – Precizie vs. exactitate
Deplasarea (bias) este deviaţia sistematică a estimaţiei de la valoarea (adevărată) a
parametrului. În cazul unui estimator deplasat, dacă am extrage toate eşantioanele posibile, atunci am
constata că, spre exemplu, media estimaţiilor obţinute din toate eşantioanele diferă de media din
populaţia statistică.

Indicatorul statistic este o noţiune folosită cu sensul de expresie numerică a unei măsurări
statistice sau a unui calcul asupra datelor obţinute printr-o înregistrare statistică.

Prin intermediul indicatorilor statistici se măsoară diferite aspecte ale fenomenelor şi


proceselor de masă. Aşadar, folosirea şi determinarea indicatorilor presupune în prealabil elaborarea
lor conceptuală şi metodologică, urmată de calcularea lor pe baza datelor observate.

Orice indicator statistic este format din două părţi: o parte noţională care defineşte conţinutul
indicatorilor şi o expresie numerică delimitată în timp şi în spaţiu.

Exemplu: Produsul Intern Brut al României a fost în anul 2009 de 491.274 milioane lei; rata
inflaţiei a fost în Romania în decembrie 2009 faţă de decembrie 2008 de 4,74%.

Partea noţională
Delimitare în spaţiu
PIB

România

Delimitare în timp 2009


Expresie numerică
491274 mil lei

11
1.6 Scale de măsurare
Măsurarea înseamnă atribuirea, după reguli precise, de numere proprietăţilor/însuşirilor
unităţilor statistice. Diferenţierea valorilor se face printr-un instrument de măsurare denumit scală.

Prin scalare/cuantificare variantele înregistrate pentru o variabilă calitativă (masculin, feminin,


căsătorit etc.) se transformă în variabile cantitative, deoarece scalarea înseamnă înlocuirea cuvintelor
înregistrate prin numere. Pentru alegerea metodelor statistice de prelucrare şi de analiză sunt de mare
importanţă criteriile care pot fi folosite la măsurarea şi ordonarea variantelor înregistrate.

Exemple:

Variabila Variante înregistrate


Sexul: masculin; feminin
Starea civilă: căsătorit, necăsătorit, divorţat, văduv
Performanţe profesionale: foarte bune, bune, satisfăcătoare,
nesatisfăcătoare
Înălţime corporală: x cm
Numărul copiilor: 0,1,2,3,....

Variantele înregistrate în cazul primelor două variabile calitative sunt cuvinte care nu rezultă
din numărare sau măsurare. Se poate constata doar dacă o unitate are o anumită însuşire sau nu. În
acest caz variantele nu pot fi ordonate, în sens de ″mai mare″ sau ″mai mic″ şi nu se pot determina
distanţe sau rapoarte între variantele înregistrate.

La variabila a treia, variantele admit stabilirea unor liste de ranguri, ordine, în sensul că ″bine″
se situează pe o treaptă superioară faţă de ″satisfăcător″.

În cazul ultimelor două variabile, variantele sunt numere care rezultă din măsurare sau
numărare. Valorile observate nu numai că pot fi ordonate, dar are sens să se determine distanţe şi
rapoarte prin intermediul lor.

Deci, la prelucrarea datelor variabilelor menţionate nu pot fi aplicate aceleaşi metode. Are
sens, de exemplu să se calculeze ″greutatea medie″ a mai multor persoane, dar nu are sens să se
determine ″sexul mediu″.

În practica statistică, scalele tipice de măsurare sunt: scala nominală, scala ordinală, scala
interval şi scala raport.

Scala nominală se aplică în cazul variabilelor calitative, când valorile observate (cuvinte) nu
pot fi aşezate într-o ordine crescătoare sau descrescătoare. Măsurarea cu ajutorul scalei nominale
presupune înlocuirea cuvintelor cu numere. Numerele au doar menirea de a diferenţia (deosebi)
unităţile colectivităţii, deci de a arăta dacă o unitate posedă sau nu o anumită valoare observată.
Valorile individuale ale unei variabile măsurate pe scala nominală nu au o valoare intrinsecă şi sunt
mutual exclusive.

Exemplu: masculin (0) şi feminin (1). Aceste numere nu admit nici un fel de operaţii aritmetice
(adunări, scăderi, înmulţiri sau împărţiri).

Observaţie: pentru valorile scalate nominal are sens să se determine frecvenţele de apariţie,
respectiv să se numere de câte ori apare o anumită variantă.

12
Scala ordinală sau cu ranguri se aplică când valorile observate pot fi ordonate nu numai după
criteriul dacă sunt identice sau deosebite, ci şi după criteriul ″mai mare″ sau ″mai mic″. Numerele care
înlocuiesc variantele observate, denumite ranguri, trebuie să redea ordinea stabilită, existentă.

Exemplu: scala notelor (1,2,...,10), scala calităţii produselor, scala ″stelelor″ hotelurilor şi
restaurantelor, scala Likert. Numerele atribuite (rangurile) nu admit operaţii aritmetice şi nu pot
cuantifica distanţa (diferenţa) dintre două numere, ci doar sensul diferenţei.

Observaţie: valorile observate permit ordonarea lor crescătoare sau descrescătoare şi


singurul indicator care are sens să fie folosit este mediana sau valoarea centrală (Me) .

Scala interval se aplică la măsurarea variabilelor cantitative, când are sens să se stabilească
doar diferenţele dintre valorile observate (numere). Originea scalei interval se alege subiectiv.

Exemplu: măsurarea temperaturii după scala Celsius (când originea ″0″ este punctul de
îngheţ al apei şi ″100″ este punctul de fierbere al apei) şi scala Farenheit. Are sens în acest
0 0 0 0
caz să se facă diferenţa dintre 10 C şi 5 C, care este egală cu diferenţa între 37 C şi 32 C. Nu
are însă sens să se facă raportul între valori.

Scala raport se foloseşte tot pentru măsurarea variabilelor cantitative, dar, spre deosebire de
scala interval, originea ″0″ se alege în mod obiectiv. În cazul acestei scale, raportul între oricare două
valori este independent de unitatea de măsură folosită. Scala raport este folosită pentru măsurarea
valorilor a numeroase variabile, cum sunt: dimensiunile fizice (înălţime, greutate), preţul, viteza etc.

În concluzie, la alegerea scalei de măsurare trebuie pornit de la ce informaţie interesează. Cel


care aplică metodele statistice trebuie să se întrebe: ce urmăreşte şi ce operaţii aritmetice şi
transformări sunt necesare în acest scop.

Scala nominală indică existenţa unei diferenţe între valorile observate, iar scala ordinală, în
plus, poate arăta şi care este sensul diferenţei. Pe lângă cele două rezultate obtenabile cu scalele
anterioare, scala de tip interval arată şi care este mărimea diferenţei, iar cea de tip raport adaugă
posibilitatea fixării unei origini absolute. Acestea sunt diferenţele fundamentale dintre cele patru scale
de masurare.

Folosirea diferitelor procedee statistice depinde în mod esenţial de nivelul scalei de măsurare.
În continuare sunt exemplificate ce tipuri de indicatori statistici pot fi calculaţi în cazul fiecărei scale de
măsurare.

- scala nominală: modul, coeficientul de contingenţă, hi-patrat;

- scala ordinală: mediana, quantile, corelaţia rangurilor;

- scala interval: media aritmetică, abaterea standard, corelaţia, regresia, analiza


dispersională;

- scala raport: cele de la scala interval, la care se adaugă media geometrică, media
armonică, coeficientul de variaţie, logaritmi.

13
O corespondenţă între scalele de măsurare şi categoriile de variabile este redată în diagrama
de mai jos.

Variabile

Calitative Cantitative

Nominale Ordinale Discrete Continue

Interval Raport

Fig. 1.2 – Relaţia între categoriile de variabile şi scalele de măsurare

O metodă simplă de a afla ce fel de variabilă intervine în procesul de observare statistică – de


tip calitativ sau numeric, iar aceasta din urmă discretă sau continuă – constă în investigarea valorilor
individuale ale variabilei. O variabilă este calitativă sau numerică discretă dacă modalităţile individuale
ale variabilei – sau variantele – pot fi numărate şi clasificate într-un număr finit de categorii. De cele
mai multe ori, datele unei variabile calitative sau numerice discrete încep prin cuvintele „numărul de...”.
În schimb, o variabilă numerică continuă este rezultatul unei măsurători.

1.7 Etapele cercetării statistice


Cunoaşterea statistică presupune parcurgerea mai multor etape.

Pregătirea Observarea date Prelucrarea


statistică Difuzarea
cercetării şi analiza rezultatelor
(culegere statistice statistică
datelor)

Fig. 1.3 – Etapele cercetării statistice

Pregătirea cercetării statistice presupune:

- definirea scopului cercetării;

- definirea fenomenului sau procesului de observat, ceea ce înseamnă definirea populaţiei


statistice de referinţă, a ariei de cuprindere a acesteia şi a unităţilor care fac obiectul
cercetării;

- definirea variabilelor pentru care urmează să se înregistreze datele individuale;

- definirea indicatorilor prin care se poate atinge scopul urmărit prin cercetare;

- definirea modalităţilor de obţinere a datelor individuale (există surse de date care răspund
obiectivului cunoaşterii? Este necesară organizarea unei înregistrări a datelor individuale?
se culeg date pentru toate unităţile colectivităţii sau numai pentru o parte a acesteia? cum
se culeg datele: prin interviu faţă în faţă, telefonic, prin poştă, on-line?).

14
Observarea statistică înseamnă înregistrarea după reguli unitare a caracteristicilor unităţilor
colectivităţii şi se concretizează în materialul faptic. Datele înregistrate trebuie să îndeplinească
următoarele condiţii:

- să fie autentice, să reflecte realitatea;

- să îndeplinească cerinţele de volum, în sensul că volumul acestora să permită realizarea


obiectivului cercetării;

- dacă datele se obţin printr-un sondaj, eşantionul trebuie să fie reprezentativ pentru
întreaga colectivitate.

Prelucrarea statistică este etapa prin care se realizează sistematizarea datelor individuale,
prezentarea datelor sub formă de serii, tabele şi grafice statistice şi se calculează indicatori derivaţi
care permit caracterizarea tendinţei centrale, variaţia valorilor, intensitatea corelaţiei, tendinţa de
evoluţie.

Analiza statistică constă în compararea şi confruntarea datelor, formularea şi prezentarea


concluziilor pe baza indicatorilor derivaţi în formularea şi verificarea ipotezelor.

Analiza statistică se împarte, de regulă, în două ramuri:

1. Analiza statistică descriptivă. Are drept obiectiv prezentarea cât mai sugestivă a datelor
empirice obţinute în urma unei observări, respectiv: volumul; structura; prezentarea grafică; evoluţia în
timp.

Observaţie: informaţiile furnizate de statistica descriptivă se referă numai la masa unităţilor la


nivelul cărora s-au observat valorile variabilelor.

2. Analiza statistica inductivă sau inferenţa statistică. În cazul celor mai multe ştiinţe se
urmăreşte formularea de concluzii care sunt valabile nu numai pentru grupe riguros delimitate, ci
pentru toate obiectele, unităţile care posedă aceleaşi trăsături ca acelea de la care s-au cules datele
empirice. Dacă se urmăreşte un asemenea obiectiv se ajunge în domeniul statisticii inductive.
Statistica inductivă porneşte de la datele empirice înregistrate pentru o parte din unităţile colectivităţii
(eşantion), iar pe baza indicatorilor calculaţi pentru eşantion se formulează concluzii valabile pentru
întreaga colectivitate. Obiectul inferenţei îl constituie estimarea parametrilor întregii colectivităţi şi
verificarea ipotezelor, baza constituind-o calculul probabilităţilor.

Difuzarea rezultatelor este ultima etapă, obligatorie, a oricărei cercetări statistice şi


reprezintă, practic, confirmarea îndeplinirii obiectivului stabilit în etapa pregătitoare, deoarece
cercetarea statistică serveşte unui obiectiv de cunoaştere, de înţelegere a realităţii şi de fundamentare
a unor decizii bazate pe rezultate obiective. Este recomandabil şi necesar ca forma, structura şi
suportul difuzării rezultatelor să fie predefinite încă din etapa pregătitoare, astfel încât atât beneficiarul
rezultatelor, cât şi expertul care a proiectat şi pus în practică cercetarea statistică să fie familiarizaţi cu
produsul final.

15
Cadranul 1 – O listă a etapelor generice ale unei cercetări statistice
1. Definirea scopului, obiectivelor şi a ipotezelor cercetării statistice
2. Consultarea literaturii de specialitate pentru a identifica experienţele similare
3. Identificarea variabilelor măsurate şi a modului de observare
4. Stabilirea indicatorilor calculaţi şi a formatelor de ieşire
5. Dezvoltarea unui plan de colectare a datelor
• Definirea populaţiei de referinţă/unitatea statistică, unitatea de observare
• Definirea perioadei de referinţă şi de colectare a datelor
• Proiectarea eşantionului / observare totală / surse externe
• Stabilirea metodei de colectare (PAPI, CAPI, CATI, poştă, on-line)
6. Formarea personalului cercetării statistice
7. Colectarea datelor
8. Proiectarea aplicaţiei informatice (introducere date/prelucrare)
9. Prelucrarea datelor
10. Analiza rezultatelor
11. Raportare (difuzarea rezultatelor)

Niciuna din etapele prezentate nu pot fi concepute şi derulate fără utilizarea tehnologiei
informaţiei. În etapa pregătitoare începe proiectarea aplicaţiei informatice de introducere a datelor,
sunt definite clasificările şi nomenclatoarele utilizate la introducerea şi validarea datelor, după care
este proiectată, testată şi pusă în operă aplicaţia informatică de prelucrare propriu-zisă a datelor,
pentru calculul indicatorilor ceruţi, de producere a tabelelor şi altor forme de prezentare a rezultatelor,
până la producerea automată a rapoartelor ieşire. Tehnologia informaţiei stă, de asemenea, în centrul
specificării modelelor statistice, al evaluării calităţii acestora şi, în principal, al producerii statisticilor pe
baza cărora sunt interpretate intensitatea legăturilor dintre variabilele statistice şi măsura în care
modificarea unei variabile explicative conduce la modificarea variabilei explicate, proces esenţial
pentru realizarea de prognoze pe baza datelor statistice.

16
1.8 Cuvinte-cheie
 Observare faptică  Variabilă numerică
 Exprimare numerică  Estimator
 Observarea statistică  Precizie
 Prelucrarea datelor statistice  Exactitate
 Analiza statistică  Deplasare (bias)
 Difuzarea (diseminarea) rezultatelor  Indicatorul statistic
 Colectivitatea (populaţia) statistică  Scale de măsurare
 Eşantion  Scala nominală
 Unitatea statistică/unitatea de observare  Scala ordinală
 Caracteristica (variabila) statistică  Scala discretă
 Variabila calitativă  Scala continuă – interval, raport

1.9 Întrebări de control


1. De ce statistica studiază fenomene şi procese de masă?

2. Ce înţelegeţi prin statistică ca “activitate practică”?

3. De ce se consideră că statistica este o ştiinţă metodologică cu caracter


preponderent inductiv?

4. Prin ce se deosebeşte statistica descriptivă de inferenţa statistică?

5. Care sunt principiile prin care se particularizează metoda statisticii?

6. În ce constă definirea unei cercetări statistice?

7. Ce condiţii trebuie să îndeplinească datele obţinute în urma cercetării statistice?

8. În ce constă prelucrarea şi analiza statistică?

9. Ce înţelegeţi prin autonomia profesională a statisticii?

10. De ce credeţi că este importantă confidenţialitatea datelor observării?

11. Cum definiţi colectivitatea statistică?

17
12. Ce legătură există între o colectivitate de stoc şi una de flux?

13. Ce înţelegeţi prin colectivităţi de flux corespondente?

14. După ce criterii se alege unitatea de înregistrare ca unitate simplă sau complexă?

15. Care sunt tipurile de variabile?

16. Ce înţelegeţi prin “indicator statistic”?

17. Ce înseamnă scalarea variabilelor?

18. În funcţie de ce criterii se aleg scalele de măsurare?

19. Prin ce se deosebeşte scala ordinală de scala nominală?

20. Prin ce se deosebeşte scala raport de scala interval?

1.10 Bibliografie selectivă


1. Elisabeta Jaba, Statistica, Editura Economică, Bucureşti 1998, cap. 1 „Rolul statisticii
în cunoaştere”, p. 3 – 29.
2. Horst Degen, Peter Lorscheid, Statistik – Lehrbuch, mit Wirtschafts und
Bevölkerungsstatistik, Oldenbourg Verlag München Wien, 2001, p.10 – 16.
3. Jochen Schwarze, Grundlagen der Statistik I, Verlag Neue Wirtschaftsbriefe, Herne /
Berlin 1994, p. 13 – 44.
4. Mansfield Edwin, Basic Statistics with Applications, W.W. Norton&Company, New
York, London, 1986, p. 86-92
5. Mihai Korka, Liviu Stelian Begu, Erica Tusa, Bazele statisticii pentru economişti,
Editura Tribuna Economică, Bucureşti 2002, cap. „Statistica instrument de cunoaştere
şi analiză cantitativă a fenomenelor şi proceselor economice”, p. 15 – 30.
6. Moineagu C., Negură I., Urseanu V., Statistica. Concepte, principii, metode, Editura
Ştiinţifică şi Enciclopedică, Bucureşti, 1976, p.19 – 22
7. Virgil Voineagu, Eugenia Lilea s.a, Statistica economică. Teorie şi aplicaţii, Editura
Tribuna Economică, Bucureşti 2002, p. 13 – 22

18
Unitatea 2: COLECTAREA ŞI SISTEMATIZAREA
DATELOR STATISTICE
Cunoaşterea statistică presupune parcurgerea mai multor etape, începând cu definirea
scopului cercetării şi încheind cu interpretarea rezultatelor.

Una din etapele de mare importanţă pentru rezultatele întregii cercetări se referă la colectarea
sau înregistrarea datelor pentru toate variabilele unităţilor care compun colectivitatea studiată. Printre
problemele la care trebuie găsite răspunsuri în această fază se numără: dacă există date disponibile
în alte surse şi în ce masură aceste date răspund obiectivului cercetării; dacă datele existente nu sunt
satisfăcătoare şi trebuie organizată o înregistrare specială, ce variabile trebuie înregistrate, se recurge
la o înregistrare totală sau parţială, când trebuie organizată înregistrarea datelor, ş.a..

După culegerea datelor pentru toate unităţile şi variabilele se pune problema de a introduce
ordine în această masă de date, ceea ce înseamnă sistematizarea şi comprimarea lor astfel încât
datele să spună ceva relevant despre colectivitatea studiată. Datele se sistematizează prin clasificarea
şi gruparea lor şi se prezintă prin intermediul seriilor statistice, tabelelor statistice şi prin grafice.

2.1 Obiective
Obiectivele acestei unităţi de învăţare sunt:

 Să înţelegeţi care sunt principalele modalităţi de obţinere sau înregistrare a datelor


statistice;

 Să identificaţi principalele surse de date statistice;

 Să înţelegeţi şi să aplicaţi principalele metode de sistematizare a datelor empirice ale unei


observări sau înregistrări de masă;

 Să găsiţi soluţii la probleme de cunoaştere prin gruparea statistică a datelor;

 Să înţelegeţi cum trebuie prezentate datele statistice pentru a deveni expresive;

 Să aplicaţi regulile de bază privind construirea tabelelor statistice şi construirea


reprezentărilor grafice;

 Să faceţi diferenţa dintre o sistematizare ştiinţifică şi o pseudosistematizare.

2.2 Observarea statistică – colectarea datelor individuale


Observarea statistică este etapa esenţială a oricărei cercetări statistice. Datorită faptului că în
statistică predomină metoda inductivă de cunoaştere a realităţii, prima etapă a demersului
metodologic se referă la culegerea (înregistrarea sau observarea) datelor individuale ale variabilelor
unităţilor. Observarea reprezintă un proces complex de identificare, măsurare şi înregistrare a
fenomenelor de manifestare. Ea constă în culegerea anumitor date pe baza unor reguli sau criterii
unitare de la unităţile colectivităţii cercetate.

2.2.1 Principiile observării statistice


Realizarea unei observări statistice, care să permită obţinerea datelor necesare atingerii
scopului cercetării, presupune respectarea câtorva principii:

19
- autenticitatea datelor, respectiv asigurarea concordanţei dintre datele înregistrate şi
dimensiunea reală a variabilelor observate;

- îndeplinirea condiţiei de volum, în sensul că volumul datelor culese să fie suficient de mare
astfel încât să permită manifestarea legii numerelor mari, iar factorii aleatori (neesenţiali,
întâmplători) să se compenseze în mod real 5;

- datele să fie obţinute în timp util, să poată servi fundamentării deciziei la momentul potrivit;

- culegerea datelor să se realizeze în condiţii obiective, fără intervenţia responsabililor


pentru culegerea datelor (operatori de interviu, coordonatori etc.).

Pregătirea şi desfăşurarea observării statistice implică multiple acţiuni care, de regulă, sunt
reunite în planul de observare statistică. La rândul său, planul de observare statistică este cuprins în
programul cercetării statistice (v. Cadranul 1) Principalele elemente ale planului observării statistice
sunt:

- reperele de timp ale observării, care se referă la două aspecte: stabilirea timpului la care
se referă toate datele care urmează a fi înregistrate (momentul sau perioada de referinţă)
şi timpul (perioada) în care trebuie realizată înregistrarea (perioada de colectare). În cazul
unei colectivităţi de stoc, toate datele înregistrate se referă la un moment dat (moment
critic), iar în cazul unei colectivităţi de flux timpul la care se referă datele este o perioadă
(lună, trimestru, etc.);

- locul observării statistice, care coincide, de regulă, cu locul producerii fenomenului


înregistrat;

- măsurile organizatorice, respectiv măsurile prin care se asigură logistica desfăşurării


observării statistice: elaborarea formularelor de înregistrare şi a instrucţiunilor de
completare, recrutarea şi instruirea personalului de înregistrare, etc..

2.2.2 Metode de observare statistică


Modul în care se obţin datele în cadrul unei cercetări statistice depinde de problematica
cunoaşterii pe care o urmărim, adică de ce anume vrem să cunoaştem.

Dacă fenomenul sau procesul ce urmează să fie cercetat se circumscrie agenţilor economici,
atunci este normal să se pornescă de la datele din sistemul informaţional intern al acestora,
evidenţiate în diferite surse. Aceste date apar în mod normal în procesul conducerii. Astfel de date
(denumite, de regulă, date secundare sunt, de exemplu: numărul salariaţilor, stocurile de produse
finite, cifra de afaceri, realizările individuale ale punctelor de vânzare etc).

Mai dificilă este obţinerea datelor dacă fenomenul sau procesul cercetat nu face obiectul
evidenţierii sistematice în alte surse sau dacă datele disponibile (de regulă, publicaţii) răspund numai
parţial scopului cercetării. Într-o asemenea situaţie este necesar să se organizeze o observare sau
înregistrare specială, caz în care trebuie să se rezolve corect toate aspectele de natură metodologică
şi organizatorică cuprinse în programul observării. Observarea statistică poate fi indirectă, prin
observare documentară şi directă, prin observare în teren.

5
Această condiţie este aplicabilă cercetărilor statistice prin sondaj şi este îndeplinită prin proiectarea unui
eşantion bine fundamentat din punct de vedere teoretic şi pus în practică după principii riguroase. Numărul de
unităţi observate nu este un scop în sine, pentru că în acest fel am fi tentaţi ca întotdeauna să realizăm observări
complete, de tipul recensămintelor, ceea ce nu este justificat întotdeauna din punct de vedere practic şi
economic.

20
Observarea indirectă presupune preluarea datelor înregistrate în diferite documente
(contabile, de regulă) 6, lucrări publicate anterior (cărţi, publicaţii periodice de specialitate, pagini web) 7.
Observarea indirectă are două avantaje principale faţă de cea directă: costuri semnificativ mai reduse
şi operativitatea obţinerii datelor. Recurgerea la această variantă presupune verificarea dacă datele
secundare îndeplinesc cel puţin următoarele condiţii:

- metodologia de elaborare a acestor date să fie compatibilă cu cea folosită în cazul


cercetării în cauză;

- datele preluate din diferite surse să răspundă scopului cercetării. Chiar dacă nu răspund
întocmai obiectivului cercetării, să ofere răspunsuri suficient de apropiate de realitate şi,
printr-o prelucrare adecvată, să poată fi utilizate în scopuri statistice.

Observarea directă intervine în cazul înregistrărilor special organizate, când se culeg


(înregistrează) date pentru fiecare unitate şi pentru toate caracteristicile programului observării.

Observarea directă se poate realiza prin:

1. Interviu faţă-în-faţă. Această metodă presupune consemnarea răspunsurilor de către un


operator de interviu. Consemnarea poate fi realizată pe suport de hârtie (PAPI: Paper
Assisted Personal Interview) sau direct în computer (CAPI: Computer Assisted Personal
Interview). O formă particulară de observare sunt interviurile realizate prin telefon şi
asistate de computer (CATI: Computer Assisted Telephone Interview). Interviurile faţă-în-
faţă tipice sunt cele realizate cu ocazia recensămintelor populaţiei sau cele realizate de
institutele private de cercetare a opiniei publice şi de marketing.

2. Chestionar auto-administrat (autoînregistrare) . Metoda presupune completarea


chestionarului (de obicei, pe suport de hârtie) de către o persoană – fie cea direct vizată
de cercetare, fie o persoană capabilă să ofere răspunsurile în cunoştinţă de cauză – după
ce, în prealabil, un operator sau un alt responsabil al cercetării a înmânat chestionarul,
instrucţiunile de completare şi a oferit un set minimal de îndrumări. Ulterior, chestionarul
este ridicat de responsabilul cercetării sau este trimis prin poştă. În egală măsură,
chestionarul poate fi trimis şi recepţionat exclusiv prin poştă, caz în care este vorba de o
cercetare statistică prin poştă 8. Din ce în ce mai des se recurge la cercetări mijlocite de
tehnologia informaţiei, prin care răspunsurile sunt completate pe computer în aşa-
numitele sondaje on-line cu ajutorul aplicaţiilor Web.

3. Observare propriu-zisă, care se foloseşte în situaţiile când este necesară numărarea (de
către o persoană sau un aparat) anumitor cantităţi. Măsurarea intensităţii traficului, de
exemplu, presupune numărarea autoturismelor care trec printr-un anumit punct de
observare într-un interval de timp.

4. Experiment, metodă care, ca modalitate de observare statistică, se aplică mai rar în


studiul fenomenelor economice şi sociale, datorită faptului că acestea nu sunt fenomene
certe. Totuşi, se apelează la această metodă pentru a testa influenţa anumitor factori
asupra apariţiei unui anumit eveniment, cum ar fi preferinţa pentru un produs, percepţiile
asupra decidenţilor politici, calităţile unui produs sau serviciu etc.

O problemă care apare frecvent în aplicarea primelor două metode este nonrăspunsul. Există
cercetări statistice unde participarea (răspunsul) este obligatorie, iar în altele participarea este

6
Această metodă este din ce în ce mai privilegiată în statistica oficială, prin utilizarea surselor administrative.
7
În literatura de specialitate, acest tip de observare poartă denumirea de “desktop research”.
8
În limba engleză, acest tip de cercetare este denumită “mail survey”.

21
voluntară. În general, autorităţile din sfera statisticii oficiale realizează cercetări statistice „obligatorii”,
însă şi aici nonrăspunsul (refuzul de a răspunde 9) nu este o raritate. Chiar şi în cazul statisticii oficiale
există cercetări statistice unde răspunsul este obligatoriu şi pentru altele rămâne la alegerea unităţii
selectate. Însă în cazul în care o unitate acceptă să răspundă, atunci ea este obligată să ofere toate
datele solicitate.

Dacă observarea este organizată de către operatori privaţi (asociaţii profesionale, institute de
cercetare, camere de comerţ etc.), unităţile statistice nu au obligaţia legală de a completa un
chestionar. În acest caz rata de nonrăspuns poate fi destul de mare.

Nonrăspunsul constituie o problemă importantă în realizarea cercetărilor statistice şi reclamă


proceduri speciale atât pentru prevenirea lui, cât şi pentru prelucrarea statistică a datelor colectate,
deoarece unităţile care nu răspund nu sunt în mod necesar identice cu cele care au răspuns, de unde
şi pericolul de a realiza inferenţe pe baza unor date incomplete.

În funcţie de gradul de cuprindere a unităţilor colectivităţii în cercetarea statistică, observarea


statistică directă poate fi totală şi parţială.

Observarea totală presupune să se înregistreze fiecare unitate cuprinsă în colectivitate cu


toate caracteristicile din programul observării. Exemple de înregistrări totale realizate de către
statistica oficială sunt: recensământul populaţiei şi al locuinţelor, recensământul fermelor, animalelor şi
livezilor, ş.a..

Observarea parţială presupune înregistrarea numai a unei părţi din unităţile colectivităţii.
Exemple: sondajul statistic, ancheta statistică etc..

Observarea totală are un singur avantaj comparativ cu observarea parţială: nu există erori de
reprezentativitate, iar rezultatele pot fi prezentate în cele mai detaliate structuri de agregare, sub
condiţia păstrării confidenţialităţii datelor individuale. În schimb, observarea parţială prezintă câteva
avantaje majore: numărul mai mic de unităţi care se înregistrează determină costuri semnificativ mai
reduse; rezultatele se obţin mult mai repede; programul de înregistrare poate fi mult mai amplu; este
singura modalitate de obţinere a datelor în condiţiile în care o înregistrare totală conduce la
distrugerea unităţilor.

Recensământul reprezintă o observare totală (exhaustivă) prin care se înregistrează printr-o


metodologie unitară, toate unităţile care compun o colectivitate de stoc (stare). În funcţie de
colectivitatea observată, se poate organiza: recensământul populaţiei, recensământul fermelor, al
animalelor, recensământul întreprinderilor etc..

Culegerea datelor prin recensământ se bazează pe următoarele principii:

 universalitatea înregistrării, în sensul că se înregistrează toate unităţile ce definesc


colectivitatea;

 simultaneitatea înregistrării, ceea ce înseamnă că datele înregistrării trebuie să exprime


situaţia la un moment dat, numit moment critic (este o anumită oră, în cazul
recensământului populaţiei, o perioadă în cazul recensământului animalelor etc.).

 periodicitatea recensământului – indică necesitatea organizării înregistrării la intervale


regulate de timp.

 comparabilitatea datelor, în sensul că metodologia de efectuare a recensământului trebuie


să conducă la obţinerea de date comparabile în timp şi pe plan internaţional.

9
Nonrăspunsurile sunt de mai multe categorii: unitatea nu este identificată, nu mai există, nu face parte din
populaţia statistică vizată de cercetare. Refuzul de a răspunde este doar una din aceste categorii.

22
Rapoartele statistice reprezintă lucrări prin care se obţin date pentru colectivităţi de fapte şi de
evenimente. Rapoartele statistice reprezintă una din modalităţile prin care statistica oficială obţine date
de la agenţii economici privind cifra de afaceri, investiţiile, forţa de muncă, câştiguri salariale etc..
Denumirea de „raport” provine din practica statistică anterioară anului 1990, când toate întreprinderile
erau obligate să furnizeze (raporteze) date statistice la autoritatea competentă din acea perioadă. Ele
erau de fapt formulare concepute într-o manieră tabelară, ca să uşureze completarea lor. Termenul
este uşor demodat astăzi pentru că, deşi ca formă s-au păstrat într-o oarecare măsură, ele nu mai
sunt adresate tuturor întreprinderilor din România – ar fi imposibil – şi nici nu mai există o obligativitate
expresă în cazul unor cercetări statistice.

Sondajul statistic este o observare parţială prin care se înregistrează date numai pentru o
parte din unităţile colectivităţii, numită eşantion sau mostră. Pentru ca datele obţinute prin intermediul
sondajului să permită cunoaşterea realităţii, este necesar ca eşantionul să fie reprezentativ. Un
eşantion este reprezentativ dacă fiecare unitate din colectivitatea generală are o şansă nenulă de a fi
selectată în eşantion. Un astfel de eşantion se mai numeşte şi probabilist.

Dezavantajele înregistrărilor totale au făcut ca majoritatea datelor statistice să provină, în


prezent, din sondaje statistice.

Pe lângă noţiunile de mai sus, mai sunt utilizate şi cele de anchetă statistică şi anchetă de
opinie.

Ancheta statistică este o tehnică a observării parţiale şi se confundă, din ce în ce mai mult, cu
noţiunea de cercetare statistică prin sondaj sau sondaj statistic. Eşantionul unei anchete statistice,
pentru ca rezultatele să fie cât mai corecte şi plauzibile, trebuie să fie, de asemenea, reprezentativ.
Bineînţele, sunt cazuri în care eşantioanele nu sunt probabilistice, însă rezultatele sunt de încredere
dacă metodele de selecţie sunt astfel controlate încât să reducă sau să elimine riscul distorsionării
rezultatelor. Opiniile potrivit cărora o anchetă statistică este caracterizată prin utilizarea unui eşantion
de tip panel sunt eronate, deoarece un eşantion panel este un eşantion reprezentativ care rămâne
neschimbat pe parcursul unei serii de observări succesive (lunare, anuale sau cu o altă frecvenţă),
spre deosebire de alte sondaje (anchete) în care eşantionul este schimbat de la o perioadă la alta.
Astfel, putem deosebi anchete transversale 10, cu eşantioane care se schimbă de la o perioadă la alta
sau sunt de tip panel, în care obiectivul constă în obţinerea unor estimaţii cu o anumită perioadă
(dată) de referinţă, asimilabile mărimilor de stoc, şi anchete longitudinale, de regulă cu eşantioane
panel, în care obiectivul constă în obţinerea de estimaţii ale modificărilor de la o perioadă la alta,
asimilabile mărimilor de flux.

Ancheta de opinie este, de asemenea, o observare parţială. Diferenţa faţă de alte tipuri de
anchete este dată de programul de observare, care constă în întrebări şi variabile ce privesc atitudini,
percepţii, comportamente psiho-socio-economice în relaţie cu situaţii sau evenimente care prezintă
un anumit interes public. Partea de la care se culeg date nu trebuie să fie reprezentativă pentru
întreaga colectivitate, însă, din rigori profesionale, se preferă utilizarea unui eşantion cât mai apropiat
de caracteristicile unuia probabilist. Eşantionul tipic într-o anchetă de opinie este cel selectat prin
metoda cotelor. Răspunsurile se consemnează într-un chestionar de către un personal instruit sau
anchetele se pot realiza prin autoînregistrare, prin poştă, prin telefon sau prin Internet.

Monografia statistică este o înregistrare special organizată şi presupune studierea complexă,


aprofundată a unei unităţi (localitate, întreprindere, comunitate etc.), activităţi sau fenomen din
realitatea socio-economică sau culturală.

10
Cross-sectional (engl.)

23
2.2.3 Chestionarul statistic
După ce am ales metoda de observare, ajungem în punctul în care e nevoie să colectăm
datele primare, deci să le înregistrăm pe un suport. Cel mai vechi instrument de colectare a datelor
este chestionarul statistic, indiferent de suportul fizic al înregistrării datelor – pe hârtie sau suport
magnetic, prin utilizarea tehnologiei informaţiei – sau de metoda de observare.

Chestionarul trebuie adaptat metodei de observare, deoarece în cercetările în care se


utilizează metodele de colectare prin autoadministrare sau on-line, interacţiunea cu respondentul este
limitată, motiv pentru care sunt necesare instrucţiuni suplimentare, iar întrebările să fie bine înlănţuite
logic şi nu foarte numeroase. Pe ansamblu, chestionarul trebuie să fie cât mai simplu şi scurt. O
durată a completării chestionarului care depăşeşte 20 de minute, mai ales în cazul interviurilor faţă-în-
faţă, induce oboseală şi plictiseală persoanei intervievate, ceea ce determină creşterea ratei
nonrăspunsurilor parţiale şi totale.

Proiectarea chestionarului înseamnă să răspundem la o întrebare aparent simplă: ce întrebări


punem? Formularea întrebărilor presupune experienţă şi o cunoaştere cuprinzătoare a domeniului
investigat şi a psihologiei celui intervievat. O întrebare trebuie să fie clară, concisă şi fără ambiguitate,
să nu aibă mai multe înţelesuri sau să ascundă, în fapt, mai multe întrebări, pentru că naşte confuzie,
iar răspunsul nu va corespunde aşteptărilor. După formularea lor, o etapă importantă este testarea
chestionarului, adică aplicarea lui pe un eşantion de respondenţi – care nu trebuie să fie neapărat
probabilist – pentru a vedea care sunt reacţiile, răspunsurile primite, gradul în care sunt înţelese
întrebările şi pentru a putea face amendamentele necesare înainte de lansarea cercetării statistice.

Pentru a conferi simplitate şi conciziune chestionarului, întrebările trebuie împărţite în trei


grupe, care indică şi prioritatea lor:

- Ce trebuie să ştiu;

- Ce ar fi util să ştiu;

- Ce ar fi frumos să ştiu.

La ultima categorie se renunţă de la bun început. A doua categorie poate fi luată în


considerare dacă lungimea chestionarului – nu doar prin prisma numărului de întrebări, ci şi a
variabilelor culese – permite includerea lor.

Întrebările au, în principiu, mai multe variante de răspuns. O recomandare generală este ca
persoana care răspunde la întrebări să aibă posibilitatea să ofere şi răspunsuri de tipul “Nu ştiu”/”Nu
este cazul”/”Nu (vreau să) răspund”, care sunt utile atunci când se pun întrebări sensibile, cum sunt
cele referitoare la venituri sau patrimoniul personal ori al familiei, la starea de sănătate sau la alte
aspecte care ţin de viaţa intimă. O altă posibilitate priveşte variante de răspuns de tip
“Niciunul/Niciuna”, “Altul/Alta/Altceva”, atunci când este potrivită includerea lor. Un aspect practic
priveşte gruparea variantelor “Nu ştiu” şi “Nu răspund” (NS/NR) într-una singură, dacă separarea nu
este de interes pentru utilizator sau nu au relevanţă pentru a fi prelucrate separat.

Există mai multe tipuri de întrebări, determinate de modul în care se solicită şi se facilitează
formularea unui răspuns:

1) Întrebări structurate (închise)

Sunt întrebările care dau posibilitatea celui/celei intervievate să aleagă una sau mai multe
variante de răspuns dintr-un set prestabilit de către analist. Variantele de răspuns sunt
mutual disjunctive, adică nu se pot suprapune sau confunda, şi sunt colectiv exhaustive,
adică împreună formează toate variantele posibile de răspuns. Pentru completarea tuturor
variantelor posibile, se poate recurge la adăugarea uneia din variantele menţionate mai

24
sus, de genul “Altul/Alta ? Care …..”, dând posibilitatea completării unei variante
inexistente în lista prestabilită.

În categoria întrebărilor închise se pot defini mai multe sub-categorii:

a) Dihotomică

Este întrebarea cea mai frecvent întâlnită, fără a fi inoportună, în care respondentului i se cere
să răspundă doar prin „Da” sau „Nu”. Ea nu permite delimitarea unei măsuri a percepţiilor sau
a sentimentelor între aceşti doi poli. Frecvent, se mai adaugă un răspuns de tipul „Nu ştiu/Nu
răspund”.

Exemplu

Q1. Vă place produsul X ?

1. Da

2. Nu

3. NS/NR

b) Cu răspuns multiplu

Respondentul are posibilitatea să aleagă una sau mai multe variante de răspuns

Exemple:

Q2: Câte pahare de apă beţi pe zi? (încercuiţi un singur răspuns)

1. Intre 1 si 2

2. Intre 3 si 5

3. 6 sau mai multe

4. Niciunul

Q3: Care este dispozitivul fără de care nu puteţi trăi? (încercuiţi una sau mai multe
variante)

Telefon MP CD Laptop PC Consolă


mobil player player jocuri

c) Cu scală de apreciere

Respondentul este rugat să aprecieze un anumit subiect pe o scală care variază de la „rău” la
„bine”. De obicei, întrebările cu rate de apreciere au un număr par de opţiuni, pentru a nu da
posibilitatea respondentului să aleagă o variantă de „mijloc” .

Există şi posibilitatea de a da o notă de apreciere pentru un anumit subiect, nota cea mai mică
echivalând cu un nivel scăzut al aprecierii, iar nota cea mai mare cu nivelul maxim de
apreciere.

25
Exemple:

Q4. Cum apreciaţi acest produs? (încercuiţi o variantă de răspuns)

1. Excelent

2. Bun

3. Destul de bun

4. Slab

Q5. Pe o scală unde “10” înseamnă că subiectul vă interesează şi “1” că nu va


intereseaza deloc, cum evaluaţi interesul dvs. faţă de următoarele subiecte:

Politică __4__

Ştiinţă şi tehnică __8__

Politică externă __4__

Afaceri __9__

Monden __10_

d) Cu scală de acord (atitudine)

Mai este numită şi întrebare cu scala Likert, în care respondentului i se cere să-şi exprime
gradul de acord sau de dezacord faţă de un anumit subiect.

Exemplu

Q6. Cât de mult sunteţi de acord cu următoarele afirmaţii (marcaţi cu un X în căsuţa


corespunzătoare răspunsului ales):

Total De Total de
Dezacord Indiferent
dezacord acord acord
Cursul de statistica
X
este dificil
Volumul de munca
X
pentru teme este mare

e) Cu scală de importanţă

Este o scală similară cu cea de apreciere, cu deosebirea că variantele de răspuns sunt


explicit formulate de la “fără importanţă’ până la “foarte important”, echivalând-o cu o
scală de la 1 la 5. Respondentului i se cere să aprecieze importanţa pe care o acordă
unui anumit subiect.

Exemplu

Q7. Existenţa unei farmacii în localitatea mea este (încercuiţi răspunsul ales):

5 4 3 2 1
Extrem de Întrucâtva Puţin Deloc
Importantă
importantă importantă importantă importantă

26
f) Bipolare

Acest tip de întrebare este o variantă a scalei de apreciere în care respondentul poate nuanţa
evaluarea sa prin marcarea unei poziţii aflate între extremităţile opuse ale unor criterii sau
atribute ale unui subiect.

Exemplu

Q8. Cum aţi descrie filiala locală a companiei ABC? (marcaţi cu un X pe scala
fiecărui atribut, în măsura în care consideraţi că este mai aproape de aprecierea
dumneavoastră):

Locaţie Locaţie
_X_ ___ ___ ___ ___ ___ ___
convenabilă neconvenabilă
Personal Personal
___ ___ ___ _ X_ ___ ___ ___
prietenos neprietenos
Servicii Servicii
___ ___ _X_ ___ ___ ___ ___
de calitate proaste
Eficienţă ___ _X_ ___ ___ ___ ___ ___ Ineficienţă

g) Întrebări de manifestare a intenţiilor

Prin acest tip de întrebare se testează intenţiile persoanelor – clienţi ai unei companii sau
consumatori ai unor produse sau servicii – de a cumpăra, de a consuma un produs sau un
serviciu, de obicei nou sau susceptibil de a fi introdus pe piaţă. În aparenţă extrem de utilă,
este necesar ca ea să fie coroborată şi cu alte întrebări care să consolideze plauzibilitatea
răspunsului deoarece, de cele mai multe ori, răspunsurile se confundă mai mult cu dorinţele
persoanelor chestionate decât cu nevoile lor reale.

Exemplu

Q9. Dacă automobilul va avea în dotare un sistem GPS, aţi fi dispus(ă) să îl


cumpăraţi? (încercuiţi răspunsul ales):

5 4 3 2 1
Probabil Nu sunt Probabil Sigur
Sigur da
da sigur(ă) nu nu

2) Nestructurate (deschise)

Întrebările deschise oferă mai multă libertate celor chestionaţi de a-şi formula propriile
răspunsuri, într-o manieră individualizată. Avantajul lor constă în faptul că se pot culege informaţii mai
interesante şi de o mai mare profunzime, care ating aspecte neluate în seamă în etapa de proiectare a
cercetării sau a chestionarului însuşi. Dezavantajele constau în faptul că astfel de întrebări pot duce la
răspunsuri neconstructive şi nerelevante, fiind mult mai dificil de prelucrat deoarece fiecare
respondent foloseşte propriile cuvinte. De aceea, astfel de întrebări sunt supuse mai întâi unui proces
de filtrare şi codificare, în încercarea de a găsi cât mai multe elemente comune în masa de răspunsuri.
Volumul de codificare manuală nu este de neglijat, ceea ce poate duce la erori de înregistrare şi de
introducere în computer.

Întrebările deschise sunt de două categorii: deschise numeric şi deschise textual.

a) Întrebări deschise numeric

Sunt întrebările în care se cer anumite valori numerice.

27
Exemple

Q10. Cât de mult cheltuiţi pentru ţigări în fiecare săptămână ? ________ lei

Q11. Care este venitul total lunar al familiei dumneavoastră ? _________ lei

b) Întrebări deschise textual

Sunt întrebările în care datele sunt de tip text

Exemple

Q12. În ce mod îşi poate îmbunătăţi compania activitatea ?


__________________________________________________
__________________________________________________

Q13. Care este primul cuvânt care vâ vine in minte când vâ


gândiţi la calităţile prietenului/prietenei vostru/voastre ?
_________________________________

În finalul acestei secţiuni, sunt utile câteva recomandări practice suplimentare.

Intrebările duble, cum s-a precizat anterior, este bine să fie evitate. Dacă ele sunt însă
imperios necesare, este bine ca ele sa fie plasate separat în chestionar. Un exemplu de astfel de
întrebare este: Credeţi că produsul este bun şi se vinde bine?. Întrebările care sugerează
răspunsul trebuie evitate cu desăvârşire. Un exemplu de astfel de întrebare este: Aţi cumpăra acest
produs, pentru care s-au primit numeroase reclamaţii? Este foarte probabil ca majoritatea
răspunsurilor, dacă nu toate, vor fi “Nu”. Un alt tip de întrebare, care trebuie evitată, este cea
unilaterală, care nu lasă alternativă, mai ales atunci când ea se înscrie într-un curent de atitudine
recent lansat, dezvoltat şi amplu comentat în spaţiul public. Un exemplu de întrebare unilaterală este:
Aţi fi de acord cu interzicerea produselor care poluează atmosfera?. Răspunsul va fi covârşitor
afirmativ, chiar dacă, în esenţă, toate produsele – adică obiectele manufacturate – sunt rezultatul unor
procese poluante, însă în grade diferite.

De asemenea, este utilă realizarea unei distincţii între întrebările neclare şi cele ambigue. O
întrebare neclară este o întrebare dificil de înţeles, ca spre exemplu: Cum apreciaţi situaţia actuală?
Respondentul nu ştie despre care situaţie este vorba: situaţia familială, situaţia economică, din ţară,
de pe continent, din lume? Astfel de întrebări trebuie contextualizate în spaţiu şi în timp, pentru ca şi
răspunsul să reflecte o apreciere în aceleaşi repere. O întrebare ambiguă este o întrebare cu dublu
înţeles, ca spre exemplu: Aţi luat medicamentul cu lichide? Nu se ştie dacă este vorba despre un
medicament care conţine lichide sau dacă medicamentul trebuie administrat înainte sau după ce
pacientul a ingerat lichide. O altă întrebare ambiguă este: Unde aţi fost rănit? Nu se face distincţie
între o întrebare care priveşte rănirea unei anumite părţi a corpului sau dacă întrebarea vizează
aflarea unei locaţii geografice unde a avut loc incidentul în urma căruia persoana a fost rănită.

Ca o concluzie, analistul este dator să adapteze întrebările situaţiilor concrete şi, ca regulă
generală, să se plaseze în locul celui intervievat pentru a găsi cele mai potrivite întrebări ca să obţină
cele mai bune răspunsuri.

28
2.2.4 Erorile observării statistice şi controlul calităţii datelor
înregistrate
Erorile de observare statistică, denumite şi erori de înregistrare, reprezintă diferenţele dintre
valoarea înregistrată cu ocazia observării şi valoarea existentă în realitate. Aceste erori au cauze
diferite şi pot influenţa în mod diferit rezultatele finale ale cercetării statistice. Ignorarea lor poate duce
la distorsionarea rezultatelor, pierderi de precizie şi intrepretări eronate

Tipurile de erori de observare statistică sunt:

 Erori de măsurare – sunt cauzate, de regulă, de neatenţie şi nu au un caracter


premeditat. În termeni teoretici, dar şi practici, erorile de măsurare sunt cauzate de
acurateţea instrumentului de măsurare. Aceste erori reprezintă abateri (pozitive şi
negative) ale valorilor observate de la realitate. Repetarea măsurătorii conduce, invariabil,
la îmbunătăţirea rezultatelor. Se apreciază că erorile de măsurare nu influenţează
semnificativ rezultatele finale ale cercetării dacă volumul colectivităţii observate este mare
– cu cât înregistrarea se referă la un număr mai mare de unităţi, cu atăt mai mare este
probabilitatea ca aceste abateri să se compenseze. Pe lângă erorile de măsurare, pot
apărea erorile de completare (de transcriere) a datelor pe suportul lor de culegere
(chestionar pe hârtie, chestionar electronic).

 Erori sistematice 11 – reprezintă abateri de la realitate, de regulă, într-un singur sens.


Reprezentând abateri într-un singur sens, pot avea o influenţă semnificativă asupra
rezultatelor întregii cercetări. Ele sunt determinate fie de metodologia aleasă, fie de
tehnicile utilizate în prelucrarea datelor. În cazul unui sondaj, spre exemplu, eroarea
sistematică apare atunci când eşantionul nu este reprezentativ pentru colectivitatea din
care a fost extras.

 Erori de reprezentativitate (sau întâmplătoare) – apar invariabil în cazul sondajului


statistic şi sunt cauzate de numărul mare de factori necontrolabili ce influenţează valorile
observate, factori care intră sub incidenţa termenului şansă. Oarecum similar cu erorile de
măsurare, ne putem aştepta in mod rezonabil ca erorile de reprezentativitate să se
anuleze reciproc pe parcursul unei perioade de timp sau prin extragerea unui număr mai
mare de unităţi în eşantion.

Controlul datelor înregistrate are drept scop descoperirea eventualelor erori de înregistrare,
deci asigurarea creşterii calităţii datelor observării, în termeni de autenticitate şi validitate. Controlul
statistic al datelor înregistrate vizează: controlul volumului datelor înregistrate, al corespondenţei dintre
valorile transcrise şi valorile reale prin reluarea observării pe un subeşantion, al calculului aritmetic din
care au rezultat anumiţi indicatori, al documentelor de evidenţă primară care au stat la baza
completării formularelor, al corelaţiilor logice dintre datele înregistrate, al consistenţei prin comparaţii
cu alte surse de date etc.

2.3 Sistematizarea datelor observării


În urma observării statistice rezultă o masă de date primare neordonate, care nu permit
alcătuirea unei imagini asupra fenomenului sau procesului studiat: care sunt relaţiile între diversele
aspecte ale fenomenului studiat, aspecte care sunt reflectate de variabilele observate şi de valorile lor
înregistrate?. Aceste date primare se prezintă sub forma unei matrici în care, pe coloane, apar
variabilele observate (Xj) , iar, pe rânduri, cele n unităţi de la care s-au înregistrat caracteristicile

11
Bias (engl.)

29
respective. Intersecţia dintre fiecare rând şi o coloană indică varianta sau valoarea caracteristicii j
înregistrată la unitatea i (xij, i  1, n unităţi, j  1, m caracteristici). Cu alte cuvinte, avem o matrice cu
n linii şi m coloane, de forma tabelului 2.1.

Tabelul 2.1 – Matricea datelor primare

Unităţile Variabile/caracteristici observate (Xj)


colectivităţii
observate X1 X2 ....Xj... Xm-1 Xm
i  1, n
1 x11 x12 ....x1j... x1m-1 x1m
2 x21 x22 ....x2j... x2m-1 x2m
...i... ... ... ....xij... ... ...
n-1 xn-11 xn-1n-1 ....xn-1j... xn-1m-1 xn-1m
n xn1 xnn ....xnj... xnm-1 xnm

Fiecare variabilă observată se prezintă prin valorile înregistrate. Valorile individuale


înregistrate sunt denumite modalităţi ale variabilei (caracteristicii). Modalităţile sunt fie pre-definite, ca
în cazul variabilelor calitative (nominale sau ordinale) fie rezultate din observarea propriu-zisă, ca în
cazul variabilelor numerice discrete sau continue.

Prima operaţie intuitivă pe care o putem face este să calculăm totaluri pentru acele variabile
pentru care este logică o asemenea operaţie: variabilele de tip numeric măsurate pe scala interval sau
raport. Această operaţie este denumită generic centralizarea datelor, însă ea poate fi prematură în
această etapă.

Mai întâi, pentru a putea sesiza ceva semnificativ pe baza acestei mase de date empirice
(tendinţă de evoluţie, legăturile dintre variabile etc) este necesară, într-o primă fază, să se introducă
ordine în aceste date. Deci să se sistematizeze datele primare. Sistematizarea înseamnă, în cele din
urmă, prezentarea datelor într-o formă uşor inteligibilă şi relativ uşor interpretabilă, fie prin tabele, fie
prin grafice şi diagrame. În cele ce urmează ne vom opri la tabele 12.

O primă posibilitate constă în ordonarea crescătoare sau descrescătoare a modalităţilor


pentru o caracteristică, la toate unităţile colectivităţii. Rezultă o ordonare a valorilor după rangul pe
care îl au valorile în cazul caracteristicii respective. De exemplu, după sortarea crescătoare în funcţie
caracteristica X1, valoarea observată pentru unitatea 2 este mai mică decât cea observată pentru
unitatea 5, mai mică decât cea de la unitatea 20 etc.:

X2,1 < X5,1 < ... < X20,1 < ...

La o astfel de abordare se poate recurge dacă numărul valorilor distincte înregistrate nu este
mare, pentru că orice ordonarea după valorile unei caracteristici implică de-ordonarea valorilor
celorlalte. De regulă, numărul unităţilor statistice este mult mai mare decât numărul valorilor distincte
(diferite) înregistrate. Aceasta deoarece anumite valori pot apărea de mai multe ori. Şi oricum, în final,
vom obţine tot o matrice a tuturor observaţiilor, greu de analizat şi interpretat.

12
O precizare este totuşi necesară în acest punct: considerăm că valorile variabilelor sunt corecte din punctul de
vedere al criteriilor de calitate stabilite încă din etapa de proiectare a cercetării statistice. În practică, înainte de a
proceda la sistematizarea datelor, ele trebuie trecute printr-un proces de verificare, corecţie şi validare, pentru a
ne asigura că erorile – inerente în orice cercetare statistică – nu vor distorsiona rezultatele finale.

30
2.3.1 Distribuţia de frecvenţe
În capitolul introductiv s-a precizat că statistica este formată din două părţi: statistica
descriptivă şi statistica inferenţială. Un instrument central al statisticii descriptive, care o influenţează
implicit pe cea inferenţială, este distribuţia de frecvenţe.

Să considerăm pentru început cazul unei singure variabile Xj din cele m observate şi să
presupunem că aceasta este calitativă sau numerică discretă, deci are un număr finit de modalităţi,
respectiv K(j) ( k ( j )  1, K ( j ) ), ceea ce arată că variabilele pot avea un număr diferit de modalităţi.
Spre exemplu, prima variabilă calitativă observată este sexul, care are două modalităţi: feminin şi
masculin. A doua variabilă observată este numărul de copii, care este o variabilă numerică discretă şi
poate avea, să spunem, 16 modalităţi (valori distincte), de la 0 la 15 – considerând că, din observaţiile
istorice, o familie sau o persoană nu poate avea mai mult de 15 copii.

Ataşând fiecărei modalităţi k ( j ) observate pentru variabila Xj frecvenţa corespunzătoare,


adică numărul de apariţii ale modalităţii respective, se obţine o repartiţie – sau un tabel – de frecvenţe.
Întrucât procedăm la sistematizarea datelor în raport cu o singură variabilă observată, distribuţia de
frecvenţe rezultată se numeşte distribuţie unidimensională.

Continuând exemplul anterior, vom putea constata că într-o companie sunt 12 angajaţi de sex
feminin şi 8 de sex masculin şi că, în plus, fiecare are între 0 şi 4 copii.

O formă generică a unui tabel de frecvenţe este prezentată în tabelul nr. 2.2.

Tabelul 2.2 – Repartiţie de frecvenţe unidimensională


Valorile Numărul
de Total
caracteristicii Xj
xk ( j ) unităţi xk ( j )  nk ( j )
nk(j)
x1(j) n1(j) x1( j )  n1( j )
x2(j) n1(j) x2( j )  n2( j )
.... ....
xk(j) nk(j) xk ( j )  nk ( j )
.... ....
xK(j) nK(j) xK ( j )  nK ( j )
K ( j) K ( j) n
Total  nk ( j )  n
k 1
 x k ( j ) n k ( j )   xi
k 1 i 1

Dacă numărul variantelor distincte înregistrate nu este prea mare, repartiţia de frecvenţe oferă
o imagine concludentă privind numărul de câte ori apar anumite valori, privind forma repartiţiei etc.

Un astfel de tabel este extrem de util şi pentru verificarea calităţii datelor. Spre exemplu, dacă
am codificat sexul persoanelor cu valorile 1 pentru feminin şi 2 pentru masculin (sau invers), o tabelă
corectă de frecvenţe ne va arăta doar cele două valori. Orice altă valoare care apare în tabel ne indică
faptul că unei persoane i s-a ataşat un cod incorect. De asemenea, însumând numărul de apariţii ale
K ( j)
fiecărei modalităţi ( n
k 1
k( j) ), este obligatoriu să obţinem numărul total al unităţilor supuse observării

– din eşantion în cazul unei observari parţiale sau din întrega colectivitate în cazul unei observări
K ( j)
totale ( n
k 1
k ( j)  n ).

31
În cazul unei variabile numerice discrete (cu un număr finit şi redus de modalităţi) are sens să
procedăm la calcularea produsului dintre modalitatea variabilei şi numărul de unităţi observate pentru
K ( j) n
fiecare modalitate:  xk ( j ) nk ( j )   xi . În acest fel, putem calcula suma valorilor înregistrate
k 1 i 1

pentru variabila respectivă. Spre exemplu, dacă variabila observată este numărul de copii pe familie,
calculând produsul dintre numărul de copii (0, 1, 2, .... 15) şi numărul de familii înregistrate ca având
fiecare un anumit număr de copii şi însumând apoi produsele calculate, vom obţine numărul total al
copiilor care aparţin familiilor observate. Acelaşi rezultat l-am fi obţinut dacă însumam direct numărul
de copii în setul de date primare culese pentru fiecare familie observată, fără a recurge la
sistematizarea datelor prin tabelul de frecvenţe. Cu toate acestea, tabelul de frecvenţe este mult mai
grăitor decât investigarea întregului set de observaţii.

O astfel de operaţie, de calcule de produse şi de însumare, nu are sens în cazul variabilelor


calitative codificate cu valori numerice, deoarece suma respectivă nu are nici o semnificaţie statistică.
In exemplul nostru, în care am codificat sexul persoanelor cu 1 şi 2, este evident că un calcul al
produselor dintre numărul de persoane de sex masculin şi valoarea 1 şi, respectiv, dintre numărul de
persoane de sex feminin şi valoarea 2, după care se însumează cele două rezultate, nu are niciun
sens statistic.

Tabelul de frecvenţe, de asemenea, nu este indicat în cazul variabilelor numerice continue,


deoarece este foarte probabil ca fiecare din valorile înregistrate să fie caracteristice unei singure
unităţi observate, deci nu are relevanţă practică o distribuţie de frecvenţe fiecare (nk(j)) egală cu 1. În
aceste cazuri, numărul modalităţilor înregistrate tinde să fie egal cu numărul unităţilor supuse
observării, iar următoarea operaţiune indicată este gruparea datelor sau crearea de clase de interval.

2.3.2 Tipuri de grupare a datelor individuale


În tabelul 2.2 apare, de fapt, o grupare a datelor după o caracteristică numerică (cantitativă)
sau nenumerică (nominativă sau calitativă), în care fiecare variantă distinctă defineşte o grupă sau o
clasă.

Gruparea statistică este o metodă de sistematizare a datelor prin care se comprimă volumul
datelor înregistrate după una sau mai multe caracteristici. Gruparea datelor presupune separarea
unităţilor unei colectivităţi în grupe omogene după variaţia uneia sau a mai multor caracteristici de
grupare. O grupă poate fi considerată omogenă, dacă valorile individuale ale caracteristicii
corespunzătoare unităţilor care compun grupa prezintă o variaţie minimă. De altfel, calculul
indicatorilor derivaţi prin intermediul metodei grupării se bazează pe supoziţia că valorile sunt uniform
distribuite în interiorul grupelor formate.

Cu prilejul alegerilor, spre exemplu, birourile electorale dau periodic publicităţii comunicate de
presă în care sunt prezentate rezultatele estimative ale prezenţei la vot pe medii de rezidenţă – rural şi
urban – şi pe judeţe. Judeţele sunt grupate în judeţe cu o prezenţă a electoratului la vot sub media
sau peste media naţională, la fel ca şi sectoarele Municipiului Bucureşti. O altă grupare de interes
poate fi a ocupaţiilor după nivelul câştigurilor salariale, ori a ţărilor după nivelul veniturilor anuale pe
locuitor etc.

În practica statistică se utilizează o mare diversitate de tipuri de grupări statistice, în funcţie de


numărul caracteristicilor puse la baza grupei, de conţinutul caracteristicii de grupare, de modul de
exprimare, ş.a..

După numărul caracteristicilor, grupările pot fi: grupări simple şi grupări combinate.

32
Gruparea simplă presupune separarea unităţilor colectivităţii după variaţia unei singure
caracteristici; de exemplu gruparea agenţilor economici după numărul salariaţilor.

Gruparea combinată presupune separarea unităţilor după variaţia simultană a două sau mai
multe caracteristici de grupare. Mai întâi se grupează unităţile după o caracteristică primară, urmând
apoi ca fiecare grupă să fie separată pe subgrupe după a doua caracteristică de grupare, numită
caracteristică secundară. Astfel, de exemplu, dacă este necesar să se grupeze agenţii economici din
cadrul unei ramuri după mărimea cifrei de afaceri şi după numărul angajaţilor, se distribuie agenţii
economici după numărul angajaţilor, iar după aceea după cifra de afaceri.

După conţinutul caracteristicilor, grupările statistice pot fi teritoriale, cronologice sau atributive.

Gruparea după o caracteristică de timp şi după o caracteristică de spaţiu se utilizează


când timpul şi spaţiul constituie caracteristici esenţiale pentru datele care se grupează. Rezultatele
unor astfel de grupări conduc la o serie cronologică (de timp) sau la o serie teritorială (de spaţiu).

Gruparea după o caracteristică atributivă conduce la o clasificare dacă atributele sunt stări,
exprimate prin cuvinte: profesie, stare civilă etc.. Astfel de clasificări oficiale folosite la sistematizarea
datelor sunt: Clasificarea Activităţilor din Economia Naţională (CAEN), Clasificarea Ocupaţiilor din
Economie (COR), Clasificarea Standard a Comerţului Internaţional (CSCI).

Caracteristicile atributive pot fi, la rândul lor, agregate în grupe care prezintă relevanţă pentru
analist şi utilizatorul rezultatelor. Spre exemplu, într-o scală de tip Likert, care are cinci puncte de
evaluare („Total de acord”, „De acord”, „Nici acord, nici dezacord”, „Dezacord”, „Total dezacord”) se
poate recurge la gruparea primelor două niveluri în „De acord şi total de acord”, şi a ultimelor două în
„Dezacord şi total dezacord”, mai ales în situaţiile în care numărul de observaţii din primul şi ultimul
nivel este redus. Astfel, prin gruparea celor 5 modalităţi, obţinem 3.

Grupările după o caracteristică atributivă exprimată în cifre (vârstă, câştigul salarial etc.) nu se
diferenţiază din punct de vedere al metodologiei de prelucrare de grupările după o caracteristică
cantitativă.

Gruparea după o caracteristică numerică presupune aflarea răspunsurilor la câteva întrebări.

2.3.3 Gruparea datele pe valori distincte sau pe intervale de valori


Se optează pentru una din cele două modalităţi în funcţie de tipul de variabilă şi numărul de
valori distincte înregistrate. Dacă numărul valorilor distincte înregistrate nu este prea mare (cel mult 10
– 12 valori diferite) se recomandă o grupare pe valori distincte, în care fiecare grupă (clasă) este
definită de o valoare observată. De exemplu, gruparea locuinţelor din Municipiul Bucureşti, înregistrate
la recensământul din 2002 după numărul camerelor este

Dacă numărul valorilor distincte înregistrate este mare, cum este cazul variabilelor numerice
continue, se recomandă o grupare pe intervale de grupare.

Intervalul de grupare 13, numit şi intervalul de variaţie, cuprinde un grup de valori apropiate,
despărţit de restul valorilor prin limita inferioară şi superioară a grupei.

Folosirea metodei grupării suscită în mod frecvent câteva întrebări. Prima dintre ele este
„Care este numărul grupelor, în cazul în care se recurge la o grupare pe intervale?”.

Nu există reguli precise sau unice privind numărul r de intervale de grupare. Acesta trebuie
stabilit astfel încât să nu se piardă prea mult din diversitatea informaţiilor culese, deci să fie suficient

13
În literatura engleză de specialitate, termenul asociat intervalului de grupare este “class interval”.

33
de mare. În caz contrar, gruparea poate denatura structura repartiţiei datelor înregistrate. Pe de altă
parte, să nu fie prea mare, pentru a permite sesizarea rapidă, dar corectă, a aspectelor esenţiale.

Dacă problematica cunoaşterii nu impune un anumit număr de grupe prestabilit, alegerea


rămâne la aprecierea celui care face gruparea. Ca regulă, numărul grupelor trebuie astfel ales încât să
nu modifice structura datelor înregistrate.

Numărul de grupe poate fi calculat pornind de la următoarele reguli generale:

a) dacă numărul datelor observate nu depăşeşte 100, numărul grupelor să nu fie mai mare
decât rădăcina pătrată din numărul observaţiilor. De exemplu, dacă n=64 atunci r ≤ 8;

b) după regula lui Sturges 14, dacă numărul valorilor observate este n, atunci numărul
grupelor poate fi cel mult egal cu 1  log 2 n  1  3,322  log10 n .

În unele ţări se aplică următoarele reguli: cel puţin 10 grupe dacă s-au înregistrat circa 100 de
valori; 13 grupe în cazul când numărul valorilor observate se apropie de 1.000 şi cel puţin 16 grupe
dacă numărul datelor care urmează să fie grupate se apropie de 10.000.

În cazul acestor reguli se presupune că s-au înregistrat numai valori distincte. Deci, aceste
reguli nu pot fi aplicate dacă numărul valorilor distincte este mic.

A doua întrebare frecventă este „Intervalele de variaţie să fie egale sau neegale?”.

Alegerea uneia sau alteia din cele două modalităţi depinde de scopul pentru care se face
gruparea, de variaţia datelor înregistrate etc.

Se recomandă o grupare pe intervale egale dacă se urmăreşte sistematizarea datelor în


vederea prelucrării, respectiv obţinerii unor indicatori derivaţi din valorile observate sau indicatori deja
calculaţi. Dacă însă se urmăreşte cunoaşterea tipurilor calitative existente în colectivitate, se
recomandă o grupare pe intervale neegale. Populaţia unei ţări sau a unui judeţ se grupează frecvent
pe intervale, fiecare clasă cuprinzând 5 valori distincte: până la 4 ani; 4–9 ani; 10–14 ani; 15–19 ani;
...;60–64 ani; 65– 69 ani; etc.. Dacă însă ne interesează cunoaşterea posibilităţilor de participare la
activitatea economică şi socială, se recurge la o grupare pe intervale neegale: până la 14 ani; 15 – 64
ani; 65 ani şi peste.

În practică se procedează, de regulă, astfel: într-o primă etapă se grupează datele pe


intervale egale, urmând ca în cea de a doua etapă să se reunească mai multe intervale egale într-un
interval neegal, care cuprinde toate valorile ce aparţin aceluiaşi tip.

Se recurge frecvent la o grupare pe intervale neegale din nevoia de a acoperi intervalele


egale vide (fără unităţi) sau când unui câmp mare de variaţie al valorilor de observaţie îi corespunde
un număr restrâns de unităţi (frecvenţe).

Cu cât intervalul de variaţie este mai mare, cu atât mai aproximativi sunt indicatorii derivaţi
calculaţi pe baza unei grupări statistice.

