Documente Academic
Documente Profesional
Documente Cultură
Exercitii Statistica I Rezolvate Partea 1
Exercitii Statistica I Rezolvate Partea 1
Statistica I
Ex. 1. Următoarea serie de date arată preţul de vânzare (sute lei) pentru 13 lucrări de grafică la o licitaţie
de obiecte de artă: 51, 60, 72, 35, 32, 57, 63, 61, 48, 33, 67, 54, 37.
Stabiliţi valoarea de adevăr a următoarelor afirmaţii, justificând răspunsurile:
a) 25 % dintre lucrarile licitate s-au vandut pentru un pret mai mic de 48 sute de lei;
b) jumatate dintre lucrarile licitate au un pret mai mic sau egal cu 54 sute lei;
c) 25 % dintre lucrari s-au vandut cu cel putin 62 sute de lei;
d) pentru 75% dintre obiecte s-a obtinut un pret de cel putin 36 sute lei;
e) precizati care dintre urmatoarele valori: 25, 29, 16, 40, 124, 85, 99,8 sute lei sunt outliers in
raport cu datele initiale.
Rezolvare:
Cele n=13 valori ale seriei de date se ordonează crescător:
x(1)=32, x(2)=33, x(3)=35, x(4)=37, x(5)=48, x(6)=51, x(7)=54, x(8)=57, x(9)=60, x(10)=61, x(11)=63, x(12)=67, x(13)=72.
x1 x 2 x3 x 4 x5 x6 x7 x8 x9 x10 x11 x12 x13
25% 75%
Q1
36
Cu interpretarea:
25 % dintre termenii seriei au valori mai mici decat 36 sute lei (Q1 este percentila de ordinul 25),
iar 75% dintre termenii seriei au valori mai mari ca 36 sute lei;
sau
25% dintre lucrarile de grafica licitate s-au vandut pentru un pret mai mic decat 36 sute lei, iar
restul de 75% dintre ele s-au vandut cu un pret mai mare de 36 sute lei.
Q2=Me – cuartila de ordinul 2 sau mediana seriei de date statistice.
n 1 13 1
Locul lui Q2=Me este 7 N Me x 7 54 sute lei
2 2
x1 x 2 x 3 x 4 x 5 x 6 x 7 x 8 x 9 x10 x11 x12 x13
50% Me 50%
54
Cu interpretarea:
jumatate dintre termenii seriei au valori mai mici ca 54 sute lei (Me este percentila de ordinul 50),
iar restul au valori mai mari ca 54 sute lei;
sau
jumatate dintre lucrarile de grafica licitate s-au vandut cu mai putin de 54 sute lei, iar restul s-au
vandut cu un pret mai mare de 54 sute lei.
Q3 – cuartila de ordinul 3 sau cuartila superioara
n 1 13 1
Locul lui Q3 este 3 3 10,50 N, dar 10 < 10,50 < 11
4 4
x x11 61 63
x10 Q3 x 11 si Q3 10 62 sute lei.
2 2
x1 x 2 x3 x4 x5 x6 x7 x8 x9 x10 x11 x12 x13
25% 75%
Q3
62
Cu interpretarea:
75 % dintre termenii seriei au valori mai mici decat 62 sute lei (Q3 este percentila de ordinul 75),
iar 25% dintre termenii seriei au valori mai mari ca 62 sute lei;
sau
75% dintre lucrarile de grafica licitate s-au vandut pentru un pret mai mic decat 62 sute lei, iar
restul de 25% dintre ele s-au vandut cu un pret mai mare de 62 sute lei.
2
x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 x11 x12 x13
25% 50% 25%
Q1 Q3
36 62
Jumatate din termenii din mijlocul seriei au valori cuprinse intre Q1=36 sute lei si Q3=62 sute lei.
Abaterea intercuatilica este IQR=Q3-Q1=26 sute lei.
Definitie: Spunem ca o valoare x este outlier pentru un set de date statistice numerice daca:
x Q1 1,5 IQR sau x Q3 1,5 IQR
sau
valoarea x este outlier pentru un set de date statistice daca daca se gaseste in afara intervalului
Q1 1,5 IQR; Q3 1,5 IQR .
In cazul nostru, Q1 1,5 IQR; Q3 1,5 IQR 3; 101 , deci numai valoarea 124 este outlier in
raport cu setul initial de date statistice.
In concluzie, a) fals; b) adevarat; c) adevarat; d) adevarat; e) numai valoarea 124 sute lei este
outlier in raport cu seria initiala de date.
Ex. 2. Se considera urmatoarea serie, reprezentand valoarea inregistrata a 9 facturi emise de o societate
comerciala in ultima luna: 47; 58; 41; 36; 54; 42; 65; 43; 37 (mil. lei).
Alegeti afirmatiile false:
a) Cuartilele inferioara si superioara sunt 43 si respectiv 58 mil. lei.
b) Abaterea intercuartilica este de 10 mil. lei;
c) Jumatate dintre termenii seriei, plasati pe mijocul distributiei, se regasesc intre 39 si 56.
d) Percentilele de ordinul 25 si 75 sunt 39 si respectiv 56 mil. lei
e) In raport cu datele initiale, valorile: 73, 29, 18, 73, 23 sunt toate outliers.
f) Daca fiecare valoare s-ar mari intai cu 4,25 lei, apoi de 2 ori, dispersia noilor valori ar fi 396.
Ex. 3. Structura unui esantion de 90 de copii dupa nivelul maxim atins al unui joc pe calculator este:
3
Unde A – nivelul cel mai slab, E – nivelul cel mai
inalt.
