Statistica inferentială

- noţiuni fundamentale -
M. Popa

s
t
a
t
i
metodologia cercetării
s
t
i
c
a

eşantion

P O P U L A Ț I E
 Populaţie şi eşantion
Populaţie, totalitatea „unităţilor de
informaţie” care constituie obiectivul de
interes al unei investigaţii Parametrii populatiei Indicatorii
esantionului
estimeaza

Eşantion, reprezintă „unităţile de informaţie”

selecţionate pentru a fi efectiv studiate.

Reprezentativitatea eşantionului:
Calitatea unui eşantion de a permite extinderea concluziilor
la întreaga populaţie din care a fost extras
 Exemple:
• Într-un studiu asupra efectelor accesului la
internet asupra elevilor de liceu, elevii de liceu
reprezintă „populaţia”, iar elevii selecţionaţi
pentru investigaţie, „eşantionul”.
• Într-un studiu care vizează influenţa inteligenţei
asupra performanţei în instruirea de zbor,
populaţia este reprezentată de toţi piloţii, iar
eşantionul, de subiecţii incluşi în studiu
Reprezentativitatea eşantionului

POPULAȚIA

nereprezentativ

reprezentativ

eşantion
 Distribuţia de eşantionare

POPULAŢIE Σ=10.00
1,2,3,4 μ=10/4=2.5

eşantion 1 eşantion 2 eşantion 3 eşantion 4

1,2,3 1,2,4 3,4,1 2,3,4

m1=2.00 m2=2.33 m3=2.67 m4=3.00
Media distribuției de eșantionare

m1 + m2 + m3 + ... + mk 2 + 2.33 + 2.67 + 3 10

µ= = = = 2.5
k 4 4
 Împrăștierea distribuţiei de eşantionare
eroarea standard a mediei (sm)
• considerăm o populaţie de valori: 1,2,3,4,5,6,7,8,9,10,
• pentru care µ=5.5 şi σ=3,02
• extragem aleatoriu cinci eşantioane de N=3 valori:

m1=5.00 m2=4.5 m3=4.0 m4=2.5 m5=5.5 …

s1=5.65 Dacă σ este necunoscut,
σ se utilizează ”s”

sm = s 5.65 σ
sm = = = 3.26 3.02
N N 3 sm = = = 1.74
N 3

cu cât N este mai

mare, cu atât Sm
este mai mică
 Teorema limitei centrale
1. Media de eşantionare se apropie de media
populaţiei pe măsură ce numărul de eşantioane
extrase creşte (la infinit)
2. Distribuţia mediei de eşantionare se supune legilor
curbei normale, aproape indiferent de forma
distribuţiei valorilor populaţiei, dacă:
a) volumul eşantionului este „suficient de mare” (N≥30).
b) distribuţia populaţiei nu se abate grav de la normalitate
c) se respectă condiţiile eşantionării:
– eşantioane aleatoare
– volum egal
Efectul limitei centrale
ilustrări grafice
 (a) Triangular

n=1 n=2
3
2 2
2
1 1
1

0 0 0
0.0 0.2 0.4 0.6 0.8 1.0 0.0 0.2 0.4 0.6 0.8 1.0 0.0 0.2 0.4 0.6 0.8 1.0

n=4 n = 10
4
5
3 4
2 3
2
1
1
0 0
0.0 0.2 0.4 0.6 0.8 1.0 0.0 0.2 0.4 0.6 0.8 1.0

From Chance Encounters by C.J. Wild and G.A.F. Seber, © John Wiley & Sons, 2000.
 (b) Uniform

n=1 n=2
2 2 3

2
1 1
1

0 0 0
0.0 0.2 0.4 0.6 0.8 1.0 0.0 0.2 0.4 0.6 0.8 1.0 0.0 0.2 0.4 0.6 0.8 1.0

n=4 n = 10

3 4
3
2
2
1
1
0 0
0.0 0.2 0.4 0.6 0.8 1.0 0.0 0.2 0.4 0.6 0.8 1.0

From Chance Encounters by C.J. Wild and G.A.F. Seber, © John Wiley & Sons, 2000.
 (a) Exponential

n=1 n=2
1.0
1.0 0.8
0.8
0.8 0.6
0.6
0.6
0.4 0.4
0.4
0.2 0.2
0.2
0.0
0 1 2 3 4 5 6 0.0 0.0
0 1 2 3 4 5 6 0 1 2 3 4