A treia întrebare frecvent întâlnită este „Cum se stabilesc limitele care definesc o grupă /
clasă?”.

În cazul unei grupări pe intervale egale, limita inferioară a primului interval poate fi valoarea
observată cea mai mică (xmin) sau o valoare mai mică decât aceasta. Limita superioară se obţine
adăugând, pentru fiecare din cele r intervale, mărimea intervalului (h).

14
H.A. Sturges in "The choice of a class interval," Journal of American Statisticians Association, vol. 21, 65-66,
1926; Transformarea din logaritm în baza 2 în logaritm în bază 10 este utilă deoarece majoritatea calculatoarelor
de buzunar au implementată funcţia logaritmului zecimal.

34
Intervalele pot fi închise, când ambele limite se cuprind în interval, şi deschise, când lipseşte
una din limite. De regulă sunt deschise primul interval, până la limita sa superioară (până la x1 sup) şi
ultimul interval, peste limita sa inferioară (xm inf şi peste). În asemenea situaţii, în vederea determinării
indicatorilor derivaţi se impune închiderea intervalelor deschise (stabilirea limitelor acestor intervale).
Aceasta deoarece fiecare grupă intră în toate calculele cu centrul ci al intervalului, calculat conform
relaţiei:

xi. inf  xi. sup


ci  , unde:
2
xi.inf este limita inferioară a intervalului;

xi.i sup este limita superioară a intervalului.

În condiţiile în care, de regulă, nu se cunosc valorile extreme, se recomandă închiderea


intervalelor deschise cu mărimea intervalelor alăturate.

Dacă variabila de grupare prezintă o variaţie continuă, se recomandă ca limita inferioară a


unui interval să fie egală cu limita superioară a intervalului precedent. În această situaţie trebuie, să se
specifice printr-o notă în ce clasă se cuprinde valoarea care defineşte limita inferioară şi superioară.
Precauţia este imperios necesară, deoarece este foarte probabil ca una din valorile înregistrate să fie
egală atât cu limita superioară a unui interval, cât şi cu limita inferioară a intervalului următor, situaţie
în care e necesară o decizie în privinţa intervalului în care va fi contorizată valoarea respectivă. Odată
luată această decizie, regula trebuie păstrată pentru toate celelalte intervale.

Dacă variabila de grupare prezintă o variaţie discretă, se recomandă ca limita inferioară a unui
interval să fie mai mare decât limita superioară a intervalului precedent. În acest caz, ambele limite
sunt cuprinse în clasa de interval respectivă.

Se recomandă ca limitele de interval să se exprime, pe cât posibil, prin numere întregi, iar
fiecare interval grupă să cuprindă un număr suficient de mare de valori individuale care să faciliteze
analiza statistică a frecvenţelor.

A patra întrebare frecventă este „Cum stabilim mărimea intervalului de grupare (h)?”.

După ce am stabilit numărul de grupe, amplitudinea intervalului de grupare se calculează cu


ajutorul relaţiei

A x max  x min
h  , unde: (2.1.)
r r
h = mărimea intervalului de grupare;

A = amplitudinea absolută a variaţiei;

r = numărul de grupe / intervale de variaţie.

De regulă, se recomandă rotunjirea mărimii intervalului rezultat din calcul, astfel încât să
uşureze toate calculele efectuate pe baza datelor de grupare. Rotunjirea se face numai în sus. În
caz contrar apare riscul ca valorile cele mai mari să nu se încadreze în ultimul interval de variaţie. O
rotunjire mai grosieră uşurează toate calculele, dar afectează rigurozitatea indicatorilor calculaţi.

Mărimea intervalului de grupare se poate determina pe baza formulei lui H. A. Sturges:

x max  x min
h (2.2.)
1  3,322  log n

35
Pentru evitarea situaţiei în care valorile mari, inclusiv valoarea maximă, nu se regăsesc în
ultimul interval de grupare, recomandarea generală este ca numărul de grupe să fie mai întâi rotunjit la
cel mai apropiat număr întreg, după care să se recurgă la calculul mărimii intervalului de grupare.

Dacă problema cunoaşterii pe care o urmărim impune o anumită mărime, prestabilită, a


intervalului de grupare, numărul de grupe se determină pe baza amplitudinii absolute a variaţiei şi
mărimii intervalului de grupare, conform relaţiei:

A
r (2.3.)
h
Odată stabilit numărul de grupe sau mărimea intervalului de grupare, se definesc intervalele
de variaţie şi se repartizează unităţile pe aceste intervale.

Gruparea datelor după regulile menţionate nu trebuie înţeleasă drept un procedeu care se
aplică mecanic. Aceasta deoarece pot apare situaţii care impun încercarea mai multor grupări
succesive, până se ajunge la o grupare care satisface obiectivele cunoaşterii. Astfel de situaţii pot fi:

- apariţia unei grupe vide (fără frecvenţe). O asemenea situaţie poate presupune fie
regruparea datelor păstrând acelaşi număr de grupe şi aceeaşi mărime a intervalului de
grupare, dar modificând limitele intervalelor, fie recurgerea la o grupare pe intervale
neegale, prin reunirea mai multor intervale egale;

- cel mai mare număr de unităţi (frecvenţa cea mai mare) apare de două ori sau de mai
multe ori. Într-o asemenea situaţie se impune, de asemenea, efectuarea unei alte grupări,
de regulă, prin modificarea limitelor intervalelor (glisarea în sus sau în jos).

În esenţă, întrebarea pe care trebuie să ne-o punem atunci când decidem sistematizarea
datelor prin metoda grupării este „Ce probleme de cunoaştere pot fi rezolvate prin metoda grupării
datelor?”

Concretizându-se în repartiţia datelor înregistrate pe grupe, gruparea permite cunoaşterea


structurii colectivităţii şi a deplasărilor intervenite în timp şi spaţiu în colectivitatea studiată. De
exemplu, structura populaţiei ocupate pe ramuri de activitate, structura agenţilor după numărul de
salariaţi etc.. În egală măsură, gruparea datelor facilitează evidenţierea tendinţelor de variaţie ale
caracteristicilor, de asemenea, în timp şi spaţiu. Un alt exemplu este acela al grupării salariaţilor după
câştiguri, cunoscut fiind faptul că ratele mari ale inflaţiei din anii '90 au condus la denominari diferite
ale salariilor în timp.

În final, gruparea datelor individuale contribuie la identificarea şi interpretarea formei şi


direcţiei de manifestare a legăturilor statistice (a corelaţiilor) dintre variabile. În acest caz, datele se
grupează după cel puţin două caracteristici, între care există o legătură logică.

Astăzi, metoda grupării este mult facilitată de utilizarea aplicaţiilor informatice cu destinaţie
statistică, pentru crearea unor tabele cât mai relevante. Bineînţeles, aplicarea acestei metode nu mai
este demult manuală, însă înţelegerea ei temeinică ajută la înţelegerea modului în care sunt construite
automat histogramele în aplicaţiile informatice existente – spre exemplu, în MS Excel – precum şi
regulile ce trebuie urmate când se decide crearea unor tabele cu intervale de grupare.

36
Exemplul 2.1: Construirea grupelor de interval
Pentru un eşantion de 50 de angajaţi au fost înregistrate datele privind câştigul salarial nominal
brut realizat în luna ianuarie 2010.
Câştigul salarial lunar brut (mii lei)
2,2 3,0 3,8 4,6 5,4 2,4 3,2 3,9 4,7 5,6
5,6 4,7 3,9 3,5 2,7 5,9 4,9 4,3 3,2 2,7
6,2 7,5 2,9 3,6 4,2 5,0 6,0 7,6 6,1 5,1
4,4 3,7 6,8 6,9 3,5 4,5 5,0 5,8 6,6 6,5
4,2 6,3 4,1 7,2 5,7 4,8 5,3 5,2 5,3 5,2
Gruparea acestor date pe valori conduce la prea multe grupe deoarece numărul valorilor distincte
este mare. Sistematizarea datelor individuale presupune gruparea pe intervale de variaţie.
Paşii pentru crearea intervalelor de grupare şi calculul frecvenţelor sunt următorii:
1. Calculul numărului de intervale de variaţie
Întrucât numărul unităţilor de observare este mai mic de 100, putem recurge la calculul numărului
de grupe prin rădăcina pătrată a numărului de observaţii. Numărul de grupe (r) poate fi egal cu 7:

r  50  7 .
Cu ajutorul formulei lui H.A. Sturges, numărul intervalelor de grupare este:

r  1  3,3322  log10 50  1  3,3322  1,69897  6,64  7

2. Identificarea valorilor minimă şi maximă ale variabilei de grupare şi calculul


mărimii intervalului de grupare
Pentru aflarea valorilor extreme, cea mai simplă operaţiune este să sortăm crescător valorile
observate. Astfel, constatăm că valoarea minimă este 2,2 mii lei, iar cea maximă este 7,6 mii lei.
Urmează să calculăm mărimea intervalului de grupare, potrivit relaţiei (2.1.):

A x max  x min 7,6  2,2


h    0,77  0,8 mii lei
r r 7
3. Construirea intervalelor de grupare şi a tabelului de frecvenţe
Limita inferioară a primului interval de grupare este egală cu valoarea minimă din setul de valori
înregistrate, iar limita superioară este egală cu valoarea minimă la care se adaugă mărimea
intervalului de grupare calculată în pasul anterior. Limita inferioară a celui de al doilea interval
este egală cu limita superioară a primului interval, iar cea superioară rezultă din însumarea mărimii
intervalului de grupare la limita inferioară. Acest proces se repetă pentru întregul număr de grupe
stabilit în pasul 1. Prin rotunjirea în plus a mărimii intervalului de grupare ne asigurăm că valoarea
maximă din setul de valori înregistrate este inclusă în ultimul interval de grupare.
Pentru o mai bună ilustrare a modului de sistematizare a datelor, în tabelul următor numărul
unităţilor care „intră” în fiecare interval de grupare este marcat prin bare. Intervalele de grupare şi
numărul muncitorilor (frecvenţa absolută) corespunzător fiecărei grupe sunt prezentate în tabelul
2.3.
Tabelul 2.3 - Gruparea pe intervale a datelor individuale şi frecvenţele absolute

37
Intervale de grupare Incadrarea muncitorilor Numărul
Xi pe intervale de grupare muncitorilor (ni)
2,2 – 3,0 ||||| 5
3,0 – 3,8 ||||||| 7
3,8 – 4,6 ||||||||| 9
4,6 – 5,4 |||||||||||| 12
5,4 – 6,2 |||||||| 8
6,2 – 7,0 |||||| 6
7,0 – 8,0 ||| 3
7
Total - n
r 1
r  50

Notă: Limita inferioară este inclusă în interval. Dacă valoarea observată cea mai mică se alege drept limită
inferioară a primului interval, atunci toate intervalele sunt închise inferior.
În urma grupării muncitorilor rezultă o serie de repartiţie (distribuţie) după câştigul salarial brut.
Repartiţia obţinută tinde spre o repartiţie normală.

38
2.4 Cuvinte-cheie
 Observare statistică  Erori sistematice
 Observare directă  Erori de reprezentativitate
 Observare indirectă  Matricea datelor
 Observare totală  Distribuţia de frecvenţe
 Observare parţială  Gruparea datelor
 Recensământ  Grupare simplă
 Sondaj statistic  Grupare combinată
 Sondaj reprezentativ  Grupare pe valori distincte
 Anchetă statistică  Grupare pe intervale de valori
 Sondaj de opinie  Regula lui Sturges
 Erori de masurare  Intervale egale şi neegale

2.5 Întrebări de control


1. Care sunt principiile observării statistice?

2. Care sunt metodele de observare statistică ?

3. Care sunt caracteristicile observării totale şi ale observării parţiale ?

4. Care sunt avantajele şi dezavantajele observării totale şi ale observării parţiale ?

5. Ce este sondajul statistic ?

6. Ce înseamnă un „sondaj reprezentativ”?

7. Ce este chestionarul statistic ?

8. Care sunt principalele categorii de întrebări ale unui chestionar statistic ?

9. Care sunt principalele tipuri de erori ale observării statistice ?

10. Care sunt tipurile de grupare a datelor statistice ?

11. Care este raţiunea pentru care apelăm la gruparea datelor ?

39
12. Ce problemă de cunoaştere putem rezolva prin gruparea datelor ?

13. Cum se calculează limitele de interval ?

14. Cum se calculează numărul de intervale de grupare ?

15. Cum se calculează centrul intervalului ?

2.6 Bibliografie selectivă


1. Jaba Elisabeta, Statistica, Editura Economică, Bucureşti, 1998,
2. Korka Mihai, Begu Liviu Stelian, Tusa Erica, Bazele statisticii pentru economişti,
Editura Tribuna Economică, Bucureşti 2002
3. Schwarze Jochen, Grundlagen der Statistik I, Verlag Neue Wirtschaftsbriefe, Herne /
Berlin 1994
4. Tudorel Andrei, Stelian Stancu, Statistică – teorie şi aplicaţii, Editura All, Bucureşti,
1995, pp. 16 - 20

40
Unitatea 3: PREZENTAREA DATELOR STATISTICE

3.1 Obiective
După parcurgerea acestei unităţi de învăţare, veţi fi capabili să:

- Să sistematizaţi datele sub formă de tabele statistice uni şi bidimensionale;

- Să sistematizaţi datele sub formă de grafice statistice;

- Să calculaţi frecvenţe absolute şi relative;

- Să construiţi poligonul frecvenţelor;

- Să construiţi şi să interpretaţi curbele frecvenţelor cumulate ascendent şi descendent;

- Să construiţi şi să interpretaţi alte tipuri de grafice, cum este, spre exemplu diagrama
tulpină-cu-frunze.

3.2 Serii statistice


O serie statistică este rezultatul sistematizării datelor prin grupare. Seria statistică reprezintă
şiruri de date, care se află în corespondenţă univocă cu variantele sau intervalele de grupare ale unei
(unor) caracteristici de grupare. Deci, într-o serie statistică unităţile colectivităţii sau valorile unor
caracteristici înregistrate sunt prezentate în raport de valorile sau intervalele de variaţie ale
caracteristicii / caracteristicilor de grupare.

Seriile statistice se diferenţiază după numărul caracteristicilor care au stat la baza grupării
datelor şi după natura acestor caracteristici.

a) După numărul caracteristicilor de grupare, seriile pot fi:

- unidimensionale (unicriteriale), când sistematizarea datelor se realizează în funcţie


de o singură caracteristică;

- multidimensionale (multicriteriale), atunci când sistematizarea se face simultan


după mai multe variabile.

b) După natura caracteristicii de grupare, seriile unidimensionale se împart în trei tipuri:

- serii de repartiţie (distribuţie); prezintă corespondenţa dintre două şiruri de date


statistice: primul şir este format din valori ale caracteristicii de grupare (xi), iar al doilea
şir reprezintă frecvenţa de apariţie corespunzătoare (ni).

O serie de repartiţie definită de cuplurile de valori (xi,ni), se notează astfel:

 x , x ,..., xi ,..., x k  x 
X :  1 2  sau X :  i  , i  1, k
 n1 , n2 ,..., ni ,..., n k   ni 
- serii cronologice (dinamice, de timp), se obţin dacă gruparea este realizată în
funcţie de o variabilă de timp (zi, lună, trimestru, semestru, an);

- serii de spaţiu (teritoriale), când variabila de grupare este o caracteristică geografică


sau teritorial – administrativă.

41
3.3 Modalităţi de prezentare a datelor statistice
Rezultatele obţinute în urma sistematizării datelor unei observări statistice se prezintă prin
intermediul tabelelor şi graficelor statistice. Aceste două modalităţi de prezentare măresc puterea de
informare a datelor şi facilitează înţelegerea aspectelor ce fac obiectul cunoaşterii.

3.3.1 Tabelele statistice


Tabelele statistice oferă o prezentare ordonată a datelor unei colectivităţi şi sunt mai
expresive decât o masă sistematizată de date. Această modalitate de prezentare se recomandă dacă
producătorul de date statistice dispune de informaţii că utilizatorii intenţionează să efectueze calcule
pentru obţinerea unor indicatori derivaţi.

La reprezentarea datelor se poate recurge la o varietate de tipuri de tabele statistice:

 tabele enumerative sau descriptive – se folosesc în etapa observării, şi anume pentru


înregistrarea datelor;

 tabele de prelucrare – se folosesc pentru aplicarea unui algoritm de calcul al indicatorilor


derivaţi;

 tabele cu o singură intrare (unidimensionale) – servesc la prezentarea rezultatelor unei


grupări după o singură caracteristică (calitativă sau numerică discretă) sau pe clase de
interval împreună cu frecvenţele aferente variantelor sau claselor respective. Un tabel cu
o singură intrare este cel prezentat în exemplul 2.1.;

 tabele cu dublă intrare (bidimensionale) – servesc la prezentarea rezultatelor grupării


după două caracteristici interdependente.

Pentru construirea tabelelor statistice, este recomandabilă parcurgerea următorilor paşi:

- În prima coloană definim diferitele modalităţi sau variante ale variabilei observate, în cazul
unei variabile discrete, sau grupele de interval, în cazul unei variabile numerice continue;

- În a doua coloană asociem fiecărei modalităţi frecvenţa absolută ni care corespunde


numărului de unităţi care posedă acea variantă sau face parte din grupa de interval
respectivă;

- În coloana a treia calculăm frecvenţa relativă (notată cu fi) corespunzătoare fiecărei


modalităţi sau grupe de interval. Este definită ca raport între frecvenţa absolută a
modalităţii şi efectivul total al populaţiei (notat cu n) şi este exprimată ca un coeficient sau
în procente (fi=ni/n).

În cazul unei variabile discrete sau continue grupate pe clase de interval, adaugăm două
noţiuni:

- numim frecvenţa cumulată a valorii xi a variablei X numărul de unităţi statistice pentru


care valoarea caracteristicii este strict mai mică decat xi. O notam cu Ni (Ni = n1+n2+...+ni-1)

- numim frecvenţa cumulată relativă a valorii xi a variablei X raportul : Fi = Ni / n unde


Fi=f1+f2+...fi-1. Frecvenţa cumulată relativă apare în cea de a patra coloană.

E necesar să mai reţinem că un tabel statistic trebuie să furnizeze informaţii clare, precise şi
uşor de înţeles, ceea ce necesită respectarea unui set de reguli fundamentale pentru construirea şi
prezentarea sa, şi anume:

42
- să aibă un titlu clar şi concis care să sugereze natura datelor prezentate, timpul şi spaţiul la
care se referă datele cuprinse în tabel;

- să se indice unitatea de măsură. Dacă este comună pentru toate datele prezentate în
tabel, aceasta poate fi menţionată în titlul general al tabelului. Dacă nu este comună,
aceasta trebuie indicată în fiecare caz în parte (în titlurile interioare);

- să se menţioneze sursa datelor (sub tabel);

- dacă datele prezentate necesită scurte explicaţii metodologice privind conţinutul şi


compatibilitatea acestora, se recomandă folosirea unei note explicative, care apar fie în
subsolul paginii sau sub tabel, după sursa datelor;

- să fie astfel construit încât să poată fi înţeles, fără explicaţii suplimentare, care preced sau
urmează tabelul statistic;

- toate rubricile tabelului să fie completate cu cifre sau simboluri.

Dacă în tabel apar simboluri, este necesar să se explice semnificaţia acestora. Ca regulă,
semnificaţia simbolurilor şi a semnelor convenţionale se prezintă la începutul sau sfârşitul
cărţii, publicaţiei, etc.. Atunci când sunt publicate tabele statistice, cele mai frecvent
utilizate sunt următoarele simboluri:

„0” – există o expresie numerică diferită de zero, dar aceasta reprezintă mai puţin de
jumătate din unitatea de măsură folosită;

„…” – datele nu sunt încă disponibile, deci apar mai târziu;

„-” – expresia numerică este zero;

„x” – nu are sens să se determine o astfel de expresie numerică;

„xp” – expresia numerică este provizorie;

„xr” – date rectificate sau revizuite.

43
Exemplul 3.1: Construirea tabelelelor unidimensionale
Pentru exemplificarea modalităţilor de construire a unui tabel cu o singură intrare, vom investiga
datele din setul următor de observaţii, prezentat în Tabelul 3.1 Datele se referă la 20 de angajaţi ai
unei firme, pentru care au fost înregistrate următoarele variabile: prenumele; sexul, cu două
modalităţi (M- Masculin, F – Feminin); starea civilă, cu trei modalităţi (Căsătorit(ă),
Necăsătorit(ă), Văduv(ă)); numărul de copii (0, 1, 2, 3 etc.); salariul lunar (lei).
Prenumele este o variabilă calitativă, de identificare. Sexul şi starea civilă sunt două variabile
calitative nominale. Numărul de copii este o variabilă numerică discretă ordinală, iar salariul lunar
este o variabilă numerică continuă de tip raport.
Tabelul 3.1 – Date referitoare la salariaţii firmei X la data de 31.12.2008
Nr. crt. Prenumele Sex Stare civilă Numărul de copii Salariul lunar (lei)
1 Alexandru M Văduv(ă) 2 632
2 Andreea F Necăsătorit(ă) 0 854
3 Bogdan M Căsătorit(ă) 2 755
4 Beatrice F Văduv(ă) 1 1065
5 Carmen F Divorţat(ă) 1 1268
6 Cristian M Necăsătorit(ă) 0 684
7 Dumitru M Necăsătorit(ă) 2 932
8 George M Divorţat(ă) 3 1387
9 Ioana F Căsătorit(ă) 2 858
10 Lucian M Necăsătorit(ă) 0 822
11 Mihai M Divorţat(ă) 1 1563
12 Monica F Căsătorit(ă) 2 815
13 Nicolae M Căsătorit(ă) 0 954
14 Ovidiu M Căsătorit(ă) 1 1069
15 Paul M Necăsătorit(ă) 2 842
16 Petre M Căsătorit(ă) 2 1195
17 Radu M Divorţat(ă) 1 988
18 Sandu M Necăsătorit(ă) 2 756
19 Tiberiu M Căsătorit(ă) 0 786
20 Veronica F Căsătorit(ă) 3 963
Să presupunem că dorim construirea unui tabel de frecvenţe în funcţie de variabila Sex, care este
o variabilă calitativă nominală.
Urmărind paşii descrişi mai sus şi recomandările generale, în prima coloană vom înscrie cele două
modalităţi ale variabilei, în cea de a două coloană frecvenţele absolute, iar în cea de a treia
frecvenţele relative.
Tabelul 3.2 – Repartizarea angajaţilor în funcţie de sexe
Sexe (xi) Frecventa absolută (ni) Frecvenţa relativă (fi) (%)
Feminin 6 6/20=30%
Masculin 14 14/20=70%
Total 20 100
Sursa: Direcţia Resurse Umane

44
Procedând la construirea unui tabel de frecvenţe în care variabila observată este numărul de copii,
care este o variabilă numerică discretă, vom obţine:
Tabelul 3.3- Repartizarea angajaţilor în funcţie de numărul de copii
Numărul Frecvenţa Frecvenţa Frecvenţa
copiilor (xi) absolută (ni) relativă (fi) (%) relativă cumulată (Fi) (%)
0 5 25 25
1 5 25 50
2 8 40 90
3 2 10 100
Total 20 100 -
Sursa: Direcţia Resurse Umane

După cum se poate observa, variabila observată (X) este numărul de copii, variabilă care are 4
modalităţi (xi): x1=0; x2=1; x3=2 şi x4=3.
Frecvenţele absolute rezultă din numărarea angajaţilor care deţin una din cele patru modalităţi.
Spre exemplu, n2=5 ne arată că în setul de date am observat că există cinci angajaţi care au un
copil.
Calculul frecvenţelor relative este la fel de simplu. Spre exemplu, frecvenţa relativă
corespunzătoare valorii “0” a numărului de copii este dată de raportul procentual dintre frecvenţa
absolută a angajaţilor cu 0 copii, adică 5, şi numărul total al angajaţilor, adică 20:
f1=(5/20)x100=0,25x100=25%. Similar, în cazul angajaţilor cu 2 copii, frecvenţa relativă este
f3=(8/20)x100=0,40x100=40%.
Frecvenţa relativă cumulată rezultă din însumarea valorilor frecvenţei relative pentru valorile
variabilei mai mici sau egale cu valoarea curentă. Spre exemplu:
F1=f1=25%;
F2=f1+f2=25%+25%=50%;
F3=f1+f2+f3= F2+f3 = 50% + 40% = 90%
F4= f1+f2+f3+f4=F3+f4=90% + 10% = 100%.
Calculul frecvenţei relative cumulate se dovedeşte util pentru situaţiile în care dorim să avem o
imagine exploratorie rapidă asupra distribuţiei datelor individuale, precum şi în evaluarea gradului
de concentrare a datelor în jurul unor valori, aşa cum vom vedea în secţiunile următoare.
De asemenea, ea ne ajută să răspundem la o serie de întrebări simple, cum ar fi: care este
procentul angajaţilor care au mai puţin de 3 copii? Răspunsul este 90%, deoarece procentul
angajaţilor cu 3 copii este 10%. La fel, putem spune că procentul angajaţilor cu cel puţin un copil
este de 75%, însumând procentele celor cu 1, 2 sau 3 copii (25%+40%+10%=75%) sau scăzând
din 100 procentul celor fără copii (25%).
Dacă dorim să realizăm o distribuţie de frecvenţe în funcţie de nivelul salariului, care este o
variabilă numerică continuă, e necesar să recurgem la construirea claselor de interval. Să

45
presupunem că nu este nevoie de clase de interval de mărime egală şi că 5 clase sunt suficiente 15.
Din motive de facilitare a eventualelor calcule, vom face o mică schimbare faţă de paşii prezentaţi
anterior şi vom proceda după cum urmează:

- Notăm în prima coloană limitele inferioare si superioare ale claselor de salariu xi inf şi xi sup;

- Notăm în coloana a 2-a centrul de interval ci=( xi inf + xi sup)/2;

- Notăm în coloana a 3-a frecvenţele absolute ni care corespund, ca regulă, intervalului închis la
stânga şi deschis la dreapta, contorizând pentru fiecare interval cele ni persoane care câştigă
între xi inf şi xi sup lei (mai mult sau egal cu xi inf şi mai puţin strict decât xi sup);

- Notăm în coloana a 4-a frecvenţele relative fi;

- Notăm în coloana a 5-a frecvenţele cumulate Fi definite ca pentru variabilele discrete


(Fi=f1+f2+...fi-1)

- Notăm în coloana a 6-a amplitudinea intervalului xi sup - xi inf.


Un exemplu de tabel este următorul:
Tabelul 3.4 - Repartizarea angajaţilor pe grupe de salarii
Frecvenţa
Grupa de salariu Centrul de Frecvenţa Frecvenţa Amplitudinea
relativă
(Lei) interval absolută relativă (%) intervalului
cumulată (%)
Xi inf - Xi sup ci ni fi Fi Ai
1 2 3 4 5 6
600 - 800 700 5 25 25 200
800 - 900 850 5 25 50 100
900 - 1000 950 4 20 70 100
1000 - 1200 1100 3 15 85 200
1200 - 1600 1400 3 15 100 400
TOTAL 20 100

15
În acest exemplu nu am recurs la calculul numărului de grupe de interval cu ajutorul rădăcinii pătrate sau al
formulei lui Sturges din motive didactice.

46
3.3.2 Reprezentarea grafică a distribuţiilor de frecvenţe
Se spune că un grafic este mai bun decât 100 de tabele deoarece graficele, prin puterea lor
expresivă, facilitează sintetizarea unui volum mai mare de informaţie decât tabelele statistice. Unul din
motive este acela că un om consumă de 20 de ori mai puţină energie atunci când recepţionează un
stimul vizual decât în cazul unuia auditiv, fără să fie absolut necesară prelucrarea voluntară a
semnalului recepţionat. Când privim un tabel vedem cifre pe care trebuie să le comparăm, să judecăm
magnitudinea lor în raporturile reciproce ale cifrelor respective şi să formulăm o concluzie. Un grafic,
prin simplitatea lui, permite realizarea involuntară a aprecierilor, conducând-ne deseori mai repede
către aceleaşi concluzii.

Datele statistice individuale pot fi reprezentate prin diagrame figurative, cum ar fi pictogramele
sau cartogramele, sau cu ajutorul graficelor statistice. Principiul acestui tip de reprezentări este
proporţionalitatea graficului cu mărimea reprezentată, mai precis cu frecvenţa modalităţii prezentate în
grafic.

În cazul diagramelor figurative, numerele sunt reprezentate de imagini sub forma siluetelor
– antropomorfe sau zoomorfe, a clădirilor, vehiculelor etc. – care amintesc de colectivitatea studiată.
Aceste imagini au o dimensiune proporţională cu frecvenţa înregistrată.

Există un pericol de prezentare sau de interpretare greşită a pictogramelor, care ţine de


păstrarea proporţiilor. În cazul în care unei dublari a numărului îi corespunde numai o mărire cu un
factor de doi a imaginii într-o singură direcţie, regula suprafeţei proporţionjale este respectată. Însă
dacă dublării numărului îi corespunde o dublare a dimensiunii imaginii, ochiul uman percepe realitatea
într-un multiplu de 4 (factor de 2 în lăţime şi factor de 2 în înălţime). Interpretarea graficului este astfel
distorsionată.

Graficul statistic reprezintă o modalitate de prezentare a datelor care permite sesizarea a


ceea ce este esenţial în cazul fenomenului studiat, prin intermediul unor imagini spaţiale cu caracter
convenţional. O reprezentare grafică este o manieră simplificată de descriere a realităţii, transpunând
aspectele măsurabile în mărimi şi figuri geometrice variate.

Graficele se folosesc frecvent ca modalitate de prezentare a datelor deoarece facilitează


formarea unei imagini vizuale privind: tendinţele de evoluţie în timp şi în spaţiu; interdependenţele
dintre variabile; structura şi mutaţiile intervenite în timp şi spaţiu.

Reprezentarea grafică a datelor statistice este şi un instrument ajutător de alegere a


metodelor şi procedeelor de calcul statistic şi de aproximare a unor mărimi statistice.

Reprezentările grafice pot însoţi tabele statistice sau pot fi folosite de sine stătător. Se
recomandă prezentarea datelor numai sub formă grafică dacă se cunoaşte faptul că utilizatorii nu
intenţionează să efectueze calcule proprii.

Un grafic este o formă mai simplă, dar mai sugestivă de sistematizare şi a datelor individuale.
Creşterea sugestivităţii se realizează prin neglijarea informaţiilor de detaliu.

Elementele unui grafic corespund în mare măsură cu cele menţionate în cazul tabelelor
statistice:

- titlul graficului – trebuie să indice, ca şi în cazul tabelului statistic, conţinutul datelor care se
prezintă, timpul şi spaţiul la care se referă;

- axa sau axele graficului. În cazul majorităţii reprezentărilor grafice se folosesc axe în
sistemul de coordonate rectangulare;

47
- scara de reprezentare – este elementul care indică echivalentul unei unităţi grafice, deci
serveşte la gradarea axei / axelor. Scările pot fi uniforme, când punctele cotate pe suportul
scării sunt echidistante, sau neuniforme, când distanţele dintre punctele cotate sunt
variabile (scara logaritmică, scara binomială etc.).

- reţeaua graficului – este formată dintr-o reţea de linii paralele cu axele de coordonate
rectangulare. Uneori reţeaua graficului este formată dintr-o reţea de cercuri concentrice;

- legenda graficului – explică semnele convenţionale, liniile, culorile şi haşurile folosite în


construirea graficului; sursa datelor – se menţionează sub reţeaua graficului.

Reprezentările grafice se constituie într-un mijloc care, prin intermediul imaginilor, informează
rapid asupra mărimilor numerice, asupra tendinţelor şi asupra interdependenţelor dintre variabile. Un
grafic poate reflecta corect aceste aspecte dacă se respectă principiul proporţionalităţii, în sensul
alegerii corecte a scării graficului şi a tipului de grafic.

Graficele statistice pot fi construite uşor cu ajutorul aplicaţiilor informatice 16, pornind chiar de
la datele individuale şi nu neapărat de la rezultate deja agregate, aşa cum de multe ori se întâmplă,
când graficele sunt considerate ca o simplă alternativă a tabelelor. Pentru eficienţa sa, vizualizarea
grafică a datelor individuale este unul dintre instrumentele preferate de analişti pentru evidenţierea
relaţiilor dintre variabile, a tendinţelor de evoluţie temporală şi spaţială a fenomenelor, inclusiv pentru
investigarea interactivă a efectelor modificării unora sau altora dintre variabile.

În cazul variabilelor calitative, se utilizează frecvent diagrama de bare, aşa cum este cea
din Figura 2.1. Pe axa orizontală sunt reprezentate modalităţile variabilei calitative, iar pe axa verticală
frecvenţele absolute. Lungimea barelor este dată de mărimea frecvenţei absolute a fiecărei modalităţi.

Fig. 3.1 – Distribuţia angajaţilor în funcţie de starea civilă

9
8
8

7
6
6
Frecven te absolute

5
4
4

3
2
2

0
Ca sato rit(a) Divortat(a) Ne cas atori t(a) Va duv(a)
Star e civila

16
MS Excel este, poate, cel mai uzitat mediu pentru realizarea de grafice. Există însă multe alte aplicaţii software
utilizate pentru prelucrarea datelor statistice şi prezentarea rezultatelor: Matlab, SAS, SPSS, Graph etc.

48
Un alt tip de grafic este diagrama circulară de structură, în care sunt prezentate frecvenţele
relative sau cele absolute ca sectoare de cerc, a căror arie este, de asemenea, proporţională cu
mărimea efectivului populaţiei care deţine fiecare din modalităţile observate, aşa cum se poate vedea
şi în Figura 2.2.

Fig. 3.2 – Distribuţia procentuală a angajaţilor în funcţie de starea civilă

Vaduv(a)
10%
Cas atorit(a)
Cas atorit(a)
40%
Div ortat(a)

Nec as atorit(a) Nec as atorit(a)


30% Vaduv(a)

Divortat(a)
20%

Un al treilea tip de grafic este diagrama rectangulară, în care forma rectangulară ce


reprezintă întreaga colectivitate studiată este împărţită în porţiuni, de asemenea, rectangulare, a căror
arie este proporţională cu frecvenţa relativă sau absolută deţinută de fiecare modalitate observată, ca
în Figura 3.3.

Fig. 3.3 – Distribuţia angajaţilor în funcţie de starea civilă (diagramă rectangulară)

25

20
2
Numar angajati

15 6 Vaduv(a)
Necasatorit(a)
Divortat(a)
10 4 Casatorit(a)

5
8

0
Stare civila

49
Atunci când observarea populaţiei constă în măsurători ale unor variabile cantitative,
reprezentările grafice adecvate sunt:

- Cazul variabilelor discrete

o Diagramele de bare

o Curba cumulativă

- Cazul variabilelor continue

o Histogramele

o Poligonul frecvenţelor

o Curba cumulativă

o Diagrama tulpină-cu-ramuri

o Norul de puncte

Diagrama de bare utilizată pentru reprezentarea grafică a distribuţiei de frecvenţe a unei


variabile cantitative discrete nu diferă de cea pentru o variabilă calitativă. Pornind de la exemplul
anterior, diagrama distribuţiei angajaţilor în funcţie de numărul de copii este cea din Figura 3.4.

Fig. 3.4 – Distribuţia angajaţilor în funcţie de numărul de copii

6
Numar an gaja ti

0
0 1 2 3

Numa r co pii

Curba cumulativă a frecvenţelor unei variabile numerice discrete se reprezintă grafic prin
marcarea numărului de observaţii cumulate sau a frecvenţelor relative cumulate corespunzător
modalităţii variabilei numerice discrete observate. Un exemplu este prezentat în Figura 3.5.

50
Fig. 3.5 – Curba cumulativă a distribuţiei angajaţilor în funcţie numărul de copii

22
20
18
16
14
12
Fi

10
8
6
4
2
0
0 1 2 3
Nr. copii

Fiecare punct de pe grafic reprezintă numărul unităţilor statistice – în cazul nostru sunt
angajaţii – a căror valoare este mai mică sau cel mult egală cu valoarea observată: sunt 5 angajaţi nu
au nici un copil, 10 au cel mult un copil (sau mai puţin de 2 copii, 18 au cel mult doi copii (sau mai
puţin de 3 copii) şi, în final, putem spune că 20 de angajaţi au cel mult trei copii.

Unirea punctelor cu o linie conduce la obţinerea curbei cumulative, numită şi ogivă.

În cazul variabilelor numerice continue, tipul de grafice ce mai frecvent utilizat este
histograma, cum este cea din Figura 3.6. O histogramă are o axă orizontală, pe care sunt scalate
toate valorile măsurătorii realizate pe colectivitatea statistică. Valorile sunt împărţite în segmente care
corespund claselor de interval – create de analist după o metodă similară celei prezentate în
secţiunea 2.3.2, alese de el după orice altă regulă determinată de scopul analizei sau create automat
de aplicaţia informatică. Pe fiecare din aceste segmente este ridicată o coloană care poate fi de
diferite forme: rectangulară, coloană cu secţiune circulară, piramidă etc.

Cel mai simplu şi fericit caz este acela în care segmentele sunt de mărime egală. Însă, atunci
când nu sunt egale, sunt necesare o serie de precauţii.

Caracterul special al histogramei şi cheia înţelegerii rolului ei rezidă în proporţionalitatea


barelor verticale în raport cu mărimea claselor de interval şi numărul observaţiilor din fiecare clasă:

- fiecărei clase de interval a variabilei îi corespunde un patrulater cu baza dată de


amplitudinea clasei (hi) şi cu înălţimea dată de densitatea de frecvenţă di definită prin
di = fi /hi, unde fi este frecvenţa relativă a clasei;

- Suprafaţa fiecărui patrulater corespunde cu frecvenţa clasei: si = di*(xi+1-xi) = (fi/hi)hi = fi

- Aria delimitata de histogramă este egală cu 1.

51
Fig. 3.6 – Distribuţia angajaţilor pe grupe de salarii

30,00%

25,00%

20,00%
Frecven ta (% )

15,00%

10,00%

5,00%

0,00%
650 750 850 950 1050 1150 1250 1350 1450 1550
Centr ul de inter val

Să remarcăm mai întâi că în graficul de mai sus, care reflectă datele din Tabelul 3.4,
amplitudinea claselor este diferită: 200 de lei pentru prima şi a patra, 100 pentru a doua şi a treia şi
400 pentru a cincea clasă. Să observăm apoi că în clasa 600-800 de lei sunt 5 angajaţi (25% din
numărul total al angajaţilor), în clasa 800-900 de lei 5 angajaţi (25%), în clasa 900 – 1000 sunt 4
angajaţi (20%) iar în clasele 1000 – 1200 de lei şi 1200 – 1600 de lei câte 3 angajaţi (câte 15% din
totalul angajaţilor). Presupunând că salariile angajaţilor sunt uniform distribuite în interiorul fiecărei
clase, pentru respectarea regulii proporţionalităţii, atunci trebuie să considerăm că în intervalul 600-
700 de lei sunt 12,5% din salariaţi, iar în intervalul 700 – 800 de lei alţi 12,5% adică, teoretic, în medie
câte 2,5 salariaţi în fiecare sub-segment. Un raţionament similar aplicăm şi în cazul intervalului 1000-
1200 de lei, unde, din proporţia celor 15% dintre angajaţi, 7,5% sunt în sub-segmentul 1000-1000 şi
alţi 7,5% în sub-segmentul 1100-1200. În cazul clasei 1200-1600, în fiecare sub-segment echivalent
cu 100 de lei vom avea câte 3,75% din numărul total al angajaţilor, iar în clasa respectivă vom regăsi,
în total, 3,75% x 4 = 15%. Însumând frecvenţele relative ale fiecărui sub-segment
(2x12,5%+25%+20%+2x7,5%+4x3,75%), vom obţine 100%, adică, în termeni de coeficienţi, suprafaţa
totală este egală cu 1.

Această manieră de intrepretare şi de construire a histogramei este esenţială pentru


înţelegerea corectă a distribuţiei unei variabile, deoarece o construcţie greşită poate conduce la
interpretări şi concluzii greşite. Astfel, dacă am fi reprezentat în grafic faptul că în segmentul 600 – 800
de lei sunt 5 angajaţi, fără a păstra proporţionalitatea, s-ar putea trage concluzia că în fiecare sub-
segment de 100 de lei sunt în medie câte 5 angajaţi, deci în total 10 în intervalul 600 – 800 de lei.
Similar, o construcţie greşită ar fi fost să reprezentăm clasa 1200 – 1600 de lei ca având în fiecare
sub-segment câte 3 angajaţi. Păstrând amplitudinea claselor de interval, dar fără să ţinem seama de
înălţimea corectă a fiecărui patrulater, o histogramă eronată este prezentată în Figura 3.7.

52
Fig. 3.7 – Grafic incorect - Distribuţia angajaţilor pe grupe de salarii

4
Frecventa

0
650 750 850 950 1050 1150 1250 1350 1450 1550
C entrul de int erv al

Pe baza graficului din Figura 3.7 concluzionăm că salariile angajaţilor urmează o distribuţie
asimetrică la dreapta, cu o frecvenţă maximă în intervalul 800-900 de lei. Graficul din figura 3.7 ne-ar fi
îndreptat greşit către concluzia că frecvenţa maximă se întâlneşte în intervalele 600-800 şi 800-900 de
lei.

Un aspect important în construirea histogramelor sunt punctele de mijloc ale claselor de


interval sau centrele de interval 17.

O modalitate alternativă de prezentare grafică a unei distribuţii de frecvenţe este poligonul


frecvenţelor. Similar cu histograma, poligonul frecvenţelor prezintă pe axa orizontală toate valorile
variabilei măsurate sau clasele de interval, prin centrele de interval, iar pe axa verticală numărul
observaţiilor pentru fiecare valoare sau clasă de interval. Punctele de pe grafic sunt trasate la
intersecţia dintre centrul de interval şi numărul de observaţii din intervalul în cauză. Unirea tuturor
punctelor conduce la o formă geometrică numită poligonul frecvenţelor, aşa cum este cea din Figura
3.8.

Fig. 3.8 – Poligonul frecvenţei angajaţilor pe grupe de salarii din firma X la 31.12.2008

0, 3

0, 25

0, 2
Frecventa (%)

0, 15

0, 1

0, 05

0
650 75 0 8 50 950 1 050 115 0 12 50 1 350 1450 155 0

C ent rul de inter val

La fel ca şi pentru variabilele numerice discrete, şi în cazul variabilelor continue putem


reprezenta curba frecvenţelor cumulate. Pe axa orizontală reprezentăm clasele de interval prin

17
În terminologia engleză, utilizată şi în aplicaţiile informatice în care pot fi construite grafice statistice, aceste
puncte se numesc midpoints.

53
centrele lor, iar pe axa verticală scalăm frecvenţele absolute sau relative, după care reunim centrele
de interval cu frecvenţele cumulate Fi şi obţinem o curbă ascendentă. La o primă privire, putem citi
direct pe această curbă care este proporţia indivizilor pentru care valoarea variabilei este strict mai
mică decat o valoare înregistrată xi.

Spre exemplu, în graficul din Figura 2.9 sunt prezentate pe axa verticală din stânga
frecvenţele relative ale fiecărei clase de interval şi, pe scala din dreapta, curba frecvenţelor cumulate.
Curba cumulativă ne arată, spre exemplu, că 50% dintre angajaţi au un salariu de mai puţin de 850 de
lei, deşi salariile variază între 600 şi 1600 de lei. De asemenea, putem observa că 25% dintre angajaţi
au un salariu de peste 1050 de lei.

Fig. 3.9 – Distribuţia şi curba cumulativă a frecvenţelor angajaţilor pe grupe de salarii din firma X la
31.12.2008

30,00% 100,00%

25,00%

75,00%

20,00%

15,00% 50,00%

10,00%

25,00%

5,00%

0,00% 0,00%
650 750 850 950 1050 1150 1250 1350 1450 1550

Intervale de salarii

Frecventa relativa Frecventa cumulata

Curba cumulativă a frecvenţelor ne dă un indiciu şi asupra formei distribuţiei. O curbă


cumulativă cu o pantă de aproximativ 45% şi în formă de „S” ne sugerează o distribuţie normală. Cu
cât panta curbei este mai mică, cu atât mai mult datele prezintă o variaţie mai mare. De asemenea, cu
cât capetele formei „S” sunt mai alungite spre stânga sau spre dreapta, cu atât mai mult avem o
distribuţie cu o asimetrie mai pronunţată spre stânga sau dreapta. În exemplul de mai sus, numărul
observaţiilor este mic, motiv pentru care forma de „S” este puţin vizibilă. Totuşi, putem remarca
tendinţa de aplatizare a curbei spre dreapta, îndeosebi după valoarea de 950 lei, ceea ce ne indică o
puternică asimetrie spre dreapta a distribuţiei analizate.

Un alt tip de grafic prezent ca opţiune în majoritatea aplicaţiilor informatice de prelucrare a


datelor statistice este diagrama tulpina-cu-ramuri 18. Este o tehnică grafică simplă care arată
amplitudinea datelor, dacă datele sunt concentrate şi, de asemenea, dacă există valori extrem de mici
sau mari. Instrucţiunile de creare a unui grafic, aşa cum au fost prezentate anterior, nu mai sunt
valabile în acest caz, în care fiecare observaţie este caracterizată de o tulpină şi de o ramură.

18
În limba engleză, termenul este întâlnit ca “stem-and-leaf plot” sau “stem-and-leaf diagram”.

54
Să presupunem că dorim să creăm o diagramă tuplină-cu-ramuri pentru variabila salariu.
Pentru că valorile sunt de ordinul sutelor şi miilor de lei, să decidem că tulpina va fi formată din cifrele
de ordinul sutelor, iar ramurile din cifrele de ordinul zecilor. Cifrele sutelor, cele mai semnificative,
determină rândul în care valorile individuale vor fi plasate. Sortând datele, observăm că cea mai mică
valoare observată este 632, iar cea mai mare este 1563. Ca urmare, primul rând va fi alcătuit de
cifrele care sunt de ordinul a 600 de lei, iar ultimul din cele care sunt de ordinul a 1500 de lei. Prima
observaţie are valoarea de 632 de lei. Prin rotunjirea la cifra celor mai apropiate zeci, valoarea
respectivă va fi plasată pe primul rând, unde se află cifra „6” a sutelor, iar în prima coloană va fi
plasată cifra „3” a zecilor. A doua valoare – după sortare – este 684, care, prin rotunjire, este
echivalentă cu 680. Ca urmare, cea de a doua ramură a tulpinii „6” este „8”. Continuând
exemplificarea, pe tulpina „8” vor fi plasate, în ordine, observaţia 12, cu valoarea de 815 lei rotunjită la
820, observaţia 10, cu valoarea 822 rotunjită tot la 820, observaţia 15, cu valoarea 842 lei, rotunjită la
840, observaţia 2, cu valoarea 854 rotunjită la 850 – adică ramura „5” – şi, în final, observaţia 9 cu
valoarea 858 în ramura „6”, după rotunjirea la 860. Acest proces este continuat pentru toate
observaţiile din setul de date, rezultând diagrama din Figura 3.10.

Fig. 3.10 – Diagrama tulpină-cu-ramuri a salariilor angajaţilor din firma X la 31.12.2008

6 38
7 669
8 2245 6
9 3569
10 77
11
12 07
13 9
14
15 6
Este, în mod evident, o diagramă simplă şi foarte elocventă, care poate fi construită cu
majoritatea aplicaţiilor informatice existente 19. Avantajul ei constă în faptul că, spre deosebire de
histogramă, ea nu pierde nici o informaţie individuală asupra datelor, păstrând valenţele vizuale.
Observăm, astfel, că cele mai multe salarii se concentrează în jurul a 800 de lei, iar salariile de peste
1000 de lei sunt rare. Mai mult, valoarea maximă, de peste 1500 de lei, este la mare distanţă de
majoritatea celorlalte salarii.

Norul de puncte 20 este un alt tip de grafic prin care sunt puse în relaţie două variabile
observate, pentru a evidenţia eventuala asociere a acestora. Atât pe axa orizontală, cât şi pe cea
verticală sunt reprezentate valorile celor două variabile numerice continue, fie sub forma valorilor
individuale, fie al unor clase de interval prin centrele lor. Fiecare punct este creat la intersecţia
coordonatelor valorilor variabilelor studiate.

Un exemplu de astfel de grafic este cel din Figura 3.11.

19
În M.S. Excel este necesară scrierea unor formule sau crearea unei aplicaţii special destinate acestui scop.
20
Termenul similar în limba engleză este “scatter plot”, iar în limba franceza este “nuage de points”.

55
Fig. 3.11 – Rata de căsătorie şi numărul de copii ai angajaţilor din firma X la 31.12.2008

0,75
Rata de casatorie

0,5
Bar bati

0,25 Fem ei

0
0 1 2 3

Nu m ar ul de cop ii

Graficul ne arată care este relaţia dintre rata de căsătorie – adică numărul de persoane
căsătorite din totalul persoanelor observate – şi numărul de copii ai fiecărei persoane, pe sexe. Strict
pe baza datelor observate, ceea ce ne determină să fim rezervaţi în privinţa unor generalizări,
constatăm că rata de căsătorie a bărbaţilor fără copii este mai mare decât a femeilor: între bărbaţii
fără copii, 1 din 2 este căsătorit (rata de căsătorie a bărbaţilor fără copii este egală cu 0,5), în timp ce,
între femeile fără copii, nu există nici una care să fie căsătorită (rata de căsătorie a femeilor fără copii
este egală cu 0). Apoi, pe măsură ce numărul de copii creşte, observăm că şi rata căsătoriei creşte în
cazul femeilor, dar scade în cazul bărbaţilor. Putem concluziona, intuitiv, că există o relaţie inversă
între rata căsătoriei şi numărul de copii în cazul bărbaţilor şi una directă în cazul femeilor. Un astfel de
grafic poate indica existenţa potenţială a unor probleme personale în cazul bărbaţilor necăsătoriţi, dar
cu un număr de copii în întreţinere mai mare decât media.

56
3.4 Cuvinte – cheie
 serie statistică  grafic statistic
 serie unidimensională  elemente constructive ale
graficului statistic
 serie multidimensională  diagrama de bare
 serie de repartiţie, serie de distribuţie  densitate de frecvenţă
 serie cronologică  histogramă
 tabel statistic  poligonul frecvenţelor
 reguli de construire a tabelului statistic  curba frecvenţelor cumulate
(crescător şi descrescător)
 tabel statistic unidimensional  diagrama tulpină cu frunze
(stem and leaf)
 tabel statistic bidimensional  nor de puncte

3.5 Întrebări de control


1. Ce este o serie statistică şi care sunt principalele tipuri de serii de date statistice?

2. Ce este un tabel statistic şi care sunt principalele reguli de construire?

3. Ce este un grafic statistic şi care sunt elementele constructive ale acestuia?

4. Care sunt principalele categorii de grafice adecvate pentru reprezentarea


distribuţiilor de frecvenţe ?

5. Care sunt elementele constructive ale unui grafic ?

6. Ce anume se reprezintă pe axa absciselor şi, respectiv, pe axa ordonatelor în cazul


unui grafic de frecvenţe ?

7. Care este semnificaţia densităţii de frecvenţă ?

8. Cum se construieşte poligonul de frecvenţă ?

3.6 Bibliografie selectivă


1. Jaba Elisabeta, Statistica, Editura Economică, Bucureşti, 1998, p. 30-46.
2. Korka Mihai, Begu Liviu Stelian, Tusa Erica, Bazele statisticii pentru economişti,
Editura Tribuna Economică, Bucureşti 2002, p. 31-46.
3. Mansfield Edwin, Basic Statistics with Applications, W.W. Norton&Company, New
York, London, 1986, p. 18-31
4. Schwarze Jochen, Grundlagen der Statistik I, Verlag Neue Wirtschaftsbriefe, Herne /
Berlin 1994, p. 26-44.

57
Unitatea 4: INDICATORII STATISTICI
În urma sistematizării datelor, prin centralizare şi grupare, se obţin expresii numerice,
denumite indicatori absoluţi sau mărimi absolute, care evidenţiază volumul unui ansamblu de unităţi
sau valoarea unei caracteristici, pe total sau pe fiecare grupă.

Indicatorii absoluţi, deşi reprezintă baza informaţională pentru oricare analiză statistică, au o
capacitate relativ limitată de descriere şi de informare. Aceasta deoarece reprezintă valori definite prin
ele însele, independent de orice sistem de referinţă. Puterea de informare a acestor indicatori creşte
dacă sunt comparaţi cu aceiaşi indicatori înregistraţi pentru o altă unitate de timp sau de spaţiu, sau cu
alţi indicatori, caz în care rezultă indicatori derivaţi.

4.1 Obiective
Obiectivele acestui capitol sunt:

 Să înţelegeţi cele mai simple categorii de indicatori folosiţi în procesul cunoaşterii


statistice;

 să înţelegeţi premisele metodologice, formele de exprimare, relaţiile de calcul şi situaţiile


în care se utilizează anumiţi indicatori statistici;

 să aplicaţi relaţiile de calcul ale celor mai simpli indicatori derivaţi şi anume mărimile
relative şi să interpretaţi corect utilitatea şi semnificaţia lor.

4.2 Indicatori primari si indicatori derivaţi


Indicatorul statistic este expresia numerică agregată a unei variabile observate asupra unui
fenomen, proces, sau asupra unei categorii economico-sociale delimitate în timp şi spaţiu, obţinută în
urma unei cercetări statistice. În procesul cunoaşterii, indicatorii statistici îndeplinesc multiple funcţii,
printre care cele mai importante sunt: funcţia de măsurare, de comparare, de sinteză, de estimare şi
de verificare a ipotezelor şi de testare a semnificaţiei parametrilor statistici utilizaţi.

După etapa în care apar în procesul de cunoaştere statistică indicatorii statistici pot fi: primari
(absoluţi) şi derivaţi.

Indicatorii primari se obţin în urma centralizării şi grupării datelor unei observări statistice şi
exprimă direct nivelul variabilei cercetate, în unităţi concrete de măsură. Deci un indicator primar este
o mărime absolută care exprimă volumul unui ansamblu sau valoarea unei variabile. Aceşti indicatori
rezultă fie prin agregarea nivelelor individuale (indicatori de nivel), fie prin compararea sub formă de
diferenţă a două nivele ale aceluiaşi indicator, înregistrate pentru unităţi diferite de timp sau de spaţiu,
sau a două nivele a doi indicatori diferiţi.

Agregarea (însumarea) directă a valorilor individuale înregistrate în vederea obţinerii unui


indicator primar (absolut) presupune ca elementele individuale să fie însumabile direct, deci să fie de
aceeaşi natură şi să fie exprimate în aceeaşi unitate de măsură.

59
Exemplul 4.1: Indicatori statistici absoluţi
În Tabelul 3.3 se însumează numărul angajaţilor care au 0, 1, 2 sau 3 copii, iar însumarea este
prezentată sub denumirea de frecvenţă absolută. În Tabelul 3.4 sunt prezentate frecvenţele
absolute rezultate prin însumarea numărului angajaţilor al căror salariu se regăseşte într-una din
grupele de salariu ce au fost construite. O regulă de bază de verificare a corectitudinii calculului
frecvenţelor absolute este aceea că însumarea frecvenţelor absolute trebuie să coincidă cu
efectivul populaţiei statistice observate.
Totuşi, indicatorii absoluţi nu sunt numai de forma frecvenţelor absolute, care rezultă, după cum
am văzut, dintr-o cuantificare a apariţiilor unei modalităţi a variabilei studiate. Să presupunem, de
exemplu, că dorim să analizăm pe durata unei luni calendaristice care sunt zilele cu vânzări mai
mari sau mai mici ale unui magazin de comerţ electronic. Variabila studiată este „totalul
vânzărilor zilnice”, iar ea este grupată pe o caracteristică de timp: ziua. Aşadar, este vorba despre
o serie statistică de timp. Totalul vânzărilor zilnice, care este indicatorul primar sau absolut pe
care îl calculăm, se obţine prin însumarea vânzărilor realizate pentru toate produsele
comercializate într-o zi de către toţi agenţii de vânzare din toate punctele de vânzare. Seria
obţinută conţine deja date agregate. Similar, producţia anuală de energie electrică la nivelul unei
ţări se obţine prin însumarea producţiilor anuale de energie electrică aferente tuturor agenţilor
economici.
După cum s-a prezentat în prima parte a cursului, statistica este interesată de studiul datelor
individuale, pentru a putea trage concluzii generalizatoare asupra tendinţelor esenţiale care se
manifestă în câmpul fenomenului sau procesului studiat. De asemenea, am aflat că analizele
statistice pleacă de la „numărătoarea” datelor individuale. Astfel, modificând puţin exemplul
anterior, să presupunem că vrem să analizăm performanţa anuală a agenţilor de vânzări, pentru că
performanţele zilnice sau lunare nu pot fi complet elocvente, din cauza sezonalităţii ciclului
economic şi a comportamentului de consum al clienţilor. De aceea, este de preferat să observăm
efectul combinat al acestor cauze la nivelul unui întreg an, motiv pentru care variabila observată
este „vânzările anuale ale agenţilor de vânzări”. Ataşând fiecărei valori observate a vânzărilor
individuale numărul de agenţi care au realizat valoarea respectivă, adică cel puţin unul, obţinem o
serie statistică în sens general, formată din valorile observate şi frecvenţele absolute ale apariţiei
valorilor respective. Dacă recurgem la gruparea pe intervale de variaţie, seria va fi formată din
centrele de interval şi frecvenţele observate.

60
Dacă elementele individuale sunt exprimate în unităţi de măsură diferite, deci însumarea
directă nu este posibilă, se impune folosirea unor coeficienţi de echivalenţă. De exemplu, producţia
unui agent economic din industria textilă poate consta în: fire – care se exprimă în tone, ţesături – care
se exprimă în metri pătraţi (mp), costume care se exprimă în bucăţi. Coeficientul de echivalenţă folosit
în economie este în majoritatea cazurilor “preţul”. Deci se agregă / însumează expresii valorice.

Folosirea coeficienţilor de echivalenţă în vederea agregării se impune şi în cazurile în care


valorile individuale nu se obţin în etapa observării, deci nu sunt mărimi absolute, ci ele provin dintr-un
calcul statistic. Un exemplu este rata sărăciei, în care fiecare persoană, în funcţie de gen şi vârstă,
este echivalată în „adult” cu ajutorul scalelor de echivalenţă, deoarece un copil sau o femeie au un
consum caloric diferit de un bărbat. Un alt exemplu sunt emisiile de gaze cu efect de seră, în care
fiecare sursă de poluare este ajustată prin coeficienţi de echivalenţă, deoarece o fermă de creştere a
animalelor are un grad de poluare mai mare decât o întreprindere de produse electronice.

Indicatorii derivaţi (mărimile derivate) se obţin prin prelucrarea mărimilor absolute, prin
aplicarea diferitelor metode şi procedee de calcul statistic.

Indicatorii derivaţi au o putere de informare sporită în comparaţie cu indicatorii primari şi fac


posibilă analiza aspectelor calitative ale fenomenelor şi proceselor cercetate. Aceşti indicatori oferă
informaţii privind: relaţiile cantitative dintre diferitele părţi ale unei colectivităţi şi dintre diferitele
caracteristici; valorile tipice; gradul şi forma variaţiei caracteristicilor studiate; interdependenţa dintre
variabile etc.. Exemple de indicatori derivaţi care fac obiectul cursului sunt: mărimile relative; mărimile
medii; indicatorii variaţiei; indicatorii corelaţiei; indicii statistici etc.

4.3 Mărimile relative


Mărimile relative sunt rezultatul raportului dintre doi indicatori statistici şi arată câte unităţi din
indicatorul de la numărător revin la o unitate a indicatorului de la numitor, considerat ca baza de
raportare (comparare).

Indicatorii implicaţi în raport pot fi de aceeaşi natură, înregistraţi la unităţi diferite de timp /
spaţiu sau la grupe diferite ale aceleiaşi colectivităţi, sau pot fi indicatori de natură diferită.

Calculul şi folosirea mărimilor relative presupune respectarea câtorva reguli, care asigură
obţinerea de mărimi relative semnificative, compatibile cu realitatea. Aceste reguli sunt:

 între indicatorii comparaţi să existe o legătură de cauzalitate, logică, de condiţionare, solid


fundamentate teoretic;

 indicatorii comparaţi să fie comparabili prin prisma sferei de cuprindere, atât în cazul
comparării în timp, cât şi în spaţiu;

 baza de comparare / numitorul raportului să fie un termen semnificativ, normal, ceea ce


înseamnă că nu trebuie să reprezinte o stare de excepţie;

 forma de exprimare a mărimilor relative se alege astfel încât rezultatul să fie cât mai
sugestiv, uşor de înţeles şi de interpretat şi eventual de reţinut. În cazul în care se
compară sub formă de raport doi indicatori absoluţi cu acelaşi conţinut pot fi folosite
următoarele forme de exprimare: coeficienţi, procente ( 0 0 ), promile ( 0 00 ), prodecimile
( 0 000 ) etc.. Se optează pentru una din aceste forme de exprimare în funcţie de
expresivitatea rezultatului raportului.

Exprimarea sub formă de coeficient se recomandă când valorile indicatorilor comparaţi sunt
relativ apropiate. Coeficientul exprimă câte unităţi din numărător revin la o unitate a numitorului

61
raportului. Daca coeficienţii se înmulţesc cu 100 rezultă procente (%) care arată câte unităţi din
numărător revin la 100 de unităţi ale numitorului.

Observaţie: Dacă rezultatul unui raport se exprimă sub formă de procent, numitorul
este considerat egal cu 100, respectiv cu 1, dacă se exprimă sub formă de coeficient.

Dacă indicatorul din numărătorul raportului este cu mult mai mic decât cel din numitor,
mărimile relative pot fi exprimate în promile, prodecimile sau procentimile, care arată câte unităţi
indicatorul comparat revin la 1000, 10000, respectiv 100000 de unităţi din baza de raportare. De
exemplu, indicatorii prin care se măsoară mişcarea naturală a populaţiei (rata natalităţii, rata
mortalităţii etc) se exprimă în promile.

Mărimile relative se diferenţiază după funcţia de cunoaştere pe care o îndeplinesc în cinci


tipuri şi anume:

- mărimi relative de structură;

- mărimi relative de coordonare sau de corespondenţă;

- mărimi relative de intensitate;

- mărimi relative de dinamică;

- mărimi relative de performanţă.

Mărimile relative de structură arată în ce raport se află fiecare parte faţă de întreg. Calculul
mărimilor relative presupune în prealabil separarea/gruparea întregului pe părţi (elemente, grupe).

Mărimile relative de structură se pot calcula pe baza frecvenţelor absolute corespunzătoare


grupelor (ni) şi pe baza valorii caracteristicii aferente fiecărei fiecărei grupe (xi). În primul caz rezultă
frecvenţe relative (fi) iar în cel de al doilea caz rezultatul se numeşte pondere sau greutate specifică
(gi).

Frecvenţa relativă este un raport între numărul unităţilor din fiecare grupă sau corespunzător
fiecărei modalităţi ale variabilei discrete şi numărul unităţilor din întreaga colectivitate:

ni
fi  k
 100 , i  1, k , (4.1)
n
i 1
i

unde k este numărul de grupe sau de variante (modalităţi) ale variabilei discrete.

Frecvenţele relative pot fi însumate dacă toate au fost calculate faţă de aceeaşi bază de
calcul. Suma este egală cu 1 dacă frecvenţele relative au fost exprimate sub formă de coeficient şi cu
100 dacă s-au exprimat sub formă de procente.

Greutatea specifică (ponderea) exprimă importanţa fiecărei grupe/părţi în nivelul absolut al


caracteristicii pe total colectivitate.

 pentru o serie simplă:

xi
gi  n
 100 , i  1, n (4.2)
x
i 1
i

 pentru o serie de frecvenţe:

62
x i  ni
gi  k
 100 , i  1, k (4.3)
x
i 1
i  ni

Şi în cazul greutăţilor specifice trebuie să se verifice egalitatea: g i  1 sau g i  100 .

Mărimile relative de structură se reprezintă grafic prin diagrame circulare de structură, care
pot fi:

a) cercul de structură;

b) dreptunghiul de structură;

c) pătratul de structură.

Exemplificăm în continuare modul de construire a cercului de structură. Se procedează astfel:

 aria cercului este egală cu suma mărimilor relative de structură care se reprezintă grafic,
deci cu 100%;

 cercul se împarte în atâtea sectoare de cerc în câte grupe a fost despărţită colectivitatea,
respectiv câte mărimi relative de structură se reprezintă;
o
 fiecare sector de cerc se construieşte pornind de la regula 1% = 3.6 , deoarece 100% =
o
360 .

63
Exemplul 4.2: Calculul mărimilor relative de structură şi reprezentarea lor grafică
Tabelul 3.1 prezintă datele individuale ale angajaţilor unei firme, printre care se regăseşte şi
salariul lunar. Seria statistică formată din valorile individuale ale salariului lunar şi frecvenţele de
apariţie este o serie statistică simplă. Greutatea specifică pentru o serie statistică simplă, adică
a fiecărei observaţii, se calculează prin raportul dintre valoarea individuală a salariului lunar şi
totalul salariilor plătite angajaţilor din colectivitatea observată. Pentru prima observaţie (i=1),
greutatea specifică este:

632
g1   100  3,29% .
19188
Greutatea specifică a salariului lunar aferent celei de a 11-a observaţii este:

1563
g11   100  8,15% .
19188
Pentru exemplificarea calculului greutăţilor specifice ale unei serii de frecvenţe, apelăm la
datele din tabelul 3.2, în care este prezentată repartizarea angajaţilor în funcţie de numărul de
copii, al căror număr total este de 27.
Evident, greutatea specifică a numărului de copii ai angajaţilor fără copii este 0, deoarece valoarea
variabilei observate (xi) este egală cu 0. Greutatea specifică a numărului de copii ai celor 5 angajaţi
cu un singur copil, adică a doua categorie din tabelul nostru, este:

1 5
g2   100  18,5%
27
Greutatea specifică a numărului de copii ai celor 2 angajaţi cu trei copii, adică a patra categorie din
tabelul nostru, este:

3 2
g4   100  22,2% .
27
Exemplele de mai sus au făcut apel la datele individuale referitoare la numărul de copii şi salariile
angajaţilor unei firme. În următorul exemplu vom utiliza datele agregate referitoare la populaţia
României din mediile urban şi rural înregistrată la data de 1 iulie din anii 1980, 2000 şi 2007.
Tabelul 4.1 – Populaţia României la 1 iulie pe medii de rezidenţă
Populaţia la 1 iulie
Anul Urban Rural
(mii locuitori)
1 iulie 1980 22.201,4 10.171,6 12.029,8
1 iulie 2000 22.435,2 12.244,6 10.190,6
1 iulie 2007 21.537,6 11877,7 9659,9
Sursa: Anuarul Statistic al României 2008, INS

64
Structura populaţiei pe medii a fost:

 în anul 1980:

10171,6
gu   100  45,8%
22201,4

12029,8
gr   100  54,2%
22201,4

 în anul 2000

12244,6
gu   100  54,6%
22435,2

10190,6
gr   100  45,4%
22435,2

 în anul 2007

11877,7
gu   100  55,1%
21537,6

9659,9
gr   100  44,9%
21537,6

Se remarcă o creştere a ponderii populaţiei din mediul urban în totalul populaţiei de la 45,8% în
anul 1980 la 55,1% în anul 2007. Acest fenomen poate fi pus atât pe seama creşterii populaţiei în
localităţile urbane, cât şi creşterii numărului localităţilor urbane, prin transformarea comunelor în
oraşe.
Dacă se face diferenţa dintre ponderea din anul 2007 şi cea din anul 1980, respectiv 55,1% şi
45,8%, rezultă o creştere cu 9,3 puncte procentuale. Dacă interesează cu câte procente a crescut
ponderea populaţiei din mediul urban se face raportul dintre cele două cifre, se exprimă
procentual şi se scade 100, respectiv

55,1
 100  100  20,4%
45,8

Deci, ponderea populaţiei din mediul urban în totalul populaţiei a crescut în 2007 faţă de 1980 cu
20,4%.
Calculele privind mărimea sectoarelor de cerc corespunzătoare ponderii părţilor colectivităţii se
reprezintă în tabelul 4.2

65
Tabelul 4.2 – Corespondenţa dintre mărimile relative de structură şi aria cercului de structură
1 iulie 1980 1 iulie 2000 1 iulie 2007
Populaţia % Grade % Grade % Grade
Mediul urban 45,8 164,9 54,6 196,6 55,1 198,4

Mediul rural 54,2 195,1 45,4 163,4 44,9 161,6

Total 100 360,0 100 360,0 100 360,0

Sursa: Calcule pe baza datelor din Anuarul Statistic al României 2008, INS

Numărul de grade corespunzător fiecărui sector de cerc se obţine înmulţind ponderea fiecărei
grupe cu 3.60 (de exemplu 45.8 * 3.6 = 164.90).
Fig. 4.1 – Structura populaţiei României pe medii de rezidenţă

1 iulie 1980 1 iulie 2000 1 iulie 2007

Dacă este necesar să se vizualizeze grafic concomitent mărimea colectivităţii şi ponderea fiecărei
părţi în întreaga colectivitate se procedează astfel:
a) se alege figura geometrică prin care se reprezintă datele pornind de la regula că aria
figurii geometrice trebuie să fie proporţională cu mărimea colectivităţii (populaţia
României la 01.07.1980, 1.07.2000 şi, respectiv, la 01.07.2007). În cazul exemplului
din tabelul nr. 4.2 se va opta pentru o figură geometrică care poate fi construită în
funcţie de un singur element. Aceasta deoarece pentru fiecare an întreaga
colectivitatea este descrisă printr-o singură expresie numerică: numărul populaţiei.
Figurile geometrice care pot fi utilizate în acest caz sunt pătratul şi cercul.
2
În cazul cercului construit pentru anul 1980: A= π R = 22201.4, de unde:

22201,4
R  84,09 mii persoane
3,14

84,09
Considerând 40.000 de persoane = 1 cm, rezultă R   2,102 cm
40
2
Pentru anul 2000: A= π R = 22435.2, de unde:

22435,2
R  84,53 mii persoane
3,14

66
84,53
Considerând 40.000 de persoane = 1 cm, rezultă R   2,114 cm
40
2
Pentru anul 2007: A= π R = 21.537,6, de unde:

21537,6
R  82,820 mii persoane
3,14

Considerând 40.000 de persoane = 1 cm, rezultă

82,820
R  2,070 cm
40
b) se construieşte cercul în funcţie de raza rezultată din calcul şi se împarte pe sectoare
de cerc (vezi calculele efectuate în tabelul 4.2).
Fig. 4.2 – Structura populaţiei României pe medii de rezidenţă - grafice proporţionale cu mărimea
colectivităţii statistice

1 iulie 1980 1 iulie 2000 1 iulie 2007

Diferenţele între cele trei grafice sunt aproape insesizabile tocmai din cauza valorilor apropiate ale
razelor calculate. Important să reţinem, totuşi, este faptul că modul în care sunt construite
graficele poate influenţa percepţia datelor statistice de către cel care le priveşte. Nerespectarea
acestor reguli va conduce cu siguranţă la utilizarea greşită – intenţionată sau nu – a datelor
statistice şi, implicit, la concluzii greşite.