Ex. 4. Pentru 39 de actrite care au obtinut premiul Oscar se cunoaste varsta, in ani impliniti, la momentul
castigarii premiului:
50, 44, 35, 80, 26, 28, 41, 21, 61, 38, 49, 33, 74, 30, 33, 41, 31, 35, 41, 42,
37, 26, 34, 34, 35, 26, 61, 60, 34, 24, 30, 37, 31, 27, 39, 34, 26, 25, 33 ani.
Se cere:
a) sa se determine si sa se interpreteze indicatorii tendintei centrale si cuartilele acestei serii de date;
b) sa se construiasca diagrama box-plot (sau diagrama cu mustati box-and-whisker), punand in
evidenta daca seria are valori extreme;
c) sa se calculeze indicatorii variatiei si sa se stabileasca daca seria este omogena;
d) analizati asimetria;
e) Descriptive Statistics.
Rezolvare: a)
o Populatia statistica este multimea actritelor care au castigat premiul Oscar.
o Unitatea statistica este o actrita.
o Variabila sau caracteristica de interes, notata X, este variabila ce arata varsta unei actrite la momentul
obtinerii premiului; variabila numerica, discreta.
o Pentru un esantion de volum n 39 de actrite se cunosc valorile variabilei X, adica {x1=50, x2=44,
x3=35, x4=80, ..., xn=x39=33 ani}, care reprezinta o serie simpla sau nesistematizata de date statistice
numerice.
n
x1 x2 ... xn
xi
o Media unei serii simple de date numerice x1 , x2 , ..., xn este .
x i 1
n n
In cazul acestei serii, varsta medie a unei actrite din esantion care a castigat premiul Oscar este
39
x1 x2 ... x39
xi
1486 ani.
x i 1
38,1025
39 39 39
4
o Pentru a determina mediana, vom proceda astfel:
- seria simpla de date se ordoneaza crescator x 1 x 2 ... x n , unde x i , i 1, n este
elementul cu rangul i din seria ordonata crescator,
n 1
- locul medianei este 20 N Me x 20 34 ani.
2
Jumatate dintre actritele din selectie au obtunut premiul Oscar la o varsta de cel mult 34 de ani
(jumatate dintre actritele din esantion au castigat premiul Oscar la o varsta de peste 34 de ani).
o Exista doua valori care au frecventa maxima si anume valorile 26 ani si 34 ani, care apar pentru 4
actrite fiecare.
5
n 1
- locul cuartilei de ordinul 1, Q1, este 1 10 N Q1 x 10 30 ani; un sfert dintre
4
actrite au castigat premiul Oscar la o varsta mai mica sau egala cu 30 de ani, iar restul
la cel putin 30 de ani;
n 1
- locul cuartilei de ordinul 3, Q3, este 3 30 N Q3 x 30 41 ani; trei sferturi
4
dintre actrite au castigat premiul Oscar la o varsta mai mica sau egala cu 41 de ani, iar
restul la cel putin 41 de ani.
o Abaterea intercuartilica este IQR Q3 Q1 11 ani si arata lungimea intervalului in care se gasesc
jumatate dintre valorile din mijlocul seriei de date.
b) Diagrama cu mustati (box-and-whisker) sau diagrama box-plot pentru o serie de date statistice
numerice se construieste punand in evidenta urmatoarele cinci elemente si eventualele valori extreme sau
outliers:
- cuartila inferioara sau de ordinul 1, Q1=30 ani;
- mediana sau cuartila de ordinul al 2-lea, Q2=Me=34 ani;
- cuartila superioara sau de ordinul al 3-lea, Q3=41 ani;
- limita sau marginea inferioara a diagramei box-plot este cea mai mica dintre valorile
seriei de date cu proprietatea ca este mai mare sau egala cu Q1 1,5 IQR , adica
lim inf box plot min x i , i 1, n x i Q1 1,5 IQR :
o Q1 1,5 IQR 13,5
o cea mai mica dintre valorile seriei de date, cu proprietatea ca este 13,5 , este
x(1)=21 ani, deci marginea inferioara este egala cu 21 ani,
lim inf box plot 21 x 1 ;
- limita sau marginea superioara a diagramei box-plot este cea mai mare dintre valorile
seriei de date cu proprietatea ca este mai mica sau egala cu Q3 1,5 IQR , adica
lim sup box plot max x i , i 1, n x i Q3 1,5 IQR :
o Q3 1,5 IQR 57,5
o cea mai mare dintre valorile seriei de date, cu proprietatea ca este 57,5 , este
x(34)=50 ani, deci marginea superioara este egala cu 50 ani,
lim sup box plot 50 x 34 .
Se observa ca intervalul cuprins intre marginea inferioara si cea superioara diagramei box-plot,
adica intervalul de numere reale [21; 50] nu contine toate valorile observate, in afara lui ramanand
valorile x(35)=60, x(36)=61, x(37)=61, x(38)=74, x(39)=80 ani.
Valoarea x este outlier pentru seria de date statistice numerice daca x se gaseste in afara
intervalului Q1 1,5 IQR; Q3 1,5 IQR 13,5; 57,5 , x(35)=60, x(36)=61, x(37)=61, x(38)=74, x(39)=80
sunt outliers si vor fi reprezentate distinct in diagrama box-plot.
