Ghid Statistica Final - Martie 2014 PDF

Ana - Maria CAZAN
Statistică psihologică.
Noțiuni teoretice, exemple și aplicații
2014
2
Cuprins
Prefață ....................................................................................................................................... 5
Capitolul 1. Introducere și concepte de bază ......................................................................... 9

Exemple și aplicații .............................................................................................................. 10
Capitolul 2. Măsurarea în psihologie.................................................................................... 15

Folosirea SPSS pentru crearea bazei de date ........................................................................ 20
Aplicații SPSS ...................................................................................................................... 22
Test de autoevaluare ............................................................................................................. 22
Capitolul 3. Distribuții și frecvențe ....................................................................................... 27

Folosirea SPSS pentru redarea distribuțiilor și frecvențelor ................................................ 34
Exerciții ................................................................................................................................ 36
Aplicații SPSS ...................................................................................................................... 38
Capitolul 4. Indicatori ai tendinţei centrale ......................................................................... 40

Folosirea SPSS pentru calculul indicatorilor tendinței centrale ........................................... 45
Exerciții ................................................................................................................................ 46
Capitolul 5. Indicatori ai împrăștierii .................................................................................. 50

Folosirea SPSS pentru calculul indicatorilor împrăștierii și ai formei distribuției ............... 56
Exerciții ................................................................................................................................ 58
Aplicații SPSS ...................................................................................................................... 59
Test de autoevaluare ............................................................................................................. 61
Capitolul 6. Inferența statistică ............................................................................................. 65

Exerciții ................................................................................................................................ 72
3
Statistică psihologică. Noțiuni teoretice, exemple și aplicații
Capitolul 7. Testele de comparație........................................................................................ 74

Folosirea SPSS pentru calculul testelor t .............................................................................. 82
Exerciții ................................................................................................................................ 88
Aplicații SPSS ...................................................................................................................... 93
Capitolul 8. Corelația ............................................................................................................ 96

Folosirea SPSS pentru redarea norului de puncte și pentru calculul corelației .................. 107
Exerciții .............................................................................................................................. 111
Aplicații SPSS .................................................................................................................... 113
Test de autoevaluare ........................................................................................................... 115
Capitolul 9. Regresia liniară ................................................................................................ 122

Exemple și aplicații ............................................................................................................ 123
Folosirea SPSS pentru calculul regresiei liniare simple ..................................................... 126
Exerciții .............................................................................................................................. 128
Aplicații SPSS .................................................................................................................... 130
Test de autoevaluare ........................................................................................................... 131
Capitolul 10. Testele nonparametrice - tehnica chi-pătrat ............................................... 137

Exemple și aplicații ............................................................................................................ 138
Folosirea SPSS pentru calculul chi pătrat........................................................................... 143
Exerciții .............................................................................................................................. 147
Aplicații SPSS .................................................................................................................... 149
Anexe ..................................................................................................................................... 151

Anexa 1. Tabelul valorilor critice pentru testul t ................................................................ 151
Anexa 2. Valori critice ale coeficientului de corelaţie r al lui Pearson .............................. 152
Anexa 3. Valorile critice pentru testul de corelaţie a rangurilor ρ Spearman .................... 153
Anexa 4. Valorile critice pentru distribuţia chi-pătrat ........................................................ 154
Bibliografie ............................................................................................................................ 155
Webografie ............................................................................................................................ 156
4
Prefață
Fie că este vorba de psihologie, de pedagogie, de sociologie sau de asistenţă socială,