67
Mărimile relative de coordonare (corespondenţă) sunt rezultatul comparării sub formă de
raport a aceluiaşi indicator aferent a două grupe ale aceleiaşi colectivităţi sau a două unităţi teritoriale
diferite (A şi B):

XA
k A/ B  , (4.4)
XB

dacă baza de comparaţie este grupa sau unitatea B, respectiv

XB
kB / A  , (4.5)
XA

dacă baza de comparaţie este grupa sau unitatea A.

Pornind de la datele din tabelul nr. 4.2 se pot calcula mărimi relative de coordonare care
exprimă proporţia dintre populaţia din mediul rural şi cea din mediul urban sau invers.

PU 10171,6
kU / R    0,846 , fie
PR 12029,6

PR 12029,6
kR /U    1,182
PU 10171,6

Mărimile relative de coordonare se exprimă sub formă de coeficienţi (câte unităţi din
numărător revin la o unitate din numitor). Rezultatul devine mai expresiv dacă acesta se înmulţeşte cu
100 sau 1000.

Deci, în anul 1980, la 100 de persoane din mediul rural au revenit 84,6 persoane din mediul
urban, sau la 100 de persoane din mediul urban au revenit 118,2 persoane din mediul rural. Pornind
de la datele pentru anul 2007, se obţine:

PU 11877,7
kU / R    1,230 , fie
PR 9659,9

PR 9659,9
kR /U    0,813
PU 11877,7

Observăm, aşadar, că în anul 2007 raportul dintre populaţia urbană şi cea rurală s-a inversat:
la 100 de persoane din mediul rural au revenit 123 de persoane din mediul urban, iar la 100 de
persoane din mediul urban au revenit 81,3 persoane din mediul rural.

Teoretic, oricare din termenii comparaţi pot fi folosiţi drept bază de comparaţie. În analiză,
baza de comparaţie se alege în funcţie de scopul cunoaşterii. Dacă, de exemplu, se urmăreşte
evidenţierea faptului că numărul populaţiei din mediul urban a crescut, se preferă folosirea populaţiei
din mediul rural drept bază de comparaţie.

Mărimile relative de coordonare se folosesc cel mai frecvent în studiul variaţiei în profil
teritorial, când se compară acelaşi indicator din două unităţi teritoriale. De exemplu se compară preţul
unui produs înregistrat în două oraşe, se compară PIB pe locuitor al României cu cel înregistrat în
aceeaşi perioadă în Ungaria, se compară costul unui eşantion de mărfuri în judeţul A şi B etc..

Mărimile relative de coordonare se reprezintă grafic prin diagrame prin coloane sau prin benzi.
Coloanele sau benzile se sprijină pe abscisă, iar lungimea fiecărei coloane sau benzi este direct
proporţională cu mărimea relativă de coordonare reprezentată.

68
Mărimile relative de intensitate se calculează ca raport între doi indicatori de natură diferită
între care există o legătură logică, o interdependenţă sau o asociere.

Exemple: câştigul salarial mediu se obţine ca un raport între suma câştigurilor


salariale şi numărul mediu de salariaţi; productivitatea unui factor de producţie este
rezultatul raportului între volumul producţiei şi nivelul factorului de producţie; rata
şomajului se obţine împărţind numărul şomerilor la numărul populaţiei active (forţa de
muncă) etc..

Relaţia generală din care rezultă o mărime relativă de intensitate este:

yi
xi  , i  1, n , (4.6)
zi

unde n este numărul de unităţi din colectivitatea observată, yi şi zi reprezintă valorile


înregistrate pentru caracteristica Y şi Z la unitatea i, iar xi este mărimea relativă de intensitate calculată
pentru unitatea i.

Din relaţia (4.6) rezultă că yi = xi*zi. Deci numărătorul raportului depinde de zi, care are
caracter de frecvenţă, şi de mărimea relativă de intensitate xi.

Pentru a calcula o mărime relativă de intensitate la nivelul unei colectivitaţi împărţită pe grupe,
se poate proceda astfel:

 se însumează valorile individuale înregistrate corespunzătoare variabilei din numărătorul şi


numitorul raportului şi se calculează x după relaţia:

x
y i
, i  1, n , (4.7)
z i

 se face media aritmetică a mărimilor relative de intensitate calculate la nivelul unităţilor


colectivităţii, pornind de la faptul că yi = xi*zi

x
x z
i i
(4.8)
z i

Mărimile relative de intensitate se exprimă în unităţi de măsură specifice celor doi indicatori
comparaţi.

69
Exemplul 4.3 – Calculul mărimilor relative de intensitate
Pentru anul 2007 se cunosc următorii indicatori pentru România:
Tabelul 4.3 – Selecţie de indicatori macroenomici ai României în anul 2007
Unitatea de Valoarea în
Indicatori
măsură (UM) anul 2007
Suprafaţa km2 238.391

Populaţia la 1 iulie mii locuitori 21.537,6


mil lei
Produsul Intern Brut 416006,8
preţuri curente
Exporturi FOB mil Euro 29.549

Importuri FOB mil Euro 51.322


Sursa: Anuarul statistic al României, 2008, Buletin Statistic Lunar nr. 12/2009.

Pe baza datelor din tabelul 4.3 se pot calcula mai multe mărimi relative de intensitate, cum ar fi:

 Densitatea populaţiei, care se calculează ca raport între efectivul populaţiei şi suprafaţa


21537,6 mii locuitori
administrativă: D p   90,3 locuitori/km2;
238391 km 2

PIB2007 416006,8
 Produsul Intern Brut pe locuitor    19315,4 lei/locuitor
P01.07.2007 21537600

E _ FOB2007 29549 mil Euro


 Exportul pe locuitor    1372 Euro/locuitor
P01.07.2007 21537600 locuitori

I _ FOB2007 51322 mil Euro


 Importul pe locuitor    2382,9 Euro/locuitor
P01.07.2007 21537600 locuitori

70
Mărimile relative de dinamică (indici) se obţin prin raportarea aceluiaşi indicator înregistrat
pentru unităţi diferite de timp. În numărător apare indicatorul cu nivelul din perioada curentă (x1) iar în
numitor apare acelaşi indicator cu nivelul din perioada considerată bază de comparaţie (x0). Raportul
caracterizează evoluţia în timp, dinamica procesului observat.

În cazul în care datele absolute privind indicatorul pe baza căruia se analizează evoluţia în
timp se referă la mai multe unităţi de timp succesive, se pot calcula în funcţie de baza de comparaţie:

a) mărimi relative de dinamică cu bază fixă,

b) mărimi relative de dinamică cu bază în lanţ (mobilă).

Dacă se raportează nivelul absolut aferent fiecărei unităţi de timp (xt) la acelaşi nivel
considerat bază de comparaţie se obţin mărimi relative de dinamică cu bază fixă (indici cu bază fixă).

xt
It /0  , t  1, n (4.9)
x0

Dacă se raportează fiecare termen la termenul precedent, rezultă mărimi relative de dinamică
cu bază în lanţ (mobilă).

xt
I t / t 1  , t  1, n (4.10)
xt 1

Mărimile relative de dinamică se exprimă de obicei procentual, numitorul raportului fiind


considerat egal cu 100. Între cele două modalităţi de calcul există următoarele relaţii:

 produsul mărimilor relative de dinamică cu bază în lanţ conduce la o mărime relativă de


dinamică cu bază fixă:

 t / t 1  I t / 0 (4.11)

 raportul dintre două mărimi relative de dinamică succesive cu bază fixă conduce la o
mărime relativă de dinamică cu baza în lanţ:

It /0
 I t / t 1 (4.12)
I t 1 / 0

Mărimile relative de dinamică se reprezintă grafic prin cronograme, dacă indicatorii implicaţi în
raport se referă la perioade succesive de timp, şi prin diagrame prin coloane, dacă indicatorul din
numărătorul şi numitorul raportului se referă la un singur moment dat.

71
Exemplu 4.4 – Calculul mărimilor relative de dinamică
Tabelul următor prezintă evoluţia exporturilor României în perioada 2000 – 2007.
Tabelul 4.4 – Exporturile României în perioada 2000 – 2007 (mil. Euro)

Export FOB Mărimi relative de dinamică (%)


Anii
(mil. Euro) cu bază fixă cu bază în lanţ
2000 11273 100,0% 100,0%
2001 12722 112,9% 112,9%
2002 14675 130,2% 115,4%
2003 15614 138,5% 106,4%
2004 18935 168,0% 121,3%
2005 22255 197,4% 117,5%
2006 25850 229,3% 116,2%
2007 29549 262,1% 114,3%

Mărimile relative de dinamică cu baza fixă (2000 = 100) sunt prezentate în coloana a treia a
tabelul nr. 4.4.

12722
I 2001 / 2000   100  112,9%
11273
14675
I 2002 / 2000   100  130,2%
11273
....
29549
I 2007 / 2000   100  262,1%
11273
Mărimile relative de dinamică cu baza în lanţ sunt prezentate în coloana a patra a tabelului 4.4.

12722
I 2001 / 2000   100  112,9%
11273
14675
I 2002 / 2001   100  115,4%
12722
....
29549
I 2007 / 2006   100  114,3%
25850
Rezultatele calculelor de mai sus arată cât la sută reprezintă exporturile din fiecare an faţă de anul
2000 şi, respectiv, faţă de anul precedent. Dacă din fiecare mărime relativă de dinamică (indice)
exprimată procentual se scade 100 rezultă modificarea relativă (rata de modificare).
Dacă procedăm la calculul rapoartelor dintre indicii cu bază fixă, obţinem indicii cu bază în lanţ,
potrivit relaţiei (4.12). Spre exemplu, raportând indicele exporturilor din anul 2002 faţă de anul
2000 la indicele exporturilor din anul 2001 faţă de anul 2000, obţinem indicele exporturilor din
anul 2002 faţă de anul 2001.

72
I 2002 / 2000 130,2%
  115,3%  I 2002 / 2001
I 2001 / 2000 112,9%
Dacă procedăm la calculul produsului dintre indicii cu bază în lanţ pentru un segment din
perioadă observată, obţinem indicele de dinamică dintre valoarea variabilei pentru prima perioadă
din segmentul respectiv şi valoarea variabilei pentru ultima perioadă, potrivit relaţiei (4.11). Spre
exemplu, să calculăm produsul indicilor cu bază în lanţ pentru primele trei intervale de
comparaţie, adică segmentul 2000 – 2003.

15614 14675 12722


 2003 / 2000  I 2003 / 2002  I 2002 / 2001  I 2001 / 2000     100 
14675 12722 11273
15614
  100  138,5%  I 2003 / 2000
11273
După cum se poate observa, termenii interni ai rapoartelor se simplifică, rezultând raportul
termenilor externi, care corespund ultimei şi primei perioade din segmentul de timp analizat,
adică indicele exporturilor din perioada 2003 faţă de exporturile din anul 2000.

73
Mărimile relative de performanţă sunt rapoarte procentuale care exprimă cât la sută
reprezintă nivelul programat pentru perioada curentă faţă de nivelul realizat pentru perioada
precedentă sau cât la sută reprezintă nivelul unui indicator realizat în perioada curentă comparativ cu
nivelul programat pentru această perioadă.

Mărimile relative de performanţă pot fi:

 ale ţintei programate sau planificate:

xP
kP /0   100 (4.13)
x0

 ale atingerii ţintei programate:

x1
k1 / P   100 (4.14)
xP

Produsul celor două mărimi relative de performanţă conduce la o mărime relativă de dinamică
a realizărilor cu bază fixă:

xp x1 x
  1 (4.15)
x0 x p x0
Mărimile relative de performanţă se reprezintă grafic prin diagramele prin coloane.

4.4 Cuvinte - cheie


 indicator statistic  mărimi relative de coordonare
 indicatori primari  diagrama prin benzi
 indicatori derivaţi  diagrama prin coloane
 mărimi relative  mărimi relative de intensitate
 mărimi relative de structură  mărimi relative de dinamică
 diagrama de structură  cronograma
 pondere  mărimi relative ale ţintei programate
 frecvenţă relativă  mărimi relative ale atingerii ţintei

4.5 Intrebări de control


1. Ce este un indicator statistic?

2. Prin ce se deosebeşte un indicator derivat de unul primar?

3. Care sunt regulile a căror respectare asigură obţinerea unor mărimi relative
semnificative?

4. Care sunt criteriile în funcţie de care se alege forma de exprimare a mărimilor


relative?

74
5. Prin ce se deosebesc mărimile relative de coordonare de cele de structură?

6. Cum se reprezintă grafic mărimile relative de structură?

7. Cum se calculează o mărime relativă de intensitate pentru un ansamblu dacă se


cunosc mărimile relative de intensitate corespunzătoare unităţilor componente?

8. Care sunt mărimile relative de dinamică în funcţie de baza de comparaţie?

9. Care sunt relaţiile de trecere de la mărimile relative de dinamică cu bază în lanţ la


cele cu bază fixă şi invers?

10. Ce exprimă mărimile relative de performanţă?

4.6 Bibliografie
Elisabeta Jaba, Statistica, Editura Economică, Bucureşti 1998, p. 94-202

Tudor Baron, Elena Maria Biji, Statistica teoretică şi economică, Editura Didactică şi
Pedagogică, Bucureşti 1996, p. 64-70

Virgil Voineagu, Eugenia Lilea s.a, Statistica economică. Teorie şi aplicaţii, Editura
Tribuna Economică, Bucureşti 2002, p. 55-73

75
Unitatea 5: ANALIZA DESCRIPTIVĂ A SERIILOR
DE REPARTIŢIE – Partea I
Cunoaşterea statistică a trăsăturilor cantitative şi calitative ale fenomenelor şi proceselor
presupune, aşa cum am văzut în subcapitolul 2.2, să înregistrăm la nivelul fiecărui element al
colectivităţii cercetate valorile concrete (formele de manifestare) corespunzatoare caracteristicilor
cuprinse în programul observării. În urma înregistrării (observării) se obţine o masă de date primare
care nu permite sesizarea aspectelor esenţiale, relevante pentru întreaga masă. Puterea de informare
creşte dacă aceste date se sistematizează în funcţie de una sau mai multe variabile atributive, proces
care conduce la obţinerea seriilor de repartiţie de frecvenţe, cum am văzut în subcapitolul 2.4. Aceste
serii oferă informaţii privind clasele/grupele care domină în serie, forma de repartiţie a frecvenţelor ş.a.
Astfel de serii sunt de exemplu: repartiţia agenţilor economici pe clase de mărime după numărul
salariaţilor, repartiţia populaţiei pe grupe de vârstă, repartiţia salariaţilor după mărimea salariului
brut/net, repartiţia clienţilor unei bănci după nivelul creditelor aflate în sold etc.

Mai întâi, însă vom trece în revistă câteva din conceptele prezentate în subcapitolele 2.3, 2.5
şi 3.3 referitoare la seriile de distribuţie, calculul principalilor indicatori şi reprezentarea lor grafică.

5.1 Obiective
După finalizarea cu succes a acestei unităţi de învăţare, veţi fi capabili să:

- Să definiţi şi să reprezentaţi grafic seriile de repartiţie;

- Să calculaţi indicatorii tendinţei centrale pe baza unei serii de repartiţie simplă şi a unei
serii construite pe intervale de grupare;

- Să evaluaţi influenţa structurii asupra mediei aritmetice ponderate;

- Să calculaţi şi să interpretaţi mediile geometrică, armonică şi pătratică.

5.2 Definirea, trăsăturile şi reprezentarea grafică a seriilor


de repartiţie
Seria de repartiţie sau seria de distribuţie este rezultatul grupării colectivităţii în funcţie de
variantele sau intervalele de variaţie ale unei caracteristici atributive cantitative sau calitative.

Seriile de repartiţie se diferenţiază între ele după numărul caracteristicilor de grupare şi după
natura acestora.

Dacă se foloseşte o singură caracteristică de grupare, seria se numeşte unidimensională


sau unicriterială, iar dacă gruparea se face în funcţie de două sau mai multe caracteristici rezultă serii
bi şi multidimensionale.

Dacă caracteristica de grupare este una cantitativă (numerică), seria de repartiţie se numeşte
serie de variaţie.

Gruparea elementelor colectivităţii în funcţie de o caracteristică calitativă (nenumerică) se


concretizează într-o serie de atribute sau serie nominativă.

Prelucrarea şi analiza informaţiilor cuprinse într-o serie de repartiţie empirică trebuie să ţină
seama de trăsăturile unei astfel de serii. Principalele trăsături ale unei serii de repartiţie sunt:

77
 omogenitatea termenilor unei serii de repartiţie se explică prin faptul că toate valorile au
acelaşi conţinut şi sunt cauzate de factori esenţiali. Omogenitatea valorilor ce compun o
serie de repartiţie presupune o variaţie cât mai mică între aceste valori. Dacă termenii
prezintă o variaţie pronunţată 21 se desprinde concluzia că în colectivitatea studiată sunt
prezente mai multe tipuri calitative, ceea ce înseamnă că seria respectivă trebuie
separată în două sau mai multe serii distincte;

 independenţa termenilor este urmarea faptului că fiecare valoare individuală este


specifică pentru o anumită unitate a colectivităţii şi nu depinde de valoarea înregistrată la
celelalte unităţi. Desigur, această independenţă este relativă, deoarece unităţile care fac
parte din aceeaşi colectivitate se supun aceloraşi legi care se manifestă sub formă de
tendinţă;

 variabilitatea termenilor seriei este determinată de faptul că fenomenele de masă nu


sunt fenomene univoc determinate, ci se produc sub acţiunea mai multor cauze, unele
esenţiale iar altele întâmplătoare, care fac ca manifestarea individuală să fie diversă,
distinctă de alte manifestări. Cu cât influenţa cauzelor aleatoare este mai pronunţată, cu
atât variabilitatea termenilor este mai mare, iar gradul de omogenitate a valorilor
înregistrate este mai mic;

 concentrarea sau dispersarea termenilor seriei este expresia intensităţii influenţei


cauzelor esenţiale si neesenţiale. Dacă raportul de forţe dintre cele două grupe de cauze
tinde spre un echilibru relativ, frecvenţele de apariţie corespunzătoare fiecărei unităţi sunt
apropiate. Reprezentarea grafică seamănă în acest caz cu o repartiţie uniformă sau
rectangulară. Dacă factorii de influenţă au diverse forme de manifestare şi intensităţi
diferite, atunci frecvenţele de apariţie corespunzătoare valorilor ce formează seria de
repartiţie se pot concentra astfel:

 către valorile care se află în mijlocul seriei, caz în care graficul repartiţiei tinde să
semene cu un clopot Gauss-Laplace (normală).

 către cele două extremităţi ale repartiţiei, caz în care reprezentarea grafică sugerează
o curbă în formă de «U».

 către una din valorile extreme ale seriei, atunci graficul seamănă cu un «J».

Diversitatea situaţiilor care pot fi întâlnite în practică impune ca economistul să aibă în vedere,
la alegerea metodelor statistice folosite în analiza seriilor de repartiţie, natura distribuţiei empirice.

Oricare ar fi natura seriei de repartiţie, elementele centrale ale acesteia sunt valorile variabilei
observate şi frecvenţele de apariţie a fiecărei stări individuale ale variabilei respective.

Cum am văzut în subcapitolul 2.5, frecvenţele absolute (ni) exprimă numărul unităţilor
elementelor cuprinse într-o grupă, definită de o variantă sau un interval de variaţie. Frecvenţele
absolute se exprimă în unităţi concrete de măsură (număr de agenţi economici, număr de salariaţi,
număr de clienţi etc). În Tabelul E.4.1.1 frecvenţele absolute apar în coloana a doua şi indică câţi
agenţi economici se încadrează în fiecare interval.

Compararea frecvenţelor absolute a două repartiţii alcătuite pentru aceeaşi caracteristică dar
cu număr diferit de unităţi componente nu poate fi realizată pe baza frecvenţelor absolute.
Compararea presupune, în acest caz folosirea frecvenţelor relative.

21
În acest paragraf, noţiunea de variaţie poate fi înţeleasă mai mult intuitiv, în sensul că datele sunt mai mult sau
mai puţin diferite între ele. În subcapitolul 4.5 vom prezenta pe larg conceptul de variaţie, modul său de calcul şi
de interpretare.

78
Frecvenţele relative (fi) exprimă ponderi, greutăţi specifice, câte părţi ale unităţilor
corespunzătoare unei variante sau grup de variante se regăsesc în totalul colectivităţii. Deci,
frecvenţele relative sunt mărimi relative de structură :

ni
fi  k
 100 , i  1, k ,
n
i 1
i

unde k este numărul de grupe determinate pentru o variabilă numerică continuă sau de
variante (modalităţi) ale variabilei discrete.

În cazul repartiţiei din Tabelul 3.4., frecvenţele relative sunt prezentate sub formă de coeficient
şi ca procente în coloanele 3 şi 4.

În analiza repartiţiilor empirice este uneori necesar să se cunoască frecvenţa absolută sau
relativă la care s-a înregistrat cel mult o valoare xi şi, respectiv, cel puţin o anumită valoare xi.
Indicatorul frecvenţelor la care se recurge în acest caz este frecvenţa cumulată. Acest indicator ne
ajută să răspundem la întrebări simple, dar al căror răspuns se dovedeşte extrem de relevant în
numeroase situaţii: care este procentul firmelor cu cel mult 9 angajaţi? Care este numărul punctelor de
vânzare cu realizări de cel puţin 3000 de lei pe zi? Care este numărul gospodăriilor populaţiei al căror
venit mediu zilnic pe persoană este de cel mult 10 lei pe zi? Cât la sută din agenţii economici au o
cifră de afaceri anuală de cel mult 100.000 Euro?

Frecvenţele cumulate corespunzătoare unei valori empirice a caracteristicii xi se calculează


însumând frecvenţele absolute sau relative începând cu cele corespunzătoare valorilor mai mici sau
începând cu cele aferente valorilor mai mari ale caracteristicii până la sau de la xi inclusiv. În primul
caz rezultă frecvente cumulate crescător respectiv frecvenţe cumulate descrescător, în cel de-al doilea
caz.

Frecvenţele cumulate servesc şi la exprimarea nivelului de concentrare într-o colectivitate şi la


determinarea unori indicatori ai tendinţei centrale, cum este mediana.

Dacă o repartiţie este alcătuită pe intervale neegale de grupare, frecvenţele relative nu sunt în
măsură să sugereze forma repartiţiei – prin reprezentare grafică – deoarece nu sunt direct
comparabile. În asemenea situaţie trebuie să se recurgă la densităţile de frecvenţe.

Rolul densităţilor de frecvenţă este esenţial pentru definirea completă a distribuţiei de


frecvenţe şi, prin generalizare, a distribuţiei de probabilităţi, deoarece regula este ca aria barei care
reprezintă fiecare clasă de interval să fie egală cu numărul de unităţi din acea clasă de interval (v. Fig.
3.6 şi Fig. 3.9). Cu alte cuvinte, înălţimea barei este egală cu proporţia unităţilor din fiecare interval
împărţită la amplitudinea clasei de interval. Aşadar, densitatea de frecvenţă (înălţimea barei) se
defineşte ca raportul dintre frecvenţa absolută (ni) sau relativă (fi) şi mărimea intervalelor de grupare
(hi). Dacă densităţile de frecvenţe descresc spre cele două capete ale seriei, repartiţia empirică tinde
spre o repartiţie normală (vezi Tabelul nr. 5.3, coloanele 5 şi 6).

O primă imagine asupra formei repartiţiei se obţine prin intermediul reprezentării grafice.
Repartiţiile de frecvenţe unidimensionale se vizualizează prin următoarele tipuri de grafice:

 histograma, poligonul frecvenţelor şi poligonul frecvenţelor cumulate, dacă variabila


prezintă o variaţie continuă;

 diagrama prin coloane, dacă repartiţia s-a construit pentru o variabilă cu o variaţie
discretă.

79
Pentru exemplificarea celor de mai sus, vom prezenta în continuare etapele de lucru şi
rezultatele obţinute.

Exemplul 5.1. – Indicatorii frecvenţelor unei serii de repartiţie şi reprezentarea lor grafică
Să presupunem că, în urma unei cercetări statistice, au fost culese date referitoare la cifra de
afaceri obţinută în anul 2009 de un număr de 200 de companii specializate în producţia de
accesorii auto.
Datele au fost grupate în intervale de variaţie, iar pentru fiecare interval au fost calculate
frecvenţele absolute şi relative, prezentate în Tabelul 5.1
Tabelul 5.1 – Distribuţia întreprinderilor după cifra de afaceri
Ponderea numărului de
Număr
Cifra de afaceri companii în total
companii
(mii lei) - Frecvenţa relativă (fi) -
- Frecvenţa absolută (ni) -
Coeficient Procente
1 2 3 4
Sub 2000 15 0,075 7,5%
Între 2000 şi 2400 25 0,125 12,5%
Intre 2400 şi 2800 50 0,250 25,0%
Intre 2800 şi 3200 46 0,230 23,0%
Intre 3200 şi 3600 35 0,175 17,5%
Intre 3600 şi 4000 24 0,120 12,0%
Peste 4000 5 0,025 2,5%
Total 200 1,000 100,0%
Notă: Limita superioară este cuprinsă în interval
Construirea histogramei, a poligonului frecvenţelor şi a poligonului frecvenţelor cumulate
presupune închiderea intervalelor marginale deschise. Se poate proceda astfel:

 limita inferioară a primului interval, respectiv limita superioară al ultimului interval este
valoarea empirică cea mai mică (xmin) respectiv cea mai mare (xmax) înregistrată ;

 dacă nu se cunosc aceste valori extreme, închiderea intervalelor deschise se face cu


mărimea intervalelor învecinate. Deci x1,inf = 2000-400=1600 iar x7,sup = 4000+400=4400.
Fig. 5.1 – Repartiţia agenţilor economici după cifra de afaceri

60

50

40
Nr. unitati

30

20

10

0
16 00 - 2 000 - 24 0 0 - 28 00 - 3 200 - 36 0 0 - 4 00 0 -
20 00 2 400 28 0 0 3 200 3 60 0 40 0 0 4 40 0
Cifra de a fa ce ri

80
Construirea poligonului frecvenţelor presupune marcarea, în cadranul I al sistemului de
coordonate rectangulare, a punctelor cu coordonatele xi (mijlocul intervalului) şi ni (frecvenţele de
apariţie) şi unirea punctelor succesive prin segmente de dreaptă. Suma ariilor dreptunghiurilor
care definesc histograma trebuie să fie egală cu aria delimitată de poligonul frecvenţelor si axa Ox.
Fig. 5.2 – Repartiţia agenţilor economici după cifra de afaceri (reprezentare prin poligonul frecvenţelor)

60

50

40
Nr. unitati

30

20

10

0
1600 - 2000 2000 - 2400 2400 - 2800 2800 - 3200 3200 - 3600 3600 - 4000 4000 - 4400

Cifra de aface ri

În continuare, pentru exemplificarea modului de calcul şi a utilităţii frecvenţelor absolute


sau relative cumulate, să presupunem că ne interesează câte companii din totalul celor studiate
au avut o cifră de afaceri de cel mult 3200 mii lei (vezi tabelul 5.1). In acest scop se cumulează
frecvenţele absolute corespunzătoare primelor patru intervale, deci 136, respectiv 68% din totalul
companiilor, valoare pe care o citim în celula de la intersecţia coloanei a 5-a cu cu rândul celei de
a patra clase de interval.
În coloana a 6-a găsim frecvenţele relative cumulate descrescător, care se citeşte în felul următor:
100% dintre companii au o cifră de afaceri cel puţin egală cu cea din primul interval. Sau, dacă
închidem primul interval cu amplitudinea intervalului următor şi obţinem limita inferioară a
primului interval, egală cu 1600 mii lei, putem spune că 100% dintre companii au o cifră de
afaceri mai mare de 1,6 milioane lei. A doua linie din coloana a 6-a ne arată ca 92,5% dintre
companiile studiate au o cifră de afaceri de peste 2 milioane lei.
Dacă ne interesează care este proporţia companiilor care au avut o cifră de afaceri de cel puţin
2400 mii lei, avem la îndemână două posibilităţi. Prima este să citim în coloana a 5-a, a
frecvenţelor relative cumulate crescător, care este proporţia companiilor care au avut o cifră de
afaceri de cel mult 2400 de lei, adică 20%, pe care o scădem din 100 şi obţinem rezultatul căutat:
80%. Cea de a doua posibilitate este să citim în coloana a 6-a, a frecvenţelor relative cumulate
descrescător, care este valoarea corespunzătoare companiilor din intervalul 2400 – 2800 şi
obţinem, de asemenea, rezultatul căutat: 80% (vezi Tabelul 5.1 ).

81
Tabelul 5.2. – Frecvenţele relative cumulate ale distribuţiei întreprinderilor după cifra de afaceri
Număr Frecvenţa absolută Frecvenţa relativă cumulată
companii cumulată (%)
Cifra de afaceri (ni*) (Fi)
Frecvenţa
absolută Crescător Descrescător Crescător Descrescător
(ni)
1 2 3 4 5 6
1600 – 2000 15 15 200 7,5% 100,0%
2000 – 2400 25 40 185 20,0% 92,5%
2400 – 2800 50 90 160 45,0% 80,0%
2800 – 3200 46 136 110 68,0% 55,0%
3200 – 3600 35 171 64 85,5% 32,0%
3600 – 4000 24 195 29 97,5% 14,5%
4000 – 4400 5 200 5 100,0% 2,5%
Total 200 200

O repartiţie construită pe baza frecvenţelor cumulate se reprezintă grafic prin poligonul


frecvenţelor cumulate, numit si ogivă (vezi fig. 5.3)
Fig. 5.3 – Repartiţia agenţilor economici după cifra de afaceri (reprezentare prin poligonul frecvenţelor
cumulate crescător şi descrescător)

250

200
Nr. unitati

150

100

50

0
1600 - 2000 2000 - 2400 2400 - 2800 2800 - 3200 3200 - 3600 3600 - 4000 4000 - 4400

Cifr a de afacer i

Frecvenţele cumulate sunt comparabile între ele indiferent de mărimea intervalelor de grupare.
Punctul de intersecţie a celor două curbe reprezintă cifra de afaceri mediană, de aproximativ 2900
mii lei.
Pentru exemplificarea calculului densităţii de frecvenţă, să apelăm la datele din tabelul 5.1.
Densitatea de frecvenţă absolută aferentă primului interval de variaţie (sau grupă de interval)
este rezultatul împărţirii dintre frecvenţa absolută a acestui interval (15) la amplitudinea
intervalului (400). Aşadar, 15/400 = 0,0375.
Densitatea de frecvenţă relativă rezultă fie din împărţirea densităţii de frecvenţă absolută
(0,0375) la numărul total de companii (200) înmulţită cu 100, fie din împărţirea frecvenţei relative
corespunzătoare (7,5%) la amplitudinea intervalului (400). Echivalenţa celor două opţiuni este
destul de evidentă:

d1a n 1 0,0375 15 1
d1r   100  1   100   100    100
n h1 n 200 400 200

82
sau

f1% n 1 15 1
d1r    1  100    100 
h1 n h1 200 400
Tabelul 5.3. – Frecvenţele absolute, frecvenţele relative şi densităţile de frecvenţă ale distribuţiei
întreprinderilor după cifra de afaceri
Număr Ponderea
companii numărului de
Cifra de afaceri Densitatea de frecvenţă
companii în total
(mii lei) Frecvenţa
Frecvenţa relativă (fi)
absolută
(ni) Coeficient Procente Absolută Relativă
1 2 3 4 5 6
1600 – 2000 15 0,075 7,5% 0,0375 0,0188
2000 – 2400 25 0,125 12,5% 0,0625 0,0313
2400 – 2800 50 0,250 25,0% 0,1250 0,0625
2800 – 3200 46 0,230 23,0% 0,1150 0,0575
3200 – 3600 35 0,175 17,5% 0,0875 0,0438
3600 – 4000 24 0,120 12,0% 0,0600 0,0300
4000 – 4400 5 0,025 2,5% 0,0125 0,0063
Total 200 1,000 100,0% - -
Reprezentarea grafică a densităţilor de frecvenţă scoate în evidenţă faptul că înălţimea lor este
proporţională cu aria suprafeţelor determinate de frecvenţele fiecărui interval de grupare şi de
mărimea acestora. Din cauza faptului că intervalele sunt egale, graficul densităţilor de frecvenţă
este similar cu cel al frecvenţelor absolute din Figura 5.1.

Fig. 5.4 – Histograma repartiţiei agenţilor economici după cifra de afaceri (suprafaţa fiecărei coloane este
egală cu proporţia numărului de companii din fiecare interval de grupare)

0,1 40 0

0,1 20 0
Proportia companiilor

0,1 00 0

0,0 80 0

0,0 60 0

0,0 40 0

0,0 20 0

0,0 00 0
1 60 0 - 20 0 0 - 24 0 0 - 28 0 0 - 3 2 00 - 3 6 00 - 4 0 00 -
20 00 2 4 00 2 8 00 3 20 0 3 60 0 4 00 0 44 0 0
Cif ra d e a fa ce ri

Repartiţia agenţilor economici după cifra de afaceri tinde către repartiţia normală, concluzie care
rezultă şi din figura nr. 5.2, din cauza faptului că frecvenţele relative descresc către capetele seriei.
În realitate, însă, este foarte rar ca o distribuţie de frecvenţe să urmeze o distribuţie normală.

5.3 Indicatorii tendinţei centrale


Repartiţiile si prezentarea lor sub formă de tabele şi grafice oferă o imagine asupra
colectivităţii statistice care a fost supusă analizei. Caracterizarea mai concisă presupune folosirea

83
unor valori tipice cu o mare putere de sinteză şi de informare, care pot fi utilizate la compararea mai
multor repartiţii empirice. Prin aceste valori tipice se caracterizează masa valorilor empirice printr-o
singură expresie numerică. Aceste valori tipice au menirea de a exprima ceea ce este comun, tipic,
esenţial pentru elementele colectivităţii cercetate şi sunt denumite indicatori ai tendinţei centrale.

Complexitatea realităţii impune, în funcţie de variabilitatea valorilor individuale, de tipul de


scală de măsurare, de natura datelor disponibile etc., folosirea mai multor indicatori ai tendinţei
centrale. În practica statistică se utilizează ca principali indicatori ai tendinţei centrale mărimile medii.

În funcţie de natura datelor disponibile şi de necesităţile de analiză poate fi folosită una din
următoarele două grupe de mărimi medii: medii calculate şi medii poziţionale (de poziţie).

Caracterizarea tendinţei centrale în cazul unei repartiţii unidimensionale se poate realiza prin
media aritmetică, prin mediana (valoarea centrală) şi prin valoarea modală sau mod (valoarea
dominantă).

Media reprezintă în statistică principalul indicator prin care se caracterizează sintetic un număr
mare de valori individuale. Media este rezultatul sintetizării într-un singur număr, fiind nivelul
reprezentativ a tot ceea ce este esenţial şi tipic în masa valorilor individuale. Fiind o mărime rezultată
dintr-un calcul, media nu coincide de cele mai multe ori cu nici una din valorile empirice. Se exprimă în
unităţi concrete de măsură şi anume în aceleaşi unităţi de măsură ca şi valorile concrete din care se
calculează.

Media poate descrie ceea ce este esenţial, comun, obiectiv într-o masă de manifestări
individuale, dacă sunt îndeplinite următoarele cerinţe fundamentale:

 numărul valorilor individuale din care se calculează să fie suficient de mare;

 valorile individuale din care se calculează o medie să fie cât mai apropiate ca mărime,
ceea ce înseamnă să formeze un ansamblu omogen. Dacă colectivitatea este eterogenă
se recomandă împărţirea acesteia pe grupe şi calcularea de medii de grupă / condiţionale;

 alegerea tipului de medie trebuie să pornească de la natura variaţiei fenomenului analizat.

5.3.1 Media aritmetică


Media aritmetică ( x ) este cea mai cunoscută şi cea mai utilizată medie. Este rezultatul
raportului dintre suma valorilor individuale observate şi numărul total al unităţilor din colectivitatea
statistică pentru care s-au înregistrat valori valide 22. În sens statistic, media aritmetică este valoarea
care s-ar fi înregistrat în toate cazurile individuale dacă toţi factorii de influenţă ar fi fost constanţi. În
aceste condiţii, abaterea valorilor individuale de la media lor se datorează acţiunii factorilor
întâmplători, neesenţiali.

Media aritmetică poate fi aplicată în cazul unei variabile măsurate printr-o scală metrică, iar
datele din care se calculează sunt valori primare, direct măsurabile. Teoretic ar trebui ca valorile
empirice observate să tindă să formeze o progresie aritmetică, însă rareori ne vom găsi în realitate în
faţa unei asemenea situaţii.

22
Existenţa valorilor valide este un aspect extrem de important în calculul indicatorilor tendinţei centrale,
deoarece există o diferenţă între o valoare “lipsă” şi valoarea “zero” atribuită unei variabile numerice. Dacă o
valoare lipseşte – nu a fost observată sau, din punct de vedere logic, nu se poate atribui o valoare unei variabile
observate pentru o anumită unitate – atunci ea nu intră în calculul indicatorului respectiv, nici la numărător, nici la
numitor. In caz contrar rezultatul este în mod eronat subestimat, deoarece nu intră în calcului numărătorului, dar
intră în calculul numărului de unităţi, de la numitor.

84
Media aritmetică are avantajul că este uşor de aplicat şi este uşor de înţeles. Media aritmetică
are marele dezavantaj că este sensibilă la valorile extreme, adică valorile mult mai mici sau mult mai
mari decât marea majoritate a celorlalte valori tind să subestimeze sau să supraestimeze valoare
medie obţinută.

Media aritmetică este acea valoare care înlocuind toate valorile individuale (xi), nu modifică
suma acestora ( x i ).

Media aritmetică poate fi calculată ca o medie simplă şi ca o medie ponderată.

Pentru o serie simplă, suma valorilor individuale este:


n
x1  x 2  ....  x n   x i (5.1)
i 1

şi, înlocuind fiecare termen cu media x

n
x  x  ....  x  n  x   x i (5.2)
i 1

se obţine relaţia mediei aritmetice simple:


n

x i
x i 1
(5.3)
n
Relaţia (5.3) se aplică dacă fiecare valoare empirică a fost observată o singură dată sau de
acelaşi număr de ori, deci când frecvenţele de apariţie sunt egale.

În cazul unei serii de frecvenţe valorile individuale apar de un număr diferit de ori (ni). Pentru a
obţine, în acest caz, nivelul totalizator al valorilor individuale se ţine seama de frecvenţa absolută
înregistrată în cazul fiecărei valori distincte (xi · ni). Media aritmetică se calculează sub forma mediei
aritmetice ponderate, după formula :
k

 x n i i
x i 1
k
, (5.4)
n i 1
i

unde i  1, k grupe sau variante ale unei variabile numerice discrete.

ni
În relaţia (5.4) expresia k reprezintă recvenţa relativă fi, care exprimă ponderea cu
n
i 1
i

care intră în calculul mediei fiecare valoare distinctă înregistrată. Deci, dacă se dispune de o repartiţie
de frecvenţe relative, media aritmetică se calculează după relaţia:
k
x   xi  fi , (5.5)
i 1

când frecvenţele relative se exprimă sub formă de coeficienţi şi

85
k

x f i i
x i 1
, (5.6)
100
când frecvenţele relative sunt exprimate procentual.

Exemplul 5.2 – Calculul mediei aritmetice pentru o serie de repartiţie cu valori discrete
Pentru ilustrarea modului de calcul al mediei aritmetice, să presupunem că am cules datele din 50
de companii pentru care variabila de observare a fost numărul de angajaţi şi că vrem să aflăm care
este numărul mediu de angajaţi pe o companie. Datele sunt prezentate în tabelul 5.4.
În prima coloană regăsim valorile observate ale variabilei de interes – numărul de angajaţi – şi în
coloana a doua frecvenţele absolute – numărul de companii al căror număr de angajaţi este 8, 12,
15 etc. În coloana a treia este calculată frecvenţa relativă exprimată în procente, pentru a vedea
cum putem utiliza cele două modalităţi de exprimare a frecvenţei în formulele de calcul ale mediei
aritmetice.
Întrucât avem la dispoziţie frecvenţele de apariţie ale fiecărei variante ale variabilei de interes,
vom utiliza formula mediei aritmetice ponderate.
Pentru controlul corectitudinii calculelor, este recomandat să folosim modelul tabelului de calcul,
în care vom înscrie în coloane succesive rezultatele fiecărei etape de lucru. Acest tabel este folosit
numai pentru scopuri didactice şi este util pentru înţelegerea modului de calcul al fiecărui
indicator al tendinţei centrale. În aplicaţiile practice, aceşti indicatori pot fi lesne calculaţi cu
ajutorul pachetelor informatice, de la cele mai comune, cum este MS Excel, până la pachetele
specializate de analiză a datelor şi de realizare a rapoartelor (SPSS, SAS etc.)
Astfel, dacă suntem în situaţia să utilizăm relaţia de calcul (5.4), a mediei aritmetice ponderate,
k
ceea ce ne interesează este să obţinem suma produselor de la numărător:  x n
i 1
i i . De aceea, în

coloana a 4-a a tabelului vom înscrie rezultatul înmulţirii dintre fiecare variantă a variabilei de
interes şi frecvenţa absolută care corespunde acesteia: x i ni .

Tabelul 5.4 – Distribuţia companiilor după numărul de angajaţi


Numărul de Frecvenţa relativă
Frecvenţa
angajaţi
absolută (ni)
(fi) x i ni xi  fi
(xi) %
1 2 3 4 5
8 5 10 40 80
12 10 20 120 240
15 15 30 225 450
24 10 20 240 480
32 7 14 224 448
45 3 6 135 270
Total 50 100 984 1968
k
Suma produselor din coloana a 4-a este 984, iar numărul total al unităţilor (  ni ) este 50.
i 1

86
Aplicând relaţia (5.4), obţinem:
k

 x n i i
984
x i 1
k
  19,68 angajaţi 23.
50
n i 1
i

Dacă apelăm la relaţia (5.6), în coloana a 5-a calculăm produsul dintre variantele variabilei de
k
interes şi frecvenţa relativă exprimată procentual (  x i  f i ), după care însumăm rezultatele
i 1
obţinute. Rezultatul este următorul:
k

x f i i
1968
x i 1
  19,68 angajaţi.
100 100
Aşadar, indiferent de relaţia de calcul folosită, rezultatul este acelaşi: o companie dintre cele 50
incluse în studiu au în medie un număr de aproximativ 20 de angajaţi.

Dacă repartiţia de frecvenţe a fost construită pe intervale de grupare egale sau neegale,
media aritmetică se estimează aplicând una din relaţiile 5.4 – 5.6. Specificitatea acestui caz constă în
stabilirea valorii variabilei de interes pe care o vom folosi în calcularea indicatorilor tendinţei centrale.
Mai precis, fiecare interval de grupare se ia în calculul mediei cu centrul (mijlocul) intervalului (ci) ca
valoare a variabilei de interes (xi). Centrul fiecărui interval se determină ca o medie aritmetică simplă
ale limitelor fiecărui interval:

xi inf  xi sup
ci  (5.7)
2
Se procedează astfel pornind de la ipoteza că frecvenţele se distribuie uniform pe intervalul de
grupare. Această ipoteză nu se verifică întotdeauna, motiv pentru care nivelul totalizator calculat
k n
(  x i ni ) nu este egal cu suma valorilor empirice (  x i ).
i 1 i 1

Media calculată pentru o repartiţie de frecvenţe construită pe intervale de grupare este numai
o estimare a mediei calculată pe baza datelor negrupate. Estimarea este cu atât mai grosieră cu cât
intervalele de grupare sunt mai mari.

Calculul mediei aritmetice ponderate pentru o serie de repartiţie cu intervale de grupare este
ilustrat în exemplul 5.3.

23
Să ne reamintim că unitatea de măsură a mediei aritmetice este aceeaşi cu cea a variabilei de interes. În cazul
de faţă, unitatea de măsură este “angajat”.

87
Exemplul 5.3 – Calculul mediei aritmetice ponderate pentru o serie de repartiţie cu
intervale de grupare
Vom utiliza datele prezentate în Tabelul 5.1 la care vom adăuga, succesiv, coloanele de calcul care
ne ajută să ajungem la rezultatul aşteptat.
Tabelul 5.5 – Distribuţia companiilor după cifra de afaceri
Cifra de afaceri Frecvenţa Centrul
(mii lei) (xi) absolută (ni) de interval (ci)
c i  ni
1 2 3 4
Sub 2000 15 1800 27000
Între 2000 şi 2400 25 2200 55000
Intre 2400 şi 2800 50 2600 130000
Intre 2800 şi 3200 46 3000 138000
Intre 3200 şi 3600 35 3400 119000
Intre 3600 şi 4000 24 3800 91200
Peste 4000 5 4200 21000
Total 200 581200
Notă: Limita superioară este cuprinsă în interval
În coloana a 3-a vom calcula centrele de interval. Intervalele marginale fiind deschise, se închid
convenţional, pornind de la mărimea intervalelor alăturate: x1inf = x1sup – 4000 = 1600 şi x7sup =
x7inf + 400 = 4400.
Primul centru de interval este:

x1 inf  x1 sup 1600  2000 3600


c1     1800
2 2 2
Al doilea este:

x 2 inf  x 2 sup 2000  2400 4400


c2     2200
2 2 2
Mai departe, calculele sunt similare. Să observăm că, intervalele fiind de amplitudine egală (400 de
angajaţi), centrele de interval păstrează aceeaşi amplitudine.

În coloana a 5-a vom calcula produsul ci  ni dintre centrele de interval şi frecvenţele absolute,
similar cu produsul xi  ni , după care însumăm rezultatele.

Media aritmetică ponderată, potrivit relaţiei (5.4), este:


k

 c n i i
581200
x i 1
k
  2906 mii lei.
200
n i 1
i

Aşadar, cifra medie de afaceri a companiilor studiate a fost de 2906 mii lei.

Media aritmetică are câteva proprietăţi matematice, care sunt de mare importanţă pentru
aplicarea ei în statistică.

88
1) media aritmetică este cuprinsă în intervalul de variaţie al variabilei:

x min  x  x max (5.8)

2) suma abaterilor valorilor individuale de la media lor este egală cu zero:

 pentru o serie simplă:


n

 (x
i 1
i  x)  0 (5.9)

 pentru o serie de frecvenţe


k

 (x
i 1
i  x )  ni  0 (5.10)

3) dacă toate valorile individuale se măresc sau se micşorează cu o constantă a, media noii
serii se modifică în acelaşi sens şi cu aceeaşi constantă a:
n n

 ( xi  a )  xi na
x  i 1
 i 1
  xa (5.11)
n n n
respectiv,
k k k

 ( x i  a )  ni  xi  n i a   ni
x  i 1
k
 i 1
k
 k
i 1
 xa (5.12)
n
i 1
i n
i 1
i n
i 1
i

4) dacă toate valorile individuale se modifică prin împărţirea / înmulţirea cu o constantă h,


media noii serii va fi de h ori mai mică / mai mare decât media seriei iniţiale.

 pentru o serie simplă:

xi n n


i 1 h
x
1 i 1 i x

x     (5.13)
n h n h
 pentru o serie de frecvenţe
k
xi k


i 1 h
 ni
1
 xi  n i
x
x  k
  i 1
k
 (5.14)
h h
n
i 1
i n
i 1
i

Ţinând seama de ultimele două proprietăţi menţionate se obţine relaţia de calcul simplificat al
mediei aritmetice:

89
 Pentru o serie simplă:
n
( xi  a )
 h
x i 1
h  a (5.15)
n
 Pentru o serie de frecvenţe:
k
( xi  a )
 h
 ni
x i 1
k
h  a (5.16)
n
i 1
i

Cele două constante semnifică:

 h este mărimea intervalului de grupare

 a poate fi centrul oricărui interval de grupare .

Această metodă este aplicabilă atunci când gruparea este realizată pe intervale egale.

Dacă se micşorează toate frecvenţele prin împărţirea la o constantă c, media seriei nu se


modifică.
k
ni 1 k
 xi  c
  x  ni
c i 1 i
x i 1
 x (5.17)
k
ni 1 k

i 1 c
  ni
c i 1
k
Constanta c reprezintă, de regulă, totalul frecvenţelor absolute (  n ).
i 1
i

Într-o colectivitate împărţită pe subcolectivităţi, media pe total se poate calcula şi ca o medie


aritmetică a mediilor subcolectivităţilor xi .

 Când subcolectivităţile sunt de aceeaşi talie:


k

x i
x i 1
(5.18)
k
 Când subcolectivităţile au talie diferită, adică au un număr diferit de unităţi:
k

x i  ni
x i 1
k
(5.19)
n
i 1
i

Aplicarea relaţiei de calcul simplificat al mediei este exemplificată în cele ce urmează.

90
Exemplul 5.4 – Calculul mediei aritmetice ponderate pentru o serie de repartiţie cu
intervale de grupare
Vom utiliza datele din tabelul 5.1. De regulă, constanta a este centrul intervalului frecvenţa cea
mai mare, care este¸în cazul nostru 2600, deoarece are frecvenţa absolută egală cu 50.
Amplitudinea intervalului este 400. Aşadar, a = 2600 şi h = 400.
În coloana a 4-a calculăm raportul dintre diferenţa centrelor de interval faţă de constanta aleasă şi
amplitudinea intervalului
Tabelul 5.6– Distribuţia companiilor după cifra de afaceri

Cifra de afaceri Frecvenţa Centrul ci  a ci  a


(mii lei) (xi) absolută (ni) de interval (ci)  ni
h h
1 2 3 4 5
Sub 2000 15 1800 -2 -30
Între 2000 şi 2400 25 2200 -1 -25
Intre 2400 şi 2800 50 2600 0 0
Intre 2800 şi 3200 46 3000 1 46
Intre 3200 şi 3600 35 3400 2 70
Intre 3600 şi 4000 24 3800 3 72
Peste 4000 5 4200 4 20
Total 200 153
Notă: Limita superioară este cuprinsă în interval
Înlocuind în relaţia (5.15) datele noastre, obţinem:
k
( xi  a )
 h
 ni
153
x i 1
k
h  a   400  2600  2906 mii lei
200
n
i 1
i

Se observă faptul că media determinată pe baza relaţiei de calcul simplificat este egală cu cea
obţinută prin aplicarea relaţiei de bază (5.4) din Exemplul 5.3.

Pentru aceeaşi serie de repartiţie, dacă schimbăm de numărul de clase (grupe) sau alegem
limite diferite de interval, se pot obţine valori medii diferite. Dacă dorim să comparăm două fenomene,
de cele mai multe ori suntem tentaţi să comparăm mediile, pentru că sunt uşor de înţeles. Totuşi, e
necesară maximă precauţie atunci când comparăm direct două valori medii, pentru că e nevoie de o
investigare mai aprofundată a colectivităţilor statistice din care provin cele două mărimi, mai concret a
structurii acestora şi a momentelor la care au fost realizate observaţiile.

Mai mult, în cazul mediilor ponderate, trebuie să fim prudenţi în interpretare deoarece
ponderile pot introduce un efect de structură, determinat de ponderile fiecărei valori observate.

Vom ilustra efectul structurii asupra mediei aritmetice ponderate în cele ce urmează.

91
Exemplul 5.5 – Efectul de structură asupra mediei aritmetice ponderate
Să presupunem că două companii, A şi B, realizează acelaşi aparat electric, iar operatorii – bărbaţi
şi femei – realizează câte o operaţiune diferită pentru care fiecare este plătit.
În compania A, din totalul operatorilor, ¾ sunt bărbaţi care sunt plătiţi cu 16 lei pentru fiecare
aparat la care realizează operaţiunile stabilite, iar restul de ¼ dintre operatori care sunt femei sunt
plătite cu 12 lei/aparat.
În compania B, din totalul operatorilor, ¼ sunt bărbaţi care sunt plătiţi cu 17 lei pentru fiecare
aparat la care realizează operaţiunile stabilite, iar restul de ¾ dintre operatori care sunt femei sunt
plătite cu 13 lei/aparat.
Evident, operatorii companiei B sunt mai bine plătiţi decât cei din compania A, însă plata medie
pe aparat este diferită în cele două companii:
3  1 
Compania A: x A =  x16    x12   15 lei/aparat
4  4 
1  3 
Compania B: x B =  x17    x13   14 lei/aparat
4  4 
Aşadar, chiar dacă în compania B plata individuală este mai bună, plata medie este mai mică,
pentru că ponderea femeilor, care sunt plătite mai puţin decât bărbaţii, este cu 50 de puncte
procentuale mai mare decât în compania A, pentru un plus de doar 1 leu pe aparat.

5.3.2 Mediana (valoarea centrală)


Mediana (Me) unei serii este acea valoare care împarte şirul valorilor ordonate crescător în
două părţi egale. Cu alte cuvinte, 50% dintre valori se găsesc în stânga medianei şi 50% se găsesc în
dreapta ei.

Xmin Me Xmax

Mediana presupune că formele de manifestare ale caracteristicilor pot fi măsurate cel puţin
printr-o scală ordinală.

Indiferent de tipul seriei (simplă sau de frecvenţe), determinarea medianei presupune:

a) stabilirea locului medianei;

b) calcularea valorii mediane

Locul medianei se află prin relaţia:

n 1
LoMe  (5.20)
2
În cazul unei serii simple formată dintr-un număr impar de termeni, mediana este tocmai
valoarea centrală, din mijloc.

Dacă, de exemplu, dispunem de şirul ordonat de valori: 2, 4, 4, 6, 7, 9, 10, atunci mediana


ocupă poziţia a 4-a în serie.

7 1
LoMe  4
2
În şirul nostru, cea de a 4-a valoare este „6”. În concluzie, Me  6

92
Dacă seria este formată dintr-un număr par de termeni, atunci mediana se localizează între
cei doi termeni centrali. Valoarea medianei se determină, în acest caz, ca o medie aritmetică simplă a
celor doi termeni din mijlocul seriei.

De exemplu, dacă seria este formată din valorile: 2, 4, 4, 6, 7, 9, 10, 15, mediana se situează
8 1
între termenii care ocupă poziţiile patru şi cinci în serie ( LoMe   4,5 ) şi este egală cu media
2
aritmetică a celor doi termeni, respectiv valorile 6 şi 7, adică:

67
Me   6,5
2
Într-o serie construită pe intervale de grupare, locul medianei indică intervalul în care se
situează. La calcularea valorii medianei se porneşte, ca şi în cazul mediei, de la ipoteza că valorile se
distribuie uniform pe întregul interval de grupare. Valoarea medianei se estimează pe baza relaţiei :

n  1 Me
  ni
2
Me  x 0  h  i 1
(5.21)
n Me

unde:

- x0 este limita inferioară a intervalului unde se află mediana;


- h este mărimea intervalului median;

n 1
- este locul medianei;
2
Me
- n
i 1
i este suma frecvenţelor până la intervalul median sau frecvenţa cumulată crescător

corespunzătoare intervalului care precede intervalul median;

- nMe este frecvenţa intervalului median.

Se remarcă faptul că toate elementele din relaţia 5.21 sunt legate de locul medianei în serie.

Locul medianei în serie se stabileşte astfel:

a) se determină frecvenţele cumulate crescător;

b) se identifică prima frecvenţă cumulată crescător care este mai mare sau cel puţin egală
n 1
cu expresia care indică locul medianei;
2
c) intervalul de grupare care corespunde cerinţei de mai sus este intervalul median.

Exemplificăm în continuarea calculul medianei pe baza unei repartiţii pe intervale de grupare.

93
Exemplul 5.6 – Calculul medianei pentru o repartiţie pe intervale de grupare
Vom utiliza datele din Tabelul 5.1, referitoare la cifra de afaceri colectate pentru 200 de companii.
Tabelul 5.7 – Distribuţia întreprinderilor după cifra de afaceri
Număr Frecvenţa absolută
companii cumulată
Cifra de afaceri
Frecvenţa (Fi)
(xi)
absolută Descrescător
Crescător
(ni)
1 2 3 4
Me
1600 – 2000 15 15 200 n
i 1
i
2000 – 2400 25 40 185
2400 – 2800 50 90 160
LoMe
2800 – 3200 46 136 110
3200 – 3600 35 171 64
3600 – 4000 24 195 29
x0
4000 – 4400 5 200 5
Total 200 200

nMe
Primul pas este să calculăm locul medianei:
n  1 201
LoMe    100,5
2 2
Prima frecvenţă cumulată crescător care este mai mare decât 100,5 este 136. Deci, mediana se află
în intervalul 2800 – 3200, adică 2800 < Me < 3200.
Aplicând relaţia de calcul a medianei din (5.21) şi înlocuind cu valorile din tabelul de mai sus,
obţinem:
n  1 Me
  ni
2 100,5  90
Me  x 0  h  i 1
 2800  400   2891,3 mii lei, unde:
n Me 46
- x0 = 2800;
- h = 400;

n 1
- =100,5;
2
Me
- n
i 1
i = 90;

- nMe =46.

94
Mediana poate fi calculată şi grafic pe baza poligonului frecvenţelor cumulate în două moduri
asemănătoare:

a) Se construieşte poligonul frecvenţelor cumulate crescător şi descrescător.

Proiecţia punctului de intersecţie a celor două curbe pe axa Ox indică mediana. Ca exemplu
putem folosi graficul din Fig. 5.3, trasând perpendiculara din punctul de intersecţie pe axa Ox.

Fig. 5.5 – Calculul grafic al medianei la intersecţia ogivelor

250

200 200 195 200


185
171
160
Nr. unitati

150
136
100
110
90
64
50
40
29
0
15 Me 5
1600 - 2000 2000 - 2400 2400 - 2800 2800 - 3200 3200 - 3600 3600 - 4000 4000 - 4400

Cifra de aface ri

b) Se construieşte poligonul frecvenţelor cumulate crescător.

n  1 201
Mai întâi identificăm locul medianei LoMe    100,5 . Din acest punct de pe axa
2 2
Oy trasăm o perpendiculară la axa Ox până ce intersectează poligonul frecvenţelor cumulate
crescător. Proiecţia pe axa Ox a punctului de intersecţie dintre această paralelă şi curba frecvenţelor
indică valoarea medianei.

Fig. 5.6 – Calculul grafic al medianei la intersecţia ogivelor

250

200 195 200


171
Nr. unitati

150
136
100
90
50
40
15
0
1600 - 2000 2000 - 2400 2400 - 2800 2800 - 3200 3200 - 3600 3600 - 4000 4000 - 4400

Cifr a d e afacer i

Mediana are o serie de proprietăţi, din cadrul cărora menţionăm:

 calculul medianei este foarte simplu;

 este mai relevantă decât media aritmetică în cazul distribuţiilor nesimetrice;

 nu este influenţată de valorile extreme (aberante) şi nici de faptul că intervalele marginale


pot fi deschise. Aceasta deoarece valoarea ei depinde de poziţia pe care o ocupă o

95
anumită variantă în seria de distribuţie. Pornind de la această proprietate, mediana poate
înlocui media aritmetică dacă seria prezintă intervale deschise şi/sau dacă distribuţia se
abate pronunţat de la repartiţia normală, ceea ce se întâmplă în marea majoritate a
situaţiilor;

 suma abaterilor absolute a valorilor observate de la mediană este minimă:


n

 (x
i 1
i  Me)  min pentru o serie simplă şi

 (x
i 1
i  Me)  ni  min pentru o serie de frecvenţe.

5.3.3 Modul (valoarea dominantă)


Modul 24 (Mo) unei distribuţii statistice este aceea valoare a variabilei care are frecvenţa cea
mai mare de apariţie. Modul este singurul indicator ai tendinţei centrale care are sens în cazul unei
repartiţii după o variabilă nominală, ale cărei variante au fost măsurate printr-o scală nominală.

Într-o serie de frecvenţe alcătuită pe valori, modul este valoarea cu frecvenţa cea mai mare.
Astfel, în seria din Tabelul 5.2, frecvenţa cea mai mare, egală cu 15, o înregistrează companiile cu 15
salariaţi. Astfel, valoarea modală este dată de x3=15.

Într-o repartiţie de frecvenţe alcătuită pe intervale egale de grupare, frecvenţa cea mai mare
indică intervalul în care se află modul. Valoarea acestuia se estimează prin interpolare, pe baza
relaţiei:

1
Mo  x0  h  , (5.22)
1   2

unde:

- x0 este limita inferioară a intervalului unde se află modul;


- h este mărimea intervalului modal;

- 1 este diferenţa dintre frecvenţa intervalului modal şi frecvenţa intervalului precedent.

-  2 este diferenţa dintre frecvenţa intervalului modal şi frecvenţa intervalului următor.


Pentru ilustrarea modului de calcul al modului, vom utiliza datele prezentate în Tabelul 5.6.

24
Cuvântul se pronunţă cu accentul pe litera “o”: mód, forma sa articulată fiind módul.

96
Exemplul 5.7 – Calculul valorii modale pentru o distribuţie de frecvenţe pe intervale de
grupare
Vom apela, din nou, la datele referitoare la cifra de afaceri înregistrată pentru 200 de companii la
finele anului 2009.
Tabelul 5.8 – Distribuţia întreprinderilor după cifra de afaceri
Cifra de afaceri Frecvenţa absolută
(xi) (ni)
1 2
1600 – 2000 15
2000 – 2400 25
2400 – 2800 50
2800 – 3200 46
3200 – 3600 35
3600 – 4000 24
4000 – 4400 5
Total 200
Valoarea modală se află în intervalul cu cea mai mare frecvenţă, egală cu 50. Aşadar, intervalul
modal este 2400 – 2800. Valoarea inferioară a intervalului modal (x0) este 2400, iar mărimea
intervalului de grupare este h=400. Valoarea 1 este dată de diferenţa dintre intervalul modal şi
cel anterior: 1 =50-25=25. Valoarea  2 este dată de diferenţa dintre intervalul modal şi cel
următor:  2 =50-46=4. Înlocuind valorile intermediare în relaţia (5.22), obţinem:

1 25
Mo  x0  h   2400  400   2744,8 mii lei.
1   2 25  4
Interpretarea mărimii statistice obţinute ne arată că cele mai multe întreprinderi din cele studiate,
în număr de 50, au o cifră de afaceri de aproximativ 2745 25 mii lei.

25
Statistica, prin excelenţă, înseamnă estimaţie. Din acest motiv am optat pentru rotunjirea rezultatului obţinut,
deoarece, în acest fel, este şi mai uşor de reţinut. (n. aut).

97
Ca şi mediana, modul poate fi calculat grafic pornind de la histogramă, însă rezultatul nu este
foarte exact din cauza scalei de măsurare segmentelor pe axa Ox. Histograma, în schimb, ne arată
foarte uşor care este intervalul modal, aşa cum rezultă şi din graficul următor.

Fig. 5.7 – Histograma repartiţiei agenţilor economici după cifra de afaceri

0,1400

0,1200
Proportia companiilor

0,1000

0,0800

0,0600

0,0400

0,0200 Mo

0,0000
1600 - 2000 - 2400 - 2800 - 3200 - 3600 - 4000 -
2000 2400 2800 3200 3600 4000 4400
Cifra de aface ri

Mòdul are următoarele proprietăţi principale :

 calculul este foarte simplu;

 valoarea modului nu depinde de toţi termenii seriei; se recomandă să se folosească


modul când interesează valoarea tipică. Poate fi folosit independent, dar şi ca un indicator
care completează informaţiile furnizate de alte medii.

 modul oferă relativ puţine informaţii. Ele arată numai dacă o valoare modală apare mai
frecvent decât celelalte valori. Dacă celelalte valori apar aproape tot aşa de frecvent ca
valoarea modală, s-ar putea ca o valoare să devină modală din întâmplare. Deci, poate se
recomandă pentru a caracteriza ce este tipic într-o distribuţie numai dacă o valoare
domină clar în serie ;

 dacă celelalte valori se îndepărtează foarte mult de valoarea modală, acesta nu poate
oferi informaţii relevante pentru caracterizarea seriei.

În cazul distribuţiei companiilor după cifra de afaceri, cei trei indicatori ai tendinţei centrale
au următoarele valori :

x = 2906 mii lei, Me = 2891,3 mii lei şi Mo = 2744,8 mii lei.

Aşadar, Mo < Me < x , ceea ce înseamnă că distribuţia prezintă o asimetrie de dreapta,


întrucât distribuţia este alungită spre dreapta, aşa cum se poate vedea şi din Fig. 5.7.

Dacă ordinea celor trei indicatori este x < Me < Mo , atunci seria este asimetrică de stânga.

Cei trei indicatori sunt egali ( x = Me = Mo) în cazul unei serii perfect simetrice.

98
În concluzie, media aritmetică descrie corect ceea ce este esenţial într-o serie de distribuţie,
dacă aceasta este formată din valori omogene şi tinde spre o repartiţie normală. În acest caz, mediana
şi modul pot completa media.

Dacă seria nu este omogenă sau dacă repartiţia este pronunţat asimetrică, sau dacă clasele
marginale sunt deschise, se recomandă folosirea modului şi a medianei.

5.3.4 Alte tipuri de medii


În practica statistică se utilizează mai multe tipuri de medii. Alegerea tipului mediei trebuie să
pornească de la natura datelor din care se calculează o medie.

Media aritmetică se aplică dacă are sens să se însumeze valorile individuale, deci să se
calculeze nivelul totalizator ( x i ). Frecvent însă este necesar să se calculeze media din datele care
sunt mărimi relative de intensitate (salarii medii, rate medii de rentabilitate) sau mărimi relative de
structură (rate ale şomajului pe judeţe) sau modificări relative (ritmuri de creştere) etc. În asemenea
situaţii, însumarea directă a valorilor din care se calculează media nu are sens.

În grupa "alte tipuri de medii" se cuprind: media armonică ( x h ), media geometrică ( x g ),

media pătratică ( x p ), media cronologică ( x c ).