6
*
* * * *
21 30 34 41 50 60 61 74 80
(Q1) (Me) (Q3)
c) Dispersia de selectie (sample variance) pentru o serie simpla de date numerice asupra variabilei X este
n
xi x 2
x x 2 ... xn x 2
s2 1 i 1 ,
x
n 1 n 1
39
x x
2
i
adica 6791,5897 ,
s x2 i 1
178,7260
39 1 39 1
7
abaterea standard (standard deviation) este s x s x2 13,3688 ani.
s
Coeficientul de variatie este v x x 100 35,09% 35% , ceea ce indica faptul ca seria de date nu
x
este omogena, iar media nu este reprezentativa pentru colectivitate, ca indicator al tendintei centrale.
Varsta actritelor
Nr. crt. xi xi x xi x 2
8
34 27 -11,1025 123,2669
35 39 0,8974 0,8053
36 34 -4,1025 16,8310
37 26 -12,1025 146,4720
38 25 -13,1025 171,6771
39 x39=33 -5,1025 26,0361
39 39
x x x x 6791,589
39 2
xi 1486
i 1
i 1
i
i 1
i
0 7
x 38,1025 s 178,7260
2
x
sx s x2 13,3688
v x 35,09%
x x
3
i
- Indicatorul asimetriei este coeficientul de asimetrie (Skewness) , al carui semn si
CAS i 1
n sx
3
marime arata tipul asimetriei (pozitiva sau negativa), iar marimea arata gradul mai putin accentuat sau
mai accentuat al asimetriei seriei de date sau al distributiei. In cazul acestei serii de date, CAS 1,5734 , o
valoare pozitiva si mai mare ca 1, ceea ce arata ca seria de date prezinta o asimetrie pozitiva pronuntata.
- Sistematizarea printr-o serie de distributie de frecvente pe r 6 intervale de variatie de marime
egala a dat urmatoarea distributie a celor n=39 de actrite din esantion dupa varsta la momentul obtinerii
premiului Oscar:
Frecventa absoluta nk
Centrul x k
Intervalul k de variatie a intervalului k de variatie
Nr. crt. al intervalului k de
(clasa de varsta) (numarul de actrite
variatie
din fiecare clasa de varsta)
1 20-30 ani 11 25
2 30-40 ani 16 35
3 40-50 ani 7 45
4 50-60 ani 1 55
5 60-70 ani 2 65
6 70-80 ani 2 75
6
n
k 1
k 39=n
9
care apar cu frecventa mai mica. Intre cele 39 de actrite castigatoare ale premiului Oscar, predomina cele
cu varste relativ mai mici.
e) Indicatorii tendintei centrale, principalii indicatori ai variatiei si ai formei distributiei pentru o serie
simpla de date numerice pot fi calculati in Excel si in SPSS, output-urile fiind de forma:
Output-ul Descriptive Statistics in Excel Output-ul Descriptive Statistics in SPSS
10
Varsta actritelor
Statistics
Minimum xmin 21
Maximum xmax 80
39
Sum
x
i 1
i 1486
Percentiles 25 Q1 30.00
50 Q2 Me 34.00
75 Q3 41.00
x x
n
x x
4 2
i i
CBA i 1
3 , unde s x2 i 1 .
n s 2 2
x n 1
11
Dacă CBA 0 , avem distribuţie platicurtica, valorile varibilei fiind dispersate în raport cu
indicatorii tendinţei centrale
Dacă CBA 0 , avem distribuţie mezocurtică, adică distribuţia normală.
In cazul acestei serii de date statistice, CAB 2,383 0 , ceea ce indica o distributie leptocurtica
(cu cocoasa, asa cum se poate vedea si din histograma sau poligonul frecventelor).
Ex. 5. Un agent al companiei de asigurari W vinde contracte de asigurare de locuinte. In luna iulie a
incheiat: 2 contracte cu prime anuale de 50 Eur, 3 contracte cu prime anuale de 60 Eur, 6 contracte cu
prime de 70 Eur, 9 contracte cu prime de 90 Eur, 16 contracte cu prime anuale de 120 Eur, 8 contracte cu
prime anuale de 130 Eur si 6 contracte cu prime de 140 Eur. Se cere:
a) Construiţi seria de distribuţie de frecvenţe şi analizaţi grafic tendinţa de normalitate a acesteia.
b) Caracterizaţi omogenitatea şi asimetria distribuţiei contractelor în funcţie de valoarea primelor
anuale.
c) Calculati media si abaterea standard a variabilei alternative care evidentiaza contractele cu prime
anuale de valoare mai mica sau egala cu 90 Eur.
Rezolvare: a)
o Populatia statistica este multimea contractelor de asigurare de locuinte din portofoliul companiei W.
o Unitatea statistica este un contract de asigurare de locuinta.
o Variabila statistica sau caracteristica de interes, notata X, este variabila ce arata marimei primei
anuale, in Eur, pentru un contract de asigurare de locuinta incheiat de un agent al companiei; variabila
numerica, continua.
o Agentul a incheiat intr-o luna n=50 de contracte, seria de date statistice referitoare la primele anuale
ale acestor contracte fiind sistematizata intr-o serie de distributie de frecvente pe r=7 variante
distincte. Astfel distributia celor n=50 de contracte dupa valoarea primei anuale, in Eur, este:
Nr. Valoarea x k Eur Numarul de contracte, nk ,
crt. a unei prime anuale (frecventa absoluta)
1 x1 50 Eur n1 2 contracte
2 x2 60 Eur n2 3
3 x3 70 Eur n3 6
4 x4 90 Eur n4 9
5 x5 120 Eur n5 16
6 x6 130 Eur n6 8
7 x7 140 Eur n7 6
7
n
k 1
k 50 n contracte
12
o Poligonul frecventelor sugereaza ca distributia are tendinta de normalitate, dar prezinta asimetrie la
stanga, coada poligonului freventelor absolute fiind mai alungita spre stanga.