n=4 n = 10
1.0
1.2
0.8
0.6 0.8
0.4
0.4
0.2
0.0 0.0
0 1 2 3 0 1 2
From Chance Encounters by C.J. Wild and G.A.F. Seber, © John Wiley & Sons, 2000.
 (b) Quadratic U

n=1 n=2
3
3 3
2
2 2
1 1 1

0 0 0
0.0 0.2 0.4 0.6 0.8 1.0 0.0 0.2 0.4 0.6 0.8 1.0 0.0 0.2 0.4 0.6 0.8 1.0

n=4 n = 10

3 3

2 2

1 1

0 0
0.0 0.2 0.4 0.6 0.8 1.0 0.0 0.2 0.4 0.6 0.8 1.0

From Chance Encounters by C.J. Wild and G.A.F. Seber, © John Wiley & Sons, 2000.
 Scoruri standardizate z
pentru eşantioane (grupuri)
• Se pot calcula scoruri z pentru eşantion (grup)
în mod similar ca şi pentru valori individuale
Exemplu: populaţia valorilor 1,2,3,4,5,6,7,8,9,10 µ=5.5 şi σ=3,02
Extragem un eșantion (N=3) având m=5 și s=6.36:
• Pentru a calcula z pentru grup avem nevoie de:
• media populaţiei (μ=5.5)
• eroarea standard a mediei (sm=1.74)

m − µ 5 − 5.5
z= = = −0.28
sm 1.74
• Scorurile z pentru grupuri se supun
aceloraşi raţionamente în raport cu
distribuţia normală ca şi scorurile z
individuale
• Diferenţa este dată de cadrul de referinţă
– GRUPUL (eşantionul) în cazul z individual
– POPULAŢIA în cazul z pentru grup
• Scorul z pentru grup permite poziţionarea
rezultatului unui eşantion pe distribuţia de
eșantionare (mediile tuturor eșantioanelor
posibile)
 Exemplu:
• La un examen de cunoştinţe de statistică, o grupă de 45
de studenţi obţine un scor mediu de m=28.5 puncte.
• Dacă:
– media pe ”populaţia” studenţească care a mai dat acest examen
este µ=27.3,
– ... iar σ=8.2
• ...cât de “bună” este performanţa grupei respective?
Calculăm eroarea standard a mediei:
σ 8 .2 8 .2
sm = = = = 1.22
N 45 6.70
Calculăm scorul z pentru grup:
m − µ 28.5 − 27.3 1.20
z= = = = 0.98
sm 1.22 1.22
 Ipoteza cercetării
• Un psiholog şcolar este interesat de
diferența de inteligență dintre elevii
participanţi la olimpiadele şcolare
comparativ cu inteligenţa tuturor elevilor.
• Întrebarea cercetării:
– „Elevii participanţi la olimpiade sunt mai
inteligenţi decât toţi elevii în general, fie ei
participanţi sau nu la olimpiade?”.
 Ipoteza cercetării (H1)
• Este rezultatul prefigurat, posibil, al cercetării
– QI mediu al elevilor participanţi la olimpiade este mai
mare decât al elevilor în general

H1 → μpo≠ μeg

• H1 presupune că există două populaţii

distincte sub aspectul nivelului de inteligenţă
– elevii participanţi la olimpiade
– elevii în general
 Ipoteza statistică (H0)
• Denumiri alternative (echivalente):
– „ipoteza diferenţei nule”
– “ipoteza de nul”
• Se formulează ca opusul ipotezei cercetării
– „participanţii la olimpiadă nu au o inteligenţă
mai mare decât populaţia de elevi în general”.
• H0 presupune că nu există două populații
distincte de elevi, ci doar una singură
• Expresia formală: H0 → mpo=meg
 Distribuţia ipotezei de nul
• Distribuția mediei eșantioanelor de valori QI,
indiferent de participarea la olimpiadă
– media olimpicilor nu diferă de media populaţiei
generale de elevi
– μpo=μeg
• În conformitate cu TLC
– Distribuția mediei de eșantionare urmează legea
curbei normale
• .... putem utiliza tabela distribuţiei normale
pentru a aprecia poziția unei medii de eșantion,
la fel ca și pentru o valoare individuală
 Testul z pentru un singur
eşantion
• Eşantionul de participanţi la olimpiadă (N=30):
m=106 şi s=7
• QI: µ=100, σ=15
• Scorul z pentru eşantion devine un test pentru
evaluarea diferenţei dintre media unui grup faţă
de media populaţiei din care este extras
– rar utilizat, deoarece presupune cunoaşterea
parametrilor populaţiei (μ şi σ)
– util în introducerea teoretică a testelor statistice
• şi totuşi, este utilizabil în practică....
 calcule
m−µ m − µ 106 − 100 6 6
z= z=
sm
=
σ/ N
= =
15 / 5.47 2.74
= +2.18
sm