1
Media armonică se calculează din valorile inverse ale termenilor seriei ( ) şi este acea
xi
valoare care nu modifică suma inverselor termenilor.
n
1 1 1 1 1 1 1
  ....     ....   (5.23)
x1 x 2 xn xh xh x h i 1 xi
deci:
n
1 1
n  (5.24)
x h i 1 xi
de unde rezultă:

n
xh  n
(5.25)
1

i 1 x i

Relaţia 5.25 se aplică în cazul unei serii simple.

Pentru o serie de frecvenţe se foloseşte media armonică ponderată :


k

n i
xh  k
i 1
(5.26)
1

i 1 x i
 ni

Ca regulă, media armonică trebuie folosită când datele din care se calculează media nu sunt
date primare ci sunt date derivate, rezultate din calcule, respectiv sunt mărimi relative de structură sau
mărimi relative de intensitate. Aceste mărimi relative pot fi interpretate drept medii parţiale, din care
trebuie calculată o medie totală / generală.

99
La calcularea unei medii din medii parţiale, poate fi utilizată media aritmetică sau media
armonică în funcţie de datele disponibile, şi anume:

 Dacă pe lângă mediile parţiale se cunosc numitorii rapoartelor din care rezultă aceste
medii parţiale se explică media aritmetică;

 Dacă pe lângă mediile parţiale se cunosc numărătorii din care rezultă aceste medii
parţiale, se aplică media armonică.

Exemplul 5.8 – Calculul mediei armonice


Pentru trei judeţe se cunoaşte rata şomajului pentru luna X şi numărul şomerilor la 1 ianuarie a.c.
Tabelul 5.9 – Rata şomajului la 1 ianuarie a.c.
Numărul şomerilor
Judeţul Rata şomajului
(mii persoane)
A 8,4 80
B 12,0 100
C 6,5 50
Total - 230

Care este rata medie a şomajului?


Primul îndemn este să calculăm media aritmetică simplă din cele trei rate, respectiv: (8,4 + 12,0 +
6,5)/3 = 8,97%. Totuşi, trebuie să privim mai întâi cum se calculează ratele şomajului la nivelul
fiecărui judeţ.
Rata şomajului la nivelul fiecărui judeţ (RSi) este o pondere care arată cât la sută reprezintă
NS i
numărul şomerilor (NSi) în populaţia activă (PAi), deci RS i   100 .
PAi
Aşadar, folosirea mediei aritmetice simple s-ar justifica numai dacă numitorii celor trei
rapoarte - populaţia activă din fiecare judeţ - ar fi egali, ceea ce în realitate rareori se
poate întâmpla.
3
Rata medie este un raport dintre numărul şomerilor din cele trei judeţe  NS
j 1
i şi populaţia activă
3

3  NS i

din cele trei judeţe (  PAi ), deci : RS 


j 1
3
 100
j 1
 PA
j 1
i

NS i
Nu se cunoaşte populaţia activă. Aceasta rezultă din expresia PAi   100 sau
RS i
1
PAi   NS i  100
RS i
3 n
 NS
j 1
i n i
Deci, RS  3
 100  n
i 1
 100 , ceea ce înseamnă că se aplică media armonică :
1 1

j 1 RS i
 NS i 
i 1 xi
 ni

100
230
RS   100  9,12%
1 1 1
 80   100   50
8,4 12 6,5
După cum se poate constata, există o diferenţă între media calculată cu ajutorul formulei mediei
armonice faţă de cea a mediei aritmetice, care ar subestima rezultatul căutat.
Dacă, pe lângă rata şomajului, s-ar fi cunoscut populaţia activă, rata medie a şomajului s-ar fi
calculat pe baza mediei aritmetice ponderate.

În practica statistică şi în analiza activităţii economice, media armonică se foloseşte cel mai
frecvent la calculul indicelui preţurilor de tip Paasche (vezi capitolul 8: Indici statistici).

5.3.5 Media pătratică


Media pătratică ( x p ) este definită drept acea valoare care, înlocuind termenii seriei ridicaţi la
pătrat, din care se calculează, nu modifică suma pătratelor acestora:
n
x12  x 22  ....  x n2   xi2  x 2p  x 2p  ....  x 2p  n  x 2p (5.27)
i 1

Aşadar:

n n

 xi2 x 2
i
x 2p  i 1
 xp  i 1
(5.28)
n n
Media pătratică se recomandă a fi folosită când într-o serie in care predomină valorile
absolute sau atunci când seria este formată atât din valori pozitive cât şi negative.

Relaţia 5.28 se aplică la calculul mediei pătratice în cazul unei serii simple. În cazul unei serii
de frecvenţe se aplică media pătratică ponderată :

x 2
i  ni
xp  i 1
k

n
i 1
i

Media pătratică este întotdeauna mai mare decăt media aritmetică ( x p > x ). Aceasta
deoarece prin ridicare la pătrat creşte importanţa valorilor mari.

Media pătratică se aplică cel mai frecvent la calculul abaterii medii pătratice, care este unul
din cei mai utilizaţi indicatori sintetici de variaţie.

5.3.6 Media geometrică


Media geometrică ( x g ) se bazează pe relaţia de produs a termenilor seriei, faţă de relaţia
de însumare aplicată în cazul mediilor prezentate anterior.

Media geometrică este acea valoare care, înlocuind termenii seriei, nu modifică produsul
acestora:

101
n
x1  x 2  ....  x n   xi  x g  x g  ....  x g (5.29)
i 1

sau
n
n  x g   xi (5.30)
i 1

de unde:

- media geometrică simplă:

n
xg  n x i 1
i (5.31)

- media geometrică ponderată:

k
x g   ni  xini (4.32)
i 1

O formă alternativă a acestei relaţii se obţine prin logaritmare, obţinând:


k

n i  ln xi
xg  i 1
k
(5.33)
n
i 1
i

Cu alte cuvinte, media geometrică este media aritmetică ponderată a logaritmilor valorilor
observate.

Folosirea mediei geometrice presupune ca între termenii seriei să existe o relaţie de produs.
De cele mai multe ori, media geometrică se aplică atunci când seria este formată din termeni care
reprezintă mărimi relative de dinamică.

Din modificări relative exprimate sub formă de coeficienţi (rate de creştere) nu se calculează
direct media geometrică. Aceste date se transformă mai întâi în indici, adăugând 1, urmând ca din
datele obţinute să se calculeze media geometrică. Creşterea medie se obţine dacă din rezultatul
mediei geometrice se scade 1.

Aplicarea mediei presupune ca toţi termenii seriei să fie pozitivi. Media geometrică acordă o
importanţă mai mare valorilor mai mici. Calculată pe baza aceloraşi date, media geometrică este mai
mică decât media aritmetică.

Un exemplu clasic al mediei geometrice este rata medie de rentabilitate financiară, atunci
când se cunoaşte valoarea iniţială a unui activ, valoarea finală şi numărul de ani ai perioadei
analizate. Spre exemplu, dacă acum 10 ani a fost plasat un activ financiar în valoare de 25000 Euro,
iar acum el valorează 33598 Euro, care a fost rata medie anuală a rentabilităţii financiare?

33598
R f  10  1,03
25000
Astfel, creşterea medie anuală a fost de 3%, valoare obţinută scăzând 1 din rezultatul de mai
sus.

102
Existenţa mai multor tipuri de medii ridică întrebarea: când se aplică una sau alta din mediile
prezentate anterior?

- Modul este, în cazul variabilelor măsurate pentru o scală nominală, singurul indicator ai
tendinţei centrale care are sens.

- Mediana este principalul indicator ai tendinţei centrale în cazul variabilelor măsurate pe


baza unei scale ordinale. În cazul variabilelor cantitative, măsurate printr-o scală metrică,
mediana completează media aritmetică sau poate înlocui această medie dacă repartiţia
este pronunţat asimetrică sau cuprinde valori care se abat semnificativ de masa valorilor.

- Media aritmetică este cea mai importantă medie în cazul seriilor alcătuite pentru o
variabilă măsurată pe baza unei scale metrice. Se poate aplica întotdeauna, când are
sens să se însumeze termenii seriei.

- Media geometrică se aplică tot în cazul variabilelor scalate metric şi când între date
există o relaţie de produs, respectiv exprimă evoluţia in timp.

- Media armonică presupune ca măsurarea să se bazeze pe o scală metrică, iar datele din
care se calculează să fie mărimi relative de structură sau de intensitate.

- Media pătratică se aplică în cazul seriilor de date scalate metric, când termenii pot fi atât
valori pozitive cât şi negative.

5.4 Cuvinte cheie


 Serie unidimensională / multidimensională.
 Serie de repartiţie = serie distribuţie = serie de frecvenţe.
 Serie de atribute = serie nominativă
 Omogenitatea termenilor
 Variabilitatea termenilor
 Independenţa termenilor
 Indicatorii tendinţei centrale: media, mediana, modul
 Medie aritmetică simplă
 Medie aritmetică ponderată
 Medie geometrică
 Medie armonică
 Medie pătratică

103
5.5 Intrebări de control
1. Care este deosebirea dintre o serie de variaţie şi o serie de atribute?

2. Ce reprezintă densităţile de frecvenţe?

3. Ce exprimă media aritmetică?

4. Când media unei serii este reprezentativă?

5. Când se verifică egalitatea: x = Mo = Me ?

6. Când se aplică media geometrică?

5.6 Bibliografie selectivă


1. Bij E., Lilea E., Wagner P., Petcu N., Vătui M., – Statistica, Editura Didactică şi
Pedagogică, Bucureşti, 1999, p. 159–203.

2. Jaba E., – Statistica, Editura Economică, Bucureşti, 1998, p. 103– 176.

3. Korka M., Begu St., Tuşa E., Bazele statisticii pentru economişti, Editura Tribuna
Economică, 2002, p. 70–102.

4. Schwarze J., – Grundlagen der Statistik I, Verlag Neue Wirtschafts – Briefe, GmbH,
Berlin, 1994, p.58–106.

5. Tudorel A., Stancu S. – Statistica. Teorie şi aplicaţii, Editura All, Colecţia


„Oeconomica”, Bucureşti, 1995, p. 124-125, 132-140, 252-265Voineagu V., Lelea E.,
Gaschin Z., Vătui M., Boldeanu D., – Statistica economică. Teorie şi aplicaţii, Editura
Tribuna Economică, Bucureşti, 2002, p. 84–150.

104
Unitatea 6: ANALIZA DESCRIPTIVĂ A SERIILOR
DE REPARTIŢIE – Partea a II-a

6.1 Obiective
Acest capitol completează setul de indicatori prezentaţi în unitatea anterioară, utilizaţi pentru
caracterizarea şi analiza unei serii de repartiţii. In cele ce urmează vom trece în revistă indicatorii
utilizaţi pentru evaluarea intensităţii variaţiei valorilor individuale în jurul unei valori tipice şi vom calcula
indictorii asimetriei şi aplatizării. În cazul fiecarui indicator se insistă asupra cazurilor de utilizare şi
asupra limitelor indicatorului respectiv.

După parcurgerea cu succes a acestei unităţi de învăţare, veţi fi capabili să:

- Caracterizaţi gradul de împrăştirea a valorilor unei serii de repartiţie cu ajutorul


principalilor indicatori ai variaţiei – simpli şi sintetici ;

- Calculaţi media şi dispersia unei variabile alternative ;

- Calculaţi şi să caracterizaţi forma unei serii de repartiţie cu ajutorul indicatorilor de


asimetrie şi aplatizare;

- Calculaţi şi să interpretaţi indicatorii variaţiei, asimetrirei şi aplatizării cu ajutorul celor mai


uzuale pachete de aplicaţii disponibile pe calculatoarele personale.

6.2 Indicatorii variaţiei


Caracterizarea unei repartiţii prin intermediul mediilor ridică, în mod normal, întrebarea dacă
valorile empirice se situează aproape de media lor sau prezintă o împrăştiere pronunţată.

Aceasta deoarece media are menirea de a caracteriza tendinţa centrală. Cu cât împrăştierea /
variaţia valorilor individuale este mai mare, cu atât mai puţin media este în măsură să sintetizeze ceea
ce este tipic, esenţial şi comun în masa de date empirice. Deci, reprezentativitatea mediei scade odată
cu creşterea variaţiei valorilor individuale, respectiv cu cât valorile individuale sunt mai apropiate între
ele cu atât colectivitatea este mai omogenă şi media mai reprezentativă.

În general, indicatorii variaţiei servesc descrierii mai complete a unei repartiţii comparativ cu
cea realizată numai prin intermediul mediei. Un indicator de variaţie completează informaţiile furnizate
de o medie. Indicatorii variaţiei oferă informaţii privind calitatea mediei unei repartiţii ca reprezentativă
sau nereprezentativă.

Indicatorii variaţiei servesc la: verificarea reprezentativităţii mediei ca valoare tipică a unei serii
de date empirice; verificarea gradului de omogenitate a seriei; caracterizarea statistică a formei şi
gradului de variaţie; cunoaşterea gradului de influenţă a factorilor.

Indicatorii variaţiei se diferenţiază în funcţie de numărul variantelor / valorilor luate în calcul şi


după rolul îndeplinit în analiza variaţiei, în două grupe :

- Indicatori simpli ai variaţiei;

- Indicatori sintetici ai variaţiei.

105
6.2.1 Indicatorii simpli ai variaţiei
Indicatorii simpli ai variaţiei se determină ca diferenţă dintre două valori şi ca un raport
procentual dintre diferenţa a două valori şi media valorilor empirice. Din această grupă fac parte
amplitudinea variaţiei (absolută şi relativă) şi abaterile individuale (absolute şi relative).

Amplitudinea absolută (A) este indicatorul de variaţie cel mai simplu. Se determină ca
diferenţă dintre valorile extreme ale caracteristicii şi exprimă mărimea câmpului de împrăştiere.

A  x max  x min
În cazul unei repartiţii construită pe intervale de grupare, amplitudinea variaţiei se determină
ca diferenţă dintre limita superioară a ultimului interval şi limita inferioară a primului interval. Dacă
primul şi ultimul interval sunt deschise, amplitudinea variaţiei se estimează pe baza diferenţei dintre
centrele intervalelor extreme.

Amplitudinea relativă (A%) este un raport procentual dintre amplitudinea absolută şi media
seriei:

A
A(%)   100 (6.1)
x
Amplitudinea variaţiei (absolută şi relativă) poate dezinforma atunci când valorile extreme se
situează la distanţă mare de masa valorilor empirice. Din acest motiv acest indicator nu oferă
informaţii concludente privitor la gradul de variaţie a două repartiţii.

Amplitudinea variaţiei se aplică:

- în toate cazurile când interesează tocmai valorile extreme;

- în controlul calităţii proceselor de producţie.

O alternativă la amplitudinea variaţiei, în scopul caracterizării împrăştierii unei repartiţii o


constituie intervalul intercuartilic sau intervalul interdecilic.

Mai întâi, însă, vom defini cuantilele, respectiv indicatorii care împart seria valorilor ordonate
într-un anumit număr de parţi egale: cuartilele; quintilele; decilele; centilele; percentilele etc.

Cuartilele sunt notate cu litera „Q” şi sunt acele valori ale caracteristicii care împart seria
valorilor ordonate în patru părţi egale: cuartila inferioară (Q1) este acea valoare care separă 25 % din
valorile mici de restul de 75 % din valori; cuartila a doua (Q2) împarte seria în două părţi egale, deci
coincide cu mediana (Q2 = Me); cuartila a treia (Q3) separă primii 75 % din valori de restul de 25 % din
valorile mai mari.

xmin Q1 Q2 Q3 xmax

Cuantilele se calculează după metodologia menţionată la mediană.

Locul cuartilelor se determină conform relaţiilor următoare:

n 1
LoQ1  ;
4
n 1
LoQ2  ; (6.2)
2

106
3
LoQ3   (n  1)
4
Se cumulează crescător frecvenţele. Q1 este valoarea corespunzătoare frecvenţei cumulate
n 1 3
care este mai mare sau cel puţin egală cu , respectiv  ( n  1) în cazul Q3.
4 4
Valoarea Q1 se calculează după relaţia:

n  1 Q1
  ni
4
Q1  x0  h  i 1
(6.3)
nQ1

respectiv, Q3:

3  (n  1) Q3
  ni
4
Q3  x0  h  i 1
(6.4)
nQ3

Intervalul intercuartilic este dată de diferenţa dintre a treia şi prima cuartilă:

IQR  Q3  Q1 (6.5)

Pe lângă diferenţa absolută dată de această diferenţă, intervalul intercuartilic ne arată că 50%
dintre valorile observate se găsesc în acest interval. Cu cât diferenţa este mai mică, cu atât distribuţia
este mai concentrată în jurul valorii mediane.

Intervalul intercuartilic este o măsură de împrăştiere mai bună decât amplitudinea absolută,
deoarece este mai puţin sensibilă la valorile extreme şi la datele atipice.

107
Exemplul 6.1 – Calculul indicatorilor de localizare: cuartilele şi intervalul intercuartilic
Vom utiliza datele din Tabelul 5.1, referitoare la cifra de afaceri colectate pentru 200 de companii.
Tabelul 6.1 – Distribuţia întreprinderilor după cifra de afaceri
Număr Frecvenţa absolută
companii cumulată
Cifra de afaceri
Frecvenţa (Fi)
(xi)
absolută
Crescător Descrescător
(ni)
1600 – 2000 15 15 200
2000 – 2400 25 40 185
2400 – 2800 50 90 160
2800 – 3200 46 136 110
3200 – 3600 35 171 64
3600 – 4000 24 195 29
4000 – 4400 5 200 5
Total 200 200

Q1 şi Q3 se determină astfel:
a) Determinarea locului primei şi a celei de a treia cuartile:

n  1 201
LoQ1    50,25
4 4
Prima frecvenţă cumulată mai mare sau egală cu 50,25 este 90, deci prima cuartilă se găseşte în
intervalul 2400 – 2800 mii lei.

3  (n  1) 603
LoQ3    150,75
4 4
Prima frecvenţă cumulată mai mare sau egală cu 150,75 este 171, deci a treia cuartilă se găseşte
în intervalul 3200 – 3600 mii lei.
b) Determinarea valorii primei şi a celei de a treia cuartile:

n  1 Q1
  ni
4 50,25  40
Q1  x0  h  i 1
 2400  400   2482 mii lei
nQ1 50

3  (n  1) Q3
  ni
4 150,75  136
Q3  x0  h  i 1
 3200  400   3368,6 mii lei
nQ3 35
c) Calculul intervalului intercuartilic

IQR  Q3  Q1  3386,6  2482  904,6 mii lei


Interpretare: 50% dintre companii au o cifră de afaceri cuprinsă între 2482 şi 3386 mii lei, cu o
variaţie relativ redusă între ele.

Decilele, notate cu litera „D”, separă şirul valorilor ordonate în 10 părţi egale. Prima decilă
(D1) separă 10 % din valorile mai mici de restul de 90 % din valori, a doua decilă (D2) separă 20% din

108
valorile cele mai mici de restul de 80% din valori etc. Şi în cazul lor se procedează în acelaşi mod ca
în cazul cuartilelor: mai întâi se calculează localizarea lor şi apoi valoarea lor propriu-zisă.

Localizarea ţine seamă de poziţia lor în seria de repartiţie:

n 1
LoD1 
10
2  (n  1)
LoD2 
10
....

9  (n  1)
LoD9 
10
Valorile decilelor urmează aceleaşi relaţii de calcul ca în cazul cuartilelor, cu excepţia
introducerii în calcul a poziţiei fiecărei decile, cu frecvenţele precedente şi cea a intervalului decilic în
cauză.

n  1 D1
  ni
10
D1  x0  h  i 1

n D1

2  (n  1) D2
  ni
10
D2  x 0  h  i 1

n D2

9  (n  1) D9
  ni
10
D9  x0  h  i 1

n D9

Ca şi în cazul cuartilelor, se poate calcula intervalul interdecilic, ca diferenţă între decila a


noua şi prima decilă, adică valorile care delimitează primele 10% dintre valori şi ultimele 10%.

IDR  D9  D1 (6.6)

Cuantilele se pot calcula şi grafic. Se porneşte de la poligonul frecvenţelor cumulate şi de pe


ordonată corespunzător valorii care indică locul cuantilei respective se trasează o paralelă la abscisă.

Din punctul de intersecţie cu poligonul frecvenţelor cumulate se trasează o paralelă la axa Ox.

În continuare ilustrăm modul de calcul al decilelor.

109
Exemplul 6.2 – Calculul indicatorilor de localizare: decilele şi intervalul interdecilic
Vom utiliza datele din Tabelul 5.1, referitoare la cifra de afaceri colectate pentru 200 de companii.
Tabelul 6.2– Distribuţia întreprinderilor după cifra de afaceri (continuare)
Număr Frecvenţa absolută
companii cumulată
Cifra de afaceri
Frecvenţa (Fi)
(xi)
absolută
Crescător Descrescător
(ni)
1600 – 2000 15 15 200
2000 – 2400 25 40 185
2400 – 2800 50 90 160
2800 – 3200 46 136 110
3200 – 3600 35 171 64
3600 – 4000 24 195 29
4000 – 4400 5 200 5
Total 200 200

Decilele se determină astfel:


a) Determinarea locului decilelor:

n  1 201
LoD1    20,1
10 10
Prima frecvenţă cumulată mai mare sau egală cu 20,1 este 40, deci prima decilă se găseşte în
intervalul 2000 – 2400 mii lei.

2  (n  1) 402
LoD2    40,2
10 10
Prima frecvenţă cumulată mai mare sau egală cu 40,2 este 90, deci a doua decilă se găseşte în
intervalul 2400 – 2800 mii lei.
În mod asemănător se procedează pentru toate celelalte decile intermediare. Să calculăm locul
celei de a noua decile:

9  (n  1) 1809
LoD9    180,9
10 10
Prima frecvenţă cumulată mai mare sau egală cu 180,9 este 195, deci a noua decilă se găseşte în
intervalul 3600 – 4000 mii lei.
b) Determinarea valorii primei, a doua şi a noua decile:

n  1 D1
  ni
10 20,1  15
D1  x0  h  i 1
 2000  400   2081,6 mii lei
n D1 25

2  (n  1) D2
  ni
10 40,2  40
D2  x 0  h  i 1
 2400  400   2401,6 mii lei
n D2 50

110
9  (n  1) D9
  ni
10 180,9  171
D9  x 0  h  i 1
 3600  400   3765 mii lei
n D9 24

c) Determinarea intervalului interdecilic

IDR  D9  D1  3765  2401,6  1316,4 mii lei

Interpretare: 80% dintre observaţii au valori cuprinse între 2401,6 şi 3765 mii lei.

Pe baza intervalului intercuartilic sau a celui interdecilic se poate calcula coeficientul de


dispersie. Coeficientul de dispersie permite caracterizarea unei distribuţii printr-un număr
adimensional, ceea ce permite compararea între două distribuţii. El se exprimă procentual fie ca raport
între intervalul intercuartilic şi mediană sau intervalul interdecilic şi mediană:

Q3  Q1 D  D1
CD   100 sau CD  9  100 (6.7)
Me Me
Un alt indicator robust al împrăştierii, care nu este influenţat de valorile atipice, este abaterea
mediană absolută 26. Ea se calculează ca mediană a abaterilor valorilor individuale de la mediană.

AMA=mediana{xi-Me} (6.8)

Abaterea mediană absolută este utilă pentru compararea a două distribuţii ale aceleiaşi
variabile fie la două momente cronologice diferite, fie din locaţii geografice diferite, pentru a aprecia
gradul de împrăştiere a datelor.

26
În limba engleză, acest indicator este denumit “median absolute deviation”, prescurtat MAD (n.aut)

111
Exemplul 6.3 – Calculul abaterii mediane absolute liniare şi a coeficientului de dispersie
Vom utiliza datele din Tabelul 5.1, referitoare la cifra de afaceri colectate pentru 200 de companii.
În exemplul 5.6 am calculat mediana, egală cu 2891,3 mii lei.
Tabelul 6.3– Distribuţia întreprinderilor după cifra de afaceri (continuare)
Frecvenţa
Cifra de afaceri
(xi)
absolută xi  Me
(ni)
1600 – 2000 15 -1091,3
2000 – 2400 25 -691,3
2400 – 2800 50 -291,3
2800 – 3200 46 108,7
3200 – 3600 35 508,7
3600 – 4000 24 908,7
4000 – 4400 5 1308,7
Total 200

Am obţinut, aşadar, 7 valori individuale ale abaterilor de la mediană, corespunzător celor 7


intervale de grupare. Mediana acestor abateri individuale se calculează astfel:
k 1 7 1
LoMe   4
2 2
În concluzie, abaterea mediană absolută este a 4-a valoare din seria de mai sus, adică 108,7 mii
lei.

AMA = 108,7 mii lei


Coeficientul de dispersie, calculat după ambele relaţii, este:

Q3  Q1 904,6
CD   100   100  31,2%
Me 2891,3

D9  D1 1316,4
CD   100   100  45,5%
Me 2891,3

Abaterile individuale absolute (di) reprezintă diferenţa între fiecare valoare empirică şi
media aritmetică a termenilor:

d i  xi  x (6.9)

Abaterile individuale relative (di%) se calculează ca un raport procentual dintre abaterea


absolută şi media caracteristicii:

xi  x
di   100 (6.10)
x
În analiza variaţiei se calculează, de regulă, numai abaterile maxime, respectiv pozitivă
( x max  x )şi negativă ( x min  x ). Dacă aceste abateri, luate în valoare absolută, diferă seminificativ,

112
trebuie trasă concluzia că repartiţia este pronunţat asimetrică, situaţie care impune calcularea şi a
indicatorilor care măsoară gradul de asimetrie.

6.2.2 Indicatorii sintetici ai variaţiei


Amplitudinea variaţiei şi abaterile individuale oferă o imagine globală asupra variaţiei, dar nu
sunt în situaţia să ofere o măsură care să caracterizeze sintetic gradul de variaţie. O astfel de măsură
se obţine dacă se porneşte de la principiul aplicat în cazul mediilor şi anume: suma abaterilor
ponderate cu frecvenţele de apariţie. Aceasta înseamnă să se sintetizeze toate abaterile individuale

într-o singură expresie, calculând media lor:


 ( x  x) n
i i
.Dar suma abaterilor valorilor individuale
n i

de la media lor este întotdeauna egală cu 0. Pentru a evita compensarea abaterilor pozitive şi
negative există două posibilităţi:

a) fiecare abatere individuală să se ia în calcul cu valoarea absolută, xi  x ;

b) fiecare abatere individuală să se ia în calcul cu pătratul lor, x i 


2
x .

În primul caz se calculează o medie aritmetică a valorilor absolute ale abaterilor


individuale ( d ), respectiv o medie aritmetică a pătratelor abaterilor individuale (  ) .
2

Indicatorii sintetici ai variaţiei sunt: abaterea medie liniară ( d ); dispersia (  ) , abaterea


2

medie pătratică (σ ) ; coeficientul de variaţie ( C v ).

Abaterea medie liniară ( d ) se calculează ca o medie aritmetică simplă sau ponderată a


abaterilor individuale, luate cu valoarea absolută:

 pentru o serie simplă:


n

x i x
d i 1
(6.11)
n
 pentru o serie de frecvenţe:
k

x i  x  ni
d i 1
k
(6.12)
n
i 1
i

În cazul unei serii de frecvenţe relative exprimate procentual, d se calculează:


k

x i  x  fi%
d i 1
(6.13)
100
Abaterea medie liniară evidenţiază cu cât se abate în medie fiecare termen de la media
termenilor. Calculul abaterii medii liniare este exemplificat în continuare.

113
Exemplul 6.4 – Calculul abaterii medii liniare
Vom utiliza datele din Tabelul 5.1, referitoare la cifra de afaceri colectate pentru 200 de companii.
Tabelul 6.4 – Distribuţia întreprinderilor după cifra de afaceri (continuare)
Număr
companii
Cifra de afaceri
(xi)
Frecvenţa xi  x x i  x  ni
absolută
(ni)
1600 – 2000 15 1106 16590
2000 – 2400 25 706 17650
2400 – 2800 50 306 15300
2800 – 3200 46 94 4324
3200 – 3600 35 494 17290
3600 – 4000 24 894 21456
4000 – 4400 5 1294 6470
Total 200 99080

În cazul de faţă, al unei repartiţii pe intervale de grupare, valoarea variabilei de interes este centrul
de interval. De asemenea, din Exemplul 4.4, am obţinut valoarea mediei aritmetice, egală cu 2906
mii lei. Ca urmare, în coloana a 3-a vom calcula valoarea absolută a diferenţei dintre centrul de
interval şi media cifrei de afaceri pe baza relaţiei 6.12. Diferenţele liniare pentru primele doua
intervale sunt:

x1  x = 1800  2906  1106

x 2  x = 2200  2906  706

Repetăm calculele pentru toate intervalele şi obţinem rezultatele din coloana a 3-a.
Abaterea medie liniară este:
k

x i  x  ni
99080
d i 1
k
  495,4 mii lei
200
n
i 1
i

Interpretare: Cifra de afaceri a oricărui agent economic se abate în medie de la 2906 mii lei cu
495,4 mii lei.

114
Dispersia (  ) se calculează ca o medie aritmetică simplă sau ponderată a pătratelor
2

abaterilor termenilor seriei de media lor:

 pentru o serie simplă:


n

 (x i  x) 2
2  i 1
(6.14)
n
 pentru o serie de frecvenţe:
k

 (x i  x ) 2  ni
2  i 1
k
(6.15)
n
i 1
i

 pentru o serie de frecvenţe relative exprimate procentual:


k

 (x i  x) 2  f i %
2  i 1
(6.16)
100
Dispersia este o mărime abstractă, exprimată în pătratul unităţii de măsură a variabilei
observate, care nu serveşte nemijlocit analizei variaţiei. Pe baza ei se calculează abaterea medie
pătratică (  ).

Exemplul 6.5 – Calculul dispersiei


Vom utiliza datele din Tabelul 5.1, referitoare la cifra de afaceri colectate pentru 200 de companii,
în care vom calcula pătratul diferenţelor centrelor de interval faţă de medie.
Tabelul 6.5 – Distribuţia întreprinderilor după cifra de afaceri (continuare)
Număr
companii
Cifra de afaceri
(xi)
Frecvenţa
absolută
xi  x x i 
2
 x  ni
(ni)
1600 – 2000 15 -1106 18348540
2000 – 2400 25 -706 12460900
2400 – 2800 50 -306 4681800
2800 – 3200 46 94 406456
3200 – 3600 35 494 8541260
3600 – 4000 24 894 19181664
4000 – 4400 5 1294 8372180
Total 200 71992800

Aplicând relaţia (6.15), dispersia este:

115
k

 (x i  x ) 2  ni
71992800
2  i 1
k
  359964 mii lei la pătrat
200
n
i 1
i

Valoarea dispersiei depinde, pe de o parte, de variabilitatea caracteristicii studiate şi, pe de altă


parte, de ordinul de mărime al acesteia. În plus, ea se exprimă în pătratul unităţii de măsură a
caracteristicii. De aceea, valoarea ei ne arată magnitudinea variabilităţii, însă nu este deplin
utilizabilă în această formă, făcând necesară utilizarea ei în alte măsuri statistice: abaterea medie
pătratică, coeficientul de variaţie, analiza varianţei etc.

În vederea determinării dispersiei pot fi aplicate formule alternative care rezultă din
dezvoltarea expresiei din numărătorul relaţiei de bază (formula 6.15) şi din unele proprietăţi ale
dispersiei.

Dacă se dezvoltă binomul xi  x rezultă:  


k k

 ( x i  x ) 2  ni  (x
2
2
i  2  x  x i  x )  ni
2  i 1
k
 i 1
k

n i 1
i n
i 1
i

k k k

 xi2  ni  2  x xi  ni  x   ni
2

 i 1 i 1
k
i 1

ni 1
i

x i  ni
Ştim că media este x  i 1
k
. Înlocuind în relaţia de mai sus, obţinem:
n
i 1
i

k k k k k k

 xi2  ni  2  x xi  ni  x   ni  xi2  ni  x i  ni x
2
i  ni
i 1 i 1
k
i 1
 i 1
k
 2 i 1
k
 i 1
k

n i 1
i n
i 1
i n
i 1
i n
i 1
i

2 2 2
 k  k k
 k   k 
  x i  ni   ni  x 2
in i   x i  ni    x i  ni 
  i 1 k   i 1  i 1
 2   i 1 k    i 1  
  k k    k 
  ni   ni  ni   ni    ni 
 i 1  i 1 i 1  i 1   i 1 
2
k
 k  k

 x  n   x i  ni
2
 x 2
 ni

i i i
  k
2 i 1
  i 1 k  sau  2  i 1
 x
2
(6.17)
  k

i 1
ni   ni
 i 1


ni 1
i

116
Proprietăţile dispersiei sunt:

 dispersia calculată pe baza valorilor empirice micşorate sau mărite în prealabil prin
scăderea sau adăugarea unei constante a, este egală cu dispersia valorilor iniţiale 27, deci:

 x2  a   x2
i i

 dispersia calculată pe baza valorilor seriei micşorate în prealabil prin împărţirea la o


2
constantă h, este de h ori mai mică decât dispersia valorilor iniţiale.

1
 x2 / h    x2i
i
h2
xi  a
Aplicând transformarea în (6.17), obţinem:
h
2
 xi  a 
k

    ni
 
2 i 1  h 
k
 h2  x  a  2
(6.18)
 ni i 1

unde a şi h au semnificaţiile ca la calculul mediei aritmetice.

Relaţia 6.18, prin scăderea unei constante a, simplifică calculul dispersiei dacă seria de
repartiţie a fost construită pe intervale de grupare egale.

Abaterea medie pătratică sau abaterea standard (σ ) este o medie pătratică a abaterilor
individuale:

 pentru o serie simplă:

 (x i  x) 2
 i 1
(6.19)
n

 pentru o serie de frecvenţe:

 (x i  x ) 2  ni
 i 1
k
(6.20)
n
i 1
i

Deci,   2
Pe baza dispersiei calculate în Exemplul 4.13, abaterea medie pătratică (sau ecartul tip) este:

  359964  599,97  600 mii lei.


Interpretare: Cifrele de afaceri se abat în medie de la 2906 mii lei cu 600 mii lei.

Aşadar,  d deoarece o medie pătratică este mai mare decât o medie aritmetică.

27
Distribuţia se translatează pe axă, însă dispersia este aceeaşi.

117
Abaterea medie pătratică are un rol extrem de important în caracterizarea seriilor de repartiţie.
Astfel, pe baza distribuţiei normale, cunoaştem că:

 
aproximativ 68,2% dintre valori se află în intervalul x   ; x   
 aproximativ 95,4% dintre valori se află în intervalul x  2 ; x  2 

 aproximativ 99,6% dintre valori se află în intervalul x  3 ; x  3 

Fig. 6.1 – Distribuţia normală şi gruparea valorilor pe intervale ale abaterii standard

O abatere medie de 600 mii lei reprezintă mult sau puţin? Poate reprezenta mult sau puţin în
raport cu o valoare tipică, deci cu media seriei.

Coeficientul de variaţie (CV) este raportul procentual dintre abaterea medie standard şi
media seriei de repartiţie. Utilitatea lui este dată de faptul că abaterea medie pătratică, ca şi abaterea
medie liniară sunt măsuri absolute ale variaţiei şi, ca urmare, valoarea lor depinde de mărimea
valorilor caracteristicii. Comparaţii privind gradul de variaţie şi omogenitatea între două sau mai multe
repartiţii nu pot fi efectuate pe baza acestor indicatori.


Cv   100 (6.21)
x
Cu cât coeficientul de variaţie se apropie mai mult de zero, cu atât variaţia este mai redusă,
colectivitatea este mai omogenă. iar media este mai reprezentativă.

Se apreciază că dacă coeficientul de variaţie care nu depăşeşte pragul de 35%, intensitatea


variaţiei este redusă iar media este reprezentativă pentru valorile individuale din care s-a calculat. Cu
cât se depăşeşte pragul de 35% cu atât intensitatea variaţiei creşte, iar media devine mai
nereprezentativă. Aceasta înseamnă că variaţia nu mai poate fi pusă pe seama întâmplării, deci cel
puţin un factor considerat întâmplător are o influenţă semnificativă.

118
În cazul repartiţiei prezentată în Exemplul 4.13, coeficientul de variaţie este egal cu 20,6% ceea ce
indică faptul că media este reprezentativă.

 599,97
Cv   100   100  20,6%
x 2906

6.2.3 Media si dispersia unei variabile alternative


Variabilele statistice se pot grupă după numărul variantelor / valorilor pe care le pot lua şi în
variabile nealternative şi, respectiv, variabile alternative. Variabila alternativă este cazul particular al
unei caracteristici nominative sau atributive la care se înregistrează numai două stări care se exclud
reciproc. De exemplu, un student poate fi după susţinerea unui examen în situaţia de promovat sau
nepromovat; o piesă poate corespunde standardului de calitate sau nu; sexul – masculin sau feminin ;
mediul de rezidenţă – urban sau rural etc.

Cele două variante care se înregistrează în cazul unei variabile alternative sunt: DA şi NU.
Exprimarea cantitativă a celor două variante presupune înlocuirea variantei DA cu 1 şi a variantei NU
cu 0.

Notaţiile uzuale folosite în cazul calcului mediei şi a dispersiei sunt prezentate în tabelul
următor:

Tabelul 6.6 – Notaţiile caracteristicii alternative


Variantele Frecvenţa
Valoarea atribuită
caracteristicii Absolută Relativă
m
x1 (Da) 1 m p
n
nm
x2 (Nu) 0 n-m  q  1 p
n
Total n p  q 1

Media variabilei alternative este:


n

x i
1  m  0  ( n  m) m
x i 1
  p (4.67)
n n n
După cum se poate observa, media unei caracteristici alternative este ponderea unităţilor care
posedă varianta care interesează (Da) în totalul unităţilor, deci este o frecvenţă relativă.

Dispersia unei astfel de variabile se deduce din relaţia de bază de calcul a dispersiei:

 x 
k
2
 x  ni
2  i 1
i

1  p 2  p  0  p 2  q  q 2  p  p 2  q  p  q  (q  p )
 pq
k
pq pq pq
n
i 1
i

sau

 2  p  (1  p) (4.68)

Prin urmare, dispersia caracteristicii alternative este produsul dintre ponderea celor două
variante în colectivitatea studiată.

119
6.3 Asimetria şi aplatizarea
Descrierea unei repartiţii statistice unidimensionale se realizează, de regulă, prin intermediul
mediei şi al dispersiei. Sunt însă situaţii când unii utilizatori reclamă informaţii privind forma repartiţiei,
ceea ce înseamnă un indicator prin care se caracterizează forma variaţiei valorilor în jurul mediei.
Seriile de distribuţie pot fi, pe de o parte, simetrice şi asimetrice sau oblice şi, pe de altă parte,
aplatizate sau ascuţite.

6.3.1 Asimetria
Se spune că o distribuţie este simetrică dacă frecvenţele de apariţie (absolute sau relative)
scad proporţional şi simetric în raport cu frecvenţa cea mai mare, care corespunde valorii centrale.

Într-o distribuţie simetrică, cei trei indicatori ai tendinţei centrale sunt egali (fig. nr. 6.2). O
distribuţie simetrică nu este întotdeauna o distribuţie normală, însă o distribuţie normală este
întotdeauna simetrică.
Fig. 6.2 – Exemplu de distribuţie simetrică

x  Me  Mo
O distribuţie nonsimetrică poate fi asimetrică la dreapta (fig. nr. 6.3) sau la stânga (fig. nr. 6.4).

Fig. 6.3 – Exemplu de distribuţie asimetrică la dreapta

Fig. 6.4 – Exemplu de distribuţie asimetrică la stânga

120
Asimetria de dreapta (pozitivă) sau de stânga (negativă) se judecă în funcţie de poziţia
modului (Mo) faţă de media x pe axa absciselor.

Fig. 6.2 – 6.4 oferă o imagine vizuală privind forma repartiţiei, dar nu oferă o măsură privind
amploarea abaterii de la simetrie.

O modalitate simplă de descriere / măsurare a formei variaţiei constă în calcularea diferenţei


între medie şi mod.

As  x  Mo (4.69)

Dacă: x = Mo ⇒ distribuţia este simetrică ;

x > Mo ⇒ asimetrie de dreapta (pozitivă) ;


x < Mo ⇒ asimetrie de stânga (negativă).
Rezultatul aplicării relaţiei [4.69] se exprimă în unităţile de măsură ale variabilei (mil. lei; Kg
etc) şi ca atare această relaţie nu poate fi folosită pentru comparaţii între serii construite pentru
variabile diferite.

Pentru măsurarea aimetriei se foloseşte frecvent coeficientul de asimetrie propus de Karl


Pearson:

x  Mo
C as  (4.70)

Acest coeficient poate lua valori cuprinse între – 1 şi + 1. Cu cât Cas este mai mic cu atât
distribuţia tinde mai mult spre una simetrică ; Se consideră că o distribuţie este moderat asimetrică,
dacă Cas < 0,3 . Distribuţia agenţilor economici după cifra de afaceri (vezi Exemplele 4.4 şi 4.7) este
moderat asimetrică la dreapta (coeficientul este pozitiv).

2906  2745
C as   0,27
600

121
Dacă seria de repartiţie este bi sau multimodală (frecvenţa cea mai mare apare de două sau
de mai multe ori) care tinde spre normalitate, se recomandă calcularea coeficientului de asimetrie
(C`as).

3  x  Me 
C as  (4.71)

Coeficientul de asimetrie (C`as) ia valori cuprinse între (– 3; 3). Un coeficient de asimetrie
situat între – 0,3 şi + 0,3 indică o distribuţie moderat asimetrică. Dacă C`as depăşeşte 0,3, asimetria
este puternică, ceea ce sugerează că indicatorii tendinţei centrale tind să fie nereprezentativi.

6.3.2 Aplatizarea
Gradul de aplatizare a unei distribuţii ne arată cât de „plată” sau „ascuţită” este o distribuţie. O
distribuţie plată are „cozile” mai lungi, în timp ce una ascuţită are cozile mai scurte.

Gradul de aplatizare a fost definit de Karl Pearson ca fiind:

    3 , unde (4.72)

 x 
N
4
i x
 i 1
(4.73)
N  4
Această relaţie de calcul este valabilă atunci când avem date despre toate elementele
colectivităţii statistice.

xi  x
Mărimea se mai numeşte scor Z sau valoare normată şi se obţine, după cum se

vede, prin transformarea variabilei iniţiale scăzând valoarea medie şi împărţind diferenţa la abaterea
medie pătratică. Cu alte cuvinte, parametrul  este media scorurilor Z ridicate la puterea a 4-a.
Aşadar,

xi  x
Zi 

Parametrul  se mai numeşte „aplatizarea Pearson”, iar  - 3 este „excesul de aplatizare”
sau „aplatizarea Fisher”, chiar dacă Pearson a fost cel care a definit aplatizarea ca  -3.

O distribuţie normală are, de regulă, un parametru  egal cu 3. Aşadar, excesul de aplatizare


este 0 pentru o distribuţie normală.

Atunci când  > 0, distribuţia este ascuţită, sau „leptocurtică”, aşa cum se poate vedea din
Fig. 6.5.

122
Fig. 6.5 – Exemplu de distribuţie ascuţită

Când  <0, distribuţia este aplatizată, sau „platicurtică”, aşa cum se poate vedea din Fig. 6.6.
Fig. 6.6 – Exemplu de distribuţie aplatizată

Atunci când folosim date de sondaj, ceea ce se întâmplă frecvent, se utilizează un estimator al
gradului de aplatizare :

n(n  1)  Z 4 3(n  1) 2
g  (4.74)
(n  1)(n  2)(n  3) (n  2)(n  3)
Această relaţie este utilizată şi în MS Excel pentru calculul gradului de aplatizare cu funcţia
KURT.

123
6.4 Cuvinte – cheie
 Abatere medie pătratică = abaterea  Dispersia
standard
 Abaterea medie liniară  Dispersia variabilei alternative
 Amplitudinea variaţiei  Dispersie condiţionată = dispersie de
grupă
 Asimetrie de stânga / dreapta; negativă /  Dispersie dintre grupe = dispersie
pozitivă explicată
 Coeficient de aplatizare  Frecvenţe absolute, relative,
cumulate
 Coeficient de asimetrie  Indicatorii tendinţei centrale: medie,
mediană, mod
 Coeficient de determinaţie  Indicatorii variaţiei
 Coeficient de variaţie  Media dispersiilor de grupă =
dispersia reziduală
 Concentrarea sau dispersarea termenilor  Media variabilei alternative
 Decile  Medie condiţionată = medie de grupă
 Densitatea de frecvenţă.  Regula de adunare a dispersiilor

6.5 Intrebări de control


1. De ce este necesar să se studieze variaţia valorilor în jurul mediei?

2. Care este semnificaţia coeficientului de variaţie?

3. În ce constă regula de adunare a dispersiilor?

4. Care este semnificaţia dispersiei dintre grupe?

5. Ce măsoară media dispersiilor de grupă?

6. Când se aplică şi cum se calculează media şi dispersia unei variabile


alternative?

7. Prin ce se caracterizează o distribuţie simetrică?

8. Cum se interpretează coeficientul de asimetrie?

9. Cum se interpretează gradul de aplatizare?

124
6.6 Bibliografie selectivă
1. Bij E., Lilea E., Wagner P., Petcu N., Vătui M., – Statistica, Editura Didactică şi
Pedagogică, Bucureşti, 1999, p. 159–203.
2. Jaba E., – Statistica, Editura Economică, Bucureşti, 1998, p. 103– 176.
3. Korka M., Begu St., Tuşa E., Bazele statisticii pentru economişti, Editura Tribuna
Economică, 2002, p. 70–102.
4. Schwarze J., – Grundlagen der Statistik I, Verlag Neue Wirtschafts – Briefe,
GmbH, Berlin, 1994, p.58–106.
5. Tudorel A., Stancu S. – Statistica. Teorie şi aplicaţii, Editura All, Colecţia
„Oeconomica”, Bucureşti, 1995, p. 124-125, 132-140, 252-265
6. Voineagu V., Lelea E., Gaschin Z., Vătui M., Boldeanu D., – Statistica economică.
Teorie şi aplicaţii, Editura Tribuna Economică, Bucureşti, 2002, p. 84–150.

125
Unitatea 7: ANALIZA SERIILOR
INTERDEPENDENTE

7.1 Obiective
În etapa observării se înregistrează întotdeauna date pentru mai multe variabile, nu doar
pentru una singură. În unităţile precedente au fost prezentate modalităţile prin care datele aferente
unei variabile pot fi prelucrate şi analizate independent de cele ce descriu celelalte variabile. De cele
mai multe ori, însă, suntem nevoiţi să punem câteva întrebări: Între aceste variabile există vreo
legătură? Dacă există, cât de puternică este legătura? Cum se comportă o variabilă dacă alta sau
altele se modifică? Un manager al unei reţele de distribuţie poate fi interesat de legătura dintre
volumul vânzărilor şi structura produselor comercializate sau un sociolog vrea să ştie cum se
relaţionează rezultatele la examene ale studenţilor cu locul de muncă şi venitul pe care le au după
absolvire. Pentru a măsura cât de puternice sunt aceste legături, statisticienii utilizează tehnicile de
corelaţie, analizând seriile interdependente şi, pentru a estima cum vor arăta aceste legături, ei
utilizează tehnicile de regresie.

În cadrul acestei unităţi se tratează conceptele, tehnicile şi metodele utilizate cel mai frecvent
în analiza legăturii între variabile statistice, iar la finalul ei veţi fi capabili să:

- utilizaţi metodele simple de caracterizare a legăturii dintre două variabile;

- să calculaţi indicatorii prin care se măsoară intensitatea legăturilor statistice cu ajutorul


celor mai uzuali indicatori, inclusiv pentru evaluarea corelaţiei neparametrice şi să
interpretaţi valorile găsite;

- să construiţi un model de regresie liniară şi să interpretaţi semnificaţia parametrilor


calculaţi;

- să aveţi o imagine de ansamblu asupra principalelor modele de regresie utilizate în


practica analizelor economice şi sociale.

Cunoaşterea acestor tehnici şi metode este utilă în practica economică pentru explicarea
evoluţiei în trecut dar şi pentru fundamentarea predicţiei evoluţiei variabilelor în viitor sau în
circumstanţe diferite.

7.2 Tipuri de legături


Prima problemă care trebuie soluţionată în analiza legăturii între o variabilă dependentă
(rezultativă, efect, explicată, notată cu Y) şi una sau mai multe variabile independente (factoriale,
cauzale, explicative, notate cu Xi) se referă la întrebarea: există o legătură între variabile sau
modificarea variabilei efect este influenţată de modificarea variabilei (variabilelor) cauză? Răspunsul la
o astfel de întrebare presupune să se pornească de la teorie, respectiv de la ştiinţa de specialitate
care studiază fenomenele respective şi de la datele empirice înregistrate pentru variabilele presupuse
a fi corelate.

De la bun început, însă, trebuie să clarificăm un aspect important referitor la legătura dintre
variabile, pe de o parte, şi efectul uneia sau mai multor variabile asupra variabilei explicate sau
cauzalitatea, pe de altă parte: dacă între două variabile constatăm că există o legătură, cauzalitatea
dintre ele nu este implicită. În schimb, dacă între ele există o relaţie de cauzalitate, legătura este
implicită.

126
Pornind de la datele empirice, se pot întâlni în practică următoarele situaţii:

a) variabila independentă X determină modificarea variabilei dependente Y, caz în care între


cele două variabile există o legătură univocă;

b) între cele două variabile există o legătură reciprocă;

c) variabilele au o evoluţie similară, determinată nu de dependenţa dintre ele ci de o altă


variabilă care influenţează simultan modificarea celor două variabile;

d) cele două variabile au întâmplător o evoluţie similară, fără să existe vreo legătură între
ele.

În cele ce urmează se tratează numai primele două tipuri de relaţii dintre variabile.

Legăturile dintre variabilele independente se clasifică după mai multe criterii.

a) După natura relaţiei de interdependenţă se disting legături funcţionale (deterministe) şi


legături stohastice (statistice).

În cazul legăturilor deterministe, legătura dintre variabila Y şi variabila X este cunoscută cu


certitudine. Spre exemplu, relaţia dintre profit şi costuri nu comportă nici un fel de incertitudine: odată
ce cunoaştem veniturile totale şi costurile totale, vom putea afla cu exactitate care este profitul. Cu alte
cuvinte, variabila X determină în mod univoc variabila Y, ceea ce înseamnă că unei valori a variabilei
cauză îi corespunde o valoare unică a variabilei efect. Legăturile funcţionale sunt de forma: y  f  x  .
Acest tip de legătură se întâlneşte mai rar în realitatea economico-socială, deoarece variaţia unei
variabile efect (Y) este rezultatul influenţei simultane a mai multor variabile cauză (Xi).

Legăturile stohastice se întâlnesc cel mai frecvent în realitatea economico-socială. În acest


caz, modul în care funcţionează legătura dintre variabile nu poate fi precizat cu certitudine. Legătura
statistică există între două variabile dacă valoarea medie a unei variabile se află în relaţie cu valoarea
medie a altei variabile. Astfel, variabila rezultativă (Y) este influenţată de una sau mai multe variabile
cauză (Xi), dar pe lângă aceste cauze considerate esenţiale există şi alte variabile neînregistrate
(nespecificate) care acţionează asupra variabilei Y. Caracteristic pentru legăturile stohastice este
faptul că în variaţia variabilei Y rămâne întotdeauna o parte neexplicată, determinată de influenţa
factorilor neînregistraţi. Cu alte cuvinte, nu putem calcula cu certitudine care este valoarea variabilei
explicate pe baza unei valori a variabilei explicative.

Influenţa variabilelor nespecificate este luată în calcul în modelul stohastic sub forma variabilei
reziduale (  ), denumită şi eroare aleatoare:

y  f x    (7.1)

Legătura statistică nu poate fi identificată la nivelul fiecărei unităţi, ci numai la nivelul


ansamblului unităţilor. Tendinţa de corelare se manifestă numai în cazul unui număr suficient de mare
de înregistrări.

b) După numărul variabilelor factoriale luate în considerare se deosebesc legături simple şi


legături multiple.

În cazul legăturilor simple, se analizează dependenţa variabilei efect (Y) în funcţie de o


singură variabilă cauză (X), toate celelalte variabile cu o influenţă semnificativă sau nu (esenţiale sau
întâmplătoare) sunt considerate cu o acţiune constantă. De exemplu, dependenţa profitului de cifra de
afaceri.

În cazul legăturilor multiple, variaţia variabilei Y se analizează în funcţie de mai multe


variabile cauză (X1, X2, ...).

127
De exemplu, analiza variaţiei salariului într-o colectivitate (Y) în funcţie de numărul orelor
lucrate (X1), de vechime (X2), de nivelul calificării (X3).

c) După natura caracteristicilor se disting legături corelative şi legături de cauzale.

În cazul analizei legăturii dintre două variabile cantitative sau una cantitativă şi alta calitativă
poate fi vorba, în primul rând, de o corelaţie statistică. De exemplu, analiza legăturii între ramura de
activitate şi câştigul salarial sau exemplul anecdotic al corelaţiei dintre numărul nou-născuţilor şi
numărul cuiburilor de barză. Între cele două fenomene poate exista o corelaţie, dar nu în mod necesar
o cauzalitate: va creşte numărul nou-născuţilor dacă va creşte numărul cuiburilor de barză sau invers?
Fireşte că nu.

Cauzalitatea statistică intervine în cazul legăturilor dintre două sau mai multe variabile
cantitative în sensul că modificarea uneia sau mai multor variabile considerate explicative antrenează
modificarea variabilei explicate într-o manieră consistentă. În cazul cuibuirilor de barză şi al nou-
născuţilor există, cel puţin, o a treia variabilă care le influenţează distinct: ritmul biologic, gradul de
dezvoltare socio-economică, prezenţa şi/sau abundenţa resurselor de hrană etc.

d) După direcţia legăturii există legături directe şi legături inverse.

Dacă modificarea variabilei cauză este însoţită de modificări în acelaşi sens ale variabilei
efect, există o legătură directă. În cazul în care variabilele corelate tind să se modifice în sens opus,
este cazul unei legături inverse.

e) După forma funcţiei (expresia analitică a legăturii) acestea pot fi liniare sau neliniare.

Dacă reprezentarea grafică a datelor empirice corespunzătoare celor două variabile


sugerează o dreaptă, legătura este liniară. În cazul legăturilor neliniare, dependenţa dintre variabile se
exprimă grafic printr-o curbă (hiperbolă, parabolă etc).

f) După timpul realizării legăturii se deosebesc legături sincrone (concomitente) şi


asincrone (cu decalaj).

În primul caz, modificarea variabilelor se produce în acelaşi timp, concomitent, iar în cel deal
doilea caz variaţia variabilei cauză (X) este urmată după un anumit timp de variaţia variabilei efect (Y).
De exemplu, legătura dintre modificarea preţurilor de consum şi modificarea cheltuielilor populaţiei
pentru consum este una sincronă, iar legătura dintre investiţiile realizate în economie şi modificarea
produsului intern brut este una asincronă.

Analiza corelaţiilor presupune parcurgerea următoarelor etape:

 identificarea variabilelor cauză şi ierarhizarea acestora;

 culegerea datelor pentru variabile presupuse a fi corelate;

 verificarea existenţei şi a formei legăturii prin metode simple;

 calculul indicatorilor de corelaţie şi testarea semnificaţiei indicatorilor de corelaţie.

7.3 Metode simple de analiză a legăturii dintre variabile


După culegerea datelor pentru variabilele implicate în analiza legăturii, trebuie verificat dacă
între variabile există o corelaţie, care este forma analitică a acesteia. Metodele care răspund acestor
probleme de cunoaştere sunt, de fapt, procedee de sistematizare a datelor empirice înregistrate, şi
anume:

 metoda grafică;

128
 metoda grupărilor;

 metoda tabelului de corelaţie (de contingenţă);

 metoda seriilor paralele interdependente.

Metoda grafică este un procedeu simplu şi sugestiv de vizualizare a interdependenţei dintre


două variabile. Această metodă este, de altfel, cea mai rapidă pe care o putem aplica cu ajutorul celor
mai comune aplicaţii informatice care ne oferă posibilitatea de a realiza grafice prin nor de puncte 28.

Metoda presupune reprezentarea grafică, în sistemul de axe rectangulare, a perechilor de


valori empirice (xi, yi). Pe abscisă se înscriu valorile caracteristicii independente iar pe ordonată cele
ale caracteristicii dependente. Fiecare pereche de valori empirice se reprezintă în cadranul I printr-un
punct. Procedând astfel se obţine o diagramă de corelaţie sau o corelogramă.

Să presupunem că ne interesează să vedem dacă există o relaţie între nota de la examenul


de admitere la o universitate şi media notelor primite la prima sesiune de examene de către studenţi.
Firesc, vom avea nevoie de un eşantion de studenţi din anul I asupra cărora să organizăm o cercetare
statistică. Eşantionul este format din 10 studenţi, iar rezultatele observării sunt prezentate în tabelul
următor.

Tabelul 7.1. – Rezultatele la examenul de admitere şi media notelor din prima sesiune de examene –
eşantion de 10 studenţi
Media notelor la
Student Nota la admitere examenele
din prima sesiune
1 7,34 7
2 8,52 8
3 8,05 7
4 9,21 8
5 6,55 7
6 7,32 6
7 9,16 9
8 9,33 7
9 7,21 8
10 6,15 6

Pentru construirea graficului, variabila explicativă (sau independentă) este nota la admitere,
ale cărei valori le vom reprezenta pe axa orizontală, iar variabila explicată (sau dependentă) este
media notelor la examenele din prima sesiune, ale cărei valori le vom reprezenta pe axa verticală în
Figura 7.1.

28
„Scatter diagrams” în engleză sau “nouage de points” în franceză.

129
Fig. 7.1 - Diagrama rezultatelor la admintere si in prima sesiune de examene

10

8
Media notelor in prima sesiune

0
0 1 2 3 4 5 6 7 8 9 10
Nota la admitere

Pe baza graficului se concluzionează dacă există o corelaţie, dacă există date atipice şi care
este forma şi direcţia legăturii în funcţie de tendinţa de ordonare a punctelor. Din graficul de mai sus
rezultă destul de vizibil că există o relaţie între cele două variabile, respectiv între nota la admitere şi
rezultatele din prima sesiune de examene.

Dacă punctele tind să se ordoneze în jurul unei linii drepte, corelaţia este liniară directă (fig.
7.2) sau indirectă (fig. 7.3) iar dacă se ordonează sub forma unei curbe (fig. 7.4), între cele două
variabile există o corelaţie neliniară. De asemenea, graficul ne arată şi dacă nu există nici o relaţie
între două variabile (fig. 7.5). Dacă punctele se împrăştie fără nici o regularitate, variabilele trebuie
considerate independente.

Fig. 7.2 Legătură liniară directă Fig. 7.3 Legătură liniară indirectă

130
Fig. 7.4 Legătură neliniară Fig. 7.5 Absenţa legăturii

Cu cât tendinţa de ordonare a punctelor este mai pronunţată, cu atât corelaţia între cele două
variabile este mai intensă, adică legătura este puternică (fig. 6.6). Dacă punctele sunt ordonate, dar
sunt relativ împrăştiate, legătura dintre variabile este mai slabă (fig. 6.7).

Fig. 7.6 Legătură puternică Fig. 7.7 Legătură slabă

În mod evident, metoda grafică ne arată care este forma relaţiei doar dintre două variabile.
Dacă vom considera o variabilă drept variabilă efect şi vom încerca să o punem în relaţie cu un set de
alte variabile explicative pe care le-am inclus în programul de observare, singura posibilitate de a
vizualiza legăturile existente este să construim perechi între variabila efect şi fiecare din variabilele
explicative.

Metoda grupărilor se aplică atunci când numărul de unităţi pentru care s-au înregistrat valori
empirice este mare. Se grupează unităţile după variabila factorială şi pentru fiecare grupă astfel
construită se calculează media variabilei dependente (yi). Între cele două variabile există o corelaţie
dacă mediile de grupă (condiţionate, yi ) reacţionează la modificările intervenite în variabila
independentă. Aplicarea acestei metode este influenţată de modul cum s-a făcut gruparea. Se
recomandă, în acest caz, ca intervalele de grupare să fie egale, numărul grupelor construite să fie
suficient de mare pentru evitarea pierderilor de informaţii, numărul unităţilor din fiecare grupă să fie
semnificativ ş.a. În tabelul nr. 7.2 se prezintă un exemplu de aplicare a metodei grupării.

131
Tabelul 7.2 - Gruparea agenţilor economici după numărul salariaţilor
şi după cifra de afaceri
Grupe Grupe după cifra de afaceri (mil. lei)
după nr. Total
4-6 6-8 8 - 10 10 - 12 12 - 14
salariaţi
0–9 6 8 6 - - 20
10 – 19 4 11 11 4 - 30
20 – 29 - - 4 7 4 15
30 – 39 - - - 5 5 10
40 – 49 - - - 2 3 5
Total 10 19 21 18 12 80

Este cifra de afaceri (Y) influenţată de numărul de salariaţi (X)? Pentru fiecare grupă
construită după numărul de salariaţi se calculează cifra de afaceri realizată în medie de fiecare agent
economic din grupa respectivă.
5

y
j 1
j  nij
yi  5

n
j 1
ij

Grupările fiind pe intervale de mărime, vom introduce în calcul centrele de interval:

5 6  7 8  96
y1   7 milioane lei
20
5  4  7  11  9  11  11  4
y2   8 milioane lei
30
....

11  2  13  3
y5   12,2 milioane lei
5
Remarcăm faptul că media cifrei de afaceri pe agent economic creşte odată cu creşterea
numărului de salariaţi, deci există o corelaţie directă.

Cu cât mediile de grupă diferă mai mult între ele cu atât influenţa variabilei independente este
mai puternică.

Metoda tabelului de corelaţie (de contingenţă) presupune gruparea unităţilor colectivităţii


după variaţia celor două variabile şi interpretarea tendinţei de ordonare a frecvenţelor. Grupele
construite după variabila independentă apar, de regulă, în capetele coloanelor iar cele aferente
variabilei dependente apar în capetele rândurilor. La intersecţia dintre rândul "i" şi coloana "j" apare
numărul unităţilor (nij) corespunzător perechii de valori xj, yi. Tabelul care rezultă este unul cu dublă
intrare (vezi tabelul nr. 7.2).

Dacă valorile care definesc intervalele de grupare după X şi Y au fost ordonate crescător, iar
frecvenţele tind să se ordoneze după diagonala principală, atunci există o corelaţie directă.

Dacă frecvenţele se concentrează în jurul diagonalei secundare, atunci există o corelaţie


inversă. Cu cât concentrarea frecvenţelor în jurul unei diagonale este mai puternică, cu atât legătura
dintre cele două variabile este mai intensă.

132
Dispersia frecvenţelor fără nici o regularitate sugerează că cele două variabile sunt
independente sau necorelate.

La folosirea tabelului de corelaţie se recomandă să se respecte regulile menţionate la metoda


grupării.

Metoda seriilor paralele interdependente se recomandă a fi aplicată în cazul unui număr


redus de valori (xi, yi) înregistrate pentru variabile X şi Y.

Se procedează astfel: se ordonează crescător datele variabilei independente (X) şi se


ataşează valorile corespunzătoare variabilei dependente (Y) şi se concluzionează referitor la forma şi
direcţia legăturii în funcţie de reacţia variabilei Y la modificările intervenite în variabila X. Dacă datele
tind să se modifice în acelaşi sens, există o corelaţie directă, respectiv inversă, dacă tind să se
modifice în sens opus. Mărimea cu care se modifică Y la modificările lui X permite aprecierea
intensităţii legăturii.

Ultimele două metode sunt rar utilizate în aplicaţiile practice, iar metoda grupării, cu
particularizarea sa prin metoda tabelului de corelaţie este utilizată mai puţin pentru caracterizarea
asocierii dintre două variabile şi mai mult pentru evidenţierea acestei legături. Metoda grafică –
diagrama norului de puncte – este facilă şi permite vizualizarea rapidă a unei posibile legături între
variabile şi, de aceea, este cea mai des utilizată. Odată cu extinderea utilizării tehnologiei informaţiei,
caracterizarea legăturii între variabile şi măsurarea intensităţii ei sunt mijlocite de aplicaţiile dedicate
prelucrării datelor statistice.

7.4 Descompunerea dispersiei într-o colectivitate împărţită


pe grupe (Regula de adunare a dispersiilor).
Dispersia este un indicator pe baza căruia se calculează abaterea medie pătratică. De
asemenea, se foloseşte la analiza interdependenţelor, în sensul că nu de puţine ori este necesar să
se cuantifice cât din variaţia valorilor unei variabile efect (rezultat) se poate explica pe seama altei /
(altor) variabile explicative. De exemplu, ne interesează cât la sută din variaţia cifrei de afaceri celor
200 de agenţi economici (   359964 mii lei) se poate explica prin variaţia numărului de angajaţi?
2

Pentru a răspunde unei astfel de cerinţe de cunoaştere se recurge la o grupare a datelor după
caracteristica considerată cauză (X), denumită şi variabilă explicativă, urmând ca fiecare grupă
obţinută să fie împărţită după caracteristica efect (Y), denumită şi variabilă explicată. Procedând astfel
rezultă o repartiţie bidimensională, respectiv o repartiţie multidimensională de frecvenţe dacă în
analiză se introduc mai multe variabile factoriale. Astfel de tabele se numesc tabele de contingenţă.

În tabelul 7.3 se prezintă macheta unei repartiţii bidimensionale, în care valorile au fost
împărţite în r grupe după caracteristica X şi în m grupe după caracteristica Y.

133
Tabelul 7.3 – Modelul tabelului de contingenţă

Totalul
Valorile Valorile frecvenţelor
variabilei caracteristicii Y(yi) asociate
X (xi) variabilei
X (xi.)
y1 y2 ... yj ... ym
x1 n11 n12 ... n1j … n1m n1.
x2 n21 n22 ... n2j … n2m n2.
... … ... … ... … … …
xi ni1 ni2 ... nij … nim ni.
... … ... … ... … … …
xr nr1 nr2 ... nrj … nrm nr.
Totalul
frecvenţelor
asociate n.1 n.2 … n.j ... n.m n..
variabilei
Y (n.j)

În tabelul 7.3 apar pentru variabila efect (Y) două tipuri de repartiţii:

a) o repartiţie pe total (yj, nj), care nu ţine seama de grupele construite după caracteristica
considerată cauză.;

b) r repartiţii condiţionate de grupele construite după caracteristica de grupare X.

În plus, tabelul prezintă două distribuţii de total, una în funcţie de valorile variabilei efect (Y) şi
una în funcţie de variabila cauză (X), numite distribuţii marginale.

Corespunzător celor două tipuri de repartiţii se pot calcula pentru variabila Y următoarele
medii:

 media generală pentru repartiţia pe total ( y ), calculată prin intermediul valorilor


individuale ale variabilei Y şi a distribuţiei marginale a acesteia :
m

y
j 1
j  n. j
y m
(7.2)
n
j 1
.j

Aceeaşi măsură poate fi obţinută prin intermediul valorilor individuale ale variabilei Y pe
ansamblul distribuţiei din tabelul de contingenţă:
r m

 y
i 1 j 1
j  nij
y r m
(7.3)
 n
i 1 j 1
ij

 medii de grupă sau medii condiţionate de factorul de grupare xi , ( y i ), pentru


repartiţiile condiţionate :

134
m m

y
j 1
j  nij y
j 1
j  nij
yi  m
 (7.4)
ni 
n
j 1
ij

Pe baza relaţiei (4.57), relaţia (4.56) poate fi rescrisă în funcţie de mediile condiţionate ale
variabilei Y, astfel:
r m r
 y
i 1 j 1
j  nij y i  ni 
y r m
 i 1
r
(7.5)
 n
i 1 j 1
ij n
i 1
i

Numărul mediilor de grupă este egal cu numărul grupelor construite după caracteristica
factorială. Media mediilor de grupă este egală cu media generală.

Pornind de la valorile individuale ale variabilei efect ( y j ) şi de la mediile condiţionate ( y i ) şi

de la media generală ( y ) se pot determina următoarele abateri:

a) variaţia valorilor individuale în jurul mediei generale, y j  y ;

b) variaţia valorilor individuale în jurul mediilor de grupă (condiţionate), y j  y i ;

c) abaterea mediilor condiţionate de la media generală, y i  y .