o Poligonul frecventelor se mai poate reprezenta si cu ajutorul frecventelor relative
nk
Nr. Valoarea x k Eur Numarul de contracte, nk , Frecventa relativa nk* 0,1
crt. a unei prime anuale (frecventa absoluta) n
1 x1 50 Eur n1 2 contracte n1* 0,04
2 x2 60 Eur n2 3 n2* 0,06
3 x3 70 Eur n3 6 n3* 0,12
4 x4 90 Eur n4 9 n4* 0,18
5 x5 120 Eur n5 16 n5* 0,32
6 x6 130 Eur n6 8 n6* 0,16
nk 50 n
k 1
contracte n
k 1
*
k 1
13
b)
o Media pentru o serie de distributie de frecvente pe r variante distincte ale variabilei de interes este
r
x n ... xr nr x k nk
,
x 1 1 k 1
n1 ... nr n
r
unde xk , k 1, r sunt variantele distincte observate ale variabilei, iar n k n volumul
k 1
esantionului.
7
In cazul nostru, x k nk
5310 Eur este valoarea medie a unei prime anuala
x k 1
106,2
50 50
corespunzatoare unui contract de asigurare de locuinta incheiat de respectivul agent de vanzari.
o Mediana pentru o serie de distributie de frecvente pe r variante distincte se calculeaza parcurgand
urmatorii pasi:
Cele r variante distincte sunt ordonate crescator x1 x2 ... xr .
n 1
Se determina locul medianei, adica 25,5 .
2
Se calculeaza frecventele absolute cumulate crescator ale celor r variante distincte
Fck n1 ... nk , k 1, r .
Mediana este acea valoare distincta cu proprietatea ca frecventa sa absoluta cumulata
crescator este prima care depaseste locul medianei
Fc1 2 25,5
Fc 2 5 25,5
Fc 3 11 25,5
Fc 4 20 25,5
si Fc 5 36 25,5 , deci a 5-a varianta sau valoare distincta, x5 , este mediana sau
valoarea mediana: Me x5 120 Eur, adica jumatate dintre contractele incheiat de
agentul de vanzari au o prima anuala de valoare mai cica sau egala cu 120 Eur.
14
Valoarea nk ,
Nr.
crt.
distincta,
(frecventa x k nk Fck n1 ... nk x k x 2 nk
x k Eur absoluta)
xk nk 531 x x nk 3737
2
7
n
k
k 50 n k 1 k 1
k 1 0 8
x 106,2 s x2 762,8163265
sx s x2 27,61912972
v x 26,01%
o Modul sau valoarea modala pentru o serie de distributie de frecvente pe r variante distincte este acea
varianta sau valoare care apare cu frecventa absoluta sau relativa cea mai mare:
Frecventa absoluta cea mai mare este:
16 n5 maxnk , k 1, r .
valoarea modala este deci a 5-a varianta sau valoare distincta de raspuns a
variabilei de interes, Mo x5 120 Eur, aceasta fiind valoarea cea mai des intalnita a unei
prime anuale pentru contractele incheiate de respectivul agent.
o Relatia in care se gasesc indicatorii tendintei centrale, x Me Mo , ca si reprezentatrea grafica
pentru poligonul frecventelor absolute sau relative, arata ca distributia contractelor dupa valoarea
primelor anuale prezinta asimetrie negativa, in serie predominand valorile mai mari ale primelor
anuale, iar coada distributiei este alungita spre stanga.
o Dispersia in esantion (de selectie) pentru o serie de distributie de frecvente pe r intervale de variatie
este
r
x x nk
2
s x2
x1 x 2
n1 ... xr x nr
2
k 1
k
,
n1 ... nr 1 n 1
r
unde x
k , k 1, r sunt variantele distincte observate ale variabilei, n k n volumul esantionului.
k 1
7
In cazul nostru, x k x nk
37378
2
15
c) Definim “evenimentul favorabil” ca evenimentul ca un contract de asigurare are o prima anuala de
valoare mai mica sau egala cu 90 Eur. Variabila alternativa care evidentiaza contractele ale caror prime
0 1
anuale sunt de valoare mai mica sau egala cu 90 Eur este Y : ,
n m m
unde Y 1 pentru unitatile statistice din esantion care verifica evenimentul favorabil, iar m este
numarul de unitati statistice din esantion care verifica evenimentul favorabil,
m n1 n2 n3 n4 20 contracte,
iar Y 0 pentru unitatile statistice din esantion care nu verifica evenimentul favorabil, n m este
numarul de unitati statistice din esantion pentru care nu se verifica evenimentul favorabil,
n m 30 de contracte cu prime anuale mai mari de 90 Eur.
m 20
Media variabilei alternative este y 0,4 , adica 40% dintre contracte au valori ale
n 50
primelor anuale mai mici sau egale cu 90 Eur.