?%
50-48.54=1.46%

QI=100 QIcalculat=106
z=0 zcalculat =+2.18
 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.0000 0.0040 0.0080 0.0120 0.0160 0.0199 0.0239 0.0279 0.0319 0.0359
0.1 0.0398 0.0438 0.0478 0.0517 0.0557 0.0596 0.0636 0.0675 0.0714 0.0753
0.2 0.0793 0.0832 0.0871 0.0910 0.0948 0.0987 0.1026 0.1064 0.1103 0.1141
0.3 0.1179 0.1217 0.1255 0.1293 0.1331 0.1368 0.1406 0.1443 0.1480 0.1517
0.4 0.1554 0.1591 0.1628 0.1664 0.1700 0.1736 0.1772 0.1808 0.1844 0.1879
0.5 0.1915 0.1950 0.1985 0.2019 0.2054 0.2088 0.2123 0.2157 0.2190 0.2224
0.6 0.2257 0.2291 0.2324 0.2357 0.2389 0.2422 0.2454 0.2486 0.2517 0.2549
0.7 0.2580 0.2611 0.2642 0.2673 0.2704 0.2734 0.2764 0.2794 0.2823 0.2852
0.8 0.2881 0.2910 0.2939 0.2967 0.2995 0.3023 0.3051 0.3078 0.3106 0.3133
0.9 0.3159 0.3186 0.3212 0.3238 0.3264 0.3289 0.3315 0.3340 0.3365 0.3389
1.0 0.3413 0.3438 0.3461 0.3485 0.3508 0.3531 0.3554 0.3577 0.3599 0.3621
1.1 0.3643 0.3665 0.3686 0.3708 0.3729 0.3749 0.3770 0.3790 0.3810 0.3830
1.2 0.3849 0.3869 0.3888 0.3907 0.3925 0.3944 0.3962 0.3980 0.3997 0.4015
1.3 0.4032 0.4049 0.4066 0.4082 0.4099 0.4115 0.4131 0.4147 0.4162 0.4177
1.4 0.4192 0.4207 0.4222 0.4236 0.4251 0.4265 0.4279 0.4292 0.4306 0.4319
1.5 0.4332 0.4345 0.4357 0.4370 0.4382 0.4394 0.4406 0.4418 0.4429 0.4441
1.6 0.4452 0.4463 0.4474 0.4484 0.4495 0.4505 0.4515 0.4525 0.4535 0.4545
1.7 0.4554 0.4564 0.4573 0.4582 0.4591 0.4599 0.4608 0.4616 0.4625 0.4633
1.8 0.4641 0.4649 0.4656 0.4664 0.4671 0.4678 0.4686 0.4693 0.4699 0.4706
1.9 0.4713 0.4719 0.4726 0.4732 0.4738 0.4744 0.4750 0.4756 0.4761 0.4767
2.0 0.4772 0.4778 0.4783 0.4788 0.4793 0.4798 0.4803 0.4808 0.4812 0.4817
2.1 0.4821 0.4826 0.4830 0.4834 0.4838 0.4842 0.4846 0.4850 0.4854 0.4857
2.2 0.4861 0.4864 0.4868 0.4871 0.4875 0.4878 0.4881 0.4884 0.4887 0.4890
 Rezultatul eșantionului
 Sunt cele două medii
Media calculată (QI=106) este
(populație și eșantion) corespunzătoare lui z=+2.18
diferite?
Cel mult 1,4% din eșantioanele
extrase aleatoriu pot avea un QI mai
 Aritmetic, da (106≠100)
mare decât media populației de nul
 Dar ele pot diferi și ca
urmare a variabilității de
eșantionare
 Avem nevoie de un
mecanism decizional pentru
a decide dacă diferența
poate fi atribuită faptului că
eșantionul este compus din 1,4%
elevi olimpici 48.5%

