Documente Academic
Documente Profesional
Documente Cultură
1 −(𝑥−𝜇)2
𝑓(𝑋) = .𝑒 2𝜎2
𝜎√2𝜋
se numește variabilă distribuită normal.
Figura 2 – FDP și FDC ale unei variabile distribuite normal (Sursă: https://www.probabilitycourse.com/chapter4/4_2_3_normal.php)
(normal.sav) Transform => Compute Variable și Graphs => Chart Builder => Simple Line
Indicatorul Skewness măsoară asimetriei distribuției unei variabile față de distribuția ei normală.
Dacă majoritatea valorilor sunt în stânga distribuției și coada dreaptă a distribuției este mai lungă, distribuția
prezintă o asimetrie pozitivă, valorile indicatorului Skewness fiind pozitive.
Dacă majoritatea valorilor sunt în dreapta distribuției și coada stângă a distribuției este mai lungă, distribuția
prezintă o asimetrie negativă, valorile indicatorului Skewness fiind negative.
Indicatorul Kurtosis măsoară gradul în care valorile distribuției se desfășoară în cozile distribuției.
O distribuție cu o valoarea pozitivă pentru Kurtosis (leptocurtică) are prea multe valori în cozi și este ascuțită,
în timp ce distribuții cu valori negative ale indicatorului Kurtosis dețin prea puține valori în cozi și sunt plate
(platicurtice).
(Sursă: Field, A., Discovering Statistic using SPSS, Sage Publishing, 2009)
Exercițiu: (car_sales.sav)
1. Analyze – Descriptive Statistics – Frequencies => Price in thousands (Statistics – Mean & Standard
Deviation ȘI Charts – Histograms – bifați Show normal curve on histogram)
2. Transform – Compute variable – target variable = test și Numeric Expression : PDF.NORMAL(price,
27.391, 14.352)
3. Analyze – Descriptive Statistics – Frequencies => Price in thousands (Statistics – Mean & Standard
Deviation, Skewness, Kurtosis AND Charts – Histograms – bifați Show normal curve on histogram)
Statistics
Price in thousands
N Valid 155
Missing 2
Mean
27.39075
Std. Deviation
14.351653
Skewness
1.766
Std. Error of Skewness
.195
Kurtosis
3.630
Std. Error of Kurtosis
.387