m m
Dispersia variabilei alternative este s y 1 0,24 , iar abaterea standard
2
n n
m m
sy 1 0,48
n n
Ex. 6. Distributia a 1100 de absolventi ai Universitatii din Florida dupa salariul castigat, in $, in primul an
dupa terminarea studiilor este urmatoarea serie de distributie de frecvente pe intervale de variatie:
Nr. crt. Intervalul de variatie al salariului, $ Numarul de absolventi
1 [7200; 12500] 30
2 (12500; 17800] 69
3 (17800; 23100] 302
4 (23100; 28400] 308
5 (28400; 33700] 263
6 (33700; 39000] 95
7 (39000; 44300] 20
8 (44300; 49600] 6
9 (49600; 54900] 5
10 (54900; 60200] 1
11 (60200; 65500] 1
Se cere:
a) sa se reprezinte grafic aceasta serie de distributie;
b) sa se determine si sa se interpreteze indicatorii tendintei centrale;
c) sa se reprezinte grafic poligonul frecventelor absolute cumulate crescator si sa se estimeze
proportia absolventilor care:
i) au obtinut un salariu mai mic de 21000 $ in primul an de dupa finalizarea studiilor,
ii) au obtinut un salariu mai mic decat media in primul an de dupa finalizarea studiilor,
iii) au castigat in primul an intre 25000 $ si 40000 $,
iv) au castigat mai mult de 52000 $;
d) sa se stabileasca daca media este reprezentativa pentru colectivitate;
e) sa se analizeze asimetria acestei distributii.
Rezolvare: a)
Populatia statistica este multimea absolventilor Universitatii din Florida, promotiile anilor 1989 si
1990, asa cum se specifica in fisierul University of Florida graduate salaries.sav al programului
SPSS.
Unitatea statistica este un absolvent.
Variabila sau caracteristica de interes, notata X, este variabila ce arata salariul unui absolvent, in $, din
primul an de dupa finalizarea studiilor, variabila numerica, continua.
16
Pentru un esantion de volum n 1100 de absolventi s-au inregistrat valorile variabilei, iar setul de
date s-a sistematizat intr-o serie de distributie de frecvente pe r 11 intervale de variatie de marime
egala, data in enuntul problemei.
Reprezentarea grafica a acestei serii de distributie de frecvente pe intervale de variatie se poate realiza
prin histograma si poligonul frecventelor absolute.
11
n
k 1
k n 1100
Fig. ..... Histograma – Distributia celor 1100 de absolventi ai Universitatii din Florida dupa salariul
castigat in primul an de dupa finalizarea studiilor.
17
Fig. ..... Poligonul frecventelor absolute – Distributia celor 1100 de absolventi ai Universitatii din
Florida dupa salariul castigat in primul an de dupa finalizarea studiilor.
x n ... xr nr x k nk
,
x 1 1 k 1
n1 ... nr n
r
unde xk , k 1, r sunt centrele celor r intervale, iar n k n volumul esantionului.
k 1
18
11
x k nk
28563500 $ a castigat, in medie, un absolvent in primul an.
x k 1
25966,82
1100 1100
o Mediana pentru o serie de distributie de frecvente pe r intervale de variatie se calculeaza parcurgand
urmatorii pasi:
n 1
Se determina locul medianei, adica 550,5 .
2
Se calculeaza frecventele absolute cumulate crescator ale intervalelor de variatie
Fck n1 ... nk , k 1, r .
Intervalul median este primul interval cu proprietatea ca frecventa sa absoluta cumulata
crescator depaseste locul medianei
Fc1 30 550,5
Fc 2 99 550,5
Fc 3 401 550,5
si Fc 4 709 550,5 , deci al 4-lea interval de variatie (23100; 28400] $ este intervalul
median.
n 1
Fc Me1
Me xinf Me hMe 2
nMe
550,5 401
23100 5300 25672,56 $, adica jumatate dintre absolventi au
308
castigat cel mult 25672,56$ in primul an sau jumatate au castigat cel putin 25672,56 $.
o Modul sau valoarea modala pentru o serie de distributie de frecvente pe r intervale de variatie se
calculeaza astfel:
Se determina intervalul cu frecventa absoluta cea mai mare:
308 n4 maxnk , k 1, r ,
deci al 4-lea interval de variatie (23100; 28400] $ este intervalul modal.
1
Mo xinf Mo hMo
1 2
308 302
23100 5300 23723,52 $, aceasta este valoarea cea mai
308 302 308 263
des intalnita a castigului salarial al unui absolvent intr-un an.
19
frecventa absoluta cumulata este 0, Fc x 1 inf Fc 7200 0 , deoarece pentru nicio unitate statistica din
esantion, nivelul variabilei nu este mai mic decat x 1 inf .
i) Fc 21000 este numarul de absolventi care au obtinut un salariu mai mic de 21000 $ in primul an
de dupa finalizarea studiilor.
20
Valoarea 21000 $ se gaseste in intervalul de variatie (17800; 23100] $, iar Fc 21000 se determina
prin interpolare liniara, utilizand urmatoarea egalitate de rapoarte, asa cum se poate observa in figura
de mai jos:
21000 17800 Fc 21000 Fc 17800
23100 17800 Fc 23100 Fc 17800
3200 Fc 21000 99
5300 401 99
281
Fc 21000 281,33 281 absolventi, adica o proportie de 100 25,54% dintre cei 1100
1100
de absolventi din esantionul considerat au avut un salariu anual mai mic de 21000 $.
Fig. .... Interpolare liniara - detaliu din figura reprezentand poligonul frecventelor absolute cumulate
crescator, pentru intervalul (17800; 23100] $ in care se gaseste 21000 $.
ii) Fc 25966,82 este numarul de absolventi care au obtinut un salariu mai mic decat nivelul mediu
x 25966,82 $ al salariului in esantion.