QI=100 QIcalculat=106
z=0 zcalculat =+2.18
 Decizia statistică
• Întotdeauna pe distribuția de nul putem
avea valori mai mari decât valorile
calculate pe eșantion
• Pragul “critic” alfa (nivel alfa)… α
– corespunde probabilităţii de 0.05.
– probabilităţii „critice” alfa îi corespunde o
valoare critică z (1.65)
– Se mai numește și „valoare tabelară”.

≤5%

0 z critic=1.65
 Decizia statistică
- Dacă media eşantionului poate rezulta
aleatoriu în mai mult de 5% din cazuri, - Dacă media eşantionului
atunci NU DIFERĂ SEMNIFICATIV de poate rezulta aleatoriu în
media populaţiei mai puțin sau cel mult 5%
din cazuri, atunci DIFERĂ
SEMNIFICATIV de media
>5% populaţiei

ipoteza de nul ESTE ADMISĂ

ipoteza de nul ESTE RESPINSĂ
ipoteza cercetării NU SE CONFIRMĂ ipoteza cercetării SE CONFIRMĂ

≤5%

0 z critic=1.65
 … pentru exemplul nostru
• z calculat (+2.18) este mai mare decât z critic (1.65)
• şansa ca o medie QI=106 să apară în mod aleator este
1.4%, mai mică decât nivelul alfa (5%)
• altfel spus: p(0.014)<alfa(0.05)

• Decizia statistică: se respinge ipoteza

de nul
• Decizia cercetării: ipoteza cercetării se
confirmă

1,4% Elevii olimpici sunt mai

5% inteligenţi decât populaţia
de elevi

QI=100 zcritic=+1.65 QIcalculat=106

z=0 zcalculat =+2.18
 Decizia statistică unilaterală

5% 5%

z=-1.65 z=+1.65

• rezultatul este • rezultatul este • rezultatul este

SEMNIFICATIV NESEMNIFICATIV SEMNIFICATIV
STATISTIC STATISTIC STATISTIC
• ipoteza de de nul este • ipoteza de nul este • ipoteza de de nul este
respinsă acceptată respinsă
• ipoteza cercetării SE • ipoteza cercetării NU • ipoteza cercetării SE
CONFIRMĂ SE CONFIRMĂ CONFIRMĂ
Decizia statistică bilaterală

2.5% 2.5%

z=-1.96 z=+1.96
Dacă scorul eşantionului se află într-una din aceste arii:
- rezultatul este SEMNIFICATIV STATISTIC
- ipoteza de nul este respinsă
- ipoteza cercetării este confirmată
 Logica pragului p=0.05
• alfa=0.05 → standard convenţional ştiinţific unanim acceptat (?!)
– are rolul de a garanta faptul că orice concluzie bazată pe date statistice
răspunde aceluiaşi criteriu de exigenţă
– standard decizional în studii statistice (R. Fisher - tabele statistice)
• z critic bilateral =±1.96
– un rezultat aflat la aprox două abateri standard de media populaţiei este
considerat semnificativ statistic (improbabil să apară pe o distribuție
întâmplătoare)
• praguri mai “exigente”: 0.01, 0.001
– pragul alfa 0.05 înseamnă un nivel de încredere de 95% în rezultatul
cercetării
– 99%, pentru p=0.01
– 99.9% pentru p=0.00
• utilizarea acestor „praguri” vine din perioada în care nu existau
calculatoare şi programe automate de prelucrare statistică.
– nivelul alfa de 0.05 nu este decât pragul maxim acceptat convențional
• programele statistice (SPSS - Sig.)
Interpretare corectă pentru p≤0.05
(sau alt prag autoimpus)

• probabilitatea ca hazardul să producă un

rezultat similar cu rezultatul cercetării este
mai mică de 0.05
– Atenție nu se va înțelege:
• ”probabilitatea că rezultatul cercetării este
întâmplător este mai mică de 0.05”
 Interpretări greşite pentru p ≤ 0.05