prima reacţie a studenţilor de la ştiinţele umaniste la parcurgerea cursului de Statistică este
aceea de nelinişte şi îngrijorare. Proveniţi, cei mai mulţi dintre ei, din secţiile umaniste ale
liceelor parcurse, ajunşi la aceste facultăţi şi ca urmare a unei relaţii mai puţin sistematice şi
profunde cu disciplinele matematice, studenţii în cauză descoperă cu uimire că întâlnirea cu
această disciplină abstractă, de tip matematic, nu este nici întâmplătoare şi nici pasageră, căci
toată cercetarea din domeniu depinde în mod fundamental de modul în care datele obţinute
sunt cuantificate şi tratate statistic. Mai mult, ei descoperă că progresul în domeniu este
drastic limitat de ceea ce se cheamă „imperialism metodologic”: abordarea ştiinţifică
presupune metode adesea foarte rafinate de tratare a datelor, metode care par rezervate doar
unui corp de iniţiaţi, dotaţi cu o gândire matematică avansată.
Lucrarea de faţă pare să contrazică această perspectivă negativă de start asupra
statisticii şi aceasta deoarece Ana-Maria Cazan este ea însăşi produsul unui liceu de tip
umanist (liceul pedagogic), care a urmat Facultatea de Psihologie şi Ştiinţele Educaţiei fără să
fi avut în prealabil o formaţie matematică solidă. Autoarea prezentului Ghid de statistică a
plecat de la premisa că această disciplină este accesibilă oricui doreşte să şi-o apropie,
depunând eforturi constante de înţelegere, aprofundare şi formare a unei gândiri clar
structurate. Parcurgerea treptelor de licenţă, master (de cercetare!) şi doctorat, dar mai ales
faptul de a fi fost în mod constant în situaţia de a-i iniţia pe tinerii studenţi în tainele acestui
vast domeniu al abstracţiei, care este gândirea statistică, au adus-o pe autoarea acestei lucrări
în situaţia de a deveni un om care simte din interior valoarea şi importanţa statisticii.
Ghidul de faţă este expresia competenţei şi a generozităţii autoarei deoarece, devenită
ea însăşi un utilizator avizat al celor mai elevate metode statistice moderne, simte nevoia să
restituie din cunoaşterea achiziţionată, şi aceasta într-o manieră competentă şi prietenoasă.
Deşi este destinată studenţilor de anul întâi care parcurg pentru prima dată o asemenea
disciplină, lucrarea poate fi la fel de utilă oricărei persoane, iniţiate sau nu, care doreşte să reia
de la start modul de formare a unei gândiri statistice adecvate.
5
Lucrarea este compusă din zece capitole, organizate într-o progresie logică, paralelă cu
cea a cursului de Statistică aplicată pentru psihologie elaborat de noi, cu care este într-o relaţie
de strânsă simbioză. Astfel, după noţiunile introductive din capitolul întâi, urmează măsurarea
în psihologie, introducerea conceptului de distribuţii şi frecvenţe, împreună cu conceptele
asociate – indicatorii tendinţei centrale şi ai împrăştierii. Statistica descriptivă din prima parte
a lucrării este succedată de statistica inferenţială, cu prezentarea celor două mari modalităţi de
testare a ipotezelor statistice, prin diferenţă şi prin asociere. Pentru acestea sunt alocate
capitole distincte, unul destinat testelor t, altul metodei corelaţiei, acesta din urmă
continuându-se în mod firesc cu una dintre cele mai importante aplicaţii ale corelaţiei, care
este regresia liniară simplă. Pe lângă metoda corelaţiei rangurilor lucrarea furnizează într-un
capitol distinct şi o metodă nonparametrică de testare a ipotezelor prin tehnica chi-pătrat.
Specificul acestui ghid nu rezultă neapărat din structura sa – impusă de chiar logica
disciplinei –, ci din maniera aplicată şi inspirată în care sunt furnizate conţinuturile abordate.
Fiecare capitol debutează cu o multitudine de exemple şi de aplicaţii destinate ancorării în
realitatea psihologică a conceptelor ce urmează a fi introduse. Aceste exemple sunt de o mare
varietate şi au rolul de a coborî din „turnul de fildeş” constructele matematice abstracte, care
astfel prind viaţă, reliefând dimensiunea lor reală, dar şi puterea de a opera în situaţii concrete.