Corespunzător celor trei tipuri de abateri, la nivelul fiecărei unităţi observate se poate scrie:

y j  y = y j  yi + yi  y

Ceea ce înseamnă că abaterea totală este egală cu suma dintre abaterea valorilor individuale
faţă de media grupei şi abaterea mediei de grupă de la media generală. Ce semnificaţie au aceste
abateri?

Termenul din stânga al relaţiei, y j  y , măsoară variaţia valorilor individuale în jurul mediei

generale. Dacă valorile empirice înregistrate ( y j ) sunt rezultatul influenţei tuturor factorilor (esenţiali şi
neesenţiali), iar media presupune că toţi factorii sunt constanţi, înseamnă că această diferenţă
exprimă variaţia valorilor individuale în jurul mediei sub acţiunea tuturor factorilor: factorul X considerat
esenţial şi toţi ceilalţi factori, consideraţi neesenţiali.

Primul termen al părţii din dreapta a relaţiei, y j  y i , măsoară variaţia valorilor individuale de
la media de grupă, deci exprimă variaţia în interiorul fiecărei grupe construite după factorul X. Cum
factorul X are aceeaşi valoare în cazul tuturor unităţilor din aceeaşi grupă, înseamnă că această
diferenţă se datorează acţiunii cauzelor din interiorul grupei, deci factorilor neesenţiali.

Al doilea termen al părţii din dreapta a relaţiei, y i  y , evidenţiază influenţa factorului esenţial
de grupare (X) asupra variaţiei valorilor mediei condiţionate în jurul mediei generale.

Pe baza acestor abateri se pot calcula următoarele dispersii.

135
Dispersia generală (  0 sau  Y2
2
) se determină pentru repartiţia marginală construită pentru
Y, şi ca urmare, nu ţine seama de grupele construite după factorul X.

 y 
m
2
j  y  n j
j 1
 02  m
(7.6)
n j 1
j

Prin  02 se măsoară variaţia variabilei dependente (efect) sub influenţa tuturor factorilor.

Pentru ansamblul tabelului de contingenţă, dispersia generală mai poate fi scrisă şi sub
următoarea formă:

 y 
r m
2
j  y  nij
i 1 j 1
 02  r m
(7.6’)
 n
i 1 j 1
ij

Dispersia de grupă sau dispersia condiţionată  i2 măsoară variaţia la nivelul fiecărei grupe
construite după factorul X. Numărul dispersiilor de grupă este egal cu numărul grupelor stabilite după
caracteristica considerată cauză (i = 1, 2 ... r).

 y 
m
2
j  yi  nij
j 1
 i
2
m
(7.7)
n j 1
ij

Fiecare dispersie de grupă măsoară variaţia valorilor variabilei dependente sub influenţa
factorilor din interiorul grupei respective, care sunt priviţi ca factori neesenţiali în raport cu factorul X.

Pentru a măsura acţiunea tuturor factorilor neesenţiali din toate grupele se calculează media
dispersiilor de grupă.
2
Media dispersiilor de grupă (  ) este o medie aritmetică a dispersiilor de grupă:
r

2
 i
2
 ni 
  i 1
r
(7.8)
ni 1
i

Dacă toate grupele sunt de acelaşi volum (n1 = n2 = ... = ni = ...), atunci toate dispersiile de
n1 n 2 nr 
grupă intră în calculul mediei cu aceeaşi importanţă r
 r
 ...  r
, atunci se aplică
n
i 1
i n
i 1
i n
i 1
i

media aritmetică simplă:


r

2
 i
2

  i 1
(7.9)
r

136
Dispersia dintre grupe (  ) sau dispersia explicată (  Y / X ) măsoară variaţia mediilor de
2 2

grupă de la media generală şi exprimă variaţia datorată acţiunii factorilor de grupare, deci a factorului
X.

 y 
r
2
i  y  ni 
 Y2 / X  i 1
r
(7.10)
n
i 1
i

Pornind de la factorii de influenţă care determină variaţia valorilor variabilei Y, între dispersiile
menţionate există relaţia:
2
 02 =  +  Y2 / X (7.11)

Relaţia [7.11] este denumită regula de adunare a dispersiilor.

Dispersia totală ne arată că este suma dintre media dispersiilor de grupă şi dispersia mediilor
de grupă.

Pe baza acestei relaţii se calculează doi indicatori derivaţi (mărimi relative de structură) care
exprimă ponderea variaţiei acţiunii fiecărui grup de factori (esenţiali şi neesenţiali) în variaţia totală şi
anume:
2
 Coeficientul de determinaţie ( RY / X ), care exprimă ce cotă parte din variaţia totală se
datorează acţiunii factorului considerat esenţial:

 Y2 / X
RY2 / X   100 (7.12)
 02
2
 Coeficientul de nedeterminaţie ( K Y / X ) măsoară cât la sută din variaţia totală se
datorează influenţei factorilor neînregistraţi, consideraţi neesenţiali sau reziduali.
2

K 2
Y/X  2  100 (7.13)
0

137
Exemplul 7.1 – Regula adunării dispersiilor
Variaţia cifrei de afaceri prezentată în Tabelul 4.1 este cauzată de acţiunea unui mare număr de
factori: numărul salariaţilor; domeniul de activitate; preţurile practicate; calitatea produselor etc.
Presupunem că un factor esenţial de influenţă este numărul de salariaţi (X) şi vrem să măsurăm
cât de mare este această influenţă asupra cifrei de afaceri. În acest caz se grupează mai întâi agenţii
economici după acest factor, iar grupele obţinute se defalcă după cifra de afaceri (Y). Procedând
astfel se obţine o repartiţie bidimensională cum este, spre exemplu, cea din tabelul următor.
Tabelul 7.4 – Gruparea agenţilor economici după numărul de salariaţi
şi după cifra de afaceri
Grupe Grupe după cifra de afaceri (mii lei)
după
numărul de 1600- 2000- 2400- 2800- 3200- 3600- 4000- Total
salariaţi 2000 2400 2800 3200 3600 4000 4400
(pers.)
8 15 25 40 25 15 - - 120

16 - - 10 21 20 24 5 80

Total 15 25 50 46 35 24 5 200

Pentru verificarea regulii de adunarea a dispersiilor şi calculul coeficientului de determinaţie,


procedăm mai întâi la calculul mediilor pentru variabila « cifra de afaceri ».

a) media generală ( y ):
7

y
j 1
j  n j
1800  15  2200  25  2600  50  3000  46  3400  35  3800  24  4200  5
y 2 7
  2906
200
 n
i 1 j 1
ij

mii lei

b) mediile de grupă ( y i ):

y j 1
j  n1 j
1800  15  2200  25  2600  40  3000  25  3400  15  3800  0  4200  0
y1  7
  2600
120
n
j 1
1j

mii lei
7

y
j 1
j  n2 j
1800  0  2200  0  2600  10  3000  21  3400  20  3800  24  4200  5
y2  7
  3365
80
nj 1
2j

mii lei

138
Media generală ( y ) poate fi calculată pe baza mediilor parţiale ( y i ) astfel:
2

y i  ni 
2600  120  3365  80
y i 1
2
  2906 mii lei
200
n
i 1
i

Să vedem cum facem toate aceste calcule în tabelul 7.4.

Yj
Xi Total
1800 2200 2600 3000 3400 3800 4200
8 15 25 40 25 15 - - 120
16 - - 10 21 20 24 5 80
Total 15 25 50 46 35 24 5 200
y j  n1 j 27000 55000 104000 75000 51000 0 0 312000
y j  n2 j 0 0 26000 63000 68000 91200 21000 269200
y j  n j 27000 55000 130000 138000 119000 91200 21000 581200

În continuare, procedăm la calculul dispersiilor pentru variabila Y:

c) dispersia generală (  02 =  Y2 ):

 y 
7
2
 y  n j
 02 
j 1
j


1800  29062  15  2200  29062  25  ...  4200  29062  5 
7
200
n
j 1
j

71992800
 359964
200

d) dispersiile de grupă (  i2 ):

 y 
7
2
 y1  n1 j
 12 
j 1
j


1800  26002  15  2200  26002  25 
7
120
n j 1
1j

2600  26002  40  3000  26002  25  3400  29062  15  27200000  226666,7


120 120

 y 
7
2
 y2  n2 j
 
2 j 1
j


2600  3365  10  3000  3365  21
2 2

2 7
80
n j 1
2j

3400  33652  20  3800  33652  24  4200  33652  5  897647375  208775,0


80 80

139
2
e) media dispersiilor de grupă (  ):
2

2
 i
2
 ni 
226666,7  120  11220592,2  80
  i 1
2
  219510,0
200
n i 1
i

f) dispersia dintre grupe (  2 ) sau dispersia explicată (  Y2 / X )

 y 
2
2
 y  ni 
 Y2 / X  i 1
i

2600  29062  120  3365  29062  80  140454,0
2
200
n
i 1
i

g) regula de adunare a dispersiilor:


2
 02 =  +  Y2 / X =219510,0 + 140454,0 = 359964

După cum lesne se poate observa, regula de adunare a dispersiilor este verificată.
Calculele adiţionale de mai sus sunt sintetizate în tabelul de mai jos:

Yj
Xi Total
1800 2200 2600 3000 3400 3800 4200
8 15 25 40 25 15 - - 120
16 - - 10 21 20 24 5 80
Total 15 25 50 46 35 24 5 200

y j  2
 y  n j 18348540 12460900 4681800 406456 8541260 19181664 8372180 71992800,0

y j  y  n
1
2
1j
9600000 4000000 0 4000000 9600000 0 0 27200000,0

y j  2
 y2  n2 j 0 5852250 2797725 24500 4541400 3486125 16702000,0

h) Raportul de corelaţie ( RY / X ) este rădăcina pătrată a raportului dintre dispersia explicată


(INTER) şi dipersia totală (marginală) :

 Y2 / X 140454,0
RY / X   100   100  62,5%
0 2
359964,0

Înseamnă că 62,5% din variaţia cifrei de afaceri a celor 200 de agenţi economici se datorează
deosebirilor privind numărul de salariaţi. Cota parte de 37,5% din variaţia cifrei de afaceri se
poate explica prin acţiunea tuturor celorlalţi factori consideraţi neesenţiali, reziduali.

140
7.5 Metode de analiză a legăturilor dintre variabile
Metodele elementare oferă o serie de informaţii utile în studiul interdependenţelor. Acestea nu
sunt însă în măsură să descrie analitic dependenţa şi să măsoare numeric intensitatea acesteia.
Metodele care permit acest lucru sunt metoda corelaţiei şi metoda regresiei.

Din grupa metodei corelaţiei diferenţiem metodele neparametrice de măsurare a intensităţii


legăturilor dintre variabile şi metodele parametrice. Diferenţa dintre metodele neparametrice şi cele
parametrice este dată de faptul că primele pot fi aplicate indiferent de forma distribuţiei statistice, pe
când cele din urmă depind de forma distribuţiei şi, implicit, de parametrii acesteia, adică de media şi
dispersia distribuţiei respective.

7.5.1 Metode neparametrice de măsurare a intensităţii corelaţiei


Metodele de corelaţie prezentate fac parte din grupa metodelor parametrice de măsurare a
intensităţii legăturilor dintre variabile, întrucât modelele prin care sunt construite presupun formularea
anumitor supoziţii asupra variabilelor implicate şi a formei relaţiei dintre acestea. Mai precis, aceste
metode pot fi aplicate dacă variabilele îndeplinesc două condiţii:

a) sunt de natură cantitativă, numerică (scala de măsurare este cel puţin de tip interval);

b) repartiţiile variabilelor tind spre distribuţia normală.

Dacă nu sunt îndeplinite aceste condiţii se recomandă aplicarea metodelor neparametrice. Cei
mai utilizaţi indicatori din acestă grupă sunt: coeficientul de asociere Yule; coeficientul de corelaţie a
rangurilor Spearman; coeficientul de corelaţie a rangurilor Kendall.

Coeficientul de asociere Yule (Q) se aplică în cazul analizei corelaţiei dintre două variabile
alternative. Astfel de caracteristici admit numai două forme de manifestare: DA şi NU şi se codifică cu
1 şi 0.

Repartiţia celor două variabile alternative se prezintă într-un tabel de asociere care este o
variantă simplificată a tabelului cu dublă intrare. În acest tabel valorile variabilei X apar în capetele
rândurilor, iar cele ale variabilei Y apar în capetele coloanelor.

Tabelul 7.5 – Tabel de asociere

X \ Y y1 y2 Total
x1 n11 n12 n1.
x2 n21 n22 n2.
Total n.1 n.2 n..

Coeficientul de asociere Yule se calculează pe baza relaţiei:

n11  n22  n12  n21


Q (7.14)
n11  n22  n12  n21
Acest indicator poate lua valori cuprinse între 1 şi +1. Valori negative ale lui Q indică o
asociere inversă, respectiv directă, dacă acest indicator este pozitiv.

Cu cât Q tinde mai mult spre ±1 cu atât asocierea este mai puternică. Dacă coeficientul de
asociere este egal cu 0, între cele două variabile nu există o legătură de asociere.

Coeficienţii de corelaţie a rangurilor se aplică în cazul în care valorile sau formele de


manifestare a celor două variabile pot fi ierarhizate. Aceşti indicatori se recomandă în situaţiile în care

141
cel puţin una din variabile este nenumerică (calitativă sau exprimată prin cuvinte) sau când distribuţia
nu este cunoscută.

Caracteristic pentru aceşti coeficienţi este faptul că la determinarea lor nu se porneşte de la


valorile empirice corespunzătoare celor două variabile, ci de la numere care indică locul fiecărei valori
/ forme de manifestare în serie, denumite ranguri ( R x , R y ). Deci, valorile empirice / formele de
manifestare se înlocuiesc cu ranguri. Se ordonează crescător rangurile după caracteristica X (cel mai
mic nivel are rangul 1) şi se ataşeză rangurile corespunzătoare caracteristicii Y.

Coeficientul de corelaţie a rangurilor Spearman ( rS ) se determină pe baza rangurilor celor

două varabile ( R x , R y ), ordonate aşa cum s-a menţionat mai sus:

N
6   D i2
rS  1  i 1
(7.15)
N  (N  1)
2

în care:

Di  R x ,i  R y ,i
n − numărul cuplurilor de valori X, Y.

Acest coeficient poate lua valori cuprinse între 1 şi +1 şi se interpretează în acelaşi fel ca în
cazul coeficientului de corelaţie liniară (r).

Exemplul următor ilustrează modul de calcul al coeficientului de corelaţie a rangurilor


Spearman.

Exemplul 7.2 – Calculul coeficientului de corelaţie a rangurilor Spearman


În tabelul următor sunt prezentate rangurile a 6 ţări ordonate după rata de alfabetizare masculină
(xi) şi feminină (yi). Spre exemplu, ţara 3 este a IV-a în ordinea ratei de alfabetizare masculine şi a
V-a după rata de alfabetizare feminină.
Tabelul 7.6 – Rangurile ţărilor în funcţie de rata de alfabetizare a populaţiei masculine şi feminine
Ţara
1 2 3 4 5 6
Rangul xi 6 5 4 3 1 2
Rangul yi 6 4 5 2 1 3
Di 0 1 1 1 0 1
2
D i 0 1 1 1 0 1
N
6 D i2
64
rS  1  i 1
 1  0,886
N(N  1) 2
6  (36  1)

Deoarece valoarea coeficientului de corelaţie a rangurilor Spearman este ridicată, concluzionăm


că există o corelaţie puternică între rata de alfabetizare a populaţiei feminine şi a celei masculine în
cele 6 ţări analizate.

142
Coeficientul de corelaţie a rangurilor Kendall ( rK ) se calculează numai pe baza rangurilor
variabilei Y, după ce datele au fost sortate după variabila X. Relaţia de calcul este:

rk 
 P  Q i i
(7.16)
1
nn  1
2
unde :

-  P − suma rangurilor superioare care urmează în continuare după rangul i analizat;


i

-  Q − suma rangurilor inferioare care urmează în continuare supă rangul analizat.


i

- n este numărul de ranguri analizate.

Coeficientul Kendall ia deasemenea valori cuprinse între –1 şi +1. Semnul coeficientului indică direcţia
legăturii (+ corelaţie directă şi – o corelaţie inversă), cu cât tinde mai mult spre ±1, cu atât corelaţia
este mai puternică.

Calculul coeficienţilor de corelaţie a rangurilor se exemplifică în continuare pe baza datelor


privind cifra de afaceri (X) şi profitul (Y) realizate de către opt agenţi economici.

Exemplul 7.3 – Calculul coeficientului de corelaţie a rangurilor Spearman şi Kendall


Într-o cercetare statistică au fost studiate 8 companii, ale căror cifră de afaceri şi profit au fost
sintetizate în tabelul următor.
Tabelul 7.7 – Cifra de afaceri şi profitul obţinute de 8 companii studiate
Cifra de
Nr. Profit
afaceri Rx Ry Di2 Pi Qi
crt. (mil. lei)
(mil. lei)
1 47 4,0 1 1 0 7 0
2 54 4,7 2 2 0 6 0
3 58 5,9 3 7 16 1 4
4 60 5,2 4 4 0 3 1
5 61 5,0 5 3 4 3 0
6 62 5,8 6 6 0 1 1
7 64 5,6 7 5 4 1 0
8 70 6,4 8 8 0 0 0
Total - - - - 24 22 6

Pi şi Qi au fost determinate exclusiv pe baza coloanei de ranguri Ry.


Aplicând relaţiile corespunzătoare,

- coeficientul de corelaţie Spearman este:


N
6 D i2
6  24 144
rS  1  i 1
 1  1  0,714
N(N  1)
2
8  (64  1) 504
- Coeficientul de corelaţie Kendall este:

143
rk 
 P  Q
i i

2  (22  6) 32
  0,571
1 8  (8  1) 56
nn  1
2
Corelaţia dintre cele două variabile este una directă şi moderată ca intensitate.

7.5.2 Metode parametrice de măsurare a intensităţii corelaţiei


Funcţia de regresie descrie dependenţa variabilei rezultative de variabila sau variabilele cauză
atrase în analiza legăturii. În studiul legăturilor dintre variabile este frecvent necesar să se măsoare
cât de puternică este corelaţia dintre variabile, caz în care se aplică metodele parametrice de
măsurare a corelaţiei 29.

Indicatorii prin care se măsoară intensitatea legăturilor sunt: covarianţa cov( X , Y ) ;


2
coeficientul de corelaţie ( r ); raportul de corelaţie ( R ) şi coeficientul de determinaţie ( R ) .

Covarianţa dintre două variabile este o medie aritmetică simplă a produselor perechilor
abaterilor valorilor empirice ( xi şi y i ) de la mediile lor aritmetice ( x şi y ).

cov( X , Y ) 
 x i  x    yi  y 
(7.17)
n
Dacă corelaţia este directă atunci cov( X , Y ) > 0, respectiv valori negative, în cazul
corelaţiilor inverse. Acest indicator se aplică mai rar în analiza corelaţiilor, datorită următoarelor cauze:

 nu are un interval fix de variaţie; cu cât corelaţia este mai intensă cu atât covarianţa, în
valoare absolută, este mai mare;

 se exprimă în unităţile de măsură a caracteristicelor implicate în analiză, fapt ce


generează dificultăţi în cazul comparaţiilor.

Coeficientul de corelaţie liniară ( r ) (sau coeficientul de corelaţie Pearson 30) este un


indicator sintetic care măsoară intensitatea legăturilor liniare simple. Se calculează ca un raport între
covarianţă şi produsul abaterilor medii pătratice ale variabilelor implicate în analiza corelaţiei (  x şi

xi  x yi  y
y ) sau ca o medie aritmetică a produselor abaterilor normale normate: şi :
x y
n

cov( X , Y )
 x i  x    yi  y 
rxy   i 1
(7.18)
 x  y n  x  y

29
Metoda corelaţiei presupune că ambele variabile analizate (X şi Y) sunt aleatoare şi distribuite normal, în timp
ce metoda regresiei presupune că variabila Y este aleatoare, în timp ce X nu este. De asemenea, se presupune
că abaterea standard a variabilei Y este constantă pentru toate valorile lui X, iar abaterea standard a variabilei X
este constantă pentru toate valorile lui Y.
30
In limba engleză poartă denumirea de “Product-moment correlation coefficient”

144
Înlocuind în această expresie x , y ,  x şi  y cu relaţiile de calcul pe baza cărora se

x , y  y , x   xi y   yi
2 2
2
 2

x    y    se
i i
determină (x  şi
n n n  n  n  n 
   
ajunge la o relaţie relativ simplă de aplicat:

n   xi  y i   xi   y i
rxy 
n   x  
(7.19)
  xi   n   y   y i 
2 2 2 2
i i

Coeficientul de corelaţie poate lua valori cuprinse între –1 şi +1. Semnul coeficientului de
corelaţie coincide cu cel al coeficientului de regresie b. Dacă r > 0 există o corelaţie directă, iar dacă r
< 0 între cele două variabile este o corelaţie inversă.

Cu cât r se apropie mai mult de ± 1 cu atât legătura dintre variabile este mai puternică. Dacă r
= 1, atunci există o corelaţie directă funcţională, iar dacă r = –1, între variabile este o corelaţie inversă
funcţională. O valoare egală cu 0 indică lipsa legăturii dintre variabile.

În exemplul prezentat privind legătura dintre vechimea în muncă şi câştigul salarial net (vezi
Tabelul 7.8), coeficientul de corelaţie este:

8  474,8  110  31,5 333,4


rxy    0,9957
8  1942  110  8 128,11  31,5 
2 2 334,8

Relaţiile (7.18) şi (7.19) se aplică în cazul în care datele înregistrate pentru cele două variabile
se prezintă sub forma a două serii simple. Dacă numărul perechilor de valori înregistrate este mare,
acestea se sistematizează prin gruparea lor pe intervale egale şi se prezintă întrun tabel cu dublă
intrare. Într-o asemenea situaţie, fiecărei valori xi şi yi i se ataşează frecvenţa corespunzătoare de
apariţie.

Relaţia (7.19) devine:

n   xi  y i  n xy   xi  n x  y i  n y
rxy 
n   x  
(7.20)
 n x   xi  n x   n   y  n y   y i  n y 
2 2 2 2
i i

În aplicaţiile reale, o măsură atât de mare a coeficientului de corelaţie este rar întâlnită. De
asemenea, este necesar să precizăm faptul că datele pe baza cărora se calculează coeficientul de
corelaţie este, în majoritatea cazurilor, un eşantion, în condiţiile în care analistul este interesat
valoarea acestuia pentru întreaga populaţie, caz în care coeficientul de corelaţie este notat cu
 („rho”). De aceea, este important să ştim câtă încredere putem da valorii calculate conform relaţiei
(7.19). Altfel spus, analistul este interesat să verifice dacă valoarea coeficientului de corelaţie din
populaţie este egal cu zero sau nu, deoarece, dacă   0 , atunci cele două variabile analizate sunt
independente, adică nu există corelaţie între ele.

În termeni statistici, verificarea relaţiei  0 înseamnă testarea ipotezei nule care este

formalizată astfel: H 0 :   0 . Ipoteza alternativă este H 1:   0 .

145
Pentru testarea ipotezei nule se utilizează testul „t”. În acest scop, trebuie să calculăm
statistica de test „t” 31, care urmează o distribuţie Student cu n-2 grade de libertate. Relaţia de calcul a
statisticii de test este:

r
tc  (7.21)
(1  r 2 ) /(n  2)

în care:

r – coeficientul de corelaţie liniară simplă;

n – numărul observaţiilor;

n – 2 – numărul gradelor de libertate.

Valoarea calculată pe baza relaţiei (7.20) se compară cu valoarea teoretică din tabelul
Student, pentru un prag de semnificaţie α (de regulă α= 0.05 ) şi n – 2 grade de libertate (gradul de
libertate este n-2 deoarece dreapta are doi parametri fixaţi).

Întrucât ipoteza nulă priveşte testarea egalităţii coeficientului de corelaţie a întregii colectivităţi
statistice cu valoarea 0, este posibil ca, în realitate,  să fie „semnificativ” mai mare decât 0 sau
„semnificativ” mai mic decât 0. De aceea, este firesc să verificăm dacă statistica t este fie foarte mare,
fie foarte mică pe curba distribuţiei teoretice a acesteia, ştiind că punctul de simetrie al acestei
distribuţii este t=0, adică să aplicăm un test t bilateral.

În consecinţă, se compară valoarea calculată a statisticii t cu cea teoretică, iar regula de


evaluare a testului este următoarea: se respinge ipoteza nulă conform căreia  0 dacă tc > tteoretic la
pragul de semnificaţie de  /2 sau dacă tc < -tteoretic la pragul de semnificaţie de  /2 şi nu
respingem ipoteza nulă în caz contrar. Altfel spus, dacă tc > tteoretic sau dacă tc < -tteoretic,
probabilitatea 32 ca  să fie egal cu 0 este mai mică decât pragul de semnificaţie ales (de regulă, o
probabilitate totală de 5% sau  =0,05, adică 2,5% din stânga distribuţiei Student şi 2,5% din dreapta
ei), deci riscul să acceptăm în mod greşit ipoteza nulă este foarte mic.

În cazul Exemplului 7.4, statistica t calculată este:

0,9957
tc   8  2  26,33
1  0,9957 2
Valoarea statisticii t pentru un prag de semnificaţie de 0,025 şi 6 grade de libertate se poate
citi într-o tabelă a valorilor critice ale variabilei t calculate pentru teste bilaterale şi găsim că tteoretic; 0,025
= 2,447.

Întrucât 26,33 > 2,447 respingem ipoteza nulă  0 şi concluzionăm că valoarea


coeficientului de corelaţie calculat este semnificativ diferită de zero, deci o putem considera adevărată
în 95 de cazuri din 100 posibile.

Raportul de corelaţie (R) este un indicator sintetic care măsoară intensitatea legăturilor
liniare şi neliniare.

Înainte de a defini şi calcula raportul de corelaţie, să ne reamintim că în paragrafele


precedente am văzut cum se determină o funcţie de regresie liniară. Odată ce am găsit parametrii
31
În statistica t, magnitudinea numărătorului tinde să crească pe măsură ce ipoteza alternativă este adevărată.
32
Valoarea teoretică faţă de care facem comparaţia este o cuantilă, iar probabilitatea ca valoarea calculată să o
depăşească pe cea teoretică este suprafaţa aflată sub curba distribuţiei.

146
funcţiei, următoarea întrebare pe care ne-o punem este: cât de bine ajustează linia de regresie datele
observate? Întrebarea este firească deoarece nu rareori diferenţele între valorile observate ale
variabilei dependente şi valorile teoretice sunt mari. Instrumentul prin intermediul căruia se evaluează
calitatea funcţiei de regresie este coeficientul de determinaţie.

Aşa cum am văzut în secţiunea 7.4, din regula de adunare a dispersiilor, coeficientul de
determinaţie este raportul dintre dispersia între grupe, adică dispersia explicată de variabila de
grupare, şi dispersia totală. În cazul regresiei liniare, calculul coeficientului de determinaţie este
obţinut, de asemenea, prin împărţire a dispersiei totale între dispersia explicată şi dispersia ne-
explicată.

După cum ştim, dispersia totală este dată de pătratul diferenţei dintre valorile observate şi
valoarea medie:
n

 y  y .
2
i
i 1

Întrucât regresia liniară ne permite să calculăm valorile teoretice obţinute prin funcţia de
regresie, pentru a măsura cât de bine ajustează această funcţie datele observate este nevoie să
operăm o modificare în relaţia de mai sus, pentru a pune în evidenţă dispersia care nu este explicată
de regresie şi dispersia explicată de regresie:

   
n n

 y  y  =  yi  YX i  YX i  y
2 2
i (7.22)
i 1 i 1

Aşadar, dispunând de valorile empirice înregistrate ( y i ), de valorile teoretice calculate pe

baza funcţiei de regresie ( Y X i ) şi de media valorilor empirice ( y ) se pot stabili trei tipuri de abateri:

a) partea din stânga egalităţii,  yi  y 2 , reprezintă abaterea valorilor empirice de la media


lor. Media presupune toţi factorii de influenţă constanţi, iar valorile empirice sunt rezultatul
acţiunii tuturor factorilor. Dispersia calculată pe baza acestor abateri este dispersia totală
a variabilei dependente (  y ). Prin aceasta se măsoară variaţia sub influenţa tuturor
2

factorilor X şi a celorlalţi factori neînregistraţi;

b) primul termen al părţii din dreapta egalităţii, y  Y , reprezintă abaterea valorilor


i Xi

empirice de la valorile teoretice. Valorile teoretice sunt expresia factorului implicat în


analiza legăturii, deci considerat esenţial. Abaterea menţionată este provocată de
influenţa factorilor neînregistraţi, aleatori. Dispersia care măsoară variaţia variabilei Y
numai sub acţiunea acestor factori este dispersia reziduală (  y / r );
2

 
c) al doilea termen al părţii din dreapta egalităţii, YX i  y , reprezintă abaterea valorilor
teoretice de la media valorilor empirice şi exprimă influenţa factorului X. Pe baza acestor
abateri se determină dispersia explicată sau dispersia sistematică (  y / x ).
2

Dacă ridicăm la pătrat ambii termeni ai egalităţii şi însumăm pentru tot setul de observaţii,
obţinem:

  yi  y    yi  YX    Y 
n n n
2 2 2
i Xi y (7.23)
i 1 i 1 i 1

Forma echivalentă, bazată pe cele trei dispersii definite mai sus, este:

147
 y2 =  y2 / x +  y2 / r (7.24’)

Termenul din stânga al ecuaţiei arată dispersia totală a variabilei dependente. Primul termen
al părţii drepte a ecuaţiei arată dispersia variabilei dependente care este explicată de regresie, iar al
doilea termen al părţii din dreapta a ecuaţiei reprezintă dispersia variabilei dependente care nu este
explicată de regresie.

Coeficientul de determinaţie (R2) arată cât de bine ajustează linia de regresie valorile
observate şi este dat de raportul dintre dispersia explicată de regresie şi dispersia totală:

 y  Y   y 
n n
2 2
Xi i  YX i
R2  i 1
n
 1 i 1
n
(7.25)
 y  y  y  y
2 2
i i
i 1 i 1

O formă echivalentă a relaţiei (6.23), în care toate elementele de calcul sunt disponibile, este:
2
n
1  n  n
a   y i  b   xi  y i     y i 
i 1 i 1 n  i 1 
R2  2
(7.25’)
n
1  n 

i 1
y 2
i     yi 
n  i 1 
Cu cât valoarea coeficientului de determinaţie este mai mare, cu atât modelul de regresie,
adică variabila factorială, explică mai bine variaţia variabilei dependente. Cu alte cuvinte, coeficientul
de determinaţie – denumit în analiza statistică „R pătrat” – este măsura de apreciere a calităţii
modelului de regresie.

În exemplul 7.1, coeficientul de determinaţie este:

2,6033  31,5  0,097  474,8  (1 / 8)  (31,5) 2


R2   0,9876
128,11  (1 / 8)  (31,5) 2
Valoarea apropiată de 1 a coeficientului de determinaţie ne arată că funcţia de regresie
Y X i  2,6033  0,097  xi ajustează bine datele observate sau, prin alte cuvinte, că 98,76% din
variabilitatea datelor observate este explicată prin modelul de regresie.

În manieră echivalentă, coeficientul de determinaţie (R2 ) exprimă ce cotă parte din variaţia lui
Y se datorează influenţei factorului X, considerat esenţial. În opoziţie, coeficientul de nedeterminaţie
(K2) măsoară cota parte din variaţia lui Y pe seama acţiunii tuturor factorilor neluaţi în considerare,
reziduali:

 y 
n
2
 YX i
 y2 / r i
K2  2  i 1
(7.26)
y n

 y  y
2
i
i 1

Raportul de corelaţie se calculează extrăgând rădăcina pătrată din coeficientul de


determinaţie:

148
 y 
n
2
i  YX i
R  1 i 1
n
(7.27)
 y  y
i 1
i
2

Raportul de corelaţie poate lua valori cuprinse între 0 şi 1. Cu cât valoarea lui R se apropie
mai mult de 1 cu atât legătura dintre variabile este mai puternică, respectiv mai puţin intensă cu cât se
apropie mai mult de 0.

Pe baza exemplului din tabelul 7.1 şi a valorii coeficientului de determinaţie de mai sus,
raportul de corelaţie este:

R  0,9876  0,9938

La calcularea valorilor teoretice (valorile funcţiei de regresie, Y X i ) s-a pornit de la o ipoteza că


legătura dintre cele două variabile este liniară. De la aceeaşi ipoteză s-a pornit şi la determinarea
raportului de corelaţie. Dacă legătura dintre cele două variabile este într-adevăr liniară, atunci se
verifică egalitatea: r  R . Dacă raportul de corelaţie diferă de r , atunci legătura este neliniară. În

acest caz trebuie identificată ecuaţia funcţiei neliniare, calculate valorile teoretice ( Y X i ) pe baza
acestei funcţii şi determinată intensitatea corelaţiei prin R.

7.5.3 Metoda regresiei


Prin intermediul metodei regresiei se analizează cu ajutorul unei expresii analitice, denumită
funcţie de regresie, modul în care variabila dependentă Y se comportă în raport cu modificarea uneia
sau a mai multor variabile independente (Xi).

Metoda regresiei răspunde la trei principale obiective ale analizei statistice:

1. metoda regresiei furnizează estimaţii ale variabilei dependente pentru anumite valori date
ale variabilei independente. Cu alte cuvinte, funcţia de regresie exprimă cum se comportă
în medie variabila dependentă – sau efect – sub acţiunea influenţei unei variabile
independente – sau cauză – în condiţiile în care toate celelalte variabile independente
esenţiale sau întâmplătoare ar exercita o acţiune constantă, sau, respectiv, ar exercita o
influenţă neesenţială. Acest principiu se numeşte ceteris paribus, adică „toate celelalte
fiind egale”, „celelalte” fiind factorii care influenţează modificarea variabilei dependente.
Astfel, studiind relaţia dintre variabila dependentă şi cele independente, metoda ne oferă
posibilitatea de a găsi valoarea cea mai probabilă a variabilei dependente când ştim o
valoare a variabilei independente;

2. metoda regresiei ne oferă o măsură a erorilor care pot interveni în estimarea variabilei
dependente. Dacă putem estima valorile variabilei dependente în funcţie de valoarea unei
variabile independente, atunci suntem interesaţi să ştim cât de multă încredere putem
acorda acestei estimaţii, motiv pentru care statisticianul construieşte un interval de
încredere al acelei estimaţii;

3. metoda regresiei furnizează o estimaţie a efectului asupra valorii medii a lui Y atunci când
X se modifică cu o unitate. Pornind de la exemplul din tabelul 6.1, modelul regresiei ne
permite să spunem, în medie, care este modificarea mediei la examene dacă nota la
admitere se modifică cu un punct.

149
Funcţia de regresie este o funcţie matematică care exprimă legătura dintre variabila
dependentă Y şi k variabile independente Xk şi are forma generală :

Y X i  f x1 , x 2 , x3 ,...., x K    (7.28)

unde " " este variabila aleatoare


perturbatoare, reziduală sau eroare, care Cadranul 2 – O scurtă istorie a regresiei liniare
sintetizează influenţa tuturor factorilor neluaţi în Denumirea dată coeficientului de corelaţie induce pe
calcul, nespecificaţi. mulţi în eroare, atribuind descoperirea acestei mărimi
statistice lui Karl Pearson. O serie de lucrări
Dacă în analiza regresiei se implică o
descoperite la începutul anilor 2000 (v. „Galton,
singură variabilă independentă se recurge la
Pearson, and the Peas: A Brief History of Linear
regresia unifactorială liniară sau neliniară, iar dacă
Regression for Statistics Instructors”, Jeffrey M.
variaţia variabilei Y este dependentă de cel puţin
Stanton, Syracuse University, Journal of Statistics
două variabile factoriale se recurge la regresia
Education Volume 9, Number 3, 2001) conduc la
multifactorială sau multiplă.
concluzia că ideea conceptualizării noţiunilor de
Alegerea funcţiei de regresie se corelaţie şi regresie aparţine lui Sir Francis Galton.
realizează cel mai simplu, pe baza reprezentării Mai mult, ea nu este legată de explicarea „regresiei
grafice a perechilor de valori {xi,yi}. către medie” a înălţimii copiilor în relaţie cu strămoşii
lor, în încercarea de a explica modul în care sunt
moştenite trăsăturile înaintaşilor de către urmaşi, ci de
Regresia unifactorială liniară un alt organism mult mai prozaic: mazărea dulce.
Un model este o formă simplificată, El a ales mazărea dulce pentru că această specie se
idealizată de reprezentare a realităţii. Modelul de auto-fecundează; plantele de sex feminin arată
regresie nu face excepţie şi el presupune că variaţiile genetice ale plantelor-mamă fără contribuţia
valorile variabilei independente (X) şi cele ale unui alt părinte. El a eliminat, în acest fel, problema
variabilei dependente (Y) tind să formeze o evaluării statistice a contribuţiei genetice a mai multor
progresie aritmetică, deci când variabila surse.
dependentă tinde să se modifice liniar sub
influenţa unei singure variabile independente. Primele concluzii despre regresie au izvorât dintr-o
diagramă bidimensională în care a trasat punctele
Tendinţa valorilor de a forma o progresie determinate de mărimea boabelor de mazăre „fiice”
aritmetică se cunoaşte uşor prin reprezentarea faţă de boabele de mazăre „mamă”, ilustrând
grafică a perechilor de valori, iar dacă elementele fundamentale a ceea ce astăzi statisticienii
corelograma sugerează tendinţa de ordonare a numesc „regresie liniară”.
punctelor în jurul unei drepte se optează pentru
regresia liniară.

Ecuaţia funcţiei liniare de regresie este:

YX i  a  b  X   (7.29)

în care:

YX i – valorile teoretice ale variabilei Y în funcţie de X, pe care le putem estima;

X – vectorul valorilor empirice (observate) ale variabilei factoriale;


a şi b – parametrii necunoscuţi ai funcţiei de regresie care trebuie estimaţi.

150
Parametrul a nu are o semnificaţie economică. Geometric reprezintă ordonata la origine,
respectiv valoarea lui y când x = 0. Dacă a = 0, variabila Y depinde exclusiv de variabila X, deci
legătura este funcţională.

Parametrul b, denumit coeficient de regresie, exprimă economic cu cât se modifică în medie


variabila dependentă dacă variabila independentă se modifică cu o unitate. Geometric, parametrul b
semnifică panta dreptei de regresie. Semnul parametrului b oferă următoarele informaţii:

- b > 0, legătura este directă;

- b < 0, legătura este inversă;

- b = 0, variabilele sunt independente sau necorelate.

După alegerea funcţiei de regresie trebuie să se estimeze parametrii a şi b ai ecuaţiei liniare şi


să se calculeze valorile funcţiei de regresie.

Estimarea parametrilor a şi b se realizează, cel mai adesea, prin metoda celor mai mici
pătrate, ceea ce înseamnă minimizarea sumei pătratelor erorilor  i
2
 min . Dar eroarea
reprezintă diferenţa dintre valoarea empirică (yi) şi valoarea teoretică, calculată pe baza modelului
liniar (Yxi). Deci, suma pătratelor abaterilor valorilor empirice de la cele teoretice trebuie să fie minimă.

 y 
n
2
i  YX i  min (7.30)
i 1

În cazul modelului unifactorial liniar expresia (7.30) devine:


n
S    y i  a  b  xi   min
2
(7.31)
i 1

Această expresie este minimă în punctele de anulare a derivatelor parţiale calculate în funcţie
de parametrii a şi b.

 S
 a  2    y y  a  bx    1
 S
  2    y y  a  bx    x 
 b
Punând condiţia ca aceste derivate să fie egale cu 0, simplificând cu 2 şi ţinând seama de
faptul că a şi b sunt constante, sistemul de mai sus devine:

n  a  b   x i   y i

a   x i  b   x i   x i  y i
2

unde xi şi yi reprezintă valorile empirice înregistrate pentru cele două variabile, iar n semnifică
numărul unităţilor observate din eşantion.

De unde, prin rezolvarea sistemului de ecuaţii se obţine:


b 
 xi  x    yi  y   Cov( x, y)
   x i  x 2  x2 (7.32)
a  y  b  x

Pentru facilitarea calculelor, se utilizează o formă alternativă pentru parametrul b, care
conduce la acelaşi rezultat:

151
 n   x i  y i   xi   y i
b 
n   xi2   xi 
2
 (7.33)
a  y  b  x

După ce au fost calculaţi parametrii a şi b se pot determina valorile teoretice ale funcţiei de
regresie (Yxi ), prin înlocuirea succesivă în ecuaţia de regresie, cu valorile xi ale caracteristicii
factoriale.

Exemplul 7.4 – Estimarea parametrilor unei funcţii liniare unifactoriale


Pentru a ilustra valenţele analitice ale unei funcţii liniare de regresie unifactorială, se porneşte de la
datele privind vechimea în muncă şi câştigul salarial net realizat de 8 muncitori în luna mai 2010
(vezi Tabelul 7.8, coloanele 2 şi 3). Între cele două variabile există, normal, o legătură directă,
salariul net fiind influenţat, pe lângă alţi factori, şi de vechimea în muncă.
Tabelul 7.8 – Calculul parametrilor unei funcţii de regresie liniară unifactorială
Vechime în Câştig
Identificator muncă salarial
(ani) net (mii lei) xi  y i xi2 YX i
salariat
( xi ) ( yi )
1 2 3 4 5 6
1 3 2,9 8,7 9 2,89
2 6 3,1 18,6 36 3,19
3 9 3,5 31,5 81 3,48
4 11 3,8 41,8 121 3,67
5 15 4 60,0 225 4,06
6 19 4,4 83,6 361 4,45
7 22 4,8 105,6 484 4,74
8 25 5 125,0 625 5,03
Total 110 31,5 474,8 1942 31,50

Cele două serii de date confirmă existenţa unei corelaţii directe. Pentru alegerea formei legăturii se
construieşte corelograma.

152
Fig. 7.8 – Graficul de corelaţie între vechimea în muncă şi câştigul salarial

4
Castig salarial (mii lei)

0
0 5 10 15 20 25 30
Vechime (ani)

Reprezentarea grafică sugerează faptul că punctele tind să se ordoneze în jurul unei drepte. Deci,
funcţia de regresie este de forma: YXi = a + bxi.
Pentru aflarea parametrilor a şi b se porneşte de la sistemul de ecuaţii menţionat, rezolvarea căruia
presupune calcularea expresiilor x i  yi , x 2
i şi  x 
i
2

Sistemul de ecuaţii normale este:

n  a  b   x i   y i 8  a  110  b  31,5
  
a   x i  b   x i   x i  y i a  110  1942  b  474,8
2

Din rezolvarea sistemului prin metoda determinanţilor se obţine:

31,5 110
474,8 1942
a  2,6033
8 110
110 1942

8 31,5
110 474,8
b  0,097
8 110
110 1942
Valoarea parametrului a = 2,6033 semnifică faptul că dreapta intersectează ordonata în punctul
2,6, iar b = 0,097 înseamnă că salariul mediu net sporeşte în medie cu 97 lei dacă vechimea creşte
cu un an. Implicit, valoarea pozitivă a parametrului b (panta dreptei de regresie) arată că suntem
în faţa unei corelaţii directe.
Funcţia de regresie care descrie legătura dintre cele două variabile este:
Yxi= 2,6033 + 0,097*xi.

153
Valorile teoretice privind câştigul salarial net se obţin în urma înlocuirii în această funcţie lui xi cu
valorile corespunzătoare (vezi Tabelul 7.8, coloana a 6-a).

Yx1 = 2,6033 + 0,097 ⋅ 3 = 2,89


..
Yx8 = 2,6033 + 0,097 ⋅ 5 = 5,03
Corectitudinea estimării parametrilor a şi b presupune ca suma valorilor empirice ale variabilei
dependente (∑ yi ) să fie egală cu suma valorilor teoretice (∑YXi ).
Utilizând această funcţie de regresie, un salariat al companiei respective poate formula o predicţie
a câştigului salarial pentru vechimi diferite de cele observate.
Spre exemplu, doi salariaţi, unul cu 10 ani vechime şi altul cu 30 de ani, ar putea avea

Y(10) = 2,6033 + 0,097 ⋅10 = 3,57 mii lei.

Y(30) = 2,6033 + 0,097 ⋅30 = 5,51 mii lei.

În cazul exemplului din Tabelul 7.4, datele au fost prezentate sub forma a două serii simple,
deci negrupate.

Regresia unifactorială neliniară

În realitate apar frecvent situaţii ca modelul liniar unifactorial să nu corespundă tipului de


dependenţă dintre cele două variabile. Printre cele mai utilizate funcţii neliniare menţionăm: funcţia
polinomială de gradul 2; funcţia exponenţială; funcţia lognormală; funcţia hiperbolică.

Funcţia se alege cel mai simplu pe baza reprezentării grafice, de forma celei prezentate în
Fig. 7.4. Ca şi în cazul regresiei liniare unifactoriale, parametrii funcţiei se estimează pornind de la

 y 
n
2
metoda celor mai mici pătrate, care presupune minimizarea erorilor i  YX i  min .
i 1

În cazul polinomului de gradul 2, ecuaţia de regresie este:

y i  a  b  xi  c  xi2 (7.34)

Aplicând metoda celor mai mici pătrate şi după anularea derivatelor parţiale calculate în
funcţie de a, b şi c se obţine sistemul de ecuaţii:

n  a  b   xi  c   xi2   y i

a   x i  b   x i  c   x i   x i  y i
2 3
(7.35)
a  x 2  b  x 3  c  x 4  x 2  y
  i  i  i  i i
Prin rezolvarea sistemului de ecuaţii liniare (7.35) şi prin înlocuirea succesivă a lui xi cu
valorile empirice în funcţia de regresie, se obţin valorile teoretice pentru variabila rezultativă (YXi).

Dacă legătura dintre cele două variabile are forma unei funcţii exponenţiale, ecuaţia de
regresie este:

154
Y X i  a  b xi (7.36)

Aplicarea metodei celor mai mici pătrate presupune în acest caz liniarizarea, prin logaritmare:
lg Y X i  lg a  xi  lg b .

În continuare se procedează ca la regresia liniară pentru a determina parametrii a şi b şi


pentru calculul valorilor funcţiei de regresie. Prin aplicarea metodei celor mai mici pătrate se obţine:

n  lg a  lg b   xi   lg y i
 (7.37)
lg a   xi  lg b   xi   xi  lg y i
2

Regresia multifactorială

Modelele unifactoriale de regresie au avantajul uşurinţei aplicării. În realitate însă, se întâlnesc


foarte rar situaţii când efectul este rezultatul influenţei unei singure cauze. De cele mai multe ori,
variabila dependentă este influenţată concomitent de mai mulţi factori, ceea ce înseamnă că în analiza
legăturilor trebuie luaţi în calcul cel puţin factorii care exercită o influenţă semnificativă. Forma
generală a modelului regresiei multifactoriale este:

Y X i  f  x1 , x 2 , x3 ,...., x K    (7.38)

Modelul multifactorial cel mai accesibil este cel liniar.

Y X1 , X 2 ,..., X K  a 0  a1  x1  a 2  x 2  ....  a K  x K (7.39)

în care:

a0 – sintetizează influenţa tuturor factorilor neluaţi în calcul

a1 … ak – reprezintă coeficienţii parţiali de regresie şi exprimă cu câte unităţi se modifică


variabila rezultativă dacă variabila factorială respectivă se modifică cu o unitate iar toate celelalte
variabile rămân constante (principiul ceteris paribus).

Prin aplicarea metodei celor mai mici pătrate se obţine sistemul de ecuaţii (7.40) prin
rezolvarea căruia se determină parametrii funcţiei de regresie.

n  a 0  a1   x1i  a 2   x 2i  ...  a k   x ki   y i

a 0   x1i  a1   x1i  a 2   x1i  x 2i  ...  a k   x1i  x ki   x1i  y i
2


a 0   x 2i  a1   x 2i  x1i  a 2   x 2i  ...  a k   x 2i  x ki   x 2i  y i
2
(7.40)
.............................................................................................................

a 0   x ki  a1   x ki  x1i  a 2   x ki  x 2i  ...  a k   x ki2   x ki  y i
La interpretarea rezultatelor privind parametrii funcţiei de regresie multifactorială trebuie avut
în vedere faptul că între variabilele factoriale luate în calcul poate exista o dependenţă reciprocă,
denumită multicoliniaritate, care poate afecta rezultatele finale, facând necesară testarea existenţei
acesteia.

Eroarea standard

Alegerea funcţiei de regresie pe baza graficului de corelaţie poate crea probleme dacă
mulţimea punctelor corespunzătoare valorilor empirice (xi,yi) sugerează mai multe funcţii posibile. În
asemenea situaţie, se recomandă să se calculeze valorile după toate funcţiile sugerate de grafic şi să

155
 y 
n
2
se opteze, în final, pentru acea funcţie care satisface condiţia de minim i  YX i  min , deci
i 1

care minimalizează eroarea cu care se estimează valorile empirice (yi).

Indicatorul prin care se măsoară această eroare este eroarea standard (  yi ):


YX i

y 
 y i  YX i 
2

(7.41)
i
YX i n
În cazul exemplului din Tabelul 7.9 eroarea cu care s-au estimat câştigurile salariale nete în
funcţie de vechimea în muncă a fost de 66,1 lei. Pentru a calcula eroarea standard a estimaţiilor
funcţiei de regresie, e necesară determinarea pătratului diferenţelor dintre valorile empirice ale
variabilei dependente şi cele teoretice, calculate pe baza funcţiei de regresie ale cărei parametri au
fost obţinuţi în Exemplul 7.1. În continuarea exemplului 7.1, prezentăm mai jos modul de calcul.

Exemplul 7.4 (continuare) – Estimarea erorii standard a funcţiei de regresie liniară


unifactorială
Tabelul 7.9 – Calculul parametrilor unei funcţii de regresie liniară unifactorială
Câştig
Vechime în
Identificator
salariat
muncă (ani)
salarial
net (mii lei) yi  YX i y i  YX i 
2

( xi )
( yi )
1 3 2,9 0,0057 0,0000
2 6 3,1 -0,0853 0,0073
3 9 3,5 0,0237 0,0006
4 11 3,8 0,1297 0,0168
5 15 4 -0,0583 0,0034
6 19 4,4 -0,0463 0,0021
7 22 4,8 0,0627 0,0039
8 25 5 -0,0283 0,0008
Total 110 31,5 0,0036 0,0350

0,0350
y   0,0661
i
YX i 8

Aceasta înseamnă că între câştigul salarial net realizat efectiv (yi) şi cel estimat pe baza funcţiei
lunare există, în cazul fiecărui muncitor, o diferenţă medie de 66,1 lei, diferenţă care se explică
prin influenţa altor factori asupra câştigului salarial net.

Dacă eroarea standard  yi se împarte la media valorilor empirice y se obţine eroarea


YX i

exprimată procentual:

y
y i

31,5
 3,938 mii lei.
n 8
Deci coeficientul de eroare este:

156
0,0661
Ke   100  1,68%
3,938

7.6 Cuvinte – cheie


 Coeficient de asociere Yule  Legătură multiplă
 Coeficient de corelaţie a rangurilor  Legătură simplă
Kendall
 Coeficient de corelaţie a rangurilor  Legătură statistică
Spearman
 Coeficient de corelaţie liniară  Metoda celor mai mici pătrate
 Coeficient de determinaţie  Metoda grafică
 Coeficient de regresie  Metoda grupării
 Covarinţa  Metoda seriilor paralele
interdependente
 Dispersie explicată, sistematică  Metoda tabelului de corelaţie
 Dispersie reziduală  Raport de corelaţie
 Eroarea standard  Regresie
 Legătură directă  Variabila dependentă, rezultativă,
efect, explicată
 Legătură funcţională  Variabila independentă, factorială,
cauzală, explicativă
 Legătură inversă 

7.7 Intrebări de control


1. Prin ce se deosebeşte o legătură stohastică de una funcţională (deterministă)?

2. Ce informaţii oferă metodele simple de analiză a legăturilor dintre variabile?

3. Ce exprimă funcţia de regresie?

4. Care este semnificaţia geometrică şi economică a coeficientului de regresie


liniară?

5. De ce se abat valorile empirice (yi ) de la valorile funcţiei de regresie?

6. Când se aplică şi cum se interpretează coeficientul de corelaţie simplă?

157
7. Când reprezentarea grafică admite mai multe funcţii care ar putea descrie legătura
dintre două variabile, care este criteriul în funcţie de care se optează pentru una
din aceste funcţii?
8. Când se utilizează şi cum se interpretează raportul de corelaţie?

9. Când se verifică egalitatea r  R ?

10. Când se recomandă corelaţia rangurilor pentru măsurarea intensităţii legăturilor


dintre variabile?

7.8 Bibliografie selectivă


1. Biji E., Lelea E., Wagner P., Statistică, Editura didactică şi pedagogică, Bucureşti,
1999, p. 214-278

2. Korka M., Begu L., Tuşa E., Bazele Statisticii pentru Economişti, Editura Tribuna
economică, Bucureşti, 2002 p. 118-138.

3. Mansfield Edwin, Basic Statistics with Applications, W.W. Norton&Company, New


York, London, 1986, p. 449-487

4. Voineagu V., Lilea E., Goschin Z., Vătui M., Bolăleanu D., Statistică economică.
Teorie şi aplicaţii, Editura Tribuna economică, Bucureşti, 2002, p. 223-257.

158
Unitatea 8: SERII CRONOLOGICE

8.1 Obiective
În capitolele precedente am trecut în revistă metodele statistice adecvate analizei datelor care
reflectă fenomene sau procese observate la un anumit moment, în aşa-numitele observări sau
cercetări statistice transversale 33. Cunoaşterea regularităţilor care se manifestă în evoluţia
fenomenelor şi proceselor sociale presupune, însă, şi culegerea şi sistematizarea datelor în funcţie de
derularea lor în timp, în aşa-numitele cercetări statistice longitudinale.

Sistematizarea datelor în funcţie de timp conduce la serii cronologice, dinamice sau de timp.
Prin studiul seriilor de timp se urmăreşte, în principal, obţinerea unor informaţii privitoare la variaţia
apărută în timp, la influenţa factorilor care au provocat abaterea de la evoluţia normală, la legităţile
care s-au manifestat în evoluţia fenomenelor şi proceselor. Seriile cronologice prezintă date de flux
sau de stoc şi sunt serii lunare, trimestriale, semestriale, anuale sau cu o periodicitate mai mare de un
an. Există însă şi serii zilnice – cum sunt rata cursului de schimb, a cotaţiilor petrolului sau aurului,
indicii bursieri – sau serii săptămânale. Există, de asemenea, serii cronologice fără o periodicitate
anume, cum ar fi indicatorii de politică monetară ai băncilor centrale.

Obiectivele acestei părţi a cursului sunt să vă formeze competenţele de:

- Explicare a evoluţiei în timp a fenomenelor şi proceselor economice şi sociale cu ajutorul


indicatorii de descriere cantitativă a seriilor cronologice;

- Utilizare a metodelor de determinare a tendinţelor prezentate de datele sistematizate


într-o serie cronologică;

- Previzionare a evoluţiei în timp a fenomenelor şi proceselor prezentate prin serii


cronologice.

8.2 Definire, categorii, reprezentare grafică


O serie cronologică este formată din două şiruri paralele de date, din care primul şir reprezintă
valorile variabilei de timp (ti), iar cel de-al doilea valorile variabilei înregistrate pentru o anumită
perioadă de timp (yt).

Construirea unei serii cronologice presupune înregistrarea datelor la anumite momente sau
intervale de timp pentru colectivitatea statistică care se studiază.

O serie cronologică construită corect prezintă o serie de proprietăţi, şi anume:

 variabilitatea termenilor este, în principal, expresia mulţimii factorilor care influenţează


asupra evoluţiei în timp, acţiunea cărora face ca termenii seriei să prezinte o anumită
variaţie;

 omogenitatea termenilor unei serii cronologice este rezultatul faptului că prin fiecare
termen care intră în componenţa seriei se măsoară acelaşi fenomen sau proces.
Omogenitatea termenilor presupune folosirea aceloraşi definiţii, aceloraşi metodologii de
măsurare, aceleaşi metode de calcul a indicatorilor etc;

33
Termenul echivalent din limba engleză este „cross-sectional”.

159
 interdependenţa termenilor constă în faptul că oricare termen depinde într-o anumită
măsură de valoarea termenilor precedenţi. Această proprietate generează o anumită
tendinţă în evoluţia fenomenelor în timp;

 succesiunea în timp a termenilor înseamnă că termenii unei serii cronologice sunt


rezultatul înregistrării în ordinea apariţiei lor.

Seriile cronologice se diferenţiază în funcţie de timpul la care se referă fiecare termen şi după
modul de exprimare a indicatorilor pentru care se construiesc serii cronologice.

Fig. 8.1 – Tipuri de serii cronologice


După timpul la care se referă fiecare termen, se deosebesc serii cronologice de perioade
(intervale) şi de momente.

Seriile cronologice de perioade (intervale) de timp se contruiesc pentru variabile de flux,


adică pentru variabile pentru care are sens să se cumuleze datele observate într-un interval de timp
(lună, trimestru, semestru, an). De exemplu: evoluţia cifrei de afaceri a unui agent economic în
ultimele 12 luni sau evoluţia exporturilor României în ultimii 10 ani.

Termenii unei serii cronologice de perioade sunt însumabili direct. Rezultatul însumării
reprezintă un indicator totalizator care are acelaşi conţinut ca şi termenii seriei cronologice.

Seriile cronologice de momente se contruiesc pentru variabile de stoc, adică pentru


variabile pentru care are sens să se înregistreze date privind existentul la un moment dat. De
exemplu: efectivul salariaţilor la sfârşitul lunii; populaţia României la 1 iulie în ultimii 10 ani.

În cazul seriilor cronologice de momente sumarea termenilor nu are sens deoarece se ajunge
la înregistrări repetate.

În funcţie de distanţa dintre momente, termenii seriilor cronologice de momente pot fi


despărţiţi de intervale (distanţe) egale sau distanţe inegale de timp.

După modul de exprimare a indicatorilor pentru care se alcătuiesc serii cronologice se


disting: serii formate din indicatori absoluţi, serii formate din indicatori relativi; serii construite pentru
indicatori medii.

În cazul seriilor cronologice formate din indicatori absoluţi, fiecare termen este o mărime
absolută exprimată în unităţi concrete de măsură. O astfel de serie cronologică apare în tabelul nr. 8.1
pe prima linie: populaţia la data de 1 ianuarie a fiecărui an din seria observată.

160
Tabelul 8.1 - Evoluţia unor indicatori macroeconomici în perioada 2000 - 2007
Unitate
Indicator 2000 2001 2002 2003 2004 2005 2006 2007
de măsură
Populaţia la 1 mil
22,45 22,43 21,83 21,77 21,71 21,66 21,61 21,56
ianuarie locuitori
Dinamica PIB
faţă de anul % 2,4 5,7 5,1 5,2 8,5 4,2 7,9 6,3
precedent
PIB pe locuitor Euro 1800 2000 2200 2400 2800 3700 4500 5800
Sursa: Eurostat

Seriile cronologice formate din indicatori relativi, prezintă evoluţia unor indicatori relativi
exprimaţi, de regulă, procentual. În tabelul nr. 8.1, dinamica produsului intern brut reprezintă un
exemplu de o astfel de serie.

Printr-o serie cronologică formată din indicatori medii se prezintă evoluţia unor
caracteristici cantitative măsurate cel puţin pe o scală de intervale: PIB pe locuitor; câştigul salarial
mediu etc. În tabelul nr. 8.1, seria produsului intern brut pe locuitor exprimat în Euro este formată din
indicatori medii.

O primă imagine privind evoluţia unei variabile sau indicator se obţine prin reprezentarea
grafică. Seriile cronologice de perioade se reprezintă grafic prin cronogramă, iar seriile cronologice de
momente se vizualizează prin diagrama cu coloane.

În ambele cazuri, graficul se construieşte în cadranul I al sistemului de coordonate carteziene.


Pe abscisă se măsoară timpul, iar pe ordonată variabila a cărei evoluţie se analizează în timp.

În cazul seriilor de perioade, corespunzător fiecărei perechi de valori: ti, yt se desenează un


punct. Unind punctele succesive prin segmente de dreaptă se obţine cronograma.

În cazul seriilor de momente, se ridică o coloană a cărei înălţime este direct proporţională cu
mărimea termenului respectiv. Baza coloanelor este aceeaşi ca şi distanţa dintre coloane.

Produsul Intern Brut pe locuitor in Romania

7000
6000
5000
4000
Euro

3000
2000
1000
0
2000 2001 2002 2003 2004 2005 2006 2007

Fig. 8.2– Reprezentarea grafică a seriei de momente

161
8.3 Indicatorii statistici ai seriilor cronologice de perioade
Caracterizarea evoluţiei în timp a unei variabile se bazează pe un sistem de indicatori format
din:

a) indicatori absoluţi:

 indicatorii de nivel ( y t );

 modificarea absolută (  t 2 / t1 );

b) indicatori relativi:

 indicele de creştere / descreştere ( I );

 ritmul de creştere / descreştere ( R );

 valoarea absolută a unui procent din ritmul de creştere / descreştere ( A );

c) indicatori medii:

 nivelul mediu al seriei ( y );

 modificarea absolută medie (  );

 indicele mediu de creştere / descreştere ( I );

 ritmul mediu de creştere / descreştere ( R ).

Prin calcularea acestor indicatori se urmăreşte aflarea răspunsului la întrebări cum ar fi: cum
se interpretează datele disponibile? Care ar putea să fie evoluţia în viitorul apropiat? A răspunde la
astfel de întrebări presupune să se identifice regularităţile manifestate în evoluţia fenomenului descris
printr-o serie cronologică.

8.3.1 Indicatorii absoluţi ai seriilor cronologice


Indicatorii absoluţi ai seriilor cronologice exprimă nivelul la care ajunge variabila la diferite
momente sau perioade de timp şi modificările absolute în timp.

Indicatorii de nivel reprezintă valoarea variabilei la momentul sau în perioada de referinţă


n
(yt). Dacă se însumează toţi termenii seriei de perioade rezultă nivelul totalizat y
t 1
t .

În cazul datelor din tabelul nr. 8.2, fiecare termen privind cifra de afaceri este un indicator de
nivel.

Modificarea absolută (  t 2 / t1 ) exprimă cu cât a crescut sau a scăzut în mărime absolută un


termen comparativ cu un alt termen, considerat ca bază de comparaţie.

În funcţie de baza de comparaţie se poate calcula:

a) modificarea absolută cu bază fixă, care este diferenţa dintre nivelul fiecărei perioade
(yt) şi nivelul din perioada bază de comparaţie (y1);

 t / 1  y t  y1 (8.1)

162
Baza de comparaţie poate fi primul sau oricare termen al seriei, cu condiţia să fie un
termen semnificativ.

b) modificarea cu bază în lanţ (mobilă, glisantă) se calculează ca diferenţa dintre oricare


termen (yt) şi termenul precedent (yt-1).

 t / t 1  y t  y t 1 (8.2)

Exemplificarea modului de calcul al indicatorilor seriilor cronologice se face pe baza datelor


privind evoluţia cifrei de afaceri a unui agent economic prezentată în tabelul nr. 8.2.

Tabelul 8.2 – Evoluţia cifrei de afaceri a companiei X în perioada 2000 - 2009


Cifra Modificarea
Indicele (%) Ritmul (%)
de absolută
Anul t
afaceri
 t /1  t / t 1 I t /1 I t / t 1 Rt / 1 Rt / t 1
(mil. lei)
2000 1 50 0 - 100,0 - 0,0 -
2001 2 54 4 4 108,0 108,0 8,0 8,0
2002 3 60 10 6 120,0 111,1 20,0 11,1
2003 4 63 13 3 126,0 105,0 26,0 5,0
2004 5 68 18 5 136,0 107,9 36,0 7,9
2005 6 72 22 4 144,0 105,9 44,0 5,9
2006 7 74 24 2 148,0 102,8 48,0 2,8
2007 8 77 27 3 154,0 104,1 54,0 4,1
2008 9 80 30 3 160,0 103,9 60,0 3,9
2009 10 81 31 1 162,0 101,3 62,0 1,3
31 162,0
10 10
Total - 679 -
  t / t 1
t 2
-
I
t 2
t / t 1
- -

Între cele două modalităţi de calcul a modificării absolute există următoarele relaţii de trecere:

i. suma modificărilor absolute cu baza în lanţ este egală cu modificarea absolută în bază
fixă.
10


t 2
t / t 1 =  n /1 (8.3)

Dacă se însumează, de exemplu, primele două modificări absolute cu baza în lanţ (4+6) se
obţine modificarea absolută a anului 2002 faţă de anul 2000. De asemenea, însumarea modificărilor
cu baza în lanţ de pe toată perioada analizată este egală cu modificarea absolută dintre ultimul şi
primul termen al seriei cronologice:  10 / 1 = 31.

ii. diferenţa dintre două modificări absolute cu bază fixă succesive este egală cu modificarea
absolută cu baza în lanţ corespunzătoare.

 t / 1   t 1 / 1   t / t 1 (8.4)

De exemplu, diferenţa dintre 24 şi 22 reprezintă modificarea absolută cu baza în lanţ în anul


2006 faţă de anul 2005.

Aceste relaţii de trecere sunt utile în analiza seriilor cronologice în cazurile în care nu se
cunosc termenii seriei.

Un comentariu special este necesar pentru înţelegerea modificărilor absolute ale indicatorilor
relativi exprimaţi procentuali în legătură cu erorile limită de reprezentativitate specificate în rapoartele
sondajelor de opinie. Spre exemplu, în tabelul 8.1 este prezentată dinamica PIB faţă de anul

163
precedent, exprimată procentual. Făcând abstracţie de unitatea de măsură, modificarea absolută din
anul 2001 faţă de anul 2000 este 5,7 - 2,4 = 3,3. Tentaţia este de a da acestui rezultat unitatea de
măsură a valorilor din care provine, adică „3,3 la sută”, notând „3,3%”. Contrar acestei tentaţii,
formularea corectă este „3,3 puncte procentuale”, deoarece este vorba despre o modificare absolută,
nu una relativă. Dacă ar fi fost relativă, cifra de 3,3% s-ar fi aplicat ca multiplicator al dinamicii de
2,4%, iar calculul care urma ar fi trebuit să fie: 2,4 x 3,3% = 7,92%. Cu alte cuvinte, dinamica PIB din
anul următor ar fi fost 2,4792%, nu de 5,7%. Pe scurt, punctele procentuale măsoară diferenţa
absolută dintre două mărimi exprimate procentual.

8.3.2 Indicatorii relativi ai seriilor cronologice


Indicatorii relativi arată de câte ori s-a modificat nivelul sau cu cât la sută s-a modificat nivelul
unei mărimi faţă de baza de comparaţie.

Indicatorii relativi oferă informaţii utile privind evoluţia în timp, cu condiţia ca baza de
comparaţie să fie un termen în raport cu care să se facă comparaţia. Aceasta înseamnă să fie un
termen care se înscrie în tendinţa de evoluţie, să fie un termen « normal ».

Indicele de creştere/descreştere (I) arată de câte ori s-a modificat nivelul unei perioade faţă
de o altă perioadă sau cât la sută reprezintă nivelul actual faţă de cel considerat ca bază de
comparaţie. Indicele este un raport între doi termeni ai seriei cronologice.

În funcţie de modul de alegere a bazei de comparaţie (numitorul raportului) se calculează


două categorii de indici:

a) indicele cu bază fixă:

yt
I t /1   100 (8.5)
y1
b) indicele cu bază în lanţ (mobilă, glisantă):

yt
I t / t 1   100 (8.6)
y t 1
Între cele două modalităţi de calcul există relaţii de trecere, şi anume:

i. produsul indicilor cu bază în lanţ este egal cu indicele cu bază fixă corespunzător.
10

I
t 2
t / t 1 = I n /1 (8.7)

Observaţie: Dacă se aplică această relaţie, iar indicii cu bază în lanţ sunt exprimaţi în
procente este necesar să se împartă produsul indicilor la 100n-1, n reprezentând numărul indicilor cu
bază în lanţ luaţi în calculul produsului.

108,0  111,1  105,0


De exemplu:  126% , care este indicele cu bază fixă în anul 2003 faţă
100 2
de anul 2000.

ii. raportul dintre doi indici cu bază fixă succesivi este egal cu indicele cu baza în lanţ
corespunzător.