• efectul este probabil mare

• efectul este cu atât mai mare cu cât p este mai
mic de 0.05
• sunt mai puţin de 5% şanse ca efectul să fie
zero
• sunt mai puţin de 2.5% şanse ca efectul să fie
mai mic decât zero
• este o şansă mare ca efectul să fie mai mare
decât zero
• efectul este publicabil
 Interpretări greşite pentru p > 0.05

• rezultatul nu este publicabil

• nu există efect în relația dintre variabile
• efectul este probabil zero sau extrem de mic
• este o şansă destul de mare ca efectul să fie
mai mic decât zero
Estimarea intervalului de încredere
pentru media populaţiei

• Media oricărui eşantion diferă de media

populaţiei
– este o estimare (aproximare) a acesteia
– în ce interval se află media reală a populaţiei,
dacă ştim media unui eşantion?
• TLC permite estimarea limitelor acestui
interval
 Estimarea intervalului de încredere
pentru media populaţiei
µ = m ± z critic * s m
limita inferioară
µ = 106 − 1.96 * 2.74 = 100.62
p=0.025 p=0.95 p=0.025 Z=0.04

limita superioară
0.04 0.75
µ = 106 + 1.96 * 2.74 = 111.37
8.3
z=-1.96 100 z=+1.96 Z=0.75
z critic interval de încredere z critic

Cu o probabilitate de 0.95 (cu un nivel de încredere de 95%)

media populaţiei, estimată prin media eşantionului cercetării,
este cuprinsă între +1.60 şi +8.39
 Testul t pentru un singur
eşantion
• condiţii de utilizare pentru testul z
– cunoaştem media populaţiei de referinţă
– eşantion „mare” (N≥ 30)
• pentru eşantioane cu N<30
– testul t
– se bazează pe aceeaşi logică ca şi z
– distribuţia t (Student) William Gosset
• “subspecie” a distribuţiei normale a cărei formă (1876-1937)
este în funcţie de “gradele de libertate” (degree
of freedom)
• df=N-1
– “Student” ... William Gosset, 1908
Distribuţia t (Student)
df≥31... ∞

df=6

df=3

-1.96 +1.96

-2.45 +2.45
+3.18
-3.18

Valorile critice ale lui t

pentru p=0.05
(bilateral)
Mod de calcul – identic cu testul z
media media
eşantionului populaţiei

m−µ
t=
sm

eroarea standard
a eşantionului
 Tabelul t pentru probalităţile din dreapta curbei

df\p 0.40 0.25 0.10 0.05 0.025 0.01 0.005 0.0005

1 0.324920 1.000000 3.077684 6.313752 12.70620 31.82052 63.65674 636.6192
2 0.288675 0.816497 1.885618 2.919986 4.30265 6.96456 9.92484 31.5991
3 0.276671 0.764892 1.637744 2.353363 3.18245 4.54070 5.84091 12.9240
4 0.270722 0.740697 1.533206 2.131847 2.77645 3.74695 4.60409 8.6103
5 0.267181 0.726687 1.475884 2.015048 2.57058 3.36493 4.03214 6.8688
6 0.264835 0.717558 1.439756 1.943180 2.44691 3.14267 3.70743 5.9588
7 0.263167 0.711142 1.414924 1.894579 2.36462 2.99795 3.49948 5.4079
8 0.261921 0.706387 1.396815 1.859548 2.30600 2.89646 3.35539 5.0413
9 0.260955 0.702722 1.383029 1.833113 2.26216 2.82144 3.24984 4.7809
10 0.260185 0.699812 1.372184 1.812461 2.22814 2.76377 3.16927 4.5869

30 0.255605 0.682756 1.310415 1.697261 2.04227 2.45726 2.75000 3.6460

inf 0.253347 0.674490 1.281552 1.644854 1.95996 2.32635 2.57583 3.2905
alfa=0.05 unilateral
pentru N=10
(df=9)
 Tabelul t pentru probalităţile din dreapta curbei