Pentru a nu rămâne prizoniera modului clasic de abordare, în structura fiecărui capitol
autoarea furnizează informaţii detaliate destinate utilizării adecvate a unui program
computerizat de prelucrarea datelor. Saltul de la situaţia exemplelor de tip creion-hârtie la
SPSS conduce la formarea conceptelor statistice în strânsă interdependenţă cu unul dintre cele
mai puternice şi frecvent utilizate instrumente de cercetare.
Deoarece fundamentală în formarea oricărei deprinderi este exersarea practică,
autoarea propune în fiecare capitol o multitudine de exerciţii şi aplicaţii SPSS, succedate de
teste de autoevaluare, prin care studentul are un feedback rapid în legătură cu gradul de
progres atins în însuşirea acestor concepte. Finalmente sunt furnizate utilităţile statistice
minimale necesare interpretării valorilor testelor de semnificaţie prin referire la tabelele cu
valorile critice ale acestora.
Pe ansamblu lucrarea îşi atinge pe deplin scopul pentru care a fost proiectată, acela de
a fi un bun ghid prin complicatele labirinturi ale gândirii statistice actuale. Calitatea ei rezultă
nu numai din varietatea exemplelor şi a aplicaţiilor propuse, dar şi din faptul că este o
„suveică” ce leagă necontenit planul realităţii psihologice cu cel al gândirii abstracte,
exerciţiul simplu cu cel asistat de SPSS, gândirea proprie cu soluţia furnizată la sfârşitul
fiecărui capitol. În modul acesta statistica nu mai este ceea ce părea la prima vedere,
6
Prefață
ameninţarea din umbră, marea sursă de nelinişte a studentului umanist, ci prietenul de nădejde
şi ghidul prin universul cunoaşterii ştiinţifice de top. Pentru a atinge acest obiectiv este nevoie
de o singură condiţie adiţională, aceea ca studentul să se implice în mod real în parcurgerea
consecventă a cursului şi a ghidului de statistică. În această situaţie, tot ceea ce mai rămâne de
făcut este să le urăm succes.
Conf.univ.dr. Aurel Ion Clinciu
7
8
Capitolul 1. Introducere și concepte de bază
Obiective
După parcurgerea acestei unități, studenții vor fi capabili:
 să identifice semnificațiile conceptului de statistică;
 să indice surse de incertitudine în cunoașterea psihologică;
 să argumenteze prin intermediul exemplelor rolul statisticii în cercetarea psihologică.
Rezumat
Ca știință, statistica cuprinde un corp sistematic de cunoştinţe şi de metode statistice,
care au ca obiect colectarea, prelucrarea şi interpretarea rezultatelor ce provin de la
populaţii şi indivizi statistici. Deşi nu este o ramură a matematicii, statistica oferă un larg
câmp de aplicaţii matematicii, în primul rând datorită faptului că ambele lucrează cu numere
şi reguli de calcul şi, de la un anumit nivel, relaţiilor dintre entităţile statistice li se substituie
raporturi matematice abstracte, tipice entităţilor ideale.
Termenul de populaţie statistică nu este sinonim cu cel de populaţie din limbajul
comun. Indivizii care compun populația statistică se pot diferenţia în funcţie de vârstă, sex,
mediu de provenienţă, nivelul propriu de instrucţie sau al părinţilor, status cultural, nivel
economic, religie, rasă, etnie etc. Fiecare dintre aceste criterii care operează diferenţe se
numeşte variabilă.
Parametrii sunt valorile fixe ce există la un moment dat pentru o populaţie, luată în
ansamblul ei, în raport cu o variabilă. Ideea de variabilă este strâns asociată cu aceea de
cuantificare, măsurătoare, ca mijloc de determinare a variabilităţii. Orice măsurătoare
presupune, la rândul ei, o scală de măsurare. Toate aceste elemente: individ, populaţie
statistică, variabilă, distribuţie definesc domeniul statisticii descriptive, alcătuită din corpul
de metode prin care pot fi caracterizate faptele şi fenomenele studiate (Clinciu, 2013).
Concepte cheie
Populație statistică, individ statistic, eșantion, variabilă, distribuție, statistică
descriptivă, statistică inferențială, măsurare, variabilitate.
9
Exemple și aplicații
 Semnificația uzuală a conceptului ”statistică” face referire la date, observații numerice,