Din relatia
25966,82 23100 Fc 25966,82 Fc 23100
,
28400 23100 Fc 28400 Fc 23100
obtinem ca Fc 25966,82 567,8 568 absolventi,
21
568
adica o proportie de 100 51,63% dintre cei 1100 de absolventi din esantionul considerat au
1100
avut un salariu anual mai mic de nivelul mediu.
iii) Fc 40000 Fc 25000 559,35 559 este numarul de absolventi care au castigat in primul an
intre 25000 $ si 40000 $, adica 50,81% dintre cei 1100 de absolventi.
iv) n Fc 52000 1100 Fc 52000 4,73 5 absolventi au castigat mai mult de 52000 $, adica o
proportie de 0,45%.
11
x x nk 5548221886
2
11
n
k
k n 1100 k 1
k 1 4
s 50484275,58
2
x
s x 7105,2287
x x nk
2
s x2
x1 x 2
n1 ... xr x nr
2
k 1
k
,
n1 ... nr 1 n 1
r
unde xk , k 1, r sunt centrele celor r intervale, n k n volumul esantionului.
k 1
11
x k x nk
2
22
e) Asimetria unei serii de distribuţie de frecvenţe se observă din reprezentarea grafică prin
histogramă sau poligonul frecvenţelor, si prin modalitatea în care sunt situaţi, unul faţă de celălalt,
indicatorii tendinţei centrale.
x x nk
3
k
,
CAS x k 1
n sx
3
r
unde xk , k 1, r sunt centrele celor r intervale, n k n volumul esantionului.
k 1
Intervalul k Centrul Frecventa absoluta nk
Nr.
crt.
(Salariul anual al unui
xk x k x 3 nk
absolvent, in $) (numarul de absolventi)
1 [7200; 12500] 9850 30 -1,25591E+14
2 (12500; 17800] 15150 69 -8,73269E+13
3 (17800; 23100] 20450 302 -5,07076E+13
4 (23100; 28400] 25750 308 -3139415056
5 (28400; 33700] 31050 263 3,45432E+13
6 (33700; 39000] 36350 95 1,06344E+14
7 (39000; 44300] 41650 20 7,71494E+13
8 (44300; 49600] 46950 6 5,54326E+13
9 (49600; 54900] 52250 5 9,07828E+13
10 (54900; 60200] 57550 1 3,15041E+13
11 (60200; 65500] 62850 1 5,01747E+13
11 11
23
Ex. 7. La o banca se analizeaza distributia a 500 de debitori restantieri dupa situatia datelor de intarziere a
rambursarii creditelor. Datele au fost sistematizate astfel:
Intervale de variatie Ponderea cumulata
a numarului de zile de intarziere a platii a debitorilor (%)
mai putin 25 de zile 25
25-35 de zile 75
35-45 de zile 85
45-55 de zile 93
55-65 de zile 98
peste 65 de zile 100
Se cere:
a) sa se scrie distributia de frecvente pe intervale de variatie;
b) sa se reprezinte grafic distributia de frecvente absolute;
c) sa se calculeze si sa se analizeze indicatorii tendintei centrale si sa se stabileasca daca durata
medie de intarziere a platilor este reprezentativa;
d) sa se calculeze media si abaterea standard pentru variabila alternativa care evidentiaza debitorii ce
au intarziat mai mult de 45 de zile cu efectuarea platilor.
Rezolvare: a)
o Populatia statistica – mutimea debitorilor cu intarziere in efectuarea platilor pentru rambursarea unor
credite.
o Unitatea statistica – un debitor.
o Variabila sau caracteristica de interes, X, este variabila ce arata numarul de zile de intarziere a
efectuarii platii catre banca de catre un deitor; variabila numerica, discreta.
o S-a realizat o selectie de volum n 500 de debitori restantieri pentru care s-a inregistrat numarul de
zile de intarziere, datele obtinute fiind sistematizate intr-o serie de distributie de frecvente pe r 6
intervale de variatie de marime egala.
Notam cu:
nk , k 1, r , frecventa absoluta a intervalului k de variatie (numarul de debitori restantiei pentru
care numarul de zile de intarziere apartine intervalului k de variatie), n1 ... nr n ;
n
nk k 0;1, k 1, r , frecventa relativa a intervalului k de variatie, n1* ... nr* 1 ;
*
n
n
nk % 100 k , k 1, r , frecventa relativa exprimata procentual a intervalului k de variatie sau
*
n
ponderea debitorilor cu numarul de zile de intarziere din intervalul sau clasa k, n1* % ... nr* % 100% ;
Fck n1 ... nk , k 1, r , este frecventa absoluta cumulata crescator a intervalului k;
Fck* n1* ... nk* , k 1, r , este frecventa relativa cumulata crescator a intervalului k;
Fck* % n1* % ... nk* %, k 1, r , este frecventa relativa exprimata procentual cumulata crescator a
intervalului k (ponderea cumulata a intervalului k).
nk* % 100%
k 1
nk* 1
k 1
n
k 1
k 500 n
Distributia celor 500 de debitori dupa numarul de zile de intarziere a platii este urmatoarea serie
de distributie de frecvente pe intervale:
Intervalul k de variatie Numarul de debitori Centrul x k al
Nr. (frecventa absoluta),
a numarului de zile intervalului k
crt. nk
de intarziere a platii de variatie
1 15-25 de zile n1 125 debitori x1 20
2 25-35 de zile n2 250 x 2 30
3 35-45 de zile n3 50 x3 40
4 45-55 de zile n4 40 x4 50
5 55-65 de zile n5 25 x5 60
6 65-75 de zile n6 10 x6 70
6
n
k 1
k 500 n debitori
b)
Fig. ..... Distributia celor 500 de debitori dupa numarul de zile de Fig. .... Poligonul frecventelor absolute pentru distributia celor
intarziere a platii 500 de debitori dupa numarul de zile de intarziere a platilor
c)
Numarul de Centrul
Nr.
crt.