df\p 0.40 0.25 0.10 0.05 0.025 0.01 0.005 0.0005

1 0.324920 1.000000 3.077684 6.313752 12.70620 31.82052 63.65674 636.6192
2 0.288675 0.816497 1.885618 2.919986 4.30265 6.96456 9.92484 31.5991
3 0.276671 0.764892 1.637744 2.353363 3.18245 4.54070 5.84091 12.9240
4 0.270722 0.740697 1.533206 2.131847 2.77645 3.74695 4.60409 8.6103
5 0.267181 0.726687 1.475884 2.015048 2.57058 3.36493 4.03214 6.8688
6 0.264835 0.717558 1.439756 1.943180 2.44691 3.14267 3.70743 5.9588
7 0.263167 0.711142 1.414924 1.894579 2.36462 2.99795 3.49948 5.4079
8 0.261921 0.706387 1.396815 1.859548 2.30600 2.89646 3.35539 5.0413
9 0.260955 0.702722 1.383029 1.833113 2.26216 2.82144 3.24984 4.7809
10 0.260185 0.699812 1.372184 1.812461 2.22814 2.76377 3.16927 4.5869
11 0.259556 0.697445 1.363430 1.795885 2.20099 2.71808 3.10581 4.4370
12 0.259033 0.695483 1.356217 1.782288 2.17881 2.68100 3.05454 4.3178
13 0.258591 0.693829 1.350171 1.770933 2.16037 2.65031 3.01228 4.2208
14 0.258213 0.692417 1.345030 1.761310 2.14479 2.62449 2.97684 4.1405
alfa=0.05 bilateral
pentru N=12
(df=11)
 Tabelul t pentru probalităţile din dreapta curbei

df\p 0.40 0.25 0.10 0.05 0.025 0.01 0.005 0.0005

1 0.324920 1.000000 3.077684 6.313752 12.70620 31.82052 63.65674 636.6192
2 0.288675 0.816497 1.885618 2.919986 4.30265 6.96456 9.92484 31.5991
3 0.276671 0.764892 1.637744 2.353363 3.18245 4.54070 5.84091 12.9240
4 0.270722 0.740697 1.533206 2.131847 2.77645 3.74695 4.60409 8.6103
5 0.267181 0.726687 1.475884 2.015048 2.57058 3.36493 4.03214 6.8688
6 0.264835 0.717558 1.439756 1.943180 2.44691 3.14267 3.70743 5.9588
7 0.263167 0.711142 1.414924 1.894579 2.36462 2.99795 3.49948 5.4079
8 0.261921 0.706387 1.396815 1.859548 2.30600 2.89646 3.35539 5.0413
9 0.260955 0.702722 1.383029 1.833113 2.26216 2.82144 3.24984 4.7809
10 0.260185 0.699812 1.372184 1.812461 2.22814 2.76377 3.16927 4.5869
11 0.259556 0.697445 1.363430 1.795885 2.20099 2.71808 3.10581 4.4370
12 0.259033 0.695483 1.356217 1.782288 2.17881 2.68100 3.05454 4.3178
13 0.258591 0.693829 1.350171 1.770933 2.16037 2.65031 3.01228 4.2208
14 0.258213 0.692417 1.345030 1.761310 2.14479 2.62449 2.97684 4.1405
 Concluzii
• testul z sau t se utilizează atunci când dorim să
comparăm media unui eşantion cu media
cunoscută a populaţiei
• Publicarea rezultatelor
– sintetic
• în formă tabelară dacă sunt mai multe teste z(t)
• se vor afişa m, z, p, N şi tipul de decizie (dacă este unilateral)
– narativ
• „„Eşantionul de elevi participanţi la olimpiade a
obţinut un scor (QI=106; 95%CI:100.6-111.3)
peste media populaţiei generale (QI=100). Testul
z, cu alfa 0.05, a demonstrat că diferenţa nu este
semnificativă statistic, z=+2.13, p>0.05, unilateral”.
 Concluzii generale
• Atunci când media şi abaterea standard ale unei populaţii
sunt cunoscute:
• ştim că distribuţia de eşantionare este normală (TLC)
• ştim că media distribuţiei de eşantionare este egală cu media
populaţiei
• ştim că abaterea standard a distribuţiei de eşantionare este
mai mică decât abaterea standard a populaţiei de valori
individuale (sm= s/√√n, unde n este volumul eşantionului)
• abaterea standard a distribuţiei de eşantionare (sm) poartă
numele de eroare standard a mediei
• ştim probabilitatea ca media unui anumit eşantion să se afle
într-o regiune a distribuţiei de eşantionare
• putem testa o ipoteză legată de mărimea acestei medii