I t /1
 I t / t 1 (8.8)
I t 1 / 1

164
De exemplu,

I 2002 / 2000 120,0%


  111,1%  I 2002 / 2001
I 2001 / 2000 108,0%
Ritmul de creştere / descreştere (R) arată cu câte procente s-a modificat nivelul în perioada
curentă faţă de perioada considerată ca bază de comparaţie, sau, ceea ce este acelaşi lucru, cât la
sută reprezintă modificarea absolută faţă de baza de comparaţie. În funcţie de alegerea bazei de
comparaţie şi de modul de calcul a modificărilor absolute, se determină:

 ritmul cu bază fixă:

 t /1
Rt / 1   100 (8.9)
y1
 ritmul cu baza în lanţ (mobilă, glisantă):

 t / t 1
Rt / t 1   100 (8.10)
y t 1
Ritmul de creştere/descreştere se calculează mai simplu pornind de la indicele corespunzător.
În cazul indicelui exprimat procentual, baza de comparaţie este egală cu 100. Deci, dacă din indice se
scade 100 (baza de comparaţie) se obţine ritmul de creştere sau descreştere:

 t /1 y  y1 y 
Rt / 1   100  t  100   t  1  100  I t / 1  1  100
y1 y1  y1 
şi

 t / t 1 y  y t 1
Rt / t 1   100  t  100  I t / t 1  1  100
y t 1 y t 1
Observaţie: Ritmul de creştere/descreştere se foloseşte frecvent în comparaţii teritoriale. De
exemplu, se compară RPIB din România cu RPIB din Germania. Astfel de comparaţii pot conduce la
concluzii neconcordante cu realitatea dacă nu se indică nivelul absolut din perioada considerată bază
de comparaţie sau modificarea absolută care revine la 1% din modificarea relativă.

Valoarea absolută a unui procent din ritmul de creştere/descreştere (A) exprimă care
este echivalentul absolut al unui procent din ritmul de creştere / descreştere. Se calculează ca un
raport dintre modificarea absolută (∆) şi modificarea relativă (R):

 cu bază fixă:

 t /1
At / 1  (8.11)
Rt / 1 (%)
 cu baza în lanţ (mobilă, glisantă):

 t / t 1
At / t 1  (8.12)
Rt / t 1 (%)

Valoarea absolută a unui procent din ritmul de creştere / descreştere reprezintă a suta parte
din baza de comparaţie. Acest lucru devine evident dacă se dezvoltă relaţiile (8.11) şi (8.12) :

165
y t  y1 y
At / 1   1
y t  y1 100
 100
y1
respectiv,

y t  y t 1 y
At / t 1   t 1
y t  y t 1 100
 100
y t 1
În cazul exemplului din tabelul nr. 8.2, la un procent din oricare ritm de creştere cu bază fixă
(8,0%; 20,0%;...; 48,0%; ...; 62%) revine o creştere absolută egală cu 0,5 miliarde lei, deoarece
y1 50
At / 1    0,5 mil lei.
100 100
În mod similar, la un procent de creştere a cifrei de afaceri între 2007 şi 2008 de 3,9% revin
y t 1 77
A2008 / 2007    0,77 mil lei.
100 100

8.3.3 Indicatorii medii ai seriilor cronologice


Indicatorii medii oferă informaţii sintetice care se referă la întreaga serie cronologică: nivelul
mediu; modificarea medie absolută; indicele mediu de creştere / descretere; ritmul mediu de creştere /
descreştere.

 Nivelul mediu ( y ) se determină ca o medie aritmetică simplă a termenilor seriei:

y
y t
, unde t  1, n (8.13)
n

Pentru seria prezentată în tabelul nr. 8.2, y 


y t

679
 67,9 mii lei.
n 10
Nivelul mediu se recomandă a fi utilizat numai în cazul seriilor cronologice aproximativ
staţionare, deci când termenii seriei formează un şir omogen.

 Modificarea medie absolută (  ) sintetizează modificările absolute cu baza în lanţ şi se


calculează ca o medie aritmetică simplă a acestor modificări.


 t / t 1

 t /1
(8.14)
n 1 n 1
unde n reprezintă numărul modificărilor absolute cu baza în lanţ.

4  6  ...  3  3  1 31
   3,44 mil lei anual.
9 9
Modificarea mediei absolute poate caracteriza o serie cronologică numai dacă modificările
cu bază în lanţ sunt aproximativ egale, deci dacă evoluţia poate fi apreciată drept liniară.

 Indicele mediu de creştere sau descreştere (  ) se determină ca o medie geometrică a


indicilor cu baza în lanţ.

166
n
yn
  n 1  I t / t 1  n 1 I n / 1  n 1 (8.15)
t 1 y1
unde n reprezintă numărul indicilor cu bază în lanţ.

Indicele mediu arată de câte ori s-a modificat, în medie, fiecare termen faţă de termenul
precedent sau cât la sută reprezintă în medie fiecare nivel faţă de cel precedent.

În cazul seriei prezentată în tabelul nr. 8.2 indicele mediu de creştere sau descreştere
este:

  9 1,080  1,111  1,050  ...  1,041  1,039  1,031  9 1,620  1,0551 sau 105,51% .
Deci, cifra de afaceri a fost, in medie, in fiecare an faţă de anul precedent de 1,0551 ori
mai mare sau a reprezentat în medie o creştere de 105,51% în fiecare an comparativ cu
anul anterior.

Indicele mediu sintetizează corect modificările relative cu bază în lanţ dacă indicii cu bază
mobilă sunt aproximativ egali.

 Ritmul mediu de creştere/descreştere ( R ) măsoară cu câte procente s-a modificat


fiecare termen faţă de termenul precedent. Se determină pornind de la relaţia existentă
între indice şi ritmul de creştere sau descreştere.

R  (   1)  100 (8.16)

Observaţie: Din cadrul indicatorilor medii menţionaţi, numai nivelul mediu ( y ) sintetizează
valorile individuale. În cazul celorlalţi indicatori medii rezultatul calculului depinde doar de valoarea
primului şi al ultimului termen. Această situaţie poate conduce la concluzii neconforme cu realitatea.

8.4 Indicatorii statistici ai seriilor cronologice de momente


Prelucrarea seriilor cronologice de momente prezintă câteva particularităţi faţă de seriile de
perioade. Aşa cum s-a menţionat, lungimea intervalelor de timp care separă momentele pot fi egale
sau neegale.

Dacă intervalele care despart momentele sunt egale, prelucrarea seriei se realizează prin
calcularea indicatorilor absoluţi, relativi şi medii, cu deosebirea că nivelul mediu se calculează nu prin
media aritmetică simplă ci prin media cronologică simplă. În cazul unei serii de momente cu intervale
inegale, singurul indicator care se calculează este nivelul mediu, prin media cronologică ponderată.

Media cronologică simplă este o formă modificată a mediei aritmetice simple. Se aplică
când momentele la care se referă termenii seriei sunt echidistante (t1 = t2 = ... = tn).

t1 t2 t3 t4 tn-1

y1 y2 y3 y4 y5 yn-1 yn
Fig. 8.3– Serie cronologică de momente echidistante
O serie cronologică formată din n termeni are n-1 intervale, fiecare interval fiind delimitat de
doi termeni.

La media cronologică se ajunge astfel:

a) se transformă seria de momente într-o serie de intervale prin calcularea mediilor


aritmetice simple parţiale din câte doi termeni succesivi de momente.

167
Pornind de la figura nr. 8.2, mediile parţiale sunt:

y1  y 2 y  y3 y  yn
y1  ; y2  2 ; ......; y n 1  n 1
2 2 2
Fiecare medie parţială se referă la o perioadă t, deci termenii seriei ( y1 , y 2 ,...., y n 1 ) sunt
însumabili.

b) se calculează media generală din mediile parţiale:

y1  y 2 y 2  y 3 y yn
  ....  n 1
y1  y 2  y 3  .....  y n 1 2 2 2
y 
n 1 n 1
După efectuarea simplificărilor se obţine media cronologică simplă ( y cr ).

y1 y
 y 2  ....  y n 1  n
y cr  2 2 (8.17)
n 1
Calculul mediei cronologice simple se exemplifică pe baza datelor din tabelul nr. 8.3.

Tabelul 8.3 – Stocul de mărfuri ale companiei X la începutul lunii

Stocul de
Data
mărfuri (mii lei)
01/01/2009 420
01/02/2009 460
01/03/2009 430
01/04/2009 440

Variabilele observate la momentele respective sunt variabile de stoc şi, ca urmare, nu pot fi
însumate direct. Aceste date s-ar putea însuma dacă s-ar cunoaşte modificările de stoc din fiecare
lună sau stocul din cursul lunii, adică media parţială. Stocul mediu existent în primele patru luni din
anul 2009 se determină prin media cronologică simplă.

y1 y 420 440
 y 2  ....  y n 1  n  460  430 
y cr  2 2  2 2  440 mii lei.
n 1 4 1
Media cronologică ponderată se utilizează la calculul nivelului mediu dacă momentele de
timp pentru care s-au înregistrat valorile variabilei sunt despărţite prin intervale neegale.

Calculul mediei cronologice ponderate se bazează pe ipoteza că modificarea termenilor între


momente se realizează uniform de la un moment la altul. Aceasta înseamnă că fiecare termen va intra
în calculul mediei cu o importanţă egală cu jumătate din lungimea intervalelor alăturate lui. Deci
frecvenţele sunt reprezentate de distanţele între termenii seriei.

Media cronologică ponderată se calculează folosind relaţia:

t1 t t t t t
y1   y 2  1 2  ....  y n 1  n  2 n 1  y n  n 1
y cr  2 2 2 2 (8.18)
t1 t1  t 2 t n  2  t n 1 t n 1
  ....  
2 2 2 2

168
8.5 Ajustarea seriilor cronologice
Evoluţia unei variabile în timp, descrisă printr-o serie cronologică, este efectul influenţei unor
factori esenţiali (sistematici) şi neesenţiali (întâmplători). Acţiunea acestor factori imprimă evoluţiei o
anumită regularitate, dar şi abateri de la această regularitate. Analiza oricărei serii cronologice
presupune identificarea componentelor generate de influenţa diferitelor grupe de factori.

Spre deosebire de ajustarea seriilor de variabile interdependente, în care ipoteza


fundamentală constă în independenţa variabilelor explicative, caracteristic seriilor cronologice este
faptul că termenii seriei sunt corelaţi, fiecare observaţie fiind statistic dependentă de cea precedentă.

Teoretic, o serie cronologică poate fi descompusă în următoarele patru componente:

 trendul sau tendinţa generală (fundamentală);

 sezonalitatea;

 ciclicitatea;

 variaţia reziduală (aleatoare).

Trendul (Tt) poate fi, de obicei, detectat prin simpla inspecţie a seriei de timp. El se manifestă
sub forma unei mişcări regulate cu caracter de continuitate a fenomenului, care poate fi în creştere, în
scădere sau constant. Ca regulă, trendul poate fi sesizat dacă seria cronologică se referă la o
perioadă de timp suficient de mare. Trendul sau tendinţa reflectă direcţia de evoluţie şi este efectul
influenţei factorilor sistematici. Astfel de factori ar putea fi în cazul seriilor cronologice construite pe
diferite variabile macroeconomice, volumul investiţiilor, dimensiunea şi calitatea forţei de muncă,
nivelul tehnologiei etc.

Sezonalitatea (St) poate fi uşor detectată din graficul unei serii de timp. Ea este de regulă
reprezentată prin vârfuri sau depresiuni care apar la intervale relativ regulate de timp, sugerând că
variabila atinge minime şi maxime. Intervalul de timp dintre două vârfuri sau depresiuni succesive se
numeşte perioadă. Variaţiile periodice din cadrul seriilor cronologice se referă la perioade mai scurte
decât un an, de regulă luni sau trimestre. Aceste oscilaţii în jurul trendului sunt cauzate de factori cum
sunt: clima, obiceiuri, iregularităţi ale calendarului; sărbători laice sau religioase; condiţii de producţie
etc.

Ciclicitatea (Ct) seamnă mai mult cu un sezon, cu precizarea că perioada ciclului este mult
mai lungă decât un trimestru sau chiar de un an. Ciclurile apar ca rezultat al unor schimbări de natură
calitativă, cum este simţul gustului, moda, tehnologiile, clima globală etc. Un ciclu poate fi mai greu
detectabil dintr-un grafic al seriei de timp şi, de obicei, se consideră că este neglijabil, mai ales în
cazul seriilor pe termen scurt. Periodicitatea variaţiilor ciclice este cuprinsă, de regulă, între 3 şi 12 ani.
Această componentă este efectul unor factori conjuncturali şi psihologici. Evidenţierea variaţiilor ciclice
în vederea eliminării lor este diferită, motiv pentru care se studiază împreună cu trendul.

Variaţia reziduală sau aleatoare (Rt) sintetizează variaţiile termenilor seriilor cronologice
provocate de factori neprevizibili cu o acţiune neregulată. Astfel de factori pot fi: greve, catastrofe
naturale. Un termen echivalent al variaţiilor reziduale este de erori, fiind diferenţa dintre valorile
aşteptate sau teoretice şi valorile observate ale variabilei. Valorile teoretice sunt rezultatul combinării
aditive sau multiplicative ale trendului, ciclului şi sezonalităţii. În teoria ajustării seriilor cronologice, se
presupune că valorile reziduale sunt distribuite normal şi că, pe o perioadă lungă de timp, ele se
anulează reciproc astfel încât suma lor este nulă.

Corespunzător componentelor menţionate, termenii empirici ai unei serii cronologice pot fi


priviţi drept o funcţie a acestor influenţe.

169
y t  f (Tt , S t , C t , Rt ) (8.19)

Pentru reunirea componentelor unei serii cronologice (înnodarea componentelor sau


compunerea componentelor) există două modele statistice: modelul aditiv şi modelul multiplicativ.

Modelul aditiv de compunere presupune însumarea componentelor, ceea ce înseamnă că


grupurile de factori influenţează independent. Pentru acest model se optează când variaţiile sezoniere
(sezonalitatea) nu sunt dependente de trend. Aceasta înseamnă că, în condiţiile unei tendinţe de
creştere sau de scădere, valorile sezoniere sunt egale la aceleaşi momente de timp. De cele mai
multe ori, însă, factorii sunt interdependenţi, motiv pentru care se recomandă utilizarea modelului
multiplicativ, care se bazează pe ipoteza că factorii care influenţează componentele sunt dependenţi.

yt d5

d3
Variaţie
Trend
reziduală

d1
Variaţie
d4
sezonieră

Sezonalitate
d2

Fig. 8.4– Serie de timp cu variaţii sezoniere egale

Dacă notăm cu d1, d2, d3, ...., dk variaţiile sezoniere, egalitatea lor înseamnă că
d 1  d 2  d 3  ....  d k

În acest caz, luând în considerare faptul că includem componenta ciclică în trend, modelul se
prezintă astfel:

y t  Tt  S t  Rt (8.20)

În realitate, variaţiile sezoniere nu sunt de aceeaşi amploare la aceleaşi momente de timp. De


regulă, se comportă proporţional cu valorile trendului.

Modelul multiplicativ se aplică dacă amploarea oscilaţiilor sezoniere este variabilă la


momente succesive de timp. De exemplu, în cazul unui trend descrescător, între valorile variaţiilor
sezoniere există inegalitatea: d 1  d 2  d 3  ....  d k , iar în cazul unui trend crescător există

inegalitatea d 1  d 2  d 3  ....  d k . In realitate, aceste tipuri de modele sunt rareori întâlnite,


astfel încât să urmeze în totalitate aceste regularităţi. Această abordare, însă, facilitează înţelegerea
modelului multiplicativ şi a manierei de aplicare în cazuri reale. Ca o regulă generală, în situaţia în
care nu se specifică exact tipul modelului, se utilizează modelul multiplicativ, de forma:

y t  Tt  S t  Rt (8.21)

170
Acest model de compunere porneşte de la ipoteza că între grupurile de factori există o
interacţiune.

Seria cronologică pentru care se poate aplica modelul multiplicativ este de forma din diagrama
următoare.

yt

d5

d3 Trend
Variaţie
reziduală

d1
Variaţie
d4
sezonieră

Sezonalitate
d2

Fig. 8.5 – Serie de timp cu variaţii sezoniere diferite

Prin analiza seriilor cronologice se urmăreşte, aşa cum s-a menţionat, cunoaşterea
regularităţilor manifestate, care sunt expresia acţiunii factorilor sistematici, esenţiali.

Aceasta înseamnă să se separe acţiunea factorilor sistematici care imprimă tendinţa de


evoluţie, de influenţa factorilor întâmplători ce provoacă abateri de la ceea ce este normal, de la trend.

Operaţiunea prin care din termenii empirici ai unei serii cronologice (yt) se elimină influenţa
factorilor întâmplători poartă denumirea de ajustare a seriilor cronologice.

Ajustarea seriilor cronologice presupune deci înlocuirea termenilor empirici ( y t ) cu termeni

teoretici (calculaţi) care exprimă tendinţa de evoluţie a fenomenului studiat ( ŷ t ).

În vederea ajustării seriilor cronologice se utilizează, în special, următoarele metode:

 metoda grafică;

 metoda mediilor mobile;

 metoda modificării medii absolute;

 metoda indicelui mediu;

 metode analitice.

Metoda grafică constă în reprezentarea grafică a seriei cronologice (yt) prin cronogramă,
trasând cu mâna o dreaptă sau o curbă care trece printre valorile empirice, cât mai aproape de
acestea, aşa cum se poate vedea în figura nr. 8.5. Ca şi în cazul metodei regresiei, este foarte

171
important ca statisticianul să identifice valorile extreme, mai precis dacă acestea sunt sau nu valori
atipice (sau aberante) şi să le elimine din setul de date pentru a nu induce distorsiuni în analiză.

Această metodă oferă informaţii orientative utile pentru alegerea funcţiei analitice care este în
măsură să descrie tendinţa de evoluţie. Ajustarea grafică se exemplifică pornind de la datele din
tabelul nr. 8.2.

90

80

70
Cifra de afaceri (mil. lei)

60

50

40

30
1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010
Anul

Fig. 8.6 – Trasarea grafică a liniei de trend

Metoda mediilor mobile (glisante) se recomandă pentru determinarea valorilor trendului


(pentru ajustare) dacă seria valorilor empirice prezintă variaţii alternative, adică de o parte şi de alta a
liniei de trend. Prin calcularea mediilor mobile se provoacă netezirea acestor variaţii, iar tendinţa de
evoluţie poate fi sesizată mai uşor. Netezirea variaţiei este cu atât mai pronunţată cu cât numărul
termenilor empirici din care se calculează mediile mobile este mai mare. Ajustarea seriei presupune
înlocuirea termenilor empirici ( y t ) cu termeni teoretici ( ŷ t ) .

Metoda mediilor mobile este extrem de eficace. Înainte de a trece la previziuni pe baza
trendului identificat, este absolut necesar să eliminăm orice variaţie importantă a datelor, în special a
componentei sezoniere. Mai întâi, este important să ştim care este perioada datelor. Dacă avem o
perioadă de lungime m, vom aplica media mobilă de perioadă m. Dacă m este impar, atunci media
mobilă este automat centrată pe punctele de date, dar când m este par, este necesar să centrăm
datele înainte de a trece mai departe.

Mediile mobile sunt medii aritmetice calculate dintr-un număr prestabilit de termeni. Fiecare
medie mobilă (glisantă) se deosebeşte de cea precedentă prin faptul că exclude primul termen din
care s-a calculat şi include în calcul termenul următor al seriei valorilor empirice.

Să presupunem că avem o serie de timp formată din 7 termeni.

172
Medii
Medii Medii Medii mobile
Valori mobile
mobile provizorii definitive
empirice definitive
(m=3) (m=4) (m=4)
(m=3)
y1 - -

y2 y 3,1 - - -
y 3,1 y 4,1
y3 y 3, 2 y 4,1
y 3, 2 y 4, 2
y4 y 3, 3 y 4, 2
y 3, 3 y 4,3
y5 y 3, 4 y 4,3
y 3, 4 y 4, 4
y6 y 3, 5 -
- -
y7 - -

Generic, modul de calcul al mediilor mobile este următorul:

 dacă perioada este un număr impar (m=2k+1), fiecare medie mobilă înlocuieşte termenul
central din care se determină media. Astfel, dacă mediile se calculează din 3 termeni
(adică perioada m = 3) se obţine:

y1  y 2  y 3 y  y3  y 4 y  y 4  y5
y 3,1  ; y 3, 2  2 ; y 3, 3  3 etc.
3 3 3
 când mediile se calculează dintr-un număr par de termeni (m = 2k), se se calculează
medii mobile. Fiecare medie se va plasa între cei doi termeni centrali din care s-a calculat.
De exemplu, prima medie calculată din patru termeni se va plasa între termenul al 3-lea şi
al 4-lea. Din acest considerent se numesc şi medii mobile provizorii:

y1  y 2  y 3  y 4 y  y3  y 4  y5
y 4,1  ; y 4, 2  2
4 4
y  y 4  y5  y6 y  y5  y6  y7
y 4,3  3 ; y 4, 4  4
4 4
 se calculează medii mobile definitive din câte două medii mobile provizorii; se centrează
mediile provizorii:

a) dacă m=2k+1

y 3,1  y 3, 2 y 3, 2  y 3, 3
y 3,1  ; y 3, 2  ;
2 2
y 3 , 3  y 3, 4 y 3, 4  y 3 , 5
y 3, 3  ; y 3, 4 
2 2
b) dacă m=2k

y 4,1  y 4, 2 y 4, 2  y 4,3 y 4,3  y 4, 4


y 4,1  ; y 4, 2  ; y 4,3 
2 2 2

173
Mediile mobile definitive calculate reprezintă valorile ajustate.

Numărul termenilor din care se calculează pornind de la lungimea unui ciclu de variaţie. De
exemplu, în cazul unei serii privind consumul lunar de bere în ultimii 5 ani se remarcă valori foarte
mari în luna iulie şi august. În acest caz se vor calcula medii mobile din 12 termeni. Dacă o serie este
formată din date trimestriale se vor calcula medii mobile din câte patru termeni.

Numărul mediilor mobile calculate este mai mare decât numărul termenilor empirici, ceea ce
înseamnă că seria mediilor mobile care defineşte trendul este mai scurtă decât seria termenilor
empirici. Cu cât numărul termenilor din care se calculează mediile mobile este mai mare, cu atât
numărul termenilor empirici care nu au o valoare teoretică corespondentă este mai mare. Observaţie:
Ajustarea prin metoda mediilor mobile presupune pe lângă oscilaţii sezoniere şi o serie formată dintr-
un număr mare de termeni.

Exemplul următor ilustrează modul de calcul al mediilor mobile şi de separare a componentei


sezoniere.

Exemplul 8.1 – Calculul mediilor mobile şi separarea componentei sezoniere cu ajutorul


unui model multiplicativ 34
Setul următor de date prezintă vânzările trimestriale ale unei firme. Datele seriei vor fi ajustate
aplicând metoda mediei mobile pentru o perioadă egală cu patru, întrucât datele trimestriale au, în
mod evident, o perioadă egală cu 4, ceea ce poate fi confirmat realizând cronograma şi verificând
intervalul de timp dintre două vârfuri sau depresiuni. Cifrele accentuate reprezintă vârful seriei de
timp. Pentru ajustarea seriei a fost utilizat un model multiplicativ.
Datele sunt prezentate tabelar, iar cifrele centrate între datele emprice sunt mediile mobile şi
provizorii calculate ca mai sus.
t yt [TSR] 4Q-MM [T] 4Q-MMC [T]
2007 Q1 1 289

Q2 2 310
306
Q3 3 325 306,75
307,5
Q4 4 300 308,25
309
2008 Q1 5 295 310
311
Q2 6 316 311,25
311,5
Q3 7 333 312,25
313
Q4 8 302 313,75
314,5
2009 Q1 9 301 316,125
317,75
Q2 10 322 318,25
318,75
Q3 11 346
-
Q4 12 306

34
După Rajesh Gunesh, 1998.

174
TSR semnifică cele 4 componente considerate în ajustarea unei serii cronologice: T – trendul
(combinat cu ciclul), S – sezonalitatea, R – valorile reziduale, în cazul fiecărei componente
calculate: valorile empirice (Yt); 4Q-MM este media mobilă de perioadă 4 provizorie, fiind
componenta combinată a trendului şi ciclului (TC); 4Q-MMC este media mobilă centrată de
perioadă 4, fiind, de asemenea, componenta combinată a trendului şi ciclului (TC).
De notat că aplicarea metodei mediilor mobile duce la pierderi de date. În tabelul de mai sus, am
pierdut prima şi ultimele două valori observate. În general, când m este par (în cazul nostru m este
egal cu 4), pierdem m valori, iar când m este impar, pierdem m-1 valori.
Graficul valorilor emprice şi al mediilor mobile centrare este redat mai jos.

360

350

340

330

320
Vanzari

y(t)
310
4Q-MMC

300

290

280

270

260
1 2 3 4 5 6 7 8 9 10 11 12
Trimestre

Fig. 8.7 – Seria de timp a vânzărilor şi dreapta tendinţei

Noul tabel de calcule este următorul:


t yt 4Q-MM 4Q-MMC yt /T Indice
[TSR] [T] [T] [SR] sezonier
2007 Q1 1 289 - - - 0,9528

Q2 2 310 - - - 1,0145
306
Q3 3 325 306,75 1,0595 1,0640
307,5
Q4 4 300 308,25 0,9732 0,9688
309
2008 Q1 5 295 310 0,9516 0,9528
311
Q2 6 316 311,25 1,0153 1,0145
311,5
Q3 7 333 312,25 1,0665 1,0640
313
Q4 8 302 313,75 0,9625 0,9688
314,5
2009 Q1 9 301 316,125 0,9522 0,9528
317,75
Q2 10 322 318,25 1,0118 1,0145

175
t yt 4Q-MM 4Q-MMC yt /T Indice
[TSR] [T] [T] [SR] sezonier
318,75
Q3 11 346 - - 1,0640
-
Q4 12 306 - - 0,9688

Obiectivul nostru este să separăm componenta sezonieră. Tehnic, în această etapă, după ce am
separat componenta de trend (T), nu putem separa sezonalitatea (S) de componenta reziduală (R).
De aceea, aplicând modelul multiplicativ, cele două componente combinate rezultă prin
împărţirea valorii empirice la componenta de trend, pe care am obţinut-o prin calculul mediei
mobile centrate (yt /T). În cazul modelului aditiv, componenta combinată rezultă prin scăderea
componentei de trend din valoarea empirică (yt -T).
În continuare, se calculează media rapoartelor dintre valorile empirice şi trend pentru fiecare
trimestru. Dacă suma acestor indici nu este patru (perioada seriei), indicele sezonier se calculează
prin multiplicarea mediei trimestriale calculate anterior cu un factor de corecţie, egal cu raportul
dintre 4 şi suma mediilor. Rezultatele sunt următoarele:

Trimestrul
Anul
1 2 3 4
2007 - - 1,0595 0,9732
2008 0,9516 1,0153 1,0665 0,9625
2009 0,9522 1,0118 - -
Total 1,9038 2,0270 2,1259 1,9358
Media 0,9519 1,0135 1,0630 0,9679 Total brut= 3,9963
Indice sezonier 0,9528 1,0145 1,0640 0,9688 Total teoretic= 4,0000

Indicii sezonieri sunt, de fapt, deviaţiile de la trend sau variaţiile sezoniere, corespunzătoare
modelului multiplicativ. Raportând valorile observate la aceşti indici, vom obţine valorile ajustate
sezonier, adică neinfluenţate de acest factor. Aceşti indici vor fi utilizaţi mai târziu pentru calculul
valorilor previzionate sau, altfel spus, pentru extrapolarea seriei de timp.

Metoda modificării medii absolute se aplică atunci când termenii seriei (yt) tind să formeze
o progresie aritmetică, respectiv când modificările absolute au bazele în lanţ apropiate ca valoare.
Aceasta înseamnă că valorile variabilei se modifică relativ uniform, iar cronograma poate fi aproximată
printr-o dreaptă.

Expresia prin intermediul căreia se determină valorile ajustate se bazează pe relaţia dintre
ultimul termen, modificările absolute şi primul termen:

y n  y1   2 / 1   3 / 2  ....   n / n 1

Dacă modificările absolute cu bază în lanţ sunt aproximativ egale, fiecare este aproape egală
cu modificarea absolută medie (  ). Deci, valorile ajustate rezultă din expresia:

yˆ t  y1  (t  1)   , t  1, n (8.22)

176
Revenind la datele din tabelul nr. 8.2 privind evoluţia cifrei de afaceri rezultă:

y n  y1 81  50 31
    3,4 mil lei.
n 1 9 9
Valorile ajustate determinate prin metoda modificării medii absolute sunt:

yˆ1  y1  50

yˆ 2  y1    53,4

yˆ 3  y1  2    56,8

.....

yˆ10  y1  9    50  30,6  80,6

Observaţie: Dacă valorile empirice care compun seria şi se optează pentru metoda
modificării medii absolute, termenul notat în relaţia (8.22) cu y1 nu trebuie să fie obligatoriu prima
valoare empirică. Aceasta poate fi oricare termen empiric cu condiţia să se înscrie în tendinţa de
evoluţie, deci să fie un termen reprezentativ. Dacă se procedează astfel, lui t i se va da valoarea 1
corespunzător termenului ales drept y1. Spre exemplu, primul termen t ia valorile -2, -3, -4 etc. iar spre
ultimul termen al seriei ia valorile +2, +3, etc.

Metoda indicelui mediu de creştere/descreştere se recomandă pentru determinarea


valorilor ajustate dacă termenii empirici tind să formeze o progresie geometrică. O serie cronologică
tinde spre o progresie geometrică dacă indicii cu bază în lanţ sunt aproximativ egali, respectiv când
cronograma seamănă cu graficul funcţiei exponenţiale. Dacă este îndeplinită această condiţie atunci
se poate scrie:

y n  y1  I 2 / 1  I 3 / 2  ....  I n / n 1  y1  I ( n 1)

Deci, valorile ajustate se calculează prin relaţia:

yˆ t  y1  I ( t 1) (8.23)

Ca şi în cazul ajustării prin metoda modificării medii absolute y1 poate fi oricare termen
empiric, care îndeplineşte condiţia de reprezentativitate.

Exemplificarea acestei metode se face tot pe baza datelor din tabelul nr. 8.2.

I  n 1 I n / 1  9 I 10 / 1  9 1,62  1,055 sau 105,5%

Valorile ajustate sunt:

yˆ1  y1  50

yˆ 2  y1  I  50  1,055  57,0

yˆ 3  y1  I 2  50  1,055 2  66,8

.....

yˆ10  y1  I 9  50  1,055 9  131,2

177
Metoda modificării medii absolute şi metoda indicelui mediu au avantajul uşurinţei aplicării, dar
au neajunsul că valorile ajustate depind exclusiv de primul termen. La aceasta se adaugă şi faptul că
de cele mai multe ori modificările absolute şi cele relative cu bază în lanţ nu sunt omogene.

Metodele analitice de ajustare a unei serii cronologice presupun identificarea unei funcţii
care exprimă tendinţa de evoluţie şi calcularea valorilor acesteia, respectiv a valorilor teoretice sau
ajustate ( ŷ t ).

Alegerea funcţiei care se potriveşte cel mai bine trendului de evoluţie se poate face pe baza
următoarelor criterii:

 criteriul reprezentării grafice;

 criteriul modificărilor absolute şi relative cu baza în lanţ;

 criteriul diferenţelor.

Criteriul reprezentării grafice presupune construirea cronogramei şi interpretarea acesteia.


Dacă graficul sugerează o creştere sau scădere absolută uniformă se consideră că seria tinde să se
modifice liniar, deci drept funcţie de ajustare se alege ecuaţia dreptei:

yˆ t  a  b  t (8.24)

unde:

ŷ t − valorile ajustate (teoretice);

a − parametrul care matematic arată nivelul la care ar fi ajuns variabila y, dacă influenţa
tuturor factorilor ar fi fost constantă pe toată perioada analizată.

b − reprezintă parametrul care arată cu cât se modifică în medie variabila analizată în


condiţiile modificării cu o unitate a factorului timp. b > 0 înseamnă o tendinţă de creştere, iar b < 0 o
tendinţă de descreştere. b = 0 semnifică faptul că fenomenul a fost staţionar.

t − reprezintă valorile variabilei timp.


Dacă cronograma sugerează amplificarea creşterii sau descreşterii, termenii seriei tind să
formeze o progresie geometrică. În acest caz se va opta pentru funcţia exponenţială.

yˆ t  a  b t (8.25)

Dacă cronograma reprezintă o curbă crescătoare sau, respectiv, descrescătoare către un


punct maxim sau, respectiv, minim, atunci se consideră că fenomenul analizat se modifică în timp sub
forma unei parabole de gradul doi.

yˆ t  a  b  t  c  t 2 (8.26)

Criteriul modificărilor absolute şi/sau relative cu baza în lanţ presupune calcularea


modificărilor absolute cu baza în lanţ (  t / t 1 ) şi a indicilor de creştere / descreştere cu bază în lanţ

( I t / t 1 ). Dacă  t / t 1 sunt aproximativ egale se alege funcţia liniară iar dacă I t / t 1 sunt relativ egale
se optează pentru o funcţie exponenţială.

Criteriul diferenţelor constă în calcularea diferenţelor absolute (în modul) cu baza în lanţ de
diferite ordine :

178
diferenţele de ordinul unu (  t / t 1 ):
(1)

(t1/)t 1  y t  y t 1 (8.27)

diferenţele de ordinul doi (  t / t 1 ):


( 2)

(t2/)t 1  (t1)  (t1)1 (8.28)

diferenţele de ordinul "i" (  t / t 1 ):


(i )

(ti/) t 1  (ti 1)  (ti11) (8.29)

Diferenţele absolute cu baza în lanţ de diferite ordine se interpretează astfel:

dacă  t / t 1 sunt egale, seria cronologică se ajustează folosind funcţia liniară;


(1)
-

dacă  t / t 1 sunt constante, se consideră că tendinţa poate fi descrisă pe baza parabolei


( 2)
-
de gradul 2;

dacă  t / t 1 sunt constante se optează pentru parabola de gradul 3, ş.a.md.


( 3)
-

După alegerea funcţiei de ajustare după una din metodele menţionate urmează estimarea
parametrilor acesteia şi calcularea valorilor teoretice ŷ t .

Pentru estimarea parametrilor funcţiei de ajustare se utilizează cel mai frecvent metoda celor
mai mici pătrate care îşi propune minimizarea pătratelor abaterilor valorilor empirice ( y t ) de la valorile

teoretice sau ajustate ŷ t . Deci:

 y  yˆ t   min t  1, n
2
t (8.30)

Dacă se presupune un trend liniar, condiţia de minim devine:

 y  a  b  t 
2
i  min (8.31)

iar sistemul de ecuaţii liniare este:

na  b t   y t
 (8.32)
a  t  b  t   t  y t
2

În cazul unei serii cronologice, deci în situaţia sistemului (6.32), variabila timp reprezintă doar
criteriul de sistematizare a datelor şi nu factorul care condiţionează valorile empirice. De aceea, pentru
a simplifica calculele, se transformă seria cronologică păstrând condiţia ca valorile variabilei timp să
formeze o progresie aritmetică cu raţia egală cu +1, dar se pune condiţia suplimentară ca suma
valorilor lui t să fie egală cu zero (  t  0 ).
Procedând astfel, sistemul de ecuaţii (8.32) devine:

na   y t
 (8.33)
b t   t  y t
2

de unde:

179

a 
 yt  y
 n

b  
(8.34)
t  yt
 t 2
Pentru satisfacerea condiţiei ca t  0, valorile lui t se aleg pornind de la numărul
termenilor seriei. Pot interveni două situaţii:

a) dacă seria este formată dintr-un număr impar de termeni, originea (t = 0) va corespunde
termenului central. Spre primul termen al seriei, t ia valorile -1, -2, -3 şamd, iar spre ultimul
termen +1, +2, +3 şamd;

b) dacă seria este alcătuită dintr-un număr par de termeni, în centrul seriei se află doi
termeni, caz în care corespunzător primului termen central t = -1, şi +1 în cazul celui deal
doilea termen central. În continuare valorile lui t vor fi: -3, -5, -7 şamd spre primul termen
şi +3, +5, +7 şamd spre ultimul termen.

Ajustarea analitică se ilustrează pornind de la datele din tabelul nr. 8.2

Tabelul 8.4 – Calculul parmetrilor funcţiei liniare pentru o serie cronologică


Cifra de
afaceri
Anul (mil. lei) t t2 t  yt yˆ t  67,9  1,77  t
yt
2000 50 -9 81 -450 51,97
2001 54 -7 49 -378 55,51
2002 60 -5 25 -300 59,05
2003 63 -3 9 -189 62,59
2004 68 -1 1 -68 66,13
2005 72 +1 1 72 69,67
2006 74 +3 9 222 73,21
2007 77 +5 25 385 76,75
2008 80 +7 49 560 80,29
2009 81 +9 81 729 83,83
Total 679 0 330 583 679,00

Cronograma construită pentru această serie cronologică sugerează că tendinţa de evoluţie


poate fi estimată printr-o funcţie liniară.

Seria este formată dintr-un număr par de termeni, deci, corespunzător termenilor centrali,

t  0 .
Sistemul de ecuaţii normale obţinut pe baza datelor din tabelul nr. 8.5 este:


a 
 yt  679  67,9
 n 10

b  
t  y t 583
  1,77
  t 330
2

Înlocuind în ecuaţia de ajustare a şi b cu valorile de mai sus se obţine:

yˆ t  67,9  1,77  t

180
Valorile ajustate, respectiv termenii care definesc trendul, se obţin înlocuind în ecuaţia de mai
sus t cu valorile corespunzătoare:

yˆ1  67,9  1,77  (9)  51,97

yˆ 2  67,9  1,77  (7)  55,51


....

yˆ 9  67,9  1,77  (7)  80,29

yˆ10  67,9  1,77  (9)  83,83

Să continuăm exemplul 8.1 ca să calculăm parametrii funcţiei de regresie liniară.

Exemplul 8.2 (continuare) – Calculul parametrilor funcţiei de regresie liniară


După ce am calculat indicii sezonieri, să transformăm variabila de timp, conform regulilor expuse
anterior şi să calculăm termenii necesari estimării parametrilor funcţiei de regresie.
t yt 4Q- 4Q- yt /T Indice
MM MMC t2 t  yt ŷ t R
[TSR] [T] [T] [SR] sezonier
2007 Q1 -11 289 - - - 0,9528 121 -3179 301,85 -12,85

Q2 -9 310 - - - 1,0145 81 -2790 303,71 6,29


306
Q3 -7 325 306,75 1,0595 1,0640 49 -2275 305,57 19,43
307,5
Q4 -5 300 308,25 0,9732 0,9688 25 -1500 307,43 -7,43
309
2008 Q1 -3 295 310 0,9516 0,9528 9 -885 309,29 -14,29
311
Q2 -1 316 311,25 1,0153 1,0145 1 -316 311,15 4,85
311,5
Q3 +1 333 312,25 1,0665 1,0640 1 333 313,01 19,99
313
Q4 +3 302 313,75 0,9625 0,9688 9 906 314,87 -12,87
314,5
2009 Q1 +5 301 316,125 0,9522 0,9528 25 1505 316,73 -15,73
317,75
Q2 +7 322 318,25 1,0118 1,0145 49 2254 318,59 3,41
318,75
Q3 +9 346 - - 1,0640 81 3114 320,45 25,55
-
Q4 +11 306 - - 0,9688 121 3366 322,31 -16,31
Total 0 3745 572 533 3744,96 0,04
Potrivit relaţiei (8.34), parametrii funcţiei sunt:


a 
 yt  3745  312,08
 n 12

b  
t  y t 533
  0,93
  t 572
2

Funcţia de regresie este, aşadar: yˆ t  312,08  0,93  t

181
Înlocuind valorile lui t în funcţia de mai sus, obţinem valorile din penultima coloană a tabelului.
Suma valorilor ajustate este la o diferenţă de 0,04 unităţi de măsură de valorile observate, din
cauza rotunjirii operate asupra valorilor parametrilor estimaţi. În ultima coloană sunt calculate
valorile reziduale, adică diferenţa dintre valorile ajustate şi cele empirice, a căror sumă este egală,
de asemenea, cu 0,04 unităţi.

Dacă cronograma sau criteriul diferenţelor sugerează că tendinţa poate fi descrisă printr-o
parabolă de gradul doi:

yˆ t  a  b   t  c   t 2

atunci sistemul de ecuaţii normale este:

n  a  b   t  c   t 2   y t

a   t  b   t  c   t   t  y t
2 3
(8.35)
a  t 2  b  t 3  c  t 4  t 2  y
     t
Punând condiţia  t  0 , atunci sistemul devine:
n  a  c   t 2   y t

b   t  c   t   t  y t
2 3
(8.36)
a  t 2  c  t 4  t 2  y
    t
După calculul parametrilor a, b şi c, valorile teoretice, ajustate ŷ t se obţin prin înlocuirea lui t
cu valorile corespunzătoare.

În situaţia în care se foloseşte funcţia exponenţială y  a  b , pentru a putea aplica metoda


t

celor mai mici pătrate este necesară liniarizarea ecuaţiei exponenţiale.

lg y t  lg a  t  lg b (8.37)

Sistemul de ecuaţii normale este:

n  lg a  lg b   t   lg y t
 (8.38)
lg a   t  lg b   t   t  lg y t
2

8.6 Extrapolarea seriilor cronologice


Studiul evoluţiei variabilelor (indicatorilor) în timp urmăreşte cunoaşterea tendinţei de
manifestare într-o perioadă anterioară, în vederea fundamentării acesteia în viitor.

Extrapolarea unei serii cronologice constă în extinderea trendului manifestat în trecut în afara
orizontului de timp pentru care se dispune de date empirice, pornind de la ipoteza că acţiunea
factorilor de influenţă nu se modifică semnificativ în viitor.

Extrapolarea unei serii cronologice se realizează pe baza metodelor de ajustare menţionate.

Valorile extrapolate sunt afectate de erori generate de cauze diverse, cum ar fi modificarea în
viitor a factorilor de influenţă sau de alegerea modelului de ajustare.

182
Pornind de la ipoteza că nu se modifică influenţa factorilor, valorile extrapolate se obţin
prelungind doar valorile variabilei de timp în cadrul modelului de ajustare ales.

În cazul unui trend liniar, valorile extrapolate se determină pe baza relaţiei:

yˆ t *  y1  (t *  1)   (8.43)

unde:

yˆ t * − valori extrapolate;

y1 − termenul ales drept bază de ajustare;

t * − valori extrapolate pentru variabila timp;

 − creşterea medie absolută.


Valorile extrapolate pentru cifra de afaceri (vezi tabelul nr. 8.2) pentru anii 2010 şi 2011 sunt:

yˆ 2010  50  (11  1)  3,4  84,4 mil lei


yˆ 2011  50  (12  1)  3,4  87,9 mil lei
Dacă seria cronologică tinde să formeze o progresie geometrică, extrapolarea se
realizează pe baza metodei indicelui mediu:
*
yˆ t *  y1  I t (8.44)

Extrapolarea prin intermediul metodelor analitice presupune ca parametrii funcţiei de


ajustare se menţin nemodificaţi, iar la stabilirea valorilor extrapolate pentru t se menţine condiţia:

t  0.
Valorile extrapolate se determină pe baza relaţiilor:

 yˆ t *  a  b  t * , - tendinţa este liniară;

 yˆ t *  a  b  t *  c  t *2 , - tendinţa este sub formă de parabolă de gradul doi;


*
 yˆ t *  a  b t , - tendinţa este exponenţială.
Observaţie: Se recomandă ca orizontul de timp pentru care se extrapolează să nu
depăşească jumătate din lungimea seriei analizate. Privitor la cât de lungă trebuie să fie o serie
cronologică pentru a putea vorbi de o tendinţă de evoluţie, se susţine frecvent ca seria să fie formată
din cel puţin 12-15 termeni.

Să ilustrăm extrapolarea seriei de timp cu datele din exemplele 8.1 şi 8.2

Exemplul 8.3 (continuare) – Extrapolarea seriei de timp


Să presupunem că dorim să estimăm care va fi volumul vânzărilor în fiecare trimestru al anului
2010, în ipoteza că tendinţa identificată cu ajutorul funcţiei de regresie se va păstra, în linii mari,
nealterată de alţi factori perturbatori în perioadele următoare.

Noile valori ajustate se calculează cu ajutorul funcţiei de regresie yˆ t  312,08  0,93  t . Această
funcţie ne arată, însă, trendul vânzărilor. Pentru a vedea care vor fi vânzările sub influenţa

183
factorilor sezonieri, va fi necesar să includem în calcul şi indicele sezonier. Potrivit modelului
multiplicativ, valorile ajustate sunt: date de relaţia yˆ t  Tt  S t  Rt

Aşadar, mai întâi să estimăm care vor fi valorile trendului în cele 4 trimestre. În acest scop,
înlocuim valorile variabilei t cu noile valori ale seriei extinse după regula pe care am aplicat-o
când am stabilit valorile variabilei t pentru estimarea parametrilor funcţiei de regresie. Aşadar,
noile valori sunt + 13, +15, +17 şi +19
yt Indice
t
[TSR] sezonier
ŷ t yˆ t*
2007 Q1 -11 289 0,9528 301,85 287,60
Q2 -9 310 1,0145 303,71 308,11
Q3 -7 325 1,0640 305,57 325,13
Q4 -5 300 0,9688 307,43 297,84
2008 Q1 -3 295 0,9528 309,29 294,69
Q2 -1 316 1,0145 311,15 315,66
Q3 +1 333 1,0640 313,01 333,04
Q4 +3 302 0,9688 314,87 305,05
2009 Q1 +5 301 0,9528 316,73 301,78
Q2 +7 322 1,0145 318,59 323,21
Q3 +9 346 1,0640 320,45 340,96
Q4 +11 306 0,9688 322,31 312,25
2010 Q1 +13 0,9528 324,17 308,87
Q2 +15 1,0145 326,03 330,76
Q3 +17 1,0640 327,89 348,87
Q4 +19 0,9688 329,75 319,46

Înlocuind valorile lui t (+ 13, +15, +17 şi +19) în funcţia de mai sus, obţinem:

yˆ 2010Q1  312,08  0,93  (13)  324,17

yˆ 2010Q 2  312,08  0,93  (15)  326,03

yˆ 2010Q 3  312,08  0,93  (17)  327,89

yˆ 2010Q 4  312,08  0,93  (19)  329,75

Aceste valori sunt însă desezonalizate şi arată care ar fi evoluţia vânzărilor în absenţa factorilor
sezonieri şi reziduali. Introducând şi sezonalitatea în relaţia de calcul yˆ t  Tt  S t  Rt , vom obţine:

Q1  y 2010  Q1  SR2010 Q1  324,17  0,9528  308,87


*
yˆ 2010 ˆ

Q 2  y 2010 Q 2  SR2010 Q 2  326,03  1,0145  330,76


*
yˆ 2010 ˆ

Q 3  y 2010 Q 3  SR2010 Q 3  327,89  1,0540  348,87


*
yˆ 2010 ˆ

Q 4  y 2010 Q 4  SR2010 Q 4  329,75  0,9688  319,46


*
yˆ 2010 ˆ

Graficul datelor empirice, al trendului şi al valorilor ajustate sezonier este următorul:

184
360

340

320

300
Vanzari

280

260

240

220

200
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
Trimestre

Valori empirice Valori desezonalizate Valori ajustate sezonier

Fig. 8.8 – Extrapolarea seriei de timp

8.7 Criterii de alegere a procedeelor de ajustare


Criteriile în funcţie de care se alege procedeul de ajustare nu sugerează întotdeauna
categoric care este procedeul care poate descrie cel mai bine tendinţa de evoluţie în timp a
fenomenului studiat. În asemenea situaţie se recomandă să se ajusteze seria cronologică recurgând
la mai multe procedee, urmând să se opteze în final pentru unul dintre ele în funcţie de următoarele
criterii:

a) se compară suma valorilor empirice cu suma valorilor teoretice. Dacă se verifică


egalitatea  y   yˆ
t t , atunci se concluzionează că estimarea parametrilor ecuaţiei de
regresie este corectă. Aceeaşi concluzie se desprinde dacă suma abaterilor valorilor
empirice de la valorile teoretice este egală cu zero:

 y t  yˆ t   0 (8.39)

b) se determină suma abaterilor pătratice dintre valorile empirice şi valorile teoretice.


Procedeul de ajustare prin care această sumă este minimă, este considerat a fi cel mai
bun :

 y  yˆ t   min
2
t (8.40)

c) se calculează coeficientul de variaţie, determinat ca un raport dintre abaterea medie


liniară a valorilor empirice de la cele teoretice şi media valorilor empirice:

d yt
V yt   100 (8.41)
y

185
unde: d yt 
y t  yˆ t
n
Procedeul de ajustare care conduce la cel mai mic coeficient de variaţie descrie cel mai bine
tendinţa de evoluţie:

- se calculează coeficientul de eroare a funcţiei de ajustare analitică ( e ).

 y / yˆ
e t t
 100
y
unde:

 y  yˆ t 
2

y / yˆ t 
t
, adică abaterea medie pătratică a valorilor teoretice (ajustate) de la
t
n
valorile empirice.

Cu cât coeficientul de eroare este mai mic cu atât variaţia valorilor empirice în jurul funcţiei de
ajustare este mai puţin intensă, ceea ce înseamnă că funcţia aleasă este mai potrivită pentru
determinarea tendinţei.

În exemplul 8.1,  y / yˆ
t t
este 14,74, iar y este 312,08, de unde rezultă că e este 4,7%. În
termeni statistici, eroarea nu este mare, însă, cu siguranţă, se pot găsi funcţii de ajustare mai eficace,
cu o eroare mai mică.

186
8.8 Cuvinte – cheie
 Ajustare (grafică, cu modificarea medie  Modificare absolută.
absolută, cu indicele mediu de creştere
/ descreştere).
 Ajustare analitică.  Modificarea medie absolută.
 Ajustare prin metoda mediilor mobile.  Nivelul mediu.
 Ajustarea unei serii cronologice.  Raţii de creştere / descreştere.
 Coeficient de eroare a funcţiei de  Ritmuri medii.
ajustare.
 Eroarea standard a funcţiei de ajustare.  Serie cronologică – serie de timp –
serie dinamică.
 Extrapolarea seriilor cronologice  Serie cronologică de momente.
 Funcţie de ajustare.  Serie cronologică de perioade
(intervale).
 Indicator de nivel.  Sezonalitate.
 Indice de creştere / descreştere.  Trend – tendinţă.
 Indicele mediu.  Variaţie reziduală.

8.9 Intrebări de control


1. Ce reprezintă o serie cronologică?

2. Prin ce se deosebeşte o serie cronologică de intervale de una de momente?

3. Cum se trece de la modificarea absolută / relativă cu bază în lanţ la bază fixă şi


invers?

4. Cum se calculează nivelul mediu în cazul unei serii de intervale şi în cazul unei
serii de momente?

5. Ce componente pot fi identificate într-o serie cronologică?

6. Când se foloseşte modelul aditiv de combinare a componentelor? Dar cel


multiplicativ?

7. Ce înţelegeţi prin ajustarea unei serii cronologice?

8. Când se foloseşte metoda mediilor mobile?

187
9. Ce criterii se au în vedere la alegerea funcţiei de ajustare?

10. Cum se foloseşte metoda diferenţelor?

11. Cum se aleg valorile variabilei de timp în cazul seriilor cu un număr par de
termeni?

12. Ce criterii se folosesc pentru aprecierea calităţii unei funcţii de ajustare?

13. În ce constă extrapolarea seriilor cronologice?

8.10 Bibliografie selectivă


Korka M., Begu S., Tuşa E., Bazele statisticii pentru economişti, Editura Tribuna
Economică, Bucureşti 2002, p. 142-167.

Voineagu V., Lilea E., Goschin Z., Vătui M., Boldeanu D., Statistică economică.
Teorie şi practică, Editura Tribuna Economică, Bucureşti 2002, p. 266-299;

Wagner Pavel, Bazele statisticii, Editura Universitatea Titu Maiorescu, Bucureşti,


2005, p. 142-168

Wonnacott T.H., Wonnacott R.J., Statistique – Economie, Gestion, Sciences,


Médecine (avec exercises d’application), Ed. Economica, 4 ème édition, Paris, 1995
p. 784-817.

188
Unitatea 9: INDICII STATISTICI

9.1 Obiective
Indicii statistici reprezintă un instrument de cunoaştere cu cea mai largă utilizare, folosit nu
numai de specialişti, dar şi de amatori în ale statisticii. Pătrunderea indicilor în folosinţa cotidiană a
omului modern se explică parţial prin faptul că informaţia furnizată de un indice statistic este foarte
concisă şi uşor de înţeles. La aceasta se adaugă şi faptul că există impresia că oricine se pricepe la
calcule aritmetice ştie şi statistică. Cu toate acestea, problematica construirii indicilor statistici este
deosebit de complexă, iar posibilităţile de cunoaştere oferite sunt foarte diverse.

În prezentul capitol se tratează problematica metodologică privind construirea indicilor,


categoriile de indici şi logica construirii acestora, folosirea indicilor în analiza influenţei factorilor asupra
variaţiei unei variabile complexe, particularizarea relaţiilor generale pentru indicele valorii, indicele
volumului fizic, indicele preţurilor.

După parcurgerea cu succes a acestei părţi a cursului, veţi fi capabili să:

- Să calculaţi cei mai uzuali indici şi să interpretaţi rezultatele obţinute;

- Să distingeţi specificităţile de calcul şi de interpretare a indicilor elementari de preţ, de


cantităţi şi de valori, precum şi a celor sintetici;

- Să înţelegeţi problemele metodologice puse de calculul indicilor sintetici ponderaţi – Indicii


Laspeyres, Paasche, Fisher;

- Să înţelegeţi modul de calcul al unor indici ca medii ale indicilor individuali sau ca raport a
două medii;

- Să utilizaţi seriile cronologice de indici statistici.

9.2 Definire. Tipuri de indici


Pentru descrierea şi caracterizarea cantitativă a fenomenelor din economie, societate sau de
mediu, statisticianul se foloseşte frecvent de mărimi relative care sunt forma uzuală de exprimare a
indicatorilor şi, în acelaşi timp, o importantă bază pentru fundamentarea deciziilor economice şi
politice la nivel micro sau macroeconomic. Utilizarea frecventă a indicilor în caracterizarea
fenomenelor social–economice este expresia faptului că reflectă modificările intervenite în timp sau
spaţiu şi permite măsurarea influenţei factorilor care au generat acea mişcare.

Indicii sunt mărimi relative de dinamică sau de coordonare prin intermediul cărora se măsoară
modificarea relativă în timp sau în spaţiu a unei caracteristici observate la nivelul unei unităţi statistice,
al unui grup de unităţi sau la nivelul întregii colectivităţi studiate. Mai simplu, indicele este un raport
dintre două niveluri ale aceleiaşi caracteristici înregistrate pentru două unităţi de timp sau de spaţiu.

Indicele se confundă cu mărimile relative de dinamică sau de coordonare doar dacă o


caracteristică a fost înregistrată pentru o singură unitate statistică (întreprindere, persoană). În acest
caz, caracteristica apare în numărătorul raportului cu nivelul analizat şi în numitorul raportului cu
nivelul în perioada considerată bază de comparaţie. Dacă valorile caracteristicii se referă la mai multe
unităţi, construirea indicilor ridică o serie de probleme metodologice (vezi § 9.3). În asemenea caz,
indicii pot fi utilizaţi ca metodă de analiză factorială prin care se măsoară influenţa factorilor asupra
variabilei complexe studiate.

189
Indicii statistici oferă deci următoarele posibilităţi de cunoaştere:

a) exprimă nivelul relativ a unei variabile (Y) şi arată cât reprezintă nivelul analizat faţă de cel
de referinţă;

b) servesc ca mijloc de analiză factorială prin care se explică variaţia unei variabile (Y) în
funcţie de modificările intervenite în variabile considerate factori de influenţă (X şi F, de
exemplu). Folosirea indicilor în acest scop presupune ca variabila Y să rezulte din
produsul factorilor, cel puţin unul cantitativ (F) şi unul calitativ (X).

Aceasta înseamnă că la nivelul fiecărei unităţi la care se înregistrează variabilele trebuie să


existe relaţia y i  xi  f i .

În teoria şi în practica statistică se operează cu o mare diversitate de indici. Principalele criterii


de clasificare sunt:

1) După natura variaţiei exprimate:

1.a) indici de dinamică sau indici simpli, când se compară nivelul actual (notat cu 1) cu
nivelul considerat bază de comparaţie (notat cu 0), cum ar fi, spre exemplu, vânzările
unei firme din trimestrul II faţă de trimestrul I sau faţă de trimestrul II al anului
anterior;

1.b) indici teritoriali – se compară nivelul aceleiaşi variabile înregistrat pentru două unităţi
teritoriale diferite, cum ar fi, spre exemplu, venitul salarial mediu din Bucureşti faţă de
venitul salarial din Braşov.

2) După sfera de cuprindere:

2.a) indici individuali sau indici elementari ( i ), când nivelul caracteristicii se referă la un
singur element al colectivităţii. Corespunzător celor trei variabile menţionate mai sus,
se pot calcula trei indici elementari:

y1 f f x
i1y/ 0  ; i1 / 0  1 ; i1x/ 0  1 (9.1)
y0 f0 x0

Pornind de la relaţia y i  xi  f i , înseamnă că există relaţia:

x1 f1 x f
i1y/ 0  i1x/ 0  i1f/ 0    1 1 (9.2)
x0 f 0 x0  f 0

La nivelul unei grupe sau pe ansamblul colectivităţii se pot calcula, pentru o


caracteristică, atâţia indici individuali din câte unităţi este formată grupa sau
colectivitatea.

Indicii elementari prezintă trei proprietăţi:

 identitatea;

 circularitatea;

 reversibilitatea.

Identitatea semnifică faptul că i0 / 0  1 sau 100. Identitatea permite alegerea unei


perioade de referinţă. Această perioadă de referinţă este baza de la care se pot face
comparaţii.

190
Circularitatea semnifică faptul că indicele elementar îşi păstrează valoarea indiferent
de calea de calcul aleasă. Astfel, dacă se cunoaşte indicele perioadei t faţă de o
perioadă de bază 0 şi, de asemenea, indicele perioadei t’ faţă de aceeaşi perioadă de
bază 0, se poate calcula indicele perioadei t faţă de perioada t’:

yt
it / 0 y0 yt
it / t '    (9.3)
it ' / 0 yt ' yt '
y0

Reversibilitatea semnifică faptul că perioada de bază poate fi modificată prin


inversarea indicelui:

1 1 y0
i0 / t    (9.4)
it / 0 yt yt
y0

Indicii elementari sunt de trei tipuri:

 indici elementari de preţ;

 indici elementari de cantităţi;

 indici elementari de valori.

Indicii elementari de preţ arată raportul dintre preţul unei perioade t faţă de perioada
de bază 0.

pt
i( p) t / 0   100 (9.5)
p0

Indicii elementari de cantităţi arată raportul dintre două cantităţi sau volume din două
perioade – cea curentă şi cea de bază.

qt
i(q ) t / 0   100 (9.6)
q0

Indicii elementari de valori se bazează pe faptul că valoarea este produsul dintre un


preţ şi o cantitate. Dacă p este preţul unui produs, iar cantitatea este q , valoarea
este produsul p  q . Este astfel posibil să se calculeze indicele elementar al valorii

vt p q p q
i (v ) t / 0   100  t t  100  t  t  100 (9.7)
v0 p0  q0 p0 q0

Ca urmare, orice variaţie a unei valori poate fi descompusă în variaţia cantităţii (sau a
volumului) şi variaţia preţului. În final, indicele valorii este produsul dintre indicele
cantităţii şi indicele de preţ.

2.b) indici de grup sau indici sintetici ( I ), când în comparaţie se implică nivelul
caracteristicii aferent tuturor unităţilor. Aceşti indici sintetizează variaţia medie a
caracteristicii studiate. Corespunzător celor trei variabile menţionate se poate calcula
y x f
câte un indice de grup: I ; I ; I .

191
Dacă între variabile există relaţia Y  X  F , iar indicii elementari au fost construiţi cu
respectarea anumitor reguli (vezi 9.2) există relaţia:

I y  Ix I f (9.8)

Indicii de grup se diferenţiază ca modalitate de calcul în funcţie de natura grupei sau a


colectivităţii studiate.

Dacă colectivitatea este eterogenă, deci când valorile factorului cantitativ nu pot fi
însumate, indicii de grup se calculează ca:

- indici agregaţi, care presupun, în vederea obţinerii nivelului totalizator al


caracteristicii dacă valorile individuale nu sunt însumabile direct pentru toate
unităţile (agregare), folosirea unor coeficienţi care să permită agregarea, adică
însumarea valorilor individuale. De exemplu, indicele cantităţilor de bunuri de
consum cumpărate de o familie în luna octombrie 2010 faţă de aceeaşi lună din
2009, bunuri de consum diferite (pâine, încălţăminte etc) nu pot fi însumate direct.
Elementul care permite însumarea este preţul unitar;

- indici de grup calculaţi ca o medie a indicilor individuali. Dacă colectivitatea este


omogenă, indicii de grup se pot calcula ca raport a două medii aritmetice.

După sistemul de ponderare utilizat la construirea indicilor de grup, se disting:

- indici cu pondere constantă (vezi indicii de tip Laspeyres);

- indici cu ponderi variabile (vezi indicii de tip Paasche);

- indici cu pondere ideală (vezi indicii de tip Fisher).

După baza de comparaţie, indicii de grup pot fi:

- cu baza fixă, când nivelul fiecărei perioade se compară cu nivelul unei singure
baze;

- cu baza în lanţ, atunci când compararea se realizează între două niveluri


succesive.

Alegerea uneia sau alteia din modalităţile de construire a indicilor de grup depinde de
obiectivul cunoaşterii, de datele disponibile, de posibilitatea trecerii de la modificarea relativă (Ι) la
modificarea absolută (∆), de natura unităţilor care compun colectivitatea studiată.

9.3 Probleme metodologice privind construirea indicilor de


grup
Pe cât de clare şi expresive sunt informaţiile furnizate de indice, pe atât de complexă este
problema construirii indicilor de grup.

Problemele metodologice cele mai importante care se cer a fi soluţionate la construirea


indicilor de grup se referă la: alegerea bazei de comparaţie, alegerea formulei de calcul, alegerea
ponderilor.

Baza de comparaţie trebuie să fie un nivel al caracteristicii în raport cu care are sens să se
determine modificarea relativă. Aceasta înseamnă să fie un nivel care se înscrie în tendinţa de
evoluţie, deci să fie un nivel normal, nu unul care se abate semnificativ de la restul valorilor.

192
În practica statistică se aleg frecvent drept bază de comparaţie perioada precedentă (luna,
trimestrul etc), aceeaşi perioadă din anul anterior (luna, trimestrul, semestrul).

Formula de calcul se alege pornind de la datele disponibile şi de la natura unităţilor care


compun colectivitatea studiată. În funcţie de aceste criterii, indicii de grup se calculează ca indici
agregaţi, ca o medie a indicilor individuali, ca raport a două medii arimetice (vezi 9.4; 9.5 şi 9.6).

Sistemul de ponderare a fost şi continuă să fie aspectul care face obiectul dezbaterilor în
domeniul teoriei statistice.

Ce este ponderea în cazul indicilor de grup?

Un indice de grup sintetizează modificarea relativă a caracteristicii la nivelul tuturor unităţilor


colectivităţii într-o valoare unică. Aceasta presupune determinarea nivelului totalizator al caracteristicii
pentru care se calculează indicele pentru cele două perioade implicate în comparaţie.

Aşa cum s-a menţionat, între valorile variabilei complexe ( y i ) şi factorii de influenţă ( f i şi xi )

există, la nivelul fiecărei unităţi, relaţia y i  f i  xi . O relaţie similară trebuie să existe la nivelul

colectivităţii: y  f
i i  xi , unde i  1, n unităţi.

Indicele variabilei complexe este:

Iy 
y 1

x 1  f1
(9.9)
y 0 x 0  f0

Relaţia [9.9] exprimă variaţia lui y în funcţie de modificările intervenite în factorul cantitativ
( f ) de la f 0 la f1 şi în factorul calitativ ( x ) de la x0 la x1 .

Factorul cantitativ este reprezentat de unităţile de observare (întreprinderea, cantităţile


produse sau vândute, angajatul etc).

Factorul calitativ reprezintă atributele unităţilor (cifra de afaceri a întreprinderii, preţul


produsului, salariul angajatului etc).
f
Dacă se pune problema construirii şi calculării indicelui de grup pentru factorul cantitativ ( I )
x
şi / sau pentru factorul calitativ ( I ), trebuie examinat dacă datele individuale înregistrate sunt
însumabile. Dacă nu sunt însumabile direct, trebuie găsit un element care permite însumarea
(agregarea), denumit pondere.

Ponderea exprimă importanţa cu care intră în calculul indicilor valorile celuilalt factor.

În cazul indicelui construit pentru factorul cantitativ, problema se rezolvă simplu dacă datele
individuale sunt însumabile (număr de salariaţi, produse de acelaşi fel etc)

If 
f 1
(9.10)
f 0

Dacă valorile nu sunt însumabile direct, factorul calitativ are rolul de pondere şi figurează în
numărătorul raportului cu aceeaşi valoare. Indicele de grup este un indice agregat.

Valorile factorului calitativ nu sunt însumabile direct. Indicele construit pentru astfel de
variabilă foloseşte factorul calitativ drept pondere, şi se prezintă tot ca un indice agregat.

193
Teoretic, factorul care joacă rolul de pondere poate figura în numărătorul şi în numitorul
indicelui cu nivelul actual ( 1 ) sau cu cel din perioada considerată bază de comparaţie ( 0 ).

În decursul timpului au fost propuse diferite sisteme de ponderare:

a) Sistemul de ponderare propus de Laspeyres în 1864, presupune ca, la construirea


indicelui de grup al unui factor, ponderile să figureze cu nivelul din perioada de bază.
f x
Pornind de la relaţia [9.9], I şi I vor fi:

I f

x 0  f1
şi I
x

x 1  f0
(9.11)
x 0  f0 x 0  f0

Folosind aceeaşi pondere la construirea celor doi indici factoriali, nu se verifică relaţia de
sistem ( I
y
 I x  I f ):

I y ( x, f )  I y ( x)  I y ( f ) ,
respectiv:

x 1  f1

x 0  f1

x 1  f0
(9.12)
x 0  f0 x 0  f0 x 0  f0

Indicii de grup de tip Laspeyres calculaţi pe baza termenilor unei serii cronologice, sunt
indici cu baza fixă şi ponderi constante, comparabile şi compară trecutul cu prezentul.

b) Sistemul de ponderare propus de Paasche (1874) presupune utilizarea ponderilor cu


nivelul din perioada curentă şi compară prezentul cu trecutul. Indicii celor doi factori
(variabile factoriale) se prezintă astfel:

If 
x 1  f1
şi I
x

x 1  f1
(9.13)
x 0  f1 x 1  f0

Nici în acest caz produsul indicilor factorilor nu este egal cu indicele variabilei complexe:

I y ( x , f )  I y ( x )  I y ( f ) , respectiv

x 1  f1

x 1  f1

x 1  f1
(9.14)
x 0  f0 x 0  f1 x 1  f0

Răspunsul la întrebarea « Care din cele două tipuri de indici măsoară mai corect variaţia
intervenită în variabila "x" sau "f "? » este greu de dat. Aceasta datorită faptului că oricare
are avantaje dar şi dezavantaje în raport cu celălalt tip.

În practica statistică se preferă de cele mai multe ori indicele de tip Laspeyres, opţiune
determinată de faptul că determinarea lui reclamă numai cunoaşterea nivelului din
perioada curentă pentru caracteristica pentru care se calculează ( x1 sau f 1 ).

c) Sistemul de ponderare propus de Fisher porneşte de la unele limite ale indicilor de tip
Laspeyres (învechirea ponderii) şi Paasche (nu conduce la o serie de indici comparabili)
şi de la faptul că nici unul nu satisface cerinţa de sistem: I
y ( x, f )
 I y( x)  I y( f ) .
El propune ca indicele variabilei calitative (X) şi a variabilei cantitative (F) să se calculeze
ca o medie geometrică a indicelui de tip Laspeyres şi de tip Paasche:

194
Ix 
x 1  f0

x 1  f1
(9.15)
x 0  f0 x 0  f1

şi

If 
x 0  f1

x 1  f1
(9.16)
x 0  f0 x 1  f0

Indicele Fisher satisface cerinţa de sistem şi valorile lui se încadrează în intervalul de


variaţie a valorilor indicelui Laspeyres şi Paasche.