Intervalul k
debitori, nk xk
x k nk Fck x k x 2 nk
25
n1 125 x1 20
Fc1 12
1 15-25 de zile x1 n1 2500 5 x1 x 2 n1 19220
n2 250 x 2 30
Fc 2 37
2 25-35 de zile 7500 5 1440
n3 50 x3 40 Fc 3 42
3 35-45 de zile 2000 5 2888
4 45-55 de zile n4 40 x4 50 2000 465 12390,4
5 55-65 de zile n5 25 x5 60 1500 490 19044
n6 10 Fc 6 50
6 65-75 de zile
x6 70 x6 n6 700 0 x6 x 2 n6 14137,6
6 6
6
x nk 1620 x x nk =6912
2
n
k k
k 500 n k 1 k 1
k 1 0 0
x 32,4 s 138,5170
2
x
sx s x2 11,7693
v x 36,33%
6
x1 n1 ... xr n6
x k nk
o Media este 16200 , deci x 32,4 zile este numarul mediu de zile
x k 1
n1 ... n6 n 500
de intarziere a platilor pentru un debitor restantier.
n 1 n 1
o Locul medianei este 250,5 ; primul interval cu proprietatea ca Fck este intervalul 25-
2 2
35 de zile, deoarece Fc1 125 250,5 , dar Fc 2 375 250,5 , deci:
n 1
Fc Me1
Me xinf Me hMe 2
nMe
250,5 125
25 10 30,02 zile, adica jumatate dintre debitorii restantieri au intarziat
250
cel putin 30 de zile cu efectuarea platilor.
o Intervalul modal este intervalul 25-35 de zile deoarece are frecventa absoluta cea mai mare
250 n2 maxnk , k 1,6 , atunci
1
Mo xinf Mo hMo
1 2
250 125
25 10 28,84 zile; numarul cel mai intalnit de zile de
250 125 250 50
intarziere a platilor celor 500 de debitori restantieri este de aproximativ 29 de zile.
o Relatia in care se gasesc cei trei indicatori ai tendintei centrale este Mo Me x , ceea ce indica o
asimetrie pozitiva.
26
6
x x nk
2
k 1
k
69120 , deci
n1 ... n6 1 500 1 500 1
s 138,5170 , iar abaterea standard s x
2
x zile, care arata cu cate zile se abat, in
s 11,7693
2
x
medie, valorile observate ale seriei de date fata de numarul mediu de zile de intarziere.
sx 11,7693
o Coeficientul de variatie in esantion este v x 100 100 36,33% 35% , ceea ce arata ca
x 32,4
distributia nu este omogena si media, ca indicatot al tendintei centrale, nu este reprezentativa pentru
colectivitate.
unde Y 1 pentru unitatile statistice din esantion care verifica evenimentul favorabil, iar m este
numarul de unitati statistice din esantion pentru care se verifica evenimentul favorabil,
m n4 n5 n6 75 debitori,
iar Y 0 pentru unitatile statistice din esantion care nu verifica evenimentul favorabil, n m este
numarul de unitati statistice din esantion pentru care nu se verifica evenimentul favorabil,
n m 425 debitori.
m 75
Media variabilei alternative este y 0,15 , adica 15% dintre debitori au intarziat mai
n 500
mult de 45 de zile.
m m
Dispersia variabilei alternative este s y 1 0,1275 , iar abaterea standard
2
n n
m m
sy 1 0,36 .
n n
Ex. 8. Un cercetător face un studiu asupra unor firme, privind şansele pe care acestea le oferă tinerilor
angajaţi de a promova repede şi de a avansa în carieră. Pentru aceasta el a cuprins în studiu un număr de
20 de companii producătoare de tehnologie de vârf şi a înregistrat timpul scurs de la angajarea iniţială a
unui salariat în firmă până la prima promovare a acestuia. Firmele au fost grupate după mărime, iar datele
înregistrate sunt:
Mărimea firmelor Număr de săptămâni de la angajare până la prima promovare
Mici 30; 26; 30; 32; 38; 24; 32; 28;
Medii 34; 32; 25; 36; 33
Mari 47; 41; 43; 48; 40; 49; 40.
Se cere:
a) să seprecizeze care este grupa de firme cu un grad mai ridicat de omogenitate;
b) sa se determine in ce proportie marimea companiei influenteaza variatia timpului pana la prima
promovare a unui salariat.
Rezolvare: a)
o Populatia statistica este multimea companiilor producatoare de tehnologie de varf.
o Unitatea statistica este o companie (firma).
o Caracteristicile urmarite sunt:
27
X - variabila ce arata marimea unei firme;
- variabila nenumerica avand r=3 categorii sau variante de raspuns: firme mici, firme mijlocii si
firme mari:
aceste categorii ale variabilei X vor determina impartirea populatiei statistice in r =3 grupe
si anume:
Grupa 1 (grupa firmelor mici),
Grupa 2 (grupa firmelor mijlocii),
Grupa 3 (grupa firmelor mari);
- astfel, variabila X, marimea firmei, se mai numeste si factor de grupare.
si
Y - variabila ce arata durata de timp, in saptamani, de la angajare la prima promovare a unui salariat
al unei firme producatoare de tehnologie de varf;
- variabila numerica de interes.