În practica statistică acest indice nu se utilizează în mod curent, în principal datorită


informaţiilor reclamate – presupune cunoaşterea valorilor actuale pentru x1 şi f 1 .

Desigur, indicii calculaţi după cele trei variante de ponderare nu conduc la aceleaşi rezultate
datorită ponderilor diferite utilizate.

În decursul timpului au fost propuse şi alte modalităţi de alegere a ponderilor în vederea


construirii indicilor de grup.

Indicii de grup, a căror calculare se bazează pe suma produselor factorilor (xi şi fi) poartă
denumirea de indici agregaţi (vezi relaţiile 9.11 – 9.13).
v
Particularizăm aceste relaţii generale de calcul a indicilor de grup pentru indicele valorii ( I ),
q p
pentru indicele volumului fizic ( I ) şi pentru indicele preţurilor ( I ).

Indicele valorii măsoară variaţia valorii producţiei, desfacerilor, exporturilor etc. Dacă se
v
calculează pentru o singură unitate (produs, marfă etc) se determină indicele individual ( i ).

v1 q1  p1
iv   (9.17)
v0 q 0  p 0
v
iar dacă se determină pentru un grup de unităţi, se calculează indicele de grup ( I ).

Iv 
v 1

q 1  p1
(9.18)
v 0 q 0  p0

Indicele valorii măsoară variaţia relativă a valorii sub influenţa modificărilor intervenite în
volumul fizic ( q ), care este factorul cantitativ şi în nivelul preţului ( p ) care este factorul calitativ.

Dacă interesează modificarea absolută a valorii (∆), se face diferenţa dintre numărătorul şi
numitorul indicelui.

v(q, p )   q1  p1   q 0  p 0 (9.19)

Indicele volumului fizic măsoară variaţia relativă a cantităţilor ( q ).

Indicele individual al volumului fizic este dat de relaţia:

q1
iq 
q0

195
Indicele de grup al volumului fizic este un indice de tip Laspeyres, deci preţurile se folosesc ca
ponderi cu nivelul din perioada de bază ( p 0 ).

Iq 
q 1  p0
(9.20)
q 0  p0

Numărătorul raportului reprezintă o valoare ipotetică – cât ar fi fost valoarea în perioada


curentă dacă nu s-ar fi modificat preţurile.

Modificarea absolută a valorii numai datorită modificărilor intervenite în volumul fizic [ v( q ) ],
se calculează ca diferenţa dintre numărătorul şi numitorul indicelui:

v(q )   q1  p 0   q 0  p 0   q1  q 0   p 0 (9.21)

Indicele preţurilor măsoară variaţia relativă a preţurilor ( p ).

Indicele individual al preţurilor este dat de relaţia:

p1
ip 
p0

Indicele de grup al preţurior se construieşte ca regulă, aplicând sistemul de ponderare propus


de Paasche.

Iq 
q 1  p1
(9.22)
q 1  p0

Modificarea absolută a valorii numai pe seama variaţiei preţurilor v( p) este:

v( p )   q1  p1   q1  p 0    p1  p 0   q1 (9.23)

Observaţie: Indicele volumului fizic se calculează întotdeauna ca un indice de tip


Laspeyres. Dacă I , I şi I trebuie să constituie un sistem I  I  I , atunci
v q p v q p

indicele preţurilor trebuie să fie un indice de tip Paasche [9.22]. Dacă indicele preţurilor se
calculează ca un indice independent, acesta poate fi construit şi după regula propusă de
Laspeyres (vezi indicele preţurilor de consum).

În practica statistică se calculează, pe baza datelor înregistrate, indicele valorii şi indicele


volumului fizic. Indicele preţurilor nu se calculează explicit, ci ca un raport dintre indicele valorii şi
Iv
indicele volumului fizic de tip Laspeyres ( I Paasche 
p
q
).
I Laspeyres

9.4 Indici de grup calculaţi ca o medie a indicilor individuali


Determinarea indicilor agregaţi de tip Laspeyres sau de tip Paasche presupune cunoaşterea
unor agregate ipotetice ( x 0 f 1 sau x1 f 0 ), pentru care, de regulă, nu se dispune de date pentru
fiecare element (unitate).

196
Aşa cum s-a menţionat, statistica apelează, în vederea determinării diferiţilor indicatori, la
toate datele disponibile care răspund scopului cunoaşterii. De cele mai multe ori se cunoaşte nivelul
variabilei complexe pentru cele două perioade ( y 0  x 0  f 0 şi y1  x1  f 1 ).

Din diferite înregistrări special organizate (anchete statistice) se obţin date (valori) pentru
factorul cantitativ din cele două perioade ( f 0 şi f 1 ). Pe baza acestor valori se calculează indicele

individuali i f pentru fiecare element.


Indicele de grup este o medie a indicilor individuali. Forma mediei se alege în funcţie de datele
disponibile.

În cazul indicelui de grup al factorului cantitativ, forma agregată se transformă într-un


indice calculat ca o medie aritmetică a indicilor individuali.

f1
if   f1  i f  f 0
f0

Înlocuind în relaţia indicelui agregat, f1 cu expresia " i  f 0 " rezultă:


f

If 
f 1  x0

i  f  x
f
0 0
(9.24)
f 0  x0  f x0 0

Particularizând această relaţie la indicele volumului fizic se obţine:

I q

q 1  p0

i  q  p
q
0 0
(9.25)
q 0  p0 q  p 0 0

Ca regulă, indicele de grup al factorului cantitativ se calculează ca o medie aritmetică


ponderată a indicilor individuali, unde ponderea este reprezentată de structura pe elemente a valorilor
f 0  x0 q0  p0
variabilei complexe din perioada de bază şi, respectiv, .
 f 0  x0  q0  p0
Forma indicelui din relaţia [9.25] ne arată că el este un indice Laspeyres. Aşadar, indicele
Laspeyres este o medie aritmetică ponderată a indicilor inviduali de volum.

Exemplificăm calculul indicilor de grup ca o medie a indicilor individuali pe baza datelor privind
volumul valoric al desfacerilor unui agent economic.

197
Exemplul 9.1 – Calculul indicilor agregaţi ca medie a indicilor individuali ai volumului
fizic
Să presupunem că o companie vinde trei categorii de produse, iar managerul companiei doreşte
să ştie care este influenţa separată a modificării cantităţilor şi preţurilor din luna septembrie a
ultimilor doi ani asupra valorii vânzărilor din aceleaşi perioade. Se cunosc valoarea vânzărilor din
anii 2008 şi 2009 (col. 1 şi 2), precum şi modificarea volumului fizic (col. 3)
Tabelul 9.1 – Vânzările companiei X din luna septembrie a anilor 2008 şi 2009
Valoarea vânzărilor Modificarea
(mil. lei) volumului iv iq ip
Produsul
luna 09 fizic
luna 09 2008 (%) (%) (%)
2009 2009/2008
0 1 2 3 4 5 6
A 200 220 +5 110,0% 105,0% 104,8%
B 1500 1530 -2 102,0% 98,0% 104,1%
C 300 350 +10 116,7% 110,0% 106,1%
Total 2000 2100 -

Pentru fiecare produs (element) se poate calcula câte un indice (individual) care măsoară variaţia
relativă privind valoarea ( i v ), volumul fizic ( i q ) şi preţurile ( i p ). În cazul produsului A, obţinem:
A
v 2009 A
q 2009  p 2009
A
220
i Av   100   100   100  110,0%
A
v 2008 q 2008  p 2008
A A
200
A
q 2009
i Aq  A
 100
q 2008
Nu cunoaştem cantităţile vândute în cele două perioade. Dar modificarea procentuală este ritmul
(R), care se obţine scăzând 100 din indice:

R q  i q (%)  100  i Aq  R Aq  100  105,0%


Indicele preţurilor pentru produsul A i Ap se deduce din relaţia de sistem i Av  i Aq  i Ap , deci

i Av 110
i Ap  q
 100   100  104,8%
iA 105
Pentru celelalte două produse, indicii sunt prezentaţi în tabelul 9.1, coloanele 4 – 6.
Indicele de grup privind valoarea vânzărilor se calculează ca un indice agregat.

Iv 
 q .p
1 1

2100
 100  105%
 q .p
0 0 2000
ceea ce înseamnă că valoarea vânzărilor a crescut cu 5% sau de 1,05 ori, respectiv cu 100 milioane
lei, pe seama modificării cantităţilor vândute şi a preţurilor.

v(q, p )   q1  p1   q 0  p 0 =+100 milioane lei.

198
În cazul indicelui agregat privind volumul fizic nu se cunoaşte numărătorul ( q1  p 0 ) şi, ca
atare, se va aplica indicele mediu aritmetic ponderat.

I q

i  q  p
q
0 0

1,05  200  0,98  1500  1,10  300 2010
  1,005 sau 100,5%.
q  p0 0 2000 2000
Interpretare: Datorită creşterii numai a cantităţilor vândute, valoarea vânzărilor trebuie să fie cu
0,5% mai mare decât în perioada de bază. Creşterea absolută a valorii vânzărilor pe seama acestui
factor trebuie să fie de 10 milioane lei.

v(q )   q1  p 0   q 0  p 0  2010  2000  10 milioane lei.


Dacă interesează variaţia preţurilor produselor vândute de acest agent economic se determină
indicele preţurilor pornind de la relaţia de sistem:

I v 1,050
Iv  Iq I p  I p    1,045 ori sau 104,5%.
I q 1,005
Interpretare: Preţurile produselor vândute au fost în medie cu 4,5% mai mari decât în aceeaşi
lună a anului 2008 sau valoarea desfacerilor trebuie să crească numai datorită creşterii preţurilor
cu 4,5%, respectiv cu 90 milioane lei.

v( p )   q1  p1   q1  p 0  100  10  90 milioane lei

În cazul indicelui factorului calitativ, forma agregată se transformă într-un indice calculat ca
o medie armonică a indicilor individuali:

x1 1
ix   x0  x  x1
x0 i
1
Dacă se înlocuieşte în relaţia indicelui agregat x 0 cu expresia „  x1 ” rezultă:
ix

Ix 
x 1  f1

x  f1 1
(9.26)
x 0  f1 1
i x  f
x 1 1

Particularizarea acestei relaţii la indicele preţurilor conduce la:

Ip 
p 1  q1

 p q 1 1
(9.27)
p 0  q1 1
i  p q
p 1 1

Relaţia [9.27] ne sugerează faptul că este un indice Paasche. Cu alte cuvinte, indicele
Paasche este o medie armonică a indicilor individuali ai preţurilor.

Din relaţiile (9.25) şi (9.27) rezultă faptul că indicele factorului cantitativ se calculează folosind
drept pondere valoarea fenomenului complex din perioada de bază, iar indicele factorului calitativ se
construieşte pe baza valorilor variabilei complexe din perioada curentă. Se procedează astfel dacă
indicele preţurilor se încadrează într-un sistem de genul I
v
 Iq I p.

199
Dacă indicele preţurilor se calculează ca un indice independent, deci fără încadrarea lui într-
un sistem de indici, acesta se determină după regula Laspeyres, deci ca o medie aritmetică a indicilor
individuali:

I p

i  q  p p
0 0
(9.28)
q  p 0 0

Aşa se procedează, de exemplu, în cazul indicelui preţurilor de consum, care măsoară variaţia
relativă a preţurilor în ipoteza în care cantităţile de produse şi servicii de consum cumpărate de
populaţie nu s-au modificat faţă de perioada de bază.

Exemplificăm calculul indicelui preţurilor de consum pe baza datelor unui agent economic care
comercializează două produse.

Exemplul 9.2. – Calculul indicelui preţurilor


Să presupunem că o companie vinde două produse, al căror volum de vânzări este cunoscut
pentru aceeaşi lună (iunie) din ultimii doi ani (2008 şi 2009). Cunoaştem, de asemenea, care a fost
modificarea individuală a preţurilor din aceleaşi perioade. Să presupunem că dorim să aflăm care
este modificarea generală a preţurilor din luna iunie 2009 faţă de luna iunie 2008.
Tabelul 9.2 – Volumul vânzărilor şi modificarea preţurilor produselor vândute de compania X
Volumul desfacerilor (mil. lei) Modificarea
preţurilor în iunie
Produsul
Iunie 2008 Iunie 2009 2009/iunie 2008
(%)
A 400 480 +12
B 100 110 -2
Total 500 590

Din ultima coloană observăm că preţul produsului A s-a modificat cu +12%, iar cel al produsului
B cu -2%.
Pentru fiecare produs în parte se poate analiza, pe baza indicilor individuali, modificarea relativă
intervenită în volumul desfacerilor, în preţurile şi în cantităţile vândute. Dacă interesează
modificarea relativă a preţurilor la nivelul companiei se calculează indicele de grup.

Ip 
p 1  q1

 p q 1 1

590

590
 1,091 ori sau
p 0  q1 1
i  p q
p 1 1
1
 480 
1
 110
540,82
1,12 0,98
I p  109,1%

Aşadar, preţurile celor două produse au crescut în medie de 1,091 ori sau cu 9,1%. Din sporul
total al volumului vânzărilor de 90 milioane lei, 49,18 milioane lei este efectul creşterii preţurilor.

200
9.5 Indicii de grup calculaţi ca raport a două medii
În practică se operează frecvent cu indicatori care au caracter de medie. Astfel de indicatori
sunt de exemplu: salariul mediu, preţul mediu, rata medie de rentabilitate etc. Variaţia relativă a unor
astfel de indicatori se caracterizează prin intermediul indicilor calculaţi ca un raport a două medii
aritmetice. Aşa cum se cunoaşte, nivelul mediei ( x ) depinde de valorile individuale din care se
ni
calculează ( xi ) şi de structura colectivităţii , respectiv, de frecvenţa relativă cu care apar
n i

valorile xi .

Indicele calculat ca raport a două medii evidenţiază variaţia relativă în timp a mediei în
perioada curentă faţă de perioada de bază.

Ix 
x1

x n : x n
1i 1i 0i 0i

 x n  n
1i 1i 0i
(9.29)
x0 n n
1i 0i n  x n 1i 0i 0i

Un astfel de indice exprimă variaţia mediei sub influenţa a doi factori:

a) modificarea factorului calitativ la nivelul fiecărei unităţi înregistrate ( x1i  x 0 i ) ;

n1i n0i
b) modificarea structurii colectivităţii 
 n1i n 0i

Salariul mediu din economie, de exemplu, poate creşte dacă cresc salariile salariaţiilor, dar şi
dacă aceste salarii rămân neschimbate însă creşte proporţia salariaţilor care au avut salarii mai mari
în perioada de bază.

Indicele raportului a două medii în care toţi factorii de influenţă implicaţi sunt variabili, poartă
 n 
x  xi , i 
denumirea de indice cu structură variabilă: I

  ni  .
SV

Modificarea absolută a mediei sub influenţa tuturor factorilor care apar în relaţia de calcul se
obţine ca diferenţa dintre numărătorul şi numitorul indicelui.

 
x n 1i 1i

x n 0i 0i
(9.30)
x  xi ,

ni 
 ni  n 1i n 0i

Indicii de grup corespunzători factorilor de influenţă încadraţi într-un sistem se construiesc


după două reguli diferite:

 Indicele factorului calitativ (x) este un indice de tip Paasche, deci ponderile sunt cele
din perioada curentă.

x ( xi )
I SF 
x n : x n
1 1 0 1
(9.31)
n n
1 1

Acest indice măsoară care ar fi fost variaţia relativă a mediei dacă s-ar fi modificat numai
valorile caracteristicii la nivelul unităţilor şi structura colectivităţii ar fi fost cea din perioada
curentă. Este indicele mediei cu structură fixă ( I SF ).

Variaţia absolută a mediei sub influenţa factorului x, se determină după relaţia:

201
 x ( xi ) 
x n  x n
1 1 0 1
(9.32)
n n 1 1

ni
 Indicele factorului cantitativ ( ) se calculează ca indice de tip Laspeyres. Exprimă
n i

care ar fi fost variaţia relativă a mediei dacă s-ar fi modificat numai structura colectivităţii
(indicele variaţiei structurii - I VS ):

I VS
x(
ni
 ni
)

x n : x n
0 1 0 0
(9.33)
n n 1 0

Modificarea absolută a mediei datorată influenţei factorului de structură se calculează prin


relaţia:

 
x n  x n
0 1 0 0
(9.34)
n n
ni
x( )
 ni 1 0

Între indicii de grup, respectiv între modificările absolute corespunzătoare există relaţiile:

 n 
x  xi , i  ni
I

  ni   I x ( xi )  I x (  ni
)
(9.35)
SV SF VS

respectiv:

   x ( xi )   ni (9.36)
x  xi , i 
n x( )
  ni   ni

Exemplificăm posibilităţile de cunoaştere oferite de indicii calculaţi ca raport a două medii pe


baza datelor pentru doi agenţi economici din aceeaşi ramură de activitate.

Exemplul 9.3 – Calculul indicilor ca raport a două medii


Tabelul 9.3 – Fondul de salarii, numărul de angajaţi şi salariul mediu al companiilor A şi B în luna
decembrie a anilor 2008 şi 2009

Fond salarii ( Fti )


Nr. angajaţi ( N ti )
Salariu mediu ( S ti ) S 0i  N 1i
Compa-
(mii lei) (mii lei) (mii lei)
nia
XII `08 XII `09 XII `08 XII `09 XII `08 XII `09
0 1 2 3 4 5 6 7
A 30 54 10 12 3,0 4,5 36
B 80 130 20 26 4,0 5,0 104
Total 110 184 30 38 3,7 4,8 140

Salariul mediu este raportul dintre fondul de salarii (F) şi numărul de salariaţi (N).

La nivelul fiecărui agent economic şi pentru fiecare perioadă, salariul mediu ( S ti ) se obţine prin
împărţirea fondului de salarii ( Fti ) la numărul salariaţilor ( N ti ). Rezultatele sunt prezentate în
tabelul 9.3, în coloanele 5 şi 6.

202
La nivelul celor doi agenţi economici, salariul mediu rezultă din expresia:
2 2

 Fti S ti  N ti
St  i 1
2
 i 1
2
, deoarece Fti  S ti  N ti .
N
i 1
ti Ni 1
ti

110
S0   3,667 mii lei.
30

184
S1   4,842 mii lei.
38
Salariul mediu a crescut de 1,3204 ori sau, în procente, cu 32,04%.
2 2

S  F1i F 0i
4,842
I  1 
S i 1
2
: i 1
2
  1,3204
S0 3,667
N N
i 1
1i
i 1
0i

În mărime absolută, salariul mediu a sporit cu 1,1754 mii lei / salariat.

 S  S1  S 0  4,842  3,667  1,1754 mii lei.

Creşterea salariului mediu la nivelul celor două companii (întreprinderi) cu 32,1% sau, în cifre
absolute, cu 1,175 mii lei, se poate analiza în funcţie de modificările intervenite în salariul mediu la
nivelul fiecărui agent economic ( S i ) şi în funcţie de mutaţiile care au avut loc în structura
Ni
angajaţilor ( )
N i

 Indicele salariului mediu cu structură variabilă:


 N 

I
S  Si , i



 N i   S1  S  N : S  N
1i 1i 0i 0i

4,842
 1,3204 ori
N N
SV
S0 1i 0i 3,667
 Indicele salariului mediu cu structură fixă:

S S i 
I SF 
S  N : S  N
1i 1i 0i 1i

184 140
:  1,314 ori
N N 1i 1i 38 38

Interpretare: Salariul mediu pe total ar fi sporit cu 31,4% dacă s-ar fi modificat numai salariul
mediu la nivelul fiecărui agent economic.
Modificarea absolută determinată de influenţa acestui factor este de +1,158 mii lei:

SSFSi  
S  N 1i 1i

S  N 0i 1i

184 140
  1,1579 mii lei.
N 1i N 1i 38 38

203
 Indicele salariului mediu a variaţiei structurii:
N 

I
S i

  N i  

S  N : S  N
0i 1i 0i 0i

140 110
:  3,684 : 3,667  1,0047 ori
N N
VS
1i 0i 38 30

N 


S i

  N i  

S  N
0i 1i

S  N 0i 0i

140 110
  3,684  3,667  0,0175 mii lei
N N
VS
1i 0i 38 30

Interpretare: Salariul mediu pe total trebuia să crească cu 0,47% sau, în cifre absolute, cu 0,018
mii lei, dacă s-ar fi modificat numai structura salariaţilor, iar salariile la nivelul fiecărui agent
economic ar fi rămas la nivelul lunii iunie 2008.
Influenţa pozitivă a variaţiei structurii asupra salariului mediu se explică prin faptul că a crescut
importanţa componentei B în totalul salariaţilor, de la 66,7% în iunie 2008 la 68,4% în luna iunie
2009, companie în care şi salariul mediu este mai mare. Deci salariile mai mari intră cu o pondere
mai mare în calculul mediei.
In final, să verificăm identităţile din relaţiile [9.35] şi [9.36]:
 N  N 
S  Si , i  S i 
I

  N i   I S Si   I   N i   1,3204  1,3143  1,0047
SV SF VS

   x ( xi )   ni  1,1754  1,1579  0,0175 q.e.d.


x  xi , 
ni x( )
  ni   ni

9.6 Descompunerea variaţiei unei variabile complexe pe


factori de influenţă prin metoda indicilor
Măsurarea influenţei factorilor asupra modificării unei variabile complexe constituie o funcţie
de cunoaştere importantă a indicilor. Astfel, dacă vrem să cunoaştem influenţa volumului fizic (q) şi a
preţurilor (p) asupra variaţiei valorii producţiei (v) sau influenţa numărului salariaţilor (N) şi a salariilor
(S) asupra modificării fondului de salarii (F) sau influenţa cantităţilor produse (q) şi a costului unitar (c)
asupra costului total (C), se poate recurge la metoda indicilor, ca instrument de separare şi
cuantificare a acestor influenţe. În fiecare din exemplele menţionate, variabila complexă este egală cu
produsul factorilor de influenţă.

Variaţia variabilei complexe şi influenţa factorilor pot fi calculate şi analizate în mărimi relative
şi în mărimi absolute. Descompunerea variaţiei relative pe factori de influenţă presupune
descompunerea indicelui variabilei complexe în produsul indicilor factorilor. Această descompunere
este denumită descompunere geometrică.

Descompunerea variaţiei în mărimi absolute presupune separarea modificării absolute a


variabilei complexe în suma modificărilor absolute induse de factorii de influenţă. Separarea pe factori
a variaţiei în mărimi absolute este denumită descompunere aritmetică sau analitică.

Metodele cele mai folosite de descompunere a variaţiei unei variabile complexe pe factori de
influenţă sunt:

a) metoda substituţiei în lanţ (MSL);

b) metoda influenţelor izolate ale factorilor (MIIF) sau metoda restului nedescompus (MRN).

204
Metoda substituţiei în lanţ presupune o anumită succesiune în modificarea factorilor, şi
anume:

i. mai întâi se modifică factorul cantitativ (se substituie f 0 cu f 1 ), toţi ceilalţi factori rămân
la nivelul din perioada de bază;

ii. un factor odată substituit, se implică în determinarea influenţei celorlalţi factori cu nivelul
din perioada curentă.

iii. ultimul factor care se modifică (se substituie) este cel calitativ.

Presupunând că factorii se substituie în lanţ, înseamnă că indicii factorilor se construiesc cu


ponderi diferite, iar indicele variabilei complexe este egal cu produsul indicilor factorilor.
Corespunzător, modificarea absolută a variabilei complexe este egală cu suma modificărilor absolute
determinate de factorii cuprinşi în analiză.

Dacă între valorile înregistrate pentru variabila complexă ( y i ) şi factorii de influenţă ( xi şi f i )

există relaţia y i  xi  f i , influenţa factorilor după procedeul subsituirii în lanţ se calculează conform
relaţiilor:

 Influenţa factorului cantitativ ( f ) asupra modificării variabilei complexe ( y i ):

I y( f ) 
x 0  f1
(9.37)
x 0  f0

Modificarea absolută pe seama factorului cantitativ rezultă din relaţia:

 y ( f )   x0  f1   x0  f 0 (9.38)

 Influenţa factorului calitativ ( x ):

I y( x) 
x 1  f1
(9.39)
x 0  f1

Modificarea absolută pe seama influenţei factorului calitativ:

 y ( x )   x1  f1   x 0  f 1 (9.40)

Construirea indicilor factorilor cu ponderi diferite se concretizează în faptul că se verifică


relaţia de sistem:

I y ( x, f ) 
x 1  f1
 I y( x)  I y( f ) (9.41)
x 0  f0

respectiv:

 y ( x , f )   x1  f 1   x0  f 0   y ( x )   y ( f ) (9.42)

Pentru ilustrarea acestei metode pornim de la datele din tabelul 9.3 şi ne propunem să
calculăm influenţa factorilor asupra modificării fondului de salarii (F) în luna decembrie 2009 faţă de
luna decembrie 2008.

205
Factorii de influenţă care pot fi implicaţi în această analiză sunt, conform datelor din tabelul
9.3, numărul de salariaţi, (factorul calitativ N i ) şi salariul mediu ( S i ).

 Modificarea fondului de salarii:

I F ( N ,S ) 
N 1  S1

12  4,5  26  5,0 184
  1,673 ori sau +67,3%
N 0  S0 10  3,0  20  4,0 110

Fondul de salarii a sporit cu 67,3%, ceea ce înseamnă +74 mii lei la fondul de salarii, în
mărime absolută.

 F ( N , S )   N 1  S1   N 0  S 0  184  110  74 mii lei

 Influenţa numărului salariaţilor:

I F(N) 
N 1  S0

12  3,0  26  4,0 140
  1,273 ori sau 127,3%
N 0  S0 10  3,0  20  4,0 110

şi:

 F ( N )   N 1  S 0   N 0  S 0  140  110  30 mii lei

Dacă ar fi crescut numai numărul salariaţilor, fondul de salarii trebuia să fie mai mare cu
27,3%, respectiv cu 30 milioane lei.

 Influenţa modificării salariului mediu:

I F (S ) 
N 1  S1

12  4,5  26  5,0 184
  1,314 ori sau 131,4%
N 1  S0 12  3,0  26  4,0 140

şi

 F ( S )   N 1  S1   N 1  S 0  184  140  44 mii lei.

Creşterea salariului mediu la nivel de companie a determinat sporirea salariului mediu pe


total cu 31,4%, ceea ce reprezintă în mărime absolută un spor al fondului de salarii de 44
mii lei.

Metoda influenţelor izolate ale factorilor (MIIF) sau metoda restului nedescompus (MRN) )
presupune că fiecare factor acţionează independent. Aceasta înseamnă că influenţa fiecărui factor se
calculează pornind de la presupunerea că toţi ceilalţi factori rămân la nivelul perioadei de bază.

Indicii factoriali şi modificările absolute antrenate de fiecare factor se calculează pornind de la


regula propusă de Laspeyres.

Procedând astfel, produsul indicilor factoriali şi, corespunzător, suma modificărilor absolute nu
este egală cu modificarea totală a variabilei complexe. Ca atare, o parte din variaţia variabilei
complexe nu se atribuie factorilor, parte denumită rest nedescompus.

Aplicarea acestui procedeu presupune parcurgerea a două etape:

 în prima etapă se calculează influenţele izolate ale factorilor. Se construiesc indici


factoriali sau se determină modificările absolute folosind aceeaşi regulă de alegere a
ponderilor (Laspeyres);

206
 în a doua etapă se repartizează modificarea variabilei complexe determinată de
modificarea concomitentă a factorilor (rest nedescompus).

Utilizarea acestui procedeu presupune, în cazul în care se implică doi factori de influenţă,
determinarea a trei indici, respectiv a trei modificări absolute:

 Influenţa izolată a factorului cantitativ:

I y( f ) 
x 0  f1
(9.43)
x 0  f0

şi

 y ( f )   x0  f 1   x0  f 0   f  x0 (9.44)

 Influenţa izolată a factorului calitativ:

I y( x) 
x 1  f0
(9.45)
x 0  f0

respectiv

 y ( x )   x1  f 0   x0  f 0   x  f 0 (9.46)

De remarcat faptul că, prin această metodă, nivelul factorului cantitativ folosit la estimarea
influenţei factorului calitativ este cel din perioada de bază, spre deosebire de metoda
substituţiei în lanţ.

 Influenţa modificării concomitente a factorilor (restul nedescompus):

I y ( x f ) 
x 1  f1
:
x 1  f0
(9.47)
x 0  f1 x 0  f0

respectiv:

 y( x f )  x1  f1  x0  f1   x1  f 0  x0  f 0   x  f (9.48)

Între indicele variabilei complexe şi indicii factoriali există relaţia:

I y ( x , f )  I y ( f )  I y ( x )  I y ( x f ) (9.49)

iar între modificările absolute se verifică relaţia:

 y ( x , f )   y ( f )   y ( x )   y ( x f ) (9.50)

Aşa cum s-a menţionat, specific metodei indicilor este faptul că variaţia variabilei complexe se
descompune în totalitate pe factorii de influenţă implicaţi în analiză. În situaţia a doi factori de
influenţă, restul nedescompus trebuie repartizat pe cei doi factori de influenţă.

În legătură cu proporţia în care se repartizează restul nedescompus pe factori de influenţă,


există următoarele posibilităţi:

 să se atribuie integral unui singur factor, caz în care se ajunge la procedeul substituţiei în
lanţ;

 să se repartizeze în mod egal pe factorii de influenţă;

207
 să se repartizeze în funcţie de ponderea influenţei izolate a fiecărui factor în suma
influenţelor izolate ale factorilor, variantă pentru care se optează cel mai frecvent în
practică. Proporţia în care se repartizează restul nedescompus pe cei doi factori de
x f
influenţă ( k şi k ) se calculează astfel:

kf 
 f  x 0
(9.51)
 f  x   x  f
0 0

şi:

kx 
 x  f 0
(9.52)
 f  x   x  f
0 0

Influenţa totală a fiecărui factor asupra variaţiei variabilei complexe se determină pe baza
relaţiilor:

 y ( x )   x  f 0  k x  x  y (9.53)

 y ( f )   f  x0  k f  x  y (9.54)

Desigur, fiecare din cele două metode de descompunere are o serie de avantaje şi limite.
Dezavantajele se amplifică în cazul ambelor procedee, odată cu creşterea numărului factorilor de
influenţă. În cazul MSL este necesar să se separe factorii de influenţă după natura lor, iar în cazul
MIIF creşte numărul resturilor nedescompuse care trebuie repartizate pe factori de influenţă.

Ilustrăm aplicarea MIIF pornind de la datele din tabelul 9.3

 Modificarea fondului de salarii:

I F ( N ,S ) 
N 1  S1

184
 1,673 ori sau +67,3%
N 0  S0 110
şi:

F ( N , S )   N 1  S1   N 0  S 0  74 mii lei

 Influenţa izolată a modificării numărului salariaţilor:

I F(N) 
N 1  S0

140
 1,273 ori sau 127,3%
N 0  S0 110
şi:

F ( N )   N 1  S 0   N 0  S 0  30 mii lei

 Influenţa izolată a modificării salariului mediu:

I F (S ) 
N 0  S1

145
 1,318 ori sau 131,8%
N 0  S0 140
şi

F ( S )   N 0  S1   N 0  S 0  35 mii lei.

208
Tabelul 9.4 - Fondul de salarii, numărul de angajaţi şi salariul mediu al companiilor A şi B în luna
decembrie a anilor 2008 şi 2009
Com- S0 S1 N0 N1 N 0  S1 S N S  N
pania (mii lei) (mii lei) (pers) (pers) (mii lei) (mii lei) (mii lei) (mii lei)
0 1 2 3 4 5 6 7 8
A 3,0 4,5 10 12 45 +1,5 +2 3,0

B 4,0 5,0 20 26 100 +1,0 +6 6,0

Total - - 30 38 145 - - 9,0

 Influenţa modificării concomitente a factorilor:

I F (S N ) 
N 1  S1
:
N 0  S1

184 145
:  0,997 ori sau 99,7%.
N 1  S0 N 0  S0 140 140
şi:

F ( S  N )   S  N  1,5  2  1,0  6  9 mii lei.


sau

F ( S  N )   N 1  S1   N 1  S 0    N 0  S1   N 0  S 0  
 184  140   145  110   9 mii lei
 Cota parte din restul nedescompus care se atribuie influenţei numărului salariaţilor:

F ( N ) 30
kN    0,462
F ( N )  F ( S ) 30  35
 Cota parte din restul nedescompus care se atribuie influenţei salariului mediu:

F ( S ) 35
kS    0,538
F ( N )  F ( S ) 30  35
Influenţa factorilor asupra modificării fondului de salarii este:

 Influenţa totală a numarului salariaţilor:

F ( N )  k N  S  N  30  0,462  9  34,158 mii lei

 Influenţa totală a salariului mediu:

F ( S )  k S  S  N  30  0,538  9  39,842 mii lei


Însumarea celor două influenţe este egală cu 74 mii lei, adică diferenţa fondurilor de salarii din
cele perioade. Aşadar, creşterea fondului de salarii cu 67,3%, respectiv cu 74 mii lei a fost determinată
în proportie de 53,8% de sporirea salariilor medii la nivelul agenţilor economici şi în proporţie de
46,2% de creşterea numărului salariaţilor.

209
9.7 Serii cronologice de indici statistici
Caracterizarea evoluţiei unui indicator în timp se bazează pe analiza seriilor cronologice. Serii
cronologice se construiesc nu numai pentru indicatori absoluţi, ci şi pentru indicatori relativi, pentru
indici.

Construirea unei serii cronologice pentru indicii individuali nu ridică probleme deosebite.
Singurul aspect ce trebuie rezolvat se referă la alegerea bazei de comparaţie, care poate fi aceeaşi
pentru întreaga serie (au bază fixă) sau diferită la fiecare indice (cu baza în lanţ). Pentru factorul xi ,
de exemplu, seria de indici se obţine din relaţia :

 cu bază fixă :

xt
itx/ 0  , t  1, n (9.55)
x0
 cu bază în lanţ :

xt
itx/ t 1  , t  1, n (9.56)
xt 1
La construirea de serii pentru indicii de grup agregaţi (valorile observate nu sunt direct
însumabile) trebuie soluţionată problema ponderii.

Dacă toţi indicii care compun seria au aceeaşi pondere, se dispune de o serie de indici cu
ponderi constante. Dacă ponderea diferă de la un indice la altul se dispune de o serie de indici cu
ponderi variabile.

Din combinarea bazei de comparaţie cu ponderea utilizată se pot construi patru tipuri de serii
cronologice de indici de grup.

a) Serii de indici cu bază fixă şi cu ponderi constante:

If 
x 0  ft
, respectiv I
x

x t  f0
, t  1, n (9.57)
x 0  f0 x 0  f0
De regulă, astfel de serii de indici se construiesc în practică pentru volumul fizic.

Iq 
q t  p0

q 1  p0
;
q 2  p0
,.....,
q n  p0
q 0  p0 q 0  p0 q 0  p0 q 0  p0
După această regulă se construieşte şi indicele preţurilor de consum (IPC) sau indicele
preţurilor producţiei industriale (IPPI):

IPC 
p t  q0
p 0  q0
După cum se poate observa, ponderile sunt din perioada de bază. Ponderile respective sunt
date de ponderea cheltuielilor medii ale gospodăriilor din România pentru diferite categorii de produse
şi servicii dintr-un an anterior. De regulă, decalajul dintre perioada ponderilor este de doi ani faţă de
anul pentru care se calculează IPC. În unele ţări se procedează la „glisarea” anului, astfel încât
decalajul să fie cât mai mic.

Baza de comparaţie a IPC-ului cu baza fixă este fie luna decembrie din anul precedent, fie
aceeaşi lună a anului anterior. Fiiind un indice cu bază fixă şi ponderi constante, se poate construi cu
uşurinţă seria indicilor cu bază în lanţ.

210
b) Serii de indici cu baza în lanţ şi ponderi constante :

If 
x  f 0 t
, respectiv I
x

x t  f0
, t  1, n (9.58)
x  f 0 t 1 x t 1  f0
Astfel de serii de indici se construiesc în practică pentru caracterizarea dinamicii volumului
fizic şi al preţurilor în luna curentă faţă de luna precedentă.

De exemplu, în cazul indicelui preţurilor de consum seria de indici este:

IPC 
p t  q0

p 1  q0
,
p 2  q0
,....,
p n  q0
p t 1  q0 p 0  q0 p 1  q0 p n 1  q0
Produsul indicilor cu baza în lanţ şi cu ponderi constante care compun seria conduce la un
indice cu bază fixă:

n
p  q0 p  q0

t t

t 1 p t 1  q0 p 0  q0
Această proprietate a indicilor stă la baza înlănţuirii indicilor.

c) Serii de indici cu baza în lanţ şi ponderi variabile:

If 
x  f t t
, respectiv I
x

x t  ft
, t  1, n (9.59)
x  f t t 1 x t 1  ft
Produsul indicilor unei astfel de serii nu conduce la un indice cu bază fixă.

d) Serii de indici cu baza fixă şi cu ponderi variabile :

If 
x t  ft
, respectiv I
x

x t  ft
, t  1, n (9.60)
x t  f0 x 0  ft
Asemenea serii se construiesc pentru indicii preţurilor utilizaţi la deflatarea agregatelor
valorice de producţie (producţia industrială, produsul intern brut etc).

9.8 Cuvinte cheie


Indice = indice statistic Indice individual = indice elementar
Indice al factorului calitativ Indicele preţurilor
Indice al factorului cantitativ Indicele valorii
Indice al variabilei complexe Indicele volumului fizic
Indice de grup = indice sintetic Indici cu bază fixă
Indice de grup agregat Indici cu bază în lanţ = indici cu bază
mobilă
Indice de grup calculat ca o medie a Indici de grup cu ponderi constante
indicilor individuali
Indice de grup calculat ca raport de medii Indici de grup cu ponderi variabile
Indice de tip Fisher Metoda influenţelor izolate ale factorilor =
metoda restului nedescompus
Indice de tip Laspeyres Metoda substituirii în lanţ
Indice de tip Paasche Serie cronologică de indici

211
9.9 Întrebări de control
1. Ce este un indice statistic ?

2. Prin ce se deosebeşte un indice de grup de unul individual ?

3. Care este deosebirea dintre un indice de grup de tip Laspeyres şi de tip


Paasche ?

4. De ce se optează în practica statistică, de cele mai multe ori, pentru indicele


Laspeyres ?

5. Când se verifică relaţia : I 1 / 0  I 1 / 0  I 1 / 0 ?


v q p

6. Cum se calculează şi când se aplică în practică indicele de tip Fisher ?

7. Indicele de grup al volumului fizic se determină ca o medie aritmetică sau ca o


medie armonică a indicilor individuali ?

8. Cum se aleg ponderile la construirea sistemului de indici calculaţi ca raport a


două medii ?

9. În ce constă metoda substituirii în lanţ în măsurarea influenţei factorilor asupra


variaţiei unei variabile complexe ?

10. De ce rămâne în cazul metodei influenţelor izolate o parte nedescompusă din


variaţia variabilei complexe ?

11. Cum se repartizează pe factori de influenţă restul nedescompus în cazul


metodei influenţelor izolate ?

12. Când produsul unei serii cronologice de indici cu bază în lanţ este egal cu
indicele cu bază fixă ?

9.10 Bibliografie selectivă


1. Biji E., Wagner P., Lilea E., Petcu N., Vătui V. – Statistică, Editura Didactică şi
Pedagogică, Bucureşti, 1999, p. 322-372

2. Korka M., Begu L., Tuşa E. – Bazele statisticii pentru economişti, Editura Tribuna
Economică, Bucureşti, 2002, p. 197-222

212
Unitatea 10: ELEMENTE DE SONDAJ STATISTIC

10.1 Obiective
Cunoaşterea statistică a realităţii din oricare domeniu de activitate presupune colectarea de
date individuale pentru caracteristicile care interesează comanditarul unui studiu, iar prin
sistematizarea şi prelucrarea acestor date să se obţină informaţii care răspund obiectivului urmărit.
Datele empirice individuale pot fi obţinute prin metode de înregistrare (observare) exhaustivă sau
parţială.

Înregistrările parţiale, cunoscute în practica statistică sub numele de anchete statistice, sunt
preferate investigaţiilor totale datorită avantajelor pe care le au faţă de acestea din urmă.

Un aspect fundamental al sondajelor este că, din toate eşantioanele care pot fi extrase dintr-o
colectivitate generală, al căror număr este de cele mai multe ori astronomic, putem investiga doar unul
singur. Este esenţial, astfel, ca rigorile teoretice şi metodologice să fie urmate cu perseverenţă, pentru
a evita ca erorile inerente să nu distorsioneze substanţial estimaţiile.

În acest capitol sunt prezentate fundamentele sondajului statistic ca instrument metodologic


de realizare a anchetelor statistice. La finele acestei părţi a cursului veţi fi capabili să:

- Distingeţi etapele tehnice ale sondajului statistic şi să înţelegeţi avantajele şi limitele


acestei forme de investigare a realităţii;

- Înţelegeţi specificul diferitelor procedee de eşantionare şi să le aplicaţi pe cele mai uzuale;

- Calculaţi indicatorii specifici principalelor tipuri de selecţie, să extindeţi rezultatele


sondajului asupra colectivităţii generale care face obiectul cercetării şi să estimaţi precizia
estimaţiilor.

10.2 Definire, etape, noţiuni, avantaje


Sondajul statistic reprezintă o formă a cercetării statistice pe baza unei părţi reprezentative din
colectivitatea generală. Realizarea unui sondaj statistic presupune proiectarea şi implementarea unui
plan de sondaj care înseamnă parcurgerea următoarelor etape:

a) alegerea unui procedeu de sondaj şi extragerea unui eşantion reprezentativ din


colectivitatea generală, având stabilite conţintul şi structura colectivităţii generale (baza de
sondaj), mărimea eşantionului şi probabilităţile de incluziune;

b) determinarea indicatorilor statistici ce vor fi calculaţi pe baza datelor observate pentru


fiecare caracteristică înregistrată (descrierea statistică);

c) generalizarea (extinderea) rezultatelor obţinute pentru eşantion asupra colectivităţii


generale, care cuprinde formalizarea estimatorilor şi estimarea propriu-zisă a parametrilor
colectivităţii generale.

Planul de sondaj este o componentă a cercetării statistice.

Colectivitatea generală este alcătuită din totalitatea unităţilor / elementelor care formează
fenomenul sau procesul care face obiectul cercetării. Din colectivitatea generală se extrag unităţile
care compun eşantionul. Din acest motiv se mai numeşte bază de sondaj. Numărul unităţilor care
alcătuiesc baza de sondaj defineşte volumul acestuia (N).

213
Indicatorii statistici calculaţi pe baza datelor aferente colectivităţii generale se mai numesc
parametrii colectivităţii generale. Exemplele tipice de parametri sunt: media, totalul şi dispersia. Aceşti
parametri se estimează în cazul sondajului statistic cu ajutorul estimatorilor: estimator de medie,
estimator de total, estimator de dispersie.

Baza de sondaj reprezintă, uzual, o listă cu toate unităţile compun colectivitatea generală,
listă alcătuită după un criteriu care nu are nici o legătură cu ordinul de mărime al valorilor variabilelor
înregistrate. Exemple de baze de sondaj folosite frecvent în cazul anchetelor statistice ar putea fi:
registrul auto, liste electorale, lista localităţilor, registrul agenţilor economici, registrul populaţiei, lista
gospodăriilor înregistrate la recensământ etc.

O bază de sondaj trebuie să îndeplinească câteva cerinţe fundamentale şi anume:

- să cuprindă întreaga populaţie;

- să fie actuală;

- să fie ferită de orice repetiţie, adică să nu conţină duble înregistrări;

- uşor accesibilă

Eşantionul (mostra, colectivitatea de selecţie, proba) reprezintă o parte din colectivitatea


generală, extrasă astfel încât să reproducă principalele trăsături esenţiale ale colectivităţii generale din
care a fost extras. Numărul unităţilor care compun eşantionul reprezintă volumul acestuia (n). Sondajul
statistic poate caracteriza suficient de corect realitatea numai dacă eşantionul este reprezentativ.

Noţiunea de reprezentativitate este adesea confundată cu:

- puterea eşantionului de a reflecta la scară redusă structura colectivităţii de referinţă,


asimilată, de fapt cu sondajul stratificat cu alocare proporţională;

- selectarea unui eşantion de volum suficient de mare;

- ponderea variabilei de studiu (ex. cifra de afaceri) acoperită de eşantion în totalul


aceleiaşi variabile din baza de sondaj.

Potrivit unei definiţii clasice, un eşantion este reprezentativ dacă reproduce structura şi
principalele trăsături ale colectivităţii din care a fost extras. Cu alte cuvinte, eşantionul este
reprezentativ dacă este o fotografie la scară redusă a colectivităţii generale. Metodele actuale utilizate
în domeniul sondajelor permit, totuşi, să extragem eşantioane care nu reproduc întocmai structura
colectivităţii generale, însă păstrează calitatea de a fi reprezentative. De aceea, o definiţie mai corectă
este aceea conform căreia un eşantion este reprezentativ dacă fiecare unitate din colectivitatea
generală are o şansă nenulă de a fi selectată în eşantion, eşantion care se numeşte probabilist.

Reprezentativitatea este asigurată de caracterul aleator al selecţiei prin care fiecare unitate
din populaţia de referinţă are o probabilitate nenulă de a fi prezentă în orice eşantion extras; orice
unitate care are o probabilitate nulă va fi omisă sistematic, deci nu va fi reprezentată în eşantion.

Chestiunea importantă este ca eşantionul reprezentativ (selectat aleator) să fie eficace pentru
estimarea oricarei variabile şi studierea oricărei sub-populaţii, ceea ce echivalează cu estimarea
parmetrilor într-un interval de precizie acceptabilă.

Indicatorii statistici calculaţi pe baza datelor înregistrate pentru eşantion sunt numiţi
estimatori.

Probabilitatea, în sens larg, înseamnă raportul dintre numărul de evenimente aşteptate şi


numărul total de evenimente posibile. În teoria sondajelor, se folosesc două noţiuni ale probabilităţii:

214
 probabilitatea de selecţie, notată cu p s , asociată eşantioanelor - probabilitatea nenulă ca
o unitate să fie selectată la fiecare extragere elementară; suma probabilităţilor de selecţie
este 1;

 probabilitatea de incluziune, notată cu  , asociată unităţilor selectate - probabilitatea ca o


unitate sa aparţină eşantionului final; suma probablităţilor de incluziune este diferită de 1.

Notaţiile folosite uzual pentru indicatorii colectivităţii generale şi cei ai eşantionului sunt
prezentaţi în Tabelul 10.1. Accentul circumflex plasat deasupra simbolurilor semnifică faptul că
mărimea statistică respectivă este estimată din eşantion, deci nu provine din calculul la nivelul întregii
colectivităţi supuse studiului.

Tabelul 10.1 – Notaţii folosite în sondajul statistic


Colectivitatea
Denumire variabilă Eşantion
generală
Mărime (număr unităţi) N n
Variabila de studiu X x
M m
Caracteristică alternativă p pˆ 
N n
N n

Medie
X i x i
X  i 1
xˆ  i 1

N n

Varianţă
 X i X   s2 
1 n
 ( xi  xˆ ) 2
 u2  n i 1
N

Dispersie (varianţa corectată) S u2 


1
N 1
 Xi  X   s2 
1 n
 ( xi  xˆ ) 2
n  1 i 1
Varianţa caracteristicii alternative  p2  p  (1  p) s 2pˆ  pˆ  (1  pˆ )
N n
Dispersia caracteristicii alternative S p2   p  (1  p) s 2pˆ   pˆ  (1  pˆ )
N 1 n 1

Utilizarea sondajului statistic în cercetarea fenomenelor şi proceselor în domenii diverse ale


vieţii economice şi sociale este expresia avantajelor acestui mod de cercetare comparativ cu
cercetarea totală. Dintre avantajele cele mai semnificative menţionăm:

- în multe situaţii sondajul statistic este singura alternativă la care se poate recurge şi anume
atunci când cercetarea conduce la distrugerea elementelor. De exemplu: estimarea
recoltei agricole înainte de recoltare; determinarea duratei de funcţionare a unor produse;
cercetarea rezistenţei diferitelor materiale;

- este mai operativ şi mai ieftin deoarece numărul unităţilor de la care se culeg date este
semnificativ mai mic decât colectivitatea generală;

- permite cunoaşterea mai completă în sensul că în cazul unui număr mai mic de unităţi se
poate folosi un program de observare mai amplu comparativ cu cel utilizat în cazul unei
înregistrări exhaustive;

- erorile de înregistrare sunt de mai mică amploare şi pot fi depistate mai uşor;

215
- poate fi folosită ca mijloc de verificare a rezultatelor unei cercetări totale. La judecarea
avantajelor menţionate se adaugă faptul că sondajul statistic, fiind o cercetare statistică
parţială, oferă doar o estimare a parametrilor colectivităţii generale, deci rezultatele nu sunt
determinări exacte.

În concluzie, sondajul statistic s-a impus în practica cercetării din majoritatea domeniilor de
activitate datorită operativităţii cu care se obţin rezultatele, datorită costului informaţiilor şi, nu în ultimul
rând, datorită faptului că oferă rezultate suficient de exacte despre colectivitatea studiată.

Cercetarea realităţii economice şi sociale se bazează, în prezent, în practica statistică, în


majoritatea cazurilor prin metoda sondajului.

Înregistrări şi cercetări totale se organizează în cazul câtorva fenomene şi procese


(recensăminte ale populaţiei, recensăminte agricole etc). Partea covârşitoare a indicatorilor
macroeconomici se estimează pe baza rezultatelor obţinute în urma cercetărilor prin sondaj. Producţia
industrială, producţia agricolă, produsul intern brut, volumul investiţiilor, efectivul salariaţilor, câştigul
salarial mediu, rata inflaţiei etc. sunt doar câteva exemple de indicatori statistici determinaţi prin
aplicarea sondajului statistic în statistica oficială. Tot prin sondaj sunt chestionaţi alegătorii la ieşirea
de la urne sau când sunt investigate diverse teme socio-economice.

10.3 Procedee de selecţie


În vederea formării eşantionului pot fi aplicate mai multe procedee de extragere a unităţilor din
colectivitatea generală (baza de sondaj). La alegerea procedeului de eşantionare trebuie să se ţină
seama de volumul colectivităţii generale (N), de volumul eşantionului (n) şi de gradul de omogenitate
al bazei de sondaj prin prisma caracteristicilor care interesează.

Procedeele de sondaj se diferenţiază după mai multe criterii:

 După algoritmul de extragere a eşantionului, se deosebesc:

- sondaje probabiliste;

- sondaje neprobabiliste sau empirice.

 După volumul eşantionului, se disting:

- sondaje de volum mare – eşantionul este format din cel puţin 120 de unităţi;

- sondaje de volum redus – eşantionul sub 30 de unităţi.

 După numărul etapelor parcurse la formarea eşantionului, sondajele se separă în:

- sondaje simple, când se parcurge o singură etapă la extragerea eşantionului;

- sondaje în trepte, când se parcurg cel puţin două etape la formarea eşantionului.

Selecţiile probabiliste se recomandă a fi aplicate în marea majoritate a situaţiilor, deoarece


sunt complet fundamentate teoretic şi permit calculul preciziei aşteptate încă din etapa de proiectare a
planului de sondaj. Doar în situaţii determinate de raţiuni de operativitate şi eficienţă se recomandă
utilizarea sondajelor empirice. Caracteristic acestui tip de selecţie este faptul că elimină orice
intervenţie subiectivă în alegerea unităţilor ce formează eşantionul.

Chiar şi atunci când colectivitatea generală care se studiază nu este omogenă, se pot pune la
punct planuri de sondaj care compensează variaţia mare a variabilei sau variabilelor de interes.
Procedeele de sondaj aplicabile sunt cele prin stratificare, în trepte, cu probabilităţi inegale etc. Astfel,
se asigură includerea în eşantion a unor unităţi din toate categoriile, respectiv se asigură că structura
eşantionului să corespundă cu structura colectivităţii generale. Spre exemplu, în cazul sondajului

216
stratificat, după ce s-a stabilit volumul eşantionului (n) se extrage din fiecare strat existent în
colectivitatea generală câte un subeşantion folosind un procedeu aleator.

În vederea extragerii eşantionului se pot aplica mai multe procedee: procedeul tragerii la sorţi;
procedeul tabelului cu numere întâmplătoare; procedeul selecţiei sistematice sau al pasului de
numărare. În practica generală, însă, se recurge la generarea de numere aleatoare cu ajutorul
funcţiilor implementate în programele informatice specializate în prelucrarea datelor. Generatoarele de
numere aleatoare sunt, de fapt, generatoare de numere „pseudoaleatoare”, deoarece numerele
generate tind să se repete după un număr mai mic sau mai mare de repetiţii. Pentru nevoile curente,
însă, seriile de numere generate sunt suficient de robuste.

Procedeul tragerii la sorţi (procedeul loteriei) se aplică în cazul colectivităţilor omogene şi


de volum restrâns. Se procedează astfel: se numerotează unităţile colectivităţii generale de la 1 la N şi
se extrage câte o unitate (bilă sau jeton) până la completarea eşantionului de volum n.

Extragerea poate fi făcută în două variante:

 procedeul selecţiei repetate sau al bilei revenite;

 procedeul selecţiei nerepetate sau al bilei nerevenite.

În cazul aplicării procedeului selecţiei aleatoare repetate, o unitate o dată extrasă se


restituie bazei de sondaj, fapt ce face ca o unitate să poată pătrunde de mai multe ori în eşantion.

Ca urmare, probabilitatea de includere în eşantion a fiecărei unităţi este constantă pe


parcursul procesului de extragere a eşantionului:

1
i  , i  1, n
N
Datorită faptului că o unitate poate intra de mai multe ori în eşantion, reprezentativitatea
eşantionului poate fi redusă şi, ca urmare, erorile pot fi mari. Numărul eşantioanelor care se pot forma
în acest caz este egal cu N .

Procedeul selecţiei aleatoare nerepetate presupune ca o unitate o dată extrasă nu se mai


restituie bazei de sondaj. În acest caz, creşte probabilitatea unităţilor de a fi incluse în eşantion pe
parcursul extragerii, de la 1/ N în cazul primei extrageri la 1/ N −(n −1), în cazul ultimei extrageri:

1
1  ;
N
1
2  ;
N 1
1
3  ;
N 2
...
1
n 
N  n 1
Datorită faptului că o unitate nu poate intra de mai multe ori în eşantion, erorile sunt mai mici
comparativ cu selecţia repetată. Numărul de eşantioane de volumul n care se pot forma în acest caz
n
este egal cu C N .

Procedeul tabelului cu numere întâmplătoare sau prin generarea numerelor aleatoare se


recomandă în vederea formării eşantionului când volumul colectivităţii generale este mare. Folosirea

217
acestui procedeu presupune întocmirea listei unităţilor de la 1 la N şi extragerea celor n unităţi care
compun eşantionul.

Numerele cuprinse într-un astfel de tabel de numere aleatoare sunt sistematizate pe rânduri şi
pe coloane. În vederea formării eşantionului se alege la întâmplare rândul şi coloana cu care va
începe selecţia. De exemplu, dacă colectivitatea generală este formată din 2000 de unităţi şi se
propune formarea unui eşantion de 5% (n=100) se va proceda astfel: pornind de la rândul şi coloana
alese la întâmplare, vor fi cuprinse în eşantion toate unităţile la care numărul din lista de la 1 la N
corespunde cu numerele citite din tabel, care sunt cuprinse între 1 şi 2000.

Generarea de numere aleatoare presupune folosirea unei funcţii speciale implementate în


aplicaţia informatică prin care fiecărei unităţi din baza de sondaj se ataşează un număr aleator cuprins
între 0 şi 1 sau între două limite oarecare. În pasul următor, lista se selectează crescător după
numărul aleator şi se extrag primele n unităţi. Cu ajutorul calculatorului electronic, spre exemplu în MS
Excel, prin funcţia RANDBETWEEN(a; b) sau cu RAND()*(b-a)+a, se poate genera un şir de numere
aleatoare între a şi b. Concret, fiecărei unităţi din baza de sondaj se asociază un număr aleator, după
care lista este sortată crescător şi, în ordinea numerelor aleatoare sunt selectate primele „n” unităţi.
Această metodă este asimilată cu procedeul selecţiei aleatoare nerepetate, deoarece, prin
alocarearea unui număr aleator fiecărei unităţi din baza de sondaj, se elimină situaţiile în care o
unitate poate apărea de mai multe ori în eşantion.

Procedeul selecţiei sistematice asigură o selecţie cvasialeatoare deoarece numai prima


unitate se extrage la întâmplare, după care celelalte sunt extrase adăugând un pas fix de numărare.

Se porneşte de la lista tuturor unităţilor care compun colectivitatea generală şi se determină


pasul de numărare, egal cu inversul fracţiei de sondaj:

N
p
n
În continuare, se generează un număr aleator cuprins între 1 şi p şi se extrage unitatea din
primele p unităţi ale bazei de sondaj. Celelalte unităţi care vor fi cuprinse în eşantion sunt
determinate de pasul de numărare.

Eşantionul de n unităţi este format din prima unitate extrasă la întâmplare şi din celelalte n – 1
unităţi determinate prin adăugarea succesivă a pasului de numărare la numărul de ordine al primei
unităţi. De exemplu, dacă N /n = 20 şi prima unitate extrasă corespunde numărului 7, atunci vor fi
cuprinse în eşantion: 7, 27, 47, 67, .... .

În practică, pentru utilizarea selecţiei sistematice se recomandă mai întâi sortarea crescătoare
a bazei de sondaj în funcţie de o variabilă puternic corelată cu variabilele de interes ale cercetării prin
sondaj, cât mai actuală. Această sortare asigură o stratificare implicită a eşantionului, dând
posibilitatea selectării unităţilor din toate categoriile de mărime.

Sondajele empirice sunt sondaje non-probabiliste, deoarece nu se poate stabili aprioric care
este probabilitatea de incluziune a fiecărei unităţi eşantionate. Acest fapt este cauzat de absenţa bazei
de sondaj, situaţie care poate fi compensată prin instrucţiunile date operatorilor de interviu pentru a
limita distorsiunile introduse în selecţia unităţilor de sondaj, distorsiuni induse fie de factorul uman care
efectuează selecţia, fie de algorimul utilizat, spre exemplu, în sondajele on-line sau telefonice.

Sondajele empirice se bazează pe informaţii fiabile asupra colectivităţilor supuse observării şi


pe operatori de interviu bine formaţi, care nu introduc distorsiuni sistematice. De asemenea, sunt
intens utilizate variabile de control pentru o eventuală stratificare a posteriori în scopul ameliorării
estimaţiilor. În final, precizia se calculează ca şi cum selecţia este aleatorie.

218
Sondajele empirice sunt larg utilizate datorită operativităţii şi costurilor reduse. Prin metodele
de selecţie, statisticianul se asigură că ele se apropie de idealul metodelor probabiliste. De asemenea,
având la dispoziţie o serie de indicatori statistici ai populaţiilor supuse observării – indicatori statistici
proveniţi, de regulă, din sistemul statisticii oficiale, cum ar fi populaţia pe vârste, sexe, medii de
rezidenţă, localităţi – statisticianul poate aproxima probabilităţile de incluziune ale unităţilor selectate în
eşantion.

Există două principale metode de selecţie utilizate în sondajele empirice: metoda cotelor, cu
varianta sa a “itinerariilor”, şi metoda unităţilor-tip. De asemenea, mai există metoda voluntarilor, dar
pe care nu o vom trata în cele ce urmează.

Metoda cotelor constă în stabilirea structurii eşantionului proporţional cu anumite


caracteristici ale colectivităţii generale, cunoscute fie din statisticile oficiale publicate, fie din alte
cercetări statistice de mare volum şi cu o precizie ridicată a estimaţiilor. Spre exemplu, dacă populaţia
ţării este formată din 44% bărbaţi şi 56% femei, atunci eşantionul nostru trebuie să conţină bărbaţi şi
femei exact în aceleaşi proporţii. De asemenea, dacă aceeaşi populaţie se regăseşte în proporţie de
45% în mediul rural şi 55% în mediul urban, eşantionul trebuie să reflecte aceste proporţii. Pe lângă
aceste caracteristici se pot adăuga şi altele, cum ar fi grupele de vârstă, categoria socio-ocupaţională
(salariat, persoană cu profesii liberale, pensionar, elev sau student, casnic(ă) etc.).

De regulă, volumul eşantioanelor utilizate de institutele de sondare a opiniei publice este de


cca. 1200 de persoane de 18 ani şi peste. Chiar dacă operatorul a primit instrucţiuni foarte stricte de
asigurare a caracterului aleatoriu al selecţiei persoanelor, el are încă libertatea de alege locuinţele şi
persoanele pe care le va intervieva, preocuparea sa fiind şi aceea de a respecta cotele alocate. De
aceea, în cazul în care la o anumită adresă nu răspunde nimeni sau o persoană refuză interviul el va
căuta o altă adresă, o altă persoană până când cotele sale vor fi completate. În sondajele probabiliste,
în cazul unui refuz sau imposibilităţii contactării, este complet interzisă înlocuirea unităţii care nu
răspunde deoarece caracterul aleatoriu al selecţiei este compromis.

Problemele cotelor se complică atunci când ele sunt încrucişate, deoarece există riscul ca
unele dintre ele să se epuizeze rapid, în sensul că acele cote care sunt construite pe caracteristici mai
frecvente pot fi completate mai rapid decât altele mai rar întâlnite, cum ar fi în cazul profesiilor liberale,
spre exemplu.

Sondajul pe cote este, cu adevărat, o fotografie la scară redusă a colectivităţii generale,


ceea ce induce sentimentul că eşantionul este “reprezentativ”. Estimaţiile obţinute pe eşantion sunt,
practic, ceea ce ne aşteptăm să observăm la nivelul întregii colectivităţi. Precizia acestor estimaţii este
asimilată cu cea obţinută dintr-un eşantion cu adevărat aleator, cum este cel simplu aleator fără
revenire.

Metoda itinerariilor se completează, în cercetările statistice, cu metoda cotelor. În metoda


cotelor, operatorul are o oarecare libertate de a-şi alege respondenţii. În schimb, în metoda
itinerariilor, operatorul are un consemn clar de a urma un anumit traseu cu ajutorul unor hărţi sau prin
indicarea străzilor, arterelor de circulaţie, a părţii acestora – numerele impare, numerele pare – pe
care să le parcurgă şi să asigure completarea cotelor alocate. Aceste itinerarii sunt alese aleator sau
pot fi indicate după anumite reguli.

Metoda unităţilor-tip este, poate, cea mai empirică metodă din setul celor expuse aici. Ea
constă în desemnarea uneia sau mai multor unităţi “medii”, care posedă un număr de caracteristici
definitorii şi întâlnite la majoritatea colectivităţii generale. În felul acesta, se condideră că unităţile-tip
sunt “reprezentative” pentru colectivitatea respectivă. Alegerea este cel puţin parţial subiectivă şi se
bazează pe un pariu, în sensul că se prespune că unităţile-tip au un comportament similar cu cel al
colectivităţii generale şi, în consecinţă, se pot face generalizări fără riscuri prea mari de a greşi. După

219
ce caracteristicile unităţilor-tip au fost stabilite, alegerea propriu-zisă nu se face complet aleatoriu,
deoarece rezultatele finale pot fi încă şi mai dezastruoase, aşa cum în unele situaţii practice şi de
notorietate s-a întâmplat.

10.4 Erorile sondajului statistic


Prin organizarea unui sondaj statistic se urmăreşte, cel mai adesea, estimarea indicatorilor
unei colectivităţi de mare amploare, pentru determinarea cărora nu este posibilă sau nu se justifică
organizarea unei cercetări exhaustive, pornind de la indicatorii calculaţi pe baza datelor eşantionului.

Trebuie acceptată situaţia că oricât de corectă ar fi făcută eşantionarea, valorile rezultate din
prelucrarea datelor aferente eşantionului se abat de la cele determinate pe baza datelor înregistrate
pentru colectivitatea generală. De asemenea, niciodată un eşantion planificat nu coincide cu cel
realizat, cu datele rezultate din observare.

Erorile de sondaj (de selecţie) se consideră diferenţele care există între valorile oricărui
indicator calculat pe baza datelor eşantionului şi valorile aceluiaşi indicator determinate pe baza
datelor aferente colectivităţii generale. În cadrul sondajului statistic se disting două feluri de erori:

- erori de înregistrare, comune tuturor tipurilor de observări statistice;

- erori de reprezentativitate, specifice cercetării prin sondaj.

Erorile de înregistrare care intervin în cazul sondajului statistic sunt de mai mică amploare
comparativ cu cele în cazul unei înregistrări totale. Aceasta, datorită faptului că volumul datelor
înregistrate este semnificativ mai mic, iar culegerea datelor se realizează de un personal de
specialitate.

Erorile de reprezentativitate sunt specifice sondajului statistic. Ele pot fi erori sistematice şi
erori întâmplătoare.

Erorile de reprezentativitate sistematice se concretizează în abateri de la realitate întrun


singur sens. Această grupă de erori se datorează nerespectării principiilor pe care se fundamentează
sondajul statistic. Printre principalele cauze care pot duce la apariţia erorilor sistematice menţionăm:

- alegerea deliberată a unor unităţi considerate reprezentative;

- selectarea preferenţială a acelor unităţi care să ducă la rezultatul dorit de cercetător;

- baze de sondaj incomplete;

- rată mare de non-răspunsuri;

- volumul redus al eşantionului.

Aceste erori pot fi evitate dacă se respectă întocmai principiile teoriei selecţiei.

Erorile de reprezentativitate întâmplătoare nu pot fi evitate, chiar dacă se respectă toate


regulile sondajului statistic. Aceasta deoarece, pe de o parte, prin numărul mic de unităţi care compun
eşantionul nu se pot reproduce întocmai toate trăsăturile esenţiale ale colectivităţii generale şi, pe de
altă parte, nu putem investiga decât un eşantion din cele pe care le putem extrage din colectivitatea
generală.

Erorile de reprezentativitate întâmplătoare, deşi nu pot fi evitate, ele pot fi calculate cu


anticipaţie, dacă selecţia este probabilistică. Parametrii colectivităţii generale se estimează pe baza
indicatorilor obţinuţi din prelucrarea datelor eşantionului cu o anumită eroare întâmplătoare de
reprezentativitate.

220
Eroarea de reprezentativitate se determină de cele mai multe ori pe baza diferenţei dintre
media eşantionului ( x ) şi media colectivităţii generale ( X ). Se consideră că un eşantion este
reprezentativ dacă eroarea se încadrează în intervalul ± 5% , ceea ce înseamnă că:

x X
 5% (10.1)
X
Determinarea erorii de reprezentativitate pe baza relaţiei 10.1 presupune să se cunoască
media colectivităţii generale, ceea ce presupune că s-a recurs, anterior, la o observare totală. De cele
mai multe ori sondajul statistic înlocuieşte o cercetare totală, deci nu se cunosc parametrii acesteia
(media, dispersia etc). În asemenea situaţii se recomandă, în vederea verificării eficacităţii
eşantionului, compararea mediei de sondaj cu media din baza de sondaj, în ipoteza că în baza de
sondaj dispunem cel puţin de o variabilă importantă care este corelată cu variabila de interes a
cercetării statistice.

Extragerea a două eşantioane de volum diferit şi compararea mediilor celor două eşantioane
este o altă soluţie, însă compararea cu baza de sondaj este cea mai firească şi mai relevantă,
deoarece există un risc – minim, dar prezent – ca cele două eşantioane să fie ambele distorsionate. În
plus, este foarte puţin probabil ca cel care suportă costurile cercetării prin sondaj să fie de acord să
finanţeze realizarea ei pe două eşantioane diferite pentru raţiuni metodologice, de verificare a egalităţii
mediilor de sondaj.

Dacă diferenţa dintre media de sondaj şi cea din baza de sondaj nu este semnificativă (de
peste 5%), atunci eşantionul poate fi folosit pentru estimarea parametrilor colectivităţii generale. În
cazul în care diferenţa este semnificativă se recomandă extragerea unui alt eşantion (diferit de primul),
extragere care se poate repeta până când se obţine un eşantion convenabil obiectivelor stabilite,
acceptând ipoteza că eşantionul rezultat va reflecta corect comportamentele din colectivitatea
generală. În selectarea eşantionului şi în stabilirea volumului acestuia se vor avea în vedere modul în
care se doreşte publicarea rezultatelor, la nivelul de dezagregare cel mai scăzut, astfel încât
subeşantioanele să fie consistente la acele niveluri, adică volumul lor să fie de minim 50 de unităţi.
Altfel, există riscul ca estimaţiile să nu poată fi garantate cu nivelul de precizie stabilit aprioric.

10.5 Eroarea medie si eroarea limită


Eroarea de reprezentativitate este diferenţa dintre media eşantionului şi media colectivităţii
generale. Dar, teoretic, dintr-o colectivitate generală de volum egal cu N se pot extrage succesiv mai
n
multe eşantioane de acelaşi volum n. Numărul eşantioanelor posibile de format este egal cu N în
n
cazul sondajului repetat şi cu C N în cazul sondajului repetat. Fiecare eşantion va fi definit de media

x̂ s şi de dispersia  s2 calculate pentru caracteristica sau caracteristicile care interesează, unde s ia


n n
valori cuprinse între 1 şi N în cazul sondajului simplu aleator repetat şi între 1 şi C N în cazul
sondajului aleator simplu nerepetat. şi dispersia. Mediile de selecţie diferă între ele şi ca urmare şi
erorile de reprezentativitate xˆ s  X vor fi diferite de la un eşantion la altul.

Dacă se iau în considerare toate eşantioanele posibile de un anumit volum n, se remarcă

faptul că mediile de selecţie x̂ s se distribuie normal faţă de media care coincide cu media colectivităţii
generale, care are frecvenţa cea mai mare de apariţie. Mai mult, într-un sondaj simplu aleator, media
mediilor de sondaj coincide cu media colectivităţii generale. Dar cum nu se cunoaşte care din
eşantioanele posibile a fost extras, nu se cunoaşte eroarea de reprezentativitate aferentă.

221
În aceste condiţii, se recurge la estimarea erorii medii de reprezentativitate sau a mediei
pătratice a erorilor de reprezentativitate, notată cu  x̂ .
Eroarea medie de reprezentativitate se calculează ca o abatere medie pătratică a tuturor
mediilor de selecţie de la media colectivităţii generale.

 xˆ 
S
2
s X  ns
 xˆ  s 1
S
(10.2)
n
s 1
s

unde :

- S − numărul eşantioanelor posibile

- n s − frecvenţa mediilor de selecţie posibile

În cazul unui sondaj aleator simplu nerepetat, în care numărul total al eşantioanelor posibile
n
este C N , eroarea medie de reprezentativitate este:

C Nn

 xˆ  2
s X
 xˆ  s 1

C Nn
Eroarea medie de reprezentativitate se poate calcula anticipat, pornind de la relaţia dintre
dispersia colectivităţii generale (  u ), dispersia mediilor de selecţie de la media colectivităţii generale
2

(  x̂ ) şi volumul eşantionului ( n ).
2

În cazul selecţiei simple repetate această relaţie pentru o variabilă numerică este:

 u2 =  x2ˆ  n (10.3)

Eroarea medie de reprezentativitate se estimează pe baza relaţiei:

 u2
 xˆ  (10.4)
n
ceea ce înseamnă că mărimea erorii este direct proporţională cu dispersia colectivităţii
generale şi invers proporţională cu volumul eşantionului. Deci, cu cât împrăştierea valorilor individuale
în jurul mediei este mai pronunţată cu atât eroarea este mai mare, iar cu cât volumul eşantionului este
mai mare cu atât eşantionul este mai reprezentativ şi, implicit, eroarea de reprezentativitate este mai
mică.

Aplicarea relaţiei (10.4) presupune să se cunoască dintr-o cercetare totală anterioară


dispersia colectivităţii generale, situaţie foarte rar întâlnită în practica organizării unui sondaj statistic.

Dacă nu se cunoaşte  u2 , iar eşantionul este suficient de mare, se acceptă ipoteza că


2
dispersia eşantionului extras ( s ) poate caracteriza suficient de corect variaţia în cadrul colectivităţii
generale. Eroarea medie de reprezentativitate se estimează, în acest caz, pe baza relaţiei :

222
s2
ˆ xˆ  (10.5)
n
1 n
unde s 2   ( xi  xˆ ) 2 , adică varianţa corectată calculată din eşantion.
n  1 i 1
Pentru calculul erorii medii de reprezentativitate în cazul selecţiei simple repetate pe o
variabilă alternativă, relaţiile (10.4) şi (10.5) se particularizează, ţinând seama că media (proporţia)
M N
p şi că dispersia colectivităţii generale este  u   p  (1  p) , dispersia proporţiei
2

N N 1
estimate pe baza proporţiei (necunoscute) din colectivitatea generală este:

N p  (1  p )
p   (10.6)
N 1 n
Având în vedere faptul că dispersia din colectivitatea generală este estimată de dispersia din
n
eşantion s pˆ   pˆ  (1  pˆ ) , putem estima dispersia proporţiei estimate conform relaţiei
2

n 1

pˆ  (1  pˆ )
ˆ pˆ  (10.7).
n 1
În cazul selecţiei simple nerepetate o unitate poate intra o singură dată în eşantion şi, ca
urmare, eşantioanele sunt mai reprezentative decât în cazul selecţiei repetate, ceea ce înseamnă că
eroarea este mai mică. Acest fapt se reflectă în relaţia de calcul a erorii medii de reprezentativitate
N n
prin introducerea unui coeficient de corecţie: . Dacă volumul colectivităţii generale este foarte
N 1
n
mare se renunţă la "1" din numitorul raportului, iar coeficientul menţionat este 1  .
N
Eroarea medie de reprezentativitate pentru sondajul nerepetat se calculează pe baza relaţiilor:

 u2  n
 xˆ   1   (10.8)
n  N
respectiv:

s2  n
ˆ xˆ   1   (10.9)
n  N
dacă nu se cunoaşte dispersia colectivităţii generale, ceea ce se întâmplă, de regulă, în
realitate deoarece, dacă am cunoaşte parametrii colectivităţii generale, nu ar mai fi fost nevoie de o
cercetare prin sondaj.

În cazul unei variabile alternative, eroarea medie de reprezentativitate se determină pe baza


relaţiilor:

N p  (1  p)  n
p   1   (10.10)
N 1 n  N
dacă se cunoaşte proporţia din colectivitatea generală şi, dacă se cunoaşte numai proporţia
din eşantion,:

223
n pˆ  (1  pˆ )  n pˆ  (1  pˆ )  n
ˆ pˆ   1    1   (10.11)
n 1 n  N n 1  N 
În practică se consideră că un eşantion este reprezentativ dacă abaterea medie de selecţie de
la media colectivităţii generale (eroarea de reprezentativitate) este cuprinsă între ± 5% . Aceasta
înseamnă că interesează mai puţin eroarea medie de reprezentativitate, ci abaterea cea mai mare
(eroarea limită) care poate să apară între media eşantionului şi media colectivităţii generale.

Eroarea limită de reprezentativitate (  x ) se determină ca o abatere a mediei de selecţie de


la media colectivităţii generale garantată cu suma probabilităţilor corespunzătoare limitelor intervalului
de variaţie.

Eroarea limită se calculează ca un produs dintre eroarea medie de reprezentativitate ( ̂ x ) şi


argumentul z sau t corespunzătoare funcţiei de probabilitate Φ(z) (funcţia normală) sau Φ(t) (funcţia
Student).

Eroarea limită se calculează astfel:

- pentru o variabilă numerică:

 x  z  x (10.12)

- pentru o variabilă alternativă:

 p  z   pˆ (10.13)

Relaţiile (10.12) şi (10.13) se particularizează pentru selecţia simplă repetată şi nerepetată


ţinând seama de relaţiile de calcul pe baza cărora se calculează eroarea limită.

Argumentul probabilităţii z se obţine din tabelul întocmit pentru funcţia GaussLaplace şi


depinde de probabilitatea cu care se garantează rezultatele sondajului pentru care s-a optat. Dacă de
exemplu se optează pentru o probabilitate de 95%, atunci z = 1.96 şi, respectiv, z = 3 dacă
probabilitatea care se foloseşte este 99,73%.

Din relaţiile (10.12) şi (10.13) se observă faptul că eroarea limită este direct proporţională cu
probabilitatea cu care se garantează rezultatele şi invers proporţională cu precizia acestora.

Pentru a ilustra posibilităţile de cunoaştere oferite de indicatorii sondajului prezentat,


prezentăm exemplele următoare.

Exemplul 10.1 – Calculul intervalului de încredere al estimaţiei de medie pentru o


variabilă numărică obţinută printr-un sondaj aleator simplu nerepetat (SASNR)
Presupunem că managerul unei firme cu 2000 de muncitori a dispus organizarea unui studiu cu
privire la folosirea timpului de lucru într-un schimb. Eşantionul pentru care s-au înregistrat date a
fost de 5% (n = 100).
Programul de observare selectivă a cuprins, pe lângă alte caracteristici, şi timpul nelucrat în cadrul
unui schimb exprimat în minute. Rezultatele sistematizării muncitorilor după timpul nelucrat se
prezintă în tabelul următor:

224
Tabelul 10.2 – Repartizarea muncitorilor după timpul nelucrat

Grupe după timpul nelucrat (minute) Numărul muncitorilor


Sub 10 15
10 – 14 25
14 – 18 30
18 – 22 15
22 – 26 10
26 şi peste 5
Total 100

Caracterizarea sintetică a eşantionului prin prisma timpului nelucrat presupune cunoaşterea


mediei şi dispersiei valorilor individuale.

 Media eşantionului:
6

x i  ni
1580
xˆ  i 1
6
  15,80 minute
100
n
i 1
i

 Dispersia eşantionului:

 
6
1 2956
  xi  xˆ 
2
s2   29,9
n  1 i 1 99
Coeficientul de variaţie ( Cv ) este egal cu 34,6%, ceea ce înseamnă că eşantionul poate fi
considerat relativ omogen, iar media timpului nelucrat de 15,8 minute relativ reprezentativă, fapt
pe care va trebui să îl verificăm.

În condiţiile în care dispersia colectivităţii generale (  u2 ) nu se cunoaşte, ea poate fi estimată prin


dispersia eşantionului.
Intrucât pentru formarea eşantionului s-a recurs la o selecţie nerepetată, iar rezultatele sondajului
se garantează cu o probabilitate egală cu 99,73%, eroarea medie de reprezentativitate şi eroarea
limită se calculează astfel:

 eroarea medie de reprezentativitate:

s2  n 29,9  100 
x   1     1    0,53 minute
n  N 100  2000 
Înseamnă că media unui eşantion n = 100 se abate în medie cu 0,54 minute de la media timpului
nelucrat a celor 2000 de muncitori.

 eroarea limită:

s2  n
 x  z 99,73   x  z 99,73   1    3  (0,53)  1,6 minute
n  N

225
În tabelele întocmite pentru repartiţia normală, valoarea parametrului z corespunzătoare
probabilităţii de 99,73% este egal cu 3.
Aceasta înseamnă că abaterea cea mai mare care poate apare între media eşantionului şi media
colectivităţii generale este de ±1,60 minute. Putem concluziona că intervalul de încredere a mediei
pe muncitor a timpului nelucrat este cuprins între 15,80 – 1,60 minute şi 15,80 + 1,60 minute,
adică în intervalul (14,20 ; 17,40).

1,60
În termeni procentuali, eroarea limită relativă este de  100  10,1% .
15,80

Cu alte cuvinte, eşantionul garantează că eroarea maximă a mediei timpului nelucrat este de
 10,10% cu o probabilitate de 99,73%.

Dacă am fi dorit să garantăm o eroare limită cu o probabilitate de 95%, valoarea parametrului z


este 1,96, iar eroarea limită ar fi fost:

s2  n
 x  z 95   x  z 95   1    1,96  (0,53)  1,04 minute.
n  N

În termeni procentuali, eroarea limită relativă ar fi fost de  6,61% .

Putem observa, astfel, că precizia creşte pe măsură ce probabilitatea de garantare scade, însă
creşte şi riscul de a obţine estimaţii în afara intervalului de încredere aprioric stabilit. În plus, dacă
dorim să garantăm cu o probabilitate de 95% ca media să se abată cu doar  5% de la media
colectivităţii generale, dar necunoscută, atunci trebuie să creştem volumul eşantionului.

În exemplul următor prezentăm modul de calculul al erorii limită pentru estimarea unei
proporţii, pe baza datelor din Exemplul 10.1.

Exemplul 10.2 – Calculul intervalului de încredere al estimaţiei de medie pentru o


variabilă alternativă obţinută printr-un sondaj aleator simplu nerepetat (SASNR)
Variabila nealternativă în funcţie de care s-a construit distribuţia muncitorilor prezentată în
Tabelul 10.2 poate fi transformată într-o variabilă alternativă dacă se judecă timpul nelucrat de
către fiecare muncitor în raport cu media.
Dacă interesează, de exemplu, care este proporţia muncitorilor din colectivitatea generală la care
timpul nelucrat depăşeşte media, se procedează astfel, pornind de la datele eşantionului:

 Calculul mediei eşantionului


Proporţia muncitorilor al căror timp nelucrat este mai mare decât media de 15,8 minute este dată
de numărul acestora raportat la numărul total de muncitori din eşantion. Cum media este
cuprinsă în intervalul 14 – 18, este imposibil să aflăm numărul lor exact. Dacă vom considera însă
că cei 30 de muncitori sunt uniform distribuiţi în acest interval, numărul celor care au depăşit
media timpului nelucrat trebuie să fie proporţional cu raportul dintre diferenţa faţă de medie a
226
18,0  15,8
limitei superioare a intervalului şi mărimea intervalului:  0,55 . Astfel, concluzionăm
4,0
că 30*0,55 dintre muncitori au depăşit media timpului nelucrat în acest interval, adică aproximativ
17. Ei se adaugă la cei din intervalele superioare (15+10+5), adică sunt în total 47 de muncitori
din cei 100. Cu alte cuvinte, media eşantionului, adică proporţia celor care au depăşit media
timpului nelucrat este:

47
pˆ   0,47 sau 47%.
100
 Calculul dispersiei din eşantion:

pˆ  (1  pˆ )  n  0,47  (1  0,47)  100 


 p2ˆ  1    1    0,00239
n 1  N  99  2000 
 eroarea limită, dacă Φ(z)= 0,9973 , z =3 este:

 pˆ  z   pˆ  3  0,00239  3  0,0489  0,1467 sau 14,67 puncte procentuale.

Prin rotunjire, putem spune că proporţia muncitorilor din eşantion al căror timp nelucrat
depăşeşte media de 15,8 minute (47%) se abate de la proporţia existentă în colectivitatea generală
cu cel mult 14,7 puncte procentuale cu o probabilitate de 99,73%. Cu alte cuvinte, intervalul de
încredere al proporţiei muncitorilor care au un timp nelucrat peste medie este cuprins între 32,3%
şi 61,7%.
Eroarea limită relativă de reprezentativitate se calculează ca raport între eroarea limită de
reprezentativitate şi estimaţia punctuală obţinută. În cazul nostru,

p 14,7
%pˆ   100   100  31,2%
pˆ 47

De regulă, eroarea relativă acceptată este de 5%. Eroarea relativă de mai sus este substanţială,
inacceptabilă în condiţii reale. Ea este determinată, pe de o parte, de variabilitatea crescută a
variabilei studiate şi, pe de altă parte, de dimensiunea redusă a eşantionului. Ca urmare, singura
posibilitate de a asigura o precizie mai bună constă în mărirea eşantionului.

Din exemplul de mai sus am văzut că există o diferenţă între eroarea limită de
reprezentativitate şi eroarea limită relativă de reprezentativitate. Această diferenţă este foarte
importantă atunci când se interpretează rezultatele unui sondaj în care se calculează proporţii
exprimate procentual. De aceea, considerăm necesară formularea unor precizări legate de modul de
prezentare a erorii limită – admisă sau calculată – în cazul exprimării procentuale a unor proporţii.

De cele mai multe ori, atunci când sunt date publicităţii rezultatele unui sondaj de opinie al
căror eşantion cuprinde aproximativ 1200 de persoane, formularea standard din raportul tehnic este :
„Rezultatele sunt garantate cu o probabilitate de 95% pentru o eroare de  3%”. Cei care citesc
raportul studiului şi văd proporţiile din tabele sau grafice, în mod instinctiv construiesc intervalele de
încredere scăzând sau adăugând cele 3 procente la proporţiile publicate. Însă eroarea respectivă
este, de fapt, o diferenţă – maxim acceptabilă din punct de vedere teoretic – între proporţiile estimate

227
şi cele care se presupun a se regăsi în colectivitatea generală, proporţii care sunt exprimate
procentual. În acest caz, „3%” nu se citeşte „3 la sută” ci „3 puncte procentuale”. Eroarea şi confuzia
sunt generate, de fapt, de autorii rapoartelor tehnice. Dacă am interpreta în sens clasic eroarea de
3%, care este o rată, diferenţele pe care ar trebui să le adunăm sau să le scădem la/din proporţiile
rezultate ar trebui să fie egale cu 3% din proporţiile respective. În cazul nostru, spre exemplu, potrivit
interpretării erorii ca rată, la proporţia de 47% nu ar fi trebuit să adăugăm sau să scădem 14,67 puncte
procentuale, ci 14,67% din 47%, adică doar 6,89 puncte procentuale.

Pentru ilustrarea modului de calcul al intervalului de încredere pentru o proporţie


rezultată dintr-un sondaj de opinie, prezentăm exemplul de mai jos.

Exemplul 10.3 – Calculul intervalului de încredere al proporţiei din sondajele la ieşirea de


la urne (exit-poll)
La alegerile prezidenţiale din decembrie 2009, mai multe institute de cercetare a opiniei publice au
realizat sondaje la ieşirea de la urne. O parte din institute l-au indicat drept câştigător pe Traian
Băsescu, iar altele pe Mircea Geoană. Fiecare dintre institutele care au realizat separat sondajul la
urne au afirmat că rezultatele lor sunt garantate într-un interval de  1,5% cu o probabilitate de
95%, mai precis cu o eroare maximă de  1,5 puncte procentuale faţă de rezultate publicate. În
final, după numărătoarea voturilor valabil exprimate, Traian Băsescu a obţinut 50,3% din voturi,
iar Mircea Geoană 49,7%.
Care a fost eroarea reală, pe baza rezultatelor fiecărei categorii de institut şi a mărimii eşantionului
utilizat de acestea ?
Pentru facilitatea calculelor, vom considera că mărimea populaţiei cu drept de vot – cea care
reprezintă colectivitatea generală (N) – este de 17 milioane persoane. De asemenea, pentru
motive didactice, vom considera că mărimea eşantioanelor intervievate de fiecare institut (n) a
fost de aproximativ 12000 persoane.
Mai întâi, să prezentăm rezultatele date publicităţii de aceste institute la ora 21:00 în ziua de 6
decembrie 2009:
Tabelul 10.3 – Rezultatele sondajului la ieşirea de la urne în turul II al alegerilor prezidenţiale din 6
decembrie 2009
Voturi exprimate pentru (%):
Grupa de institute
Traian Băsescu (50,3) Mircea Geoană (49,6)
A 50,4 49,6
Interval de încredere teoretic 48,9 51,9 48,1 51,1
B 49,0 51,0
Interval de încredere teoretic 47,5 50,5 49,5 52,5

Pornind de la precizia anunţată, de  1,5 puncte procentuale faţă de rezultate publicate, procentul
institutelor din grupa A s-ar fi situat între 48,9% şi 51,9% pentru Traian Băsescu şi între 48,1% şi
51,1% pentru Mircea Geoană, iar pentru institutele din grupa B între 47,5% şi 50,5% pentru
Traian Băsescu şi între 49,5% şi 52,5% pentru Mircea Geoană. Aşadar, pentru ambele categorii de
institute rezultatele finale s-au situat în intervalele de încredere, însă institutele din grupa A au

228
avut o precizie mai bună decât cele din grupa B, deoarece eroarea de reprezentativitate, adică
diferenţa dintre media de sondaj şi cea a colectivităţii generale, a fost mai mică.
Acestea sunt diferenţele rezultate pe baza erorilor teoretice comunicate de institutele respective.
Să vedem, totuşi, care au fost erorile rezultate din datele de sondaj.
În primul rând, să calculăm erorile medii de reprezentativitate pentru fiecare dintre categoriile de
institute. Potrivit relaţiei (10.11), eroarea medie de reprezentativitate este:

 Pentru institutele din categoria A:

50,4  (100  50,4)  12000 


 pˆ / A  1  6 
 0,46 puncte procentuale
12000  1  17  10 

 Pentru institutele din categoria B:

49  (100  49)  12000 


 pˆ / A  1    0,46 puncte procentuale
12000  1  17  10 6 

După cum se poate constata, eroarea medie de reprezentativitate este aceeaşi în ambele cazuri.
Mai departe, pentru o probabilitate de garantare a rezultatului de 95%, eroarea limită de
reprezentativitate se calculează potrivit relaţiei (10.13).

 p  z   pˆ  1,96 * 0,46  0,89 puncte procentuale

Eroarea limită de reprezentativitate este de  0,89 puncte procentuale pentru ambele categorii de
institute. Aplicând acest rezultat la estimaţiile fiecărei categorii de institut, intervalele de încredere
ar fi fost:
Tabelul 10.4 – Intervalele de încredere ale rezultatelor sondajului la ieşirea de la urne în turul II al alegerilor
prezidenţiale din 6 decembrie 2009
Traian Băsescu (50,3%) Mircea Geoană (49,7%)
Grupa de
institute Limita Limita Limita Limita
inferioara superioara inferioara superioara
A 49,5 51,3 48,7 50,5
B 48,1 49,9 50,1 51,9

Pe baza acestui exemplu didactic – în ceea ce priveşte volumele eşantioanelor, mărimea


colectivităţii generale şi gruparea institutelor după modul în care au indicat câştigătorul alegerilor
prezidenţiale – observăm că rezultatele finale nu se încadrează în intervalele de încredere calculate
pentru institutele din grupa B. Dacă aceasta ar fi fost situaţia reală, existenţa unor limite de
interval foarte aproape sau egale cu 50% ar fi trebuit să constituie un semnal pentru verificarea
extrem de atentă a datelor din teren, astfel încât să se poată identifica câştigătorul alegerilor.

229
10.6 Tipuri de sondaje folosite frecvent in practica statistică
În practica statistică se pot aplica mai multe tipuri de sondaje în funcţie de gradul de
omogenitate al colectivităţii studiate şi de forma de organizare a acesteia. Cel mai frecvent se folosesc
următoarele tipuri:

a) sondajul aleator (întâmplător) simplu repetat (SASR) sau nerepetat (SASNR);


b) sondajul stratificat;
c) sondajul în trepte;
d) sondajul de serii.

10.6.1 Sondajul aleator simplu


Sondajul aleator simplu repetat sau nerepetat este recomandat pentru cazurile în care
colectivitatea generală este omogenă. În vederea formării eşantionului se extrag aleator unităţi simple,
prin procedeul repetat sau nerepetat.

Într-un sondaj aleator simplu (repetat sau nerepetat) al cărui eşantion este de volum n, iar
colectivitatea generală este de mărime N, probabilitatea de incluziune a oricărei unităţi i este:

n
i  (10.14)
N
Astfel, dacă dintr-o grupă de 20 de studenţi dorim să selectăm aleator 5 studenţi,
probabilitatea de incluziune în cazul unui sondaj aleator simplu este egală cu fracţia de sondaj, adică
5/20 = 1/4. Cu alte cuvinte, vom selecta aleator un student din 4.

În partea introductivă a acestui capitol am văzut că o etapă importantă în proiectarea planului


de sondaj este formularea estimatorilor, ca pas premergător extinderii (estimării) rezultatelor.
Extinderea rezultatelor, într-un sondaj, este de neconceput în absenţa probabilităţilor de incluziune.

Estimatorul de total, atunci când observăm valorile unei variabile de interes X este:

x
Tˆ ( X ) =  i , (10.15)
is i
unde:

- i este probabilitatea de incluziune din relaţia (10.14);

- xi sunt valorile variabilei observate;

- s este eşantionul de volum i.


Înlocuind în relaţia (10.15) probabilitatea de incluziune, obţinem:

x x x
Tˆ ( X )   i   i  N   i  N  xˆ , (10.16)
is  i is n is n
N
unde x̂ este media aritmetică simplă obţinută din eşantionul s .

230
Să remarcăm faptul că totalul estimat din eşantion este obţinut prin multiplicarea cu N, fiind
deci necesară cunoaşterea mărimii colectivităţii generale.

Întrucât Tˆ ( X )  N  xˆ , este logic să alegem ca estimator de medie pentru un sondaj aleator


simpu:

Tˆ ( X ) N  xˆ
x i
xˆ    is
(10.17)
N N n
Fără a intra în detalii, vom spune că estimatorii de total şi de medie sunt estimatori
nedeplasaţi (fără erori sistematice) ai totalului şi mediei colectivităţii generale. Cu alte cuvinte, dacă
am extrage toate eşantioanele posibile din colectivitatea generală de volum N, media totalurilor şi
media mediilor din toate aceste eşantioane vor coincide cu totalul şi media colectivităţii generale.

Cum însă, de regulă, putem studia un singur eşantion, este rezonabil să considerăm că media
şi totalul dintr-un eşantion simplu aleator vor aproxima suficient de bine cei doi parametri ai
colectivităţii generale. Aproximarea, însă, se face prin estimarea intervalului de încredere în care se
află cele două estimaţii. Ca urmare, trebuie să calculăm eroarea medie de reprezentativitate ( ˆ x̂ ) şi

eroarea limită (  x )pe baza formulelor 10.4 – 10.13.

După cum am văzut, eroarea medie de reprezentativitate estimată pentru un estimator de


medie este:

s2
ˆ xˆ  în cazul SASR şi
n

s2  n
ˆ xˆ   1   în cazul SASNR.
n  N
Eroarea medie de reprezentativitate estimată pentru un estimator de total este:

 în cazul SASR

s2
ˆ xˆ  N  (10.18)
n
 în cazul SASNR:

s2  n
ˆ xˆ  N   1   (10.20)
n  N
Calculul erorii limită pentru estimatorul de total este similar cu cel al estimatorului de medie.

10.6.2 Sondajul stratificat


Sondajul stratificat se recomandă în situaţia în care colectivitatea este neomogenă. În acest
caz se separă unităţile simple pe straturi (grupe) mai omogene după o variabilă calitativă sau
cantitativă. Dacă, de exemplu, colectivitatea generală este formată din totalitatea agenţilor economici,
în vederea separării pe straturi (grupe, tipuri) s-ar putea folosi caracteristici ca: domeniul de activitate,
numărul angajaţilor, cifra de afaceri etc.

231
Eşantionul se formează prin extragerea din fiecare strat a unui număr de unităţi simple
(subeşantioane de volum ni), fapt ce conduce la o mai mare reprezentativitate, şi, ca atare, la erori mai
mici.

Principiul sondajului stratificat constă în delimitarea colectivităţii generale în H grupe G1, G2,
G3, ...., GH, fiecare de mărime N1, N2, N3, ...., NH astfel încât
H H
N   N h , iar n   nh
h 1 h 1

Eroarea de reprezentativitate şi eroarea limită se calculează ţinând cont nu de variaţia în


colectivitatea generală (  u ) sau la nivelul întregului eşantion ( ˆ x̂ ) ci de variaţia la nivelul fiecărui
2

strat (grupe). Caracterizarea variaţiei la nivelul fiecărui strat presupune determinarea dispersiei fiecărei
grupe sau strat ( ˆ i ).
2

Variaţia din toate grupele (straturile) se sintetizează prin media dispersiilor de grupă

ˆ 2 
  n
i
2
i
Cum ˆ 2 < ̂ 2 , sondajul stratificat conduce la erori mai mici comparativ cu
n i

sondajul aleator simplu.

Mai precis şi mai concret, vom porni de la regula de adunare a dispersiilor, considerând
fiecare strat cu media sa pentru variabila de interes. Din regula de adunare a dispersiilor, am văzut că
dispersia totală este egală cu suma dintre dispersia din interiorul fiecărei grupe (strat) şi dispersia
dintre mediile de grupă şi media generală.

Notând dispersia din interiorul fiecărui strat cu

S h2 
1
  Xi  Xh
N h  1 iGh
 
2
(10.21)

şi media din strat cu


1
Xh    Xi (10.22)
N h iGh
dispersia adevărată, dar necunoscută, din întregul eşantion este:

Nh 2 H Nh
X h  X 2
H
S2    Sh   (10.23)
h 1 N h 1 N

Ea este estimată nedeplasat de dispersia de sondaj


H
Nh 2 H Nh
s2    sh   xh  x 2 , unde (10.24)
h 1 N h 1 N

s h2 
1
  xi  x h
n h  1 iGh
 
2
(10.25)

Relaţiile (10.23) şi (10.24) sunt familiare: primul termen (dispersia intra-strat) este media
ponderată a dispersiilor din fiecare strat, iar al doilea termen (dispersia inter-strat) este media
aritmetică ponderată a pătratelor abaterilor mediilor din strat faţă de media generală.

Întrucât ne interesează ca dispersia să fie foarte mică, este foarte important ca stratificarea
2
să fie făcută în aşa fel încât dispersiile S h intra-strat să fie mici, iar mediile dintre grupe să fie cât mai

232
diferite între ele. Cu alte cuvinte, stratificarea trebuie să delimiteze comportamente cât mai apropiate
în interiorul straturilor, dar cât mai diferite de la un strat la altul.

Media generală a unui sondaj stratificat este media ponderată a mediilor din straturi:

N
xˆ st   h  xˆ h (10.26)
h N

Tinând cont, pe de o parte, de relaţia de estimare a dispersiei mediei, conform (10.9) este:

s2  n
ˆ xˆ   1  
n  N
şi, pe de altă parte, de proprietăţile dispersiei, dispersia mediei sondajului stratificat 35, adică
eroarea medie de reprezentativitate este:

2
 N h  sh 
2
n 
ˆ xˆ      1  h  (10.27)
h  N  nh  N h 
st

În final, intervalul de încredere se construieşte conform relaţiei (10.12):


xˆ st  xˆ st  1,96  ˆ xˆ ; xˆ st  1,96  ˆ xˆ
st st
 pentru o probabilitate de garantare a preciziei mediei
estimate de 95%.
H
Aşa cum s-a menţionat, eşantionul (n) este format din suma subeşantioanelor n  n
h 1
h .

Problema care trebuie rezolvată se referă la numărul unităţilor care compun fiecare subeşantion,
respectiv la repartizarea eşantionului pe straturi.

La repartizarea eşantionului pe subeşantioane se pot aplica trei metode:

a) Repartizarea în mod egal a eşantionului pe subeşantioane, indiferent de numărul unităţilor


care compun fiecare strat. Dimensiunea fiecărui subeşantion se obţine împărţind volumul
eşantionului (n) la numărul de straturi în colectivitatea generală:

N
nh  (10.28)
h
Acest tip de sondaj stratificat este denumit sondaj stratificat neproporţional.

b) Eşantionul se repartizează pe subeşantioane în funcţie de ponderea fiecărui strat în


colectivitatea generală . Volumul fiecărui subeşantion se determină prin relaţia:

Nh
nh  n  (10.29)
N
Acest tip de sondaj care poartă denumirea de sondaj stratificat proporţional se aplică
frecvent în practică.

c) Eşantionul (n) se repartizează pe subeşantioane atât în funcţie de ponderea fiecărui strat


2
în colectivitatea generală cât şi de gradul de omogenitate al fiecărui strat ( s h ).
Dimensiunea fiecărui eşantion se determină prin relaţia:
35
Am prezentat numai relaţia de calcul specifică unui sondaj aleator simplu nerepetat (SASNR) deoarece, dacă
nu în toate, în majoritatea aplicaţiilor reale se utilizează doar acest procedeu de eşantionaj.

233
Nh  Sh
nh  n  H
(10.30)
N
h 1
h  Sh

Dacă se recurge la această variantă de repartizare a eşantionului se foloseşte sondajul


stratificat optim. Această metodă de alocare a eşantionului pe straturi se mai numeşte
alocare optimală Neyman.

Exemplul 10.4. – Calculul erorii limită de reprezentativitate într-un sondaj stratificat


Pentru estimarea câştigului salarial nominal mediu net dintr-un judeţ a fost organizat un sondaj
stratificat proporţional de 5%. În urma prelucrării datelor înregistrate pentru eşantion s-au
obţinut următoarele rezultate:
Tabelul 10.5 – Salariul mediul lunar net estimat
Abaterea medie
Numărul Salariul mediu
Ramura pătratică
salariaţilor (sute) lunar net (mii lei)
(mii lei)
Industrie 20 2,4 0,4
Construcţii 5 1,2 0,2
Altele 65 3,8 0,6
Total 90 - -

Dacă la formarea eşantionului s-a folosit, ca regulă, extragerea nerepetată, iar probabilitatea cu
care se garantează rezultatele este de 99,73%, indicatorii sondajului se calculează astfel:

 media mediilor de grupă:


3

n h  xˆ h
2,4  20  1,2  5  3,8  65
xˆ  h 1
3
  3,34 mii lei
90
n
h 1
h

 eroarea medie de reprezentativitate:

N h nh
Întrucât s-a optat pentru un sondaj stratificat proporţional,  , iar fracţia de sondaj
N n
nh 1
  0,05 , relaţia 10.27 devine
N h 20

2 2
N  s 
2
n  3 2
 nh  s h  1 
ˆ xˆ    h   h  1  h        1   
h  N  nh  N h  h 1  n  nh  20 
st

1  20 2  0,4 2 5 2  0,2 2 65 2  0,6 2   1 


       1    0,056 mii lei
90 2  20 5 65   20 

234
 eroarea limită:

 x  3  0,056  0,168 mii lei.

Ca urmare, salariul mediu net lunar estimat se încadrează in intervalul (3,17; 3,51) mii lei. Eroarea
0,168
limită relativă garantată cu o probabilitate de 99,73% este   100  5,03% .
3,34

Astfel, în raportul tehnic al cercetării (studiului) statistic putem preciza că sondajul realizat asupra
9000 de salariaţi garantează estimaţia salariului mediu net lunar cu o eroare de  5% .

10.6.3 Sondajul în trepte


Deşi uşor de aplicat şi de înţeles din perspectiva calculelor necesare, sondajul aleator simplu
se dovedeşte ineficient în multe situaţii. În primul rând, sondajul aleator simplu poate conduce la o
dispersare geografică importantă a eşantionului, ceea ce atrage costuri de transport foarte mari. În al
doilea rând, sondajul aleator simplu presupune existenţa unei baze de sondaj complete, a tuturor
unităţilor care pot fi incluse în eşantion, inclusiv cu datele lor de identificare.

Pentru a compensa aceste neajunsuri, o alternativă constă în realizarea de sondaje în trepte


(în cascadă sau stadii). Principiul lor este următorul: colectivitatea generală este împărţită în grupe cât
mai omogene, reuniunea lor constituind ansamblul colectivităţii statistice supuse studiului. Aceste
grupe se numesc unităţi primare (UP). Apoi, printr-un procedeu oarecare de extragere, cum este
SASNR, este selectat un eşantion de unităţi primare. Aceasta este prima treaptă a sondajului. În
treapta a doua, în cadrul fiecărei unităţi primare selectate, sunt extrase unităţile secundare de
sondaj, de asemenea, cu ajutorul unei metode oarecare, cum este SASNR. Dacă se consideră
necesar, mai departe se pot extrage unităţi terţiare. De regulă, un sondaj în trepte are maxim trei
stadii de selecţie. Aşadar, spre deosebire de sondajul stratificat, unde sunt selectate unităţi din toate
straturile, în sondajul în trepte se selectează numai anumite unităţi primare şi, ulterior numai anumite
unităţi secundare etc.

Avantajul este evident, deoarece nu este nevoie de baze de sondaj pentru toate unităţile
primare. Condiţia este ca, pentru treapta a doua, să existe liste complete pentru unităţile din unităţile
primare selectate în prima treaptă.

Pentru o prezentare succintă, dar cât mai relevantă a acestui procedeu de sondaj, este
necesară precizarea unor notaţii esenţiale:

 M este numărul unităţilor primare constituite la nivelul colectivităţii generale, cu


i 1  M ;

 N i este mărimea unităţii primare i;


M
 N este mărimea colectivităţii generale N   N i ;
i 1

 X i , j este valoarea variabilei X pentru unitatea j din unitatea primară i;

 m este mărimea eşantionului de unităţi primare din cele M constituite;

 ni este mărimea eşantionului de unităţi secundare din unitatea primară i;

235
 si este mulţimea unităţilor secundare selectate în eşantionul unităţii primare i.

m
 f1  este fracţia de sondaj din prima treaptă de selecţie;
M

ni
 f 2i  este fracţia de sondaj din treapta a doua de selecţie.
Ni

Media de sondaj în fiecare UP selectată este:

x
jsi
ij

xˆ i  (10.31)
ni

Media estimată pentru întregul eşantion este:

N i  xˆ i
xˆ  iS
(10.32)
m
Totalul variabilei de interes se obţine prin ponderarea cu numărul total al seriilor constituite:

N i  xˆ i
M
 xij
Tˆ ( x)  M  xˆ  M    Ni 
jS i
iS
 
m m iS ni (10.33)
M Ni M Ni

m
 n   x  m  n   x
iS jS i
ij
iS jS i
ij
i i

Din relaţia (10.33) observăm că estimaţia totalului variabilei de interes este dat de totalul
variabilei de interes din fiecare UP ponderat cu produsul dintre inversul fracţiei de sondaj a unităţilor
primare şi inversul fracţiei de sondaj din fiecare UP. Ponderea este:

M Ni
wij   (10.44)
m ni

În cazul selecţiei aleatoare simple în ambele trepte de sondaj, dispersia estimată pentru totalul
estimat este condiţionată de varianţa din interiorul unităţilor primare (varianţa INTRA) şi varianţa dintre
unităţile primare (varianţa INTER), având următoarea formă:
2
s12 M
2  ni  s 2 ,i
̂ Xˆ  M  1  f1    f1   N i  1 
2
 
m i 1  N i  ni

Mai mult, în cazul în care fracţia de sondaj din treapta a doua este constantă astfel încât ni

este proporţională cu N i şi dacă toate unităţile primare au aceeaşi mărime N , ignorând cel de al

doilea termen pentru că fracţia de sondaj f 1 este, de regulă, o valoare foarte mică, eroare medie de
reprezentativitate pentru estimaţia de total este estimată de:

s1' 2
ˆ Xˆ  N 2 1  f 1   (10.45)
m
Corespunzător acesteia, eroarea medie de reprezentativitate a estimatorului de medie este:

236
s1'2
ˆ xˆ  1  f 1   , (10.46)
m
unde

1
   xi  x  este dispersia dintre unităţile primare (dispersia INTER), cu
2
s1'2 
m  1 iS1
 1 x
xi    xij ; x   i , iar
n jsi is1 m

  xi , j  xi  este dispersia din interiorul unităţilor primare (dispersia INTRA),


1 2
s 22,i 
n  1 jS 2
1 m
cu n   Ni .
m i 1
Eroarea limită pentru estimatorul de total este:

 xˆ   z  ˆ Xˆ (10.47)

şi eroarea limită pentru estimatorul de medie este:

 xˆ   z  ˆ xˆ , (10.48)

unde z este argumentul funcţiei Gauss-Laplace corespunzător probabilităţii fixate pentru


garantarea intervalului de încredere.

10.6.4 Efectul de cluster


Efectul de cluster este un fenomen propriu sondajelor în trepte. De regulă, ultima treaptă de
selecţie grupează unităţi individuale similare, ceea ce cauzează ca varianţa estimatorilor calculaţi să
fie mai mică în comparaţie cu un sondaj aleator simplu şi, pe cale de consecinţă, produce o pierdere
de precizie prin subestimarea dispersiei din populaţia totală. De altfel, fiecare treaptă de selecţie
contribuie cu propriul său efect de cluster, deoarece unităţile grupate în treptele care se succed sunt
caracterizate de o oarecare similaritate în ceea ce priveşte variabila de interes X.
Spre exemplu, o cercetare statistică asupra cheltuielilor turiştilor în sezonul de vară, realizată
printr-o selecţie în trepte, va avea un efect de cluster destul de important deoarece zonele turistice
care pot fi selectate – unităţile primare – grupează unităţi turistice similare, care oferă servicii pentru
categorii de turişti cu preferinţe şi bugete similare. Sunt zone în care predomină unităţile turistice de
tipul pensiunilor, altele concentrează hoteluri de categorii înalte, cu servicii care au înglobate valori
adăugate ridicate, în altele sunt caracteristice unităţile cu servicii de nivel mediu etc.

Efectul de cluster se măsoară prin intermediul unui coeficient numit “coeficientul de corelaţie
intra-cluster” şi notat cu litera grecească  (pronunţat “ro”). Valoarea lui este:

Ni Ni

 X  X 0 X i ,k  X 0 
M

i, j
i 1 j 1 j 1
jk 1
  , unde (10.49)
Ni
N 1
 X  X0
M
2
i, j
i 1 j 1

237
M - este numărul unităţilor primare (UP) constituite;

Ni - este mărimea unităţii primare i ( UPi );

X i , j , X i ,k - sunt perechi de valori observate ale unităţilor j şi k din unitatea primară i sub

condiţia j  k ;

X0 - este valoarea medie a variabilei de interes la nivelul întregii populaţii


observate;
M

N i
N - mărimea medie a unităţilor primare constituite, dată de relaţia: N  i 1

M
In relaţia de calcul [10.49], numărătorul este extrem de important, pentru că sintetizează
principiul coeficientului  . El scoate în evidenţă diferenţele dintre valorile observate la nivelul fiecărei
unităţi primare şi media generală X 0 . Forma numărătorului ne sugerează calculul coeficientului de
corelaţie, cu deosebirea că implică numai o variabilă. De asemenea, deşi este prezentat ca un
coeficient de corelaţie “intra-cluster” diferenţele sunt calculate faţă de media generală X 0 , nu faţă de

media unităţii primare X i .

Să observăm că, la numărător, numărul total de termeni este M  N  N  1 , proveniţi din  


fiecare sumă indicată în relaţia de calcul. La numitor avem o relaţie similară cu dispersia adevărată din
populaţia totală, iar numărul termenilor este egal cu M  N . Din acest motiv apare ca necesar factorul
1 , pentru a aduce raportul la o stare de echilibru. De altfel, numitorul are un dublu rol, acela de
N 1
a aduce mărimea coeficientului  la o valoare rezonabilă şi de a elimina unităţile de măsură.

La o privire mai atentă, numărătorul ne arată că produsul este format din toate perechile de
unităţi individuale j şi k, fără ca ele să fie vreodată aceleaşi. Valorile individuale X i , j şi X i , k sunt

comparate cu media generală X 0 la nivelul fiecărei unităţi primare, tocmai pentru a evidenţia
asemănările sau deosebirile dintre unităţile individuale. Această caracteristică constituie, de fapt,
principiul care stă la baza coeficientului . Astfel, dacă există o puternică similitudine între

unităţile individuale din interiorul unei UP şi dacă, să spunem, X i , j  X 0 , atunci există o probabilitate

mare să avem şi X i ,k  X 0 . Atunci, produsul

X i, j  X 0 X i ,k  X 0  (10.50)

va fi pozitiv. Invers, dacă X i , j  X 0 , este extrem de probabil să avem şi X i ,k  X 0 . În acest


caz, produsul [10.50] va fi, de asemenea, pozitiv. Dacă această situaţie este caracteristică pentru
majoritatea unităţilor individuale din o UP selectată, suma produselor din [10.49] va fi preponderent
pozitivă, la fel ca şi , iar valoarea lui va fi cu atât mai mare cu cât asemănarea dintre unităţile
individuale este mai mare.

238
Dacă unităţile individuale sunt diferite, atunci există şanse ca valorile variabilei ataşate
unităţilor j şi k să se afle de o parte şi de alta a mediei X 0 , iar produsul [10.50] care rezultă să fie
negativ. Preponderenţa lor conduce la un coeficient  negativ.

Spre exemplu, într-o populaţie de 6 unităţi individuale au fost observate 6 valori 36:

X1=1, X2=2, X3=4, X4=8, X5=15, X6=30.

Media acestor valori este:

1  2  4  8  15  30
X   10
6

iar dispersia este S 2  610 / 5  122 37


Dacă vom constitui două unităţi primare cu următorul conţinut:

UP1 = {1, 2, 3}

UP2 = {4, 5, 6}

suma de la numărător din [10.49] va fi:

(1-10)(2-10) + (1-10)(4-10) + (2-10)(4-10) +

+ (8-10)(15-10) + (8-10)(30-10) + (15-10)(30-10) = + 224

Dacă vom constitui unităţile primare cu următorul conţinut:

UP1 = {1, 4, 6}

UP2 = {2, 3, 5}

suma de la numărător din [10.49] va fi:

(1-10)(8-10) + (1-10)(30-10) + (8-10)(30-10) +

+ (2-10)(4-10) + (2-10)(15-10) + (4-10)(15-10) = - 224

Întrucât, în ambele cazuri simulate, N  3 , coeficientul  va fi:

2  224 1
 în prima simulare: 1    0,3672
610 2
2  (224) 1
 în a doua simulare: 2    0,3672
610 2
Este de preferat a doua configuraţie a unităţilor primare, deoarece coeficientul  este mai
mic, ca rezultat al unui efect de cluster mult mai redus.

Rezultatele sunt consistente cu fenomenul pe care coeficientul  îl surprinde. In prima


configuraţie, unităţile primare grupează primele trei valori mici şi ultimele valori mari, ceea ce face ca
cele două grupe să fie omogene, determinând o dispersie INTRA de valoare mai redusă decât
dispersia INTER. A doua configuraţie grupează o valoare mică, una medie şi una mare, ceea ce
determină o dispersie INTRA mai mare decât cea INTER.

36
Pascal Ardilly, Techniques de Sondage, Editions Technip, Paris, 2006, p. 118
37
În teoria sondajelor, varianţa calculată pentru populaţia totală este, de fapt, o varianţă corectată unde, în loc de
factorul 1/N, se utilizeaza factorul 1/(N-1). Din acest motiv la numitor apare valoarea 5 = N-1 = 6-1.

239
Se poate arăta că, după o serie de transformări matematice, pentru orice împărţire a
populaţiei totale în unităţi primare (UP) de mărime N i  N , unde volumul unităţilor primare este
mare, relaţia [10.49] este echivalentă cu:

Dispersie INTER 1
  (10.51)
Dispersie TOTALA N

Pentru o bună aducere aminte:

Ni
 X i  X 0     X i  X 0  , iar
M
1 M
Dispersia INTER  
2 2

i 1 N M i 1
M Ni
  X i , j  X 0  .
1 2
Dispersia TOTALA 
N  1 i 1 j 1

În consecinţă,  este determinat de mărimea dispersiei adevăratelor medii X i între unităţile


primare. Cu alte cuvinte, măsura în care unităţile primare sunt omogene antrenează o dispersie
INTRA redusă şi, în schimb, o dispersie INTER mare şi, implicit, un coeficient  mare. Invers, dacă
UP grupează unităţi individuale diferite, dispersia INTRA este mare, iar dispersia INTER este mică, de
unde şi un coeficient  mai mic.

Din exemplul de mai sus, indiferent de configuraţia unităţilor primare, dispersia totală este
101,67. In prima configuraţie, dispersia INTER este 58,78, iar dispersia INTRA este 42,89. Aşadar,
dispersia INTER contribuie cu aproape 60% la dispersia totală. In a doua configuraţie, dispersia
INTER este 9 şi contribuie cu doar 9% din dispersia totală, iar dispersia INTRA este 92,67. Pe baza
relaţiei [10.51] este evident, din nou, că în prima configuraţie coeficientul  are o valoare superioară
decât în cel de al doilea caz.

Relaţia [10.49] ne arată că însumarea este realizată pentru toate unităţile primare constituite
la nivelul populaţiei de referinţă, în timp ce, în realitate, selectăm un eşantion de UP. Ca urmare,
coeficientul  este calculat din eşantionul selectat.

Se pune întrebarea în ce mod afectează coeficientul  precizia estimaţiilor într-un sondaj în


trepte? Se poate arăta că, în cazul estimării unei medii într-un sondaj în două trepte, cu sondaj aleator
simplu în fiecare treaptă, şi în situaţia în care toate unităţile primare au aceeaşi mărime, varianţa
estimatorului de medie şi, respectiv, varianţa estimatorului de total sunt:

s2 
ˆ   1    n  1
Xˆ mn

s2 
ˆ Xˆ  N 2   1    n  1
mn

unde: s 2 este dispersia totală din eşantion;


N este mărimea populaţiei de referinţă;
m este numărul unităţilor primare selectate;

n este numărul mediu de unităţi secundare selectate din fiecare UP din eşantion;
 este efectul de cluster.

240
Dacă varianţa estimatorului de medie potrivit unui sondaj aleator simplu este

s2
̂ Xˆ ( SAS ) 
mn
ˆ Xˆ 
atunci obţinem D  1    n  1 (10.52)
ˆ Xˆ ( SAS)

Raportul dintre varianţa obţinută în urma unui sondaj în două trepte şi cea a unui sondaj
aleator simplu se numeşte „efect de sondaj” 38. El reflectă regulile care trebuie urmate într-un
sondaj în trepte:

- dacă  este pozitiv, efortul trebuie îndreptat spre creşterea numărului de unităţi primare
selectate şi mai puţin către creşterea numărului de unităţi secundare selectate în unităţile
primare;
- unităţile primare trebuie constituite în aşa fel încât unităţile secundare să fie cât mai
diferite sau, în schimb, mediile calculate la nivelul unităţilor primare să difere cât mai puţin
de la o unitate primară la alta.
Sondajul în trepte are o logică complet opusă sondajului stratificat, unde straturile grupează
unităţi omogene: într-un sondaj în trepte, unităţile primare trebuie să grupeze unităţi cât mai diferite. O
combinaţie ideală a celor două metode ar trebui să conducă la crearea de straturi de unităţi primare
cât mai asemănătoare, iar unităţile primare să conţină unităţi secundare cât mai diferite.

10.6.5 Sondajul de serii


Sondajul de serii 39 este o particularizare a sondajului în trepte şi se aplică dacă colectivitatea
care trebuie studiată este formată din unităţi complexe (echipe de muncitori, gospodării, grupe de
studiu), denumite serii. Pentru formarea eşantionului se extrag prin unul din procedeele menţionate un
anumit număr de unităţi complexe (serii), culegându-se date de la toate unităţile componente ale
seriilor respective. Pentru fiecare serie se calculează media acesteia, iar pe baza lor se determină
ˆ
media colectivităţii generale ( X ) sau media eşantionului ( x̂ ).

Datorită faptului că nu se cunosc valorile pentru fiecare unitate simplă care compune seria, ci
doar media seriei, la determinarea indicatorilor sondajului se foloseşte dispersia dintre grupe sau

dintre medii 2 
 x i  x
.
n
Numărul seriilor existente în colectivitatea generală se notează de regulă cu R, iar numărul
seriilor care compun eşantionul, cu r.

Eroarea medie de reprezentativitate şi eroarea limită se calculează astfel:

 pentru un sondaj aleator repetat:

2
x  (10.53)
r

38
„Design effect” în engleză.
39
În engleză, procedeul se numeşte “cluster sampling”, iar în franceză “sondage par grappes”.

241
2
 x  z  (10.54)
r
 pentru un sondaj aleator nerepetat:

2 Rr
x   (10.55)
r R 1

2 Rr
 x  z   (10.56)
r R 1

10.7 Determinarea volumului eşantionului


Realizarea unui sondaj statistic în vederea estimării indicatorilor colectivităţii generale
presupune să se decidă asupra mărimii eşantionului. Criteriile în funcţie de care se decide privesc
exactitatea estimării indicatorilor colectivităţii generale, costurile realizării sondajului ş.a.

Volumul eşantionului se deduce în cazul fiecărui tip de sondaj, din formula erorii limită. Prin
ridicarea la pătrat a formulei erorii limită (  x ) se deduce volumul eşantionului.

 în cazul sondajului aleator simplu repetat:

 x2 2
x  z   2x  z 2  x
n n

z 2   x2
În consecinţă, n (10.57)
2x

 în cazul sondajului aleator simplu nerepetat se porneşte de la relaţia:

 x2  n 2  n
x  z   1    2x  z 2  x  1  
n  N n  N

Volumul minim necesar pentru un sondaj aleator simplu nerepetat este dat de:

z 2   x2
n (10.58)
z 2   x2
2x 
N
Similar se deduc relaţiile privind volumul eşantionului pentru celelalte tipuri de sondaje.

Atât din relaţia (10.57), cât şi din (10.58) observăm că, pentru determinarea volumului minim
necesar pentru un eşantion aleator simplu trebuie să cunoaştem dispersia colectivităţii generale, ceea
ce nu este întotdeauna la îndemână. Dacă o putem calcula din baza de sondaj, este evident că ea va
suferi din cauza posibilei vechimi a datelor. Ea mai poate proveni dintr-o anchetă prin sondaj mai
recentă, în care a fost studiată aceeaşi variabilă sau dispunem, tot în baza de sondaj, de o variabilă
puternic corelată cu variabila noastră de interes.

Când avem o variabilă pe baza cărei putem calcula dispersia necesară, deseori, vom constata
că volumul eşantionului este foarte mare, depăşind resursele financiare şi materiale de care
dispunem, tocmai din cauza marii variabilităţi a valorilor incluse în calcule. În acest caz, se recomandă
stratificarea bazei de sondaj şi prelucrarea suplimentară a acesteia, pentru a putea proiecta un plan

242
de sondaj cât mai eficient, capabil să asigure precizia dorită a rezultatelor. În practică, aproape fără
excepţie, este nevoie de realizarea unui echilibru între nevoia de a extrage un eşantion cât mai
cuprinzător şi bugetul alocat cercetării, care nu este niciodată îndestulător.

Un exemplu foarte grăitor despre volumul necesar al unui eşantion este dat de Pascal Ardilly
(Ardilly, 2006). El prezintă o situaţie destul de frecventă – şi foarte sensibilă – întâlnită în alegerile
unde se prezintă doi candidaţi. Problema care se pune este să determinăm diferenţa minimă dintre
voturile exprimate pentru cei doi candidaţi într-un sondaj astfel încât să putem garanta cu o
probabilitate de 95% că cel care apare drept câştigător din sondaj câştigă cu adevărat alegerile.

Cu alte cuvinte, trebuie să aflăm care este proporţia minimă a voturilor acordate, să spunem,
candidatului A ( p̂ A ) astfel încât limita inferioară a intervalului de încredere să fie mai mare de 50%.

Pentru o probabilitate de 95%, relaţia pe care care p̂ A trebuie să o satisfacă este:

pˆ A  (1  pˆ A ) 1
pˆ A  1,96  
n 1 2

Ceea ce trebuie să obţinem este să exprimăm p̂ A în funcţie de n . După o serie de


transformări, în final, obţinem

1 1,96
pˆ A    p MIN
2 2 n  2,84

Mai precis, diferenţa dintre cei doi candidaţi trebuie să fie cel puţin egală cu
1,96
2  p min  1  .
n  2,84

Pentru diferite volume ale eşantionului, prezentăm în continuare diferenţa minimă şi


procentajul minim pe care candidatul A trebuie să le înregistreze astfel încât să putem garanta că va
câştiga alegerile cu o probabilitate de 95%:

Diferenţa minimă Procentul


n
(în %) minim
100 19,3% 59,66%
400 9,8% 54,88%
900 6,5% 53,26%
1200 5,7% 52,83%
2000 4,4% 52,19%
5000 2,8% 51,39%
10000 2,0% 50,98%

Pentru un eşantion uzual de 1200 de persoane, comentariile trebuie să fie foarte prudente
dacă procentul obţinut de candidatul A nu este de minim 53%. Să observăm, de asemenea, că
aceeaşi prudenţă este necesară dacă, pe un eşantion de 10000 de persoane, candidatul A nu a
obţinut minim 51%.

243
10.8 Estimarea parametrilor colectivităţii generale
Aşa cum s-a menţionat, prin organizarea unui sondaj statistic se urmăreşte cel mai adesea
estimarea parametrilor colectivităţii generale. În acest scop se foloseşte cel mai frecvent procedeul
extinderii directe. Prin aplicarea acestui procedeu se estimează intervalul de încredere pentru media
colectivităţii generale şi limitele între care se va încadra nivelul totalizat al caracteristicii pe întreaga
colectivitate ( x i ).

Estimarea parametrilor colectivităţii generale se bazează pe media eşantionului ( x̂ ) şi pe


eroarea limită  x̂ . Media colectivităţii generale se estimează pe baza relaţiei:

xˆ   xˆ < X < xˆ   xˆ (10.59)

iar limitele între care variază nivelul totalizat al caracteristicii în colectivitatea generală se
estimează pornind de la formula:

N  ( xˆ   x̂ ) < x i < N  ( xˆ   x̂ ) (10.60)

Revenind la Exemplul 10.4, câştigul salarial nominal mediu în colectivitatea generală va fi


cuprins între 3,17 mii lei şi 3,51 mii lei.

3,34  0,17 < X < 3,34  0,17


Suma salariilor nominale plătite variază între 5706 şi 6318 mii lei.

1800  3,17 < x i < 1800  3,51 .

244
10.9 Cuvinte cheie
 Colectivitate generală = baza de  Selecţie repetată
sondaj
 Eroare de reprezentativitate  Sondaj aleator simplu nerepetat
 Eroare de sondaj  Sondaj aleator simplu repetat
 Eroare limită  Sondaj de serii
 Eroare medie de reprezentativitate  Sondaj în trepte
 Estimator  Sondaj stratificat = sondaj tipic
 Eşantion = mostră = probă =  Sondaj stratificat neproporţional
colectivitate de selecţie
 Parametru  Sondaj stratificat optim
 Plan de sondaj  Sondaj stratificat proporţional
 Probabilitate  Volumul eşantionului
 Selecţie probabilistă 

10.10 Întrebări de control


1. Care este scopul folosirii sondajului statistic?

2. Care sunt principalele avantaje ale utilizării sondajului statistic?

3. De ce erorile sondajului nerepetat sunt mai mici comparativ cu cele ale sondajului
repetat?

4. De ce nu pot fi evitate erorile de reprezentativitate întâmplătoare?

5. Când se consideră că un eşantion este reprezentativ?

6. Când se foloseşte sondajul aleator simplu?

7. Când se recomandă aplicarea sondajului stratificat?

8. Cum se estimează parametrii colectivităţii generale pe baza estimatorilor?

10.11 Bibliografie selectivă


1. Ardilly P., Les techniques de sondages, Edititions Technip, Paris, 2006
2. Biji M., Statistică teoretică. Editura didactică şi pedagogică, Bucureşti, 1979, p 77-
193.
3. Biji E., Lelea E., Wagner P., Statistică economică, Editura didactică şi
pedagogică, Bucureşti, 1999
4. Korka M., Begu St., Tuşa Erica, Bazele statisticii pentru economişti, Editura
Tribuna economică, Bucureşti, 2002, p 102-114.

245
Index alfabetic
Aplatizare probabilitatea, 9

definiţie, 122 unitate statistică, 7

Aplatizarea unitate statistică complexă, 8

coeficient de aplatizare, 122 unitate statistică simplă, 8

Asimetria variabilă statistică, 8

asimetrie la dreapta, 120 Cuantile, 106

asimetrie la stânga, 121 Cuartile, 106

coeficient de asimetrie, 122 Decile, 108

definiţie, 120 Densitate de frecvenţă, 51

Caracteristica statistică, 8 Densitate de frecvenţă absolută, 82

Ceteris paribus, 149 Densitate de frecvenţă relativă, 82

Chestionar Densitate de frecvenţe, 79

întrebări deschise, 27 Distribuţie de frecvenţe, 31

întrebări închise, 24 curba cumulativă a frecvenţelor, 50

Coeficient de asociere Yule, 141 distribuţie unidimensională, 31

Coeficient de corelaţie histograma, 51

Kendall, al rangurilor, 143 poligonul frecvenţelor, 53

Spearman, al rangurilor, 142 reprezentare grafică prin diagrame de bare,


50
Colectivitate statistică
Distribuţii marginale, 134
colectivitate de flux, 6
Eroare de măsurare, 29
colectivitate de stoc, 6
Eroare sistematică, 29
definiţie, 6
Eşantion, 7
Concepte fundamentale ale statisticii
Frecvenţa absolută
caracteristică statistică, 8
tabele statistice, 42
colectivitate statistică, 6
Frecvenţă cumulată
deplasare, 11
tabele statistice, 42
eşantion, 7
Frecvenţa cumulată relativă
estimator statistic, 10
curba cumulativă a frecvenţelor, 50
exactitatea statistică, 10
tabele statistice, 42
frecvenţa de apariţie, 9
Frecvenţa relativă
indicator statistic, 11
mărimi relative de structură, 62
observaţia statistică, 9
tabele statistice, 42
parametrul, 9
Frecvenţe absolute, 78
precizia statistică, 10

246
Frecvenţe cumulate, 79 Indicatorii statistici

Frecvenţe relative, 78 definiţia indicatorului statistic, 59

Grafice Indicator primar, 59

curba cumulativă, variabilă numerică Indicatori derivat, 61


continuă, 53
mărimi relative, 61
curba cumulativă, variabilă numerică
Indicatorii tendinţei centrale, 84
discretă, 50
efect de structură, 91
diagrama circulară de structură, 49, 63
media aritmetică, 84, 103
diagrama de bare, variabilă calitativă, 48
media aritmetică ponderată, 85
diagrama de bare, variabilă numerică
discretă, 50 media armonică, 99, 103

diagrama rectangulară, 49 media artimetică simplă, 85

diagrama tulpina-cu-ramuri, 54 media geometrică, 101, 103

graficul statistic, 47 media pătratică, 101, 103

histograma, 51 mediana, 92, 103

nor de puncte, 55 modelul tabelului de calcul, 86

ogivă, 51 modul, 96, 103

poligonul frecvenţelor, 53 Indicatorii tendinţei locul medianei, 92

Greutatea specifică (ponderea) Indicatorii variaţiei, 105

mărimi relative de structură, 62 abateri individuale, 106

Indicatorii simpli ai variaţiei amplitudinea variaţiei, 106

abaterea individuală absolută, 112 Indice ca raport a două medii, 201

abaterea individuală relativă, 112 Indice de grup al factorului calitativ, 199

abaterea mediană absolută, 111 Indice de grup al factorului cantitativ, 197

amplitudinea absolută, 106 Indice Fisher, 194

amplitudinea relativă, 106 Indice Laspeyres, 194, 197

coeficientul de dispersie, 111 Indice Paasche, 194, 199, 201

intervalul intercurartilic, 106, 108 Indicele preţurilor, 196

intervalul interdecilic, 106, 109 Indicele valorii, 195

Indicatorii sintetici ai variaţiei Indicele volumului fizic, 195

abaterea medie liniară, 113, 114 Indici elementari, 191

abaterea medie pătratică, 113, 117 Indici sintetici, 191

coeficientul de variaţie, 113, 118 categorii de indici, 192

dispersia, 113, 115, 116 Indici statistici

proprietăţile dispersiei, 117 criterii de clasificare, 190

regula de adunare a dispersiilor, 137 descompunerea pe factori de influenţă, 204

247
proprietăţi, 190 coeficientul de corelaţie a rangurilor Kendall,
143
serie cronologică cu bază fixă, 210
coeficientul de corelaţie a rangurilor
serie cronologică cu bază fixă şi ponderi
Spearman, 142
constante, 210
Non-răspuns, 21
serie cronologică cu bază fixă şi ponderi
variabile, 211 Observare statistică directă

serie cronologică cu bază în lanţ, 210 observare statistică parţială, 22

serie cronologică cu bază în lanţ şi ponderi observare statistică totală, 22


constante, 211
recensământ, 22
serie cronologică cu bază în lanţ şi ponderi
sondaj statistic, 23
variabile, 211
Observarea statistică
Mărimi relative
chestionarul statistic, 24
diagrama circulară de structură, 63
Percentile, 106
frecvenţa relativă, 62
Regula adunării dispersiilor
greutatea specifică (ponderea), 62
media de grupă, 134
mărimi relative de coordonare
(corespondenţă), 68 media generală, 134

mărimi relative de dinamică (indici), 71 Regula de adunare a dispersiilor

mărimi relative de intensitate, 69 dispersia de grupă, 136

mărimile relative de structură, 62 dispersia generală, 136

Mărimile relative dispersia între-grupe, 137

mărimi relative de performanţă, 74 Scale de măsurare

Media variabilei alternative, 119 definiţie, 12

Metoda de observare statistică scala interval, 13

chestionar auto-adminsitrat, 21 scala Likert, 13, 26

experiment, 21 scala nominală, 12

interviu faţă-în-faţă, 21 scala ordinală, 13

observare propriu-zisă, 21 scala raport, 13

Metoda influenţelor izolate ale factorilor (MIIF), Serie cronologică


206 ciclicitatea, 169
Metoda restului nedescompus (MRN), 206 criterii de alegere a procedeelor de ajustare,
Metoda substituţiei în lanţ, 205 185

Metode neparametrice de analiză a legăturilor criteriul diferenţelor, 178


dintre variabile criteriul modificărilor cu baza în lanţ, 178
coeficienţii de corelaţie a rangurilor, 141 criteriul reprezentării grafice, 178
coeficientul de asociere Yule, 141 definiţie, 159

extrapolare pe trend liniar, 183

248
extrapolare prin metode analitice, 183 gruparea statistică, 32

extrapolare prin progresie geometrică, 183 intervale de grupare, 32

indicatori de creştere/descreştere, 164 intervalul de grupare, 33

indicatori de nivel, 162 numărul de grupe, 34

indicele mediu de creştere/descreştere, 166 regula lui Sturges, 34

media cronologică ponderată, 168 Sondaj statistic

media cronologică simplă, 167 bază de sondaj, 214

metoda grafică, 171 colectivitate generală, 213

metoda indicelui mediu de definiţie, 213


creştere/descreştere, 177
eroarea limită de reprezentativitate, 224
metoda mediilor mobile, 172
eroarea limită relativă de reprezentativitate,
metoda modificării medii absolute, 176 227

metode analitice de ajustare, 178 eroarea medie de reprezentativitate, 222

modelul aditiv, 170 erori de înregistrare, 220

modelul multiplicativ, 170 erori de reprezentativitate, 220, 221

modificare absolută, 162 erori de sondaj, 220

modificarea medie absolută, 166 eşantion, 214

nivelul mediu, 166 estimator de medie, 231

proprietăţi, 159 estimator de total, 230

ritmul de creştere/descreştere, 165 estimatori, 214

ritmul mediu de creştere/descreştere, 167 metoda cotelor, 219

sezonalitatea, 169 metoda itinerariilor, 219

trendul, 169 metoda unităţilor-tip, 219

valoarea absolută a unui procent din ritmul notaţii, 215


de creştere/descreştere, 165
parametrii colectivităţii generale, 244
variaţia reziduală, 169
plan de sondaj, 213
Serie statistică
probabilitate, 214
cronologică (dinamică, de timp), 41
procedeul loteriei, 217
de repartiţie (distribuţie), 41
procedeul tabelului cu numere
de spaţiu (teritorială), 41 întâmplătoare, 217

multidimensională, 41 reprezentativitatea eşantionului, 214

unidimensională, 41 selecţie aleatoare nerepetată, 217

Sistematizarea datelor selecţie aleatoare repetată, 217

gruparea combinată, 33 selecţie probabilistă, 216

gruparea simplă, 33 selecţie sistematică, 218

249
sondaj de serii, 241 principiile fundamentale ale statisticii
oficiale, 3
sondaj în trepte, 235
Tabele statistice
sondaj stratificat, 231
categorii, 42
sondajul aleator simplu, 230
cu dublă intrare (bidimensionale), 42
sondajul empiric, 218
cu o singură intrare (unidimensionale), 42
volumul eşantionului, 242
reguli de construire, 42
Statistică
Unitate statistică, 7
definiţie, 1
Unitate statistică complexă, 8
statistica oficială, 3
Unitate statistică simplă, 8
Statistică oficială
Variabilă statistică, 8
Banca Naţională a României, 3
Variabilă statistică calitativă, 8
calitate în statistică, 3
Variabilă statistică de tip dată calendaristică, 8
Eurostat, 3
Variabilă statistică numerică, 8
Institutul Naţional de Statistică, 3

250

S-ar putea să vă placă și