Din Grupa 1 (grupa firmelor mici) se selecteaza un subesantion de volum n1 8 firme pentru care se
inregistreaza valorile variabilei Y:
{ y1, 1 30; y1, 2 26; y1, 3 30; y1, 4 32; y1, 5 38; y1, 6 24; y1, 7 32; y1, 8 y1, n 28 } saptamani. 1
n1
y y1
n1
2
s12
y 1, 1
y1 y1, 2 y1 ... y1, n1 y1
2 2
2
j 1
1, j
18,2857
,
n1 1 n1 1
abaterea standard de selectie de grupa este s1 s12 18,2857 4,2762 saptamani,
s1 4,2762
iar coeficientul de variatie al acestei grupe este v1 100 100 14,25% .
y1 30
Din Grupa 2 (grupa firmelor mijlocii) se selecteaza un subesantion de volum n2 5 firme pentru care
se inregistreaza valorile variabilei Y:
{ y2, 1 34, y2, 2 32, y2, 3 25, y2, 4 36, y2, 5 y2, n 33} saptamani. 2
n2
y y2
n2
2
s22
y 2, 1
y 2 y 2, 2 y 2 ... y 2, n2 y 2
2 2
2
j 1
2, j
17,5
,
n2 1 n2 1
abaterea standard de selectie de grupa este s2 s22 17,5 4,1833 saptamani,
s2 4,1833
iar coeficientul de variatie al acestei grupe este v2 100 100 13,07% .
y2 32
Din Grupa 3 (grupa firmelor mari) se selecteaza un subesantion de volum n3 7 firme pentru care se
inregistreaza valorile variabilei Y:
{ y3, 1 47; y3, 2 41; y3, 3 43; y3, 4 48; y3, 5 40; y3, 6 49; y3, 7 y3, n 40 } saptamani. 2
28
n3
y y3
n3
2
s32
y
3, 1 y 3 y 3, 2 y 3 ... y 3, n3 y 3
2 2
2
j 1
3, j
15,3333
,
n3 1 n3 1
abaterea standard de selectie de grupa este s3 s 15,3333 3,9158 saptamani, 2
3
s3 3,9158
iar coeficientul de variatie al acestei grupe este v3 100 100 8,89% .
y3 44
Cum coeficientii de variatie pentru cele trei grupe sunt mai mici ca 30%-35%, atunci toate grupele
sunt omogene. Grupa 3 (grupa firmelor mari) este mai omogena in privinta duratei de timp de la angajare
la prima promovare a unui salariat deoarece are cel mai mic coeficient de variatie v3 v2 v1 .
29
Figura 2. Fereastra de dialog pentru Descriptive Statistics.
Output-ul consta din urmatorul tabel, corepunzator prelucrarii datelor din cele trei grupe:
Grupa 1 Grupa 2 Grupa 3
(firme mici) (firme mijlocii) (firme mari)
Count 8= n1 5= n2 7= n3
b)
o Media totala la nivelul intregului esantion de volum n n1 n 2 n3 20 firme este
y n y n y 3 n3 30 8 32 5 44 7
y 1 1 2 2
n1 n2 n3 20
y 35,4 saptamani.
o Pe baza datelor de selectie calculam:
Variatia dintre grupe (Sum of Squares Between Groups)
30
SSB y1 y n1 y 2 y n2 y 3 y n3
2 2 2
SSB 808,8
Variatia din interiorul grupelor (Sum of Squares Within Groups)
SSW n1 1 s12 n2 1 s 22 n3 1 s32
8 1 18,2857 5 1 17,5 7 1 15,3333
SSW 290
Variatia totala
SST SSB SSW
808,8 290
SST 1098,8
Coeficientul de determinatie este
SSB 404,4
R2 0,368
SST 1098,8
SSB 404,4
sau, exprimat procentual, R% SST 100 1098,8 100 36,8% arata ca factorul de grupare, tipul
2
companiei, explica variatia totala a duratei de timp pana la prima promovare in proportie de
36,8%, restul de 63,2% din variatia totala a timpului se datoreaza altor factori care nu au fost
considerati de cercetator.
o Dispersia de selectie la nivelul intregului esantion de volum n 20 de firme este
Variatia totala la nivelul intregului esantion SST 1098,8
s y2 57,8315
n 1 n 1 20 1
Ex. 9. Managerul unei agentii imobiliare doreste sa efectueze o analiza referitoare la pretul de vanzare
(zeci mii euro) al caselor din doua zone ale Bucurestiului: zona Cotroceni si zona Piata Victoriei. Datele
inregistrate au fost prelucrate cu Excel si s-au obtinut urmatoarele rezultate:
Cotroceni Piata Victoriei a) Caracterizati comparativ cele doua
subcolectivitati pe baza output-ului
Mean 38,98 Mean 59,45 prezentat (in particular, caracterizaţi
Median 36,18 Median 59,8 omogenitatea şi asimetria fiecărei
Mode 36 Mode 59
grupe);
Standard Deviation 12,04 Standard Deviation 17,23
b) Determinati in ce proportie zona
Sample Variance 144,93 Sample Variance 296,88
Kurtosis 1,91 Kurtosis -1,01
influenteaza pretul de vanzare al
Skewness 1,30 Skewness 0,09 caselor.
Range 53,20 Range 61,37
Minimum 21,77 Minimum 29,9
Maximum 74,97 Maximum 91,27
Sum 1169,50 Sum 1783,37
Count 30 Count 30
31