informații cantitative (Lwanga, Tye, & Ayeni, 1999). Statistica este omniprezentă în viaţa
cotidiană, nu numai în cercetarea psihologică. Filosoful Philolaos afirma că „Toate
lucrurile ce se cunosc au un număr: fără număr nu ne-ar fi cu putință să cunoaștem sau
să gândim nimic”.
 De exemplu, vă puneți o multitudine de întrebări despre cursul de statistică, al

căror răspuns poate fi exprimat statistic:
- Câți studenți au picat examenul anul trecut?
- Câți studenți au luat nota 10?
- Care este scorul mediu obținut la examen în anul precedent?
- Care au fost cele mai frecvente note obținute de studenți?
 Aplicația 1
Dați exemple de situații în care gândirea statistică este necesară psihologului. Formați
echipe de câte 4-5 studenți și completați tabelul de mai jos, vizând utilitatea statisticii
psihologice în următoarele trei domenii:
Evaluarea psihologică Psihoterapie Educaţie

 Construirea instrumentelor  Evaluarea eficienței unei  Construirea testelor de
psihologice metode psihoterapeutice cunoștințe
  
  
  
  
  
  
 Pământenii se împart în trei categorii (Huck, 2012):

- cei care fac cercetare ştiinţifică;
- cei care nu fac cercetare, dar se confruntă cu rezultatele cercetării altora;
- cei care nici nu fac si nici nu se întâlnesc cu rezultatele cercetărilor.
În care dintre cele trei categorii credeți că se află psihologii? Argumentați.
10
 Statistica nu se confundă cu metoda ştiinţifică, este doar un instrument al acesteia. Scopul

statisticii este să ne ajute să înțelegem datele culese într-o cercetare (Moore, McCabe, &
Craig, 2009).
 Aplicația 2
Argumentați afirmația de mai sus, punctând diferențele și raporturile dintre statistică și
metoda științifică.
 Statistica ne ajuta să răspundem la următoarele întrebări:

- Cine sunt cercetătorii și dacă există vreo sursă de conflict sau distorsiune?
- Cum au cules cercetătorii datele?
- Cum au ales cercetătorii designul studiului (experimental, cvasi-experimental,
corelațional etc)?
- Cine au fost participanții și cum a construit cercetătorul eșantionul?
- Cât de reprezentativ este eșantionul?
- Instrumentele folosite de cercetători sunt valide și fidele?
- Au fost folosite proceduri statistice adecvate datelor culese?
- Ce semnificație au rezultatele, care sunt explicațiile alternative? (Hulsizer &
Woolf, 2009).
 Unele dintre cele mai importante concepte în statistică sunt cele de populație și eșantion.
 Exemplu:
Un producător de teste psihologice vrea să adapteze pe populația românească
un test de memorie. În acest scop, producătorul realizează un studiu preliminar
pentru a estima procentajul potențialilor utilizatori ai testului.
o Populația: toți utilizatorii de teste din România.
o Eșantionul: o parte dintre utilizatori, intervievați de către producător.
o Problema: scopul este obținerea unei estimări a numărului de
utilizatori.
 Aplicația 3
Vă interesează problema abandonului şcolar la ciclul gimnazial din România de azi.
- Precizaţi care este populaţia studiului şi care eşantionul.
- Identificaţi câteva dintre variabilele de interes pentru studiul desfăşurat.
11
- Evidenţiaţi câteva dintre variabilele categoriale şi real numerice implicate în acest

studiu (Clinciu, 2013).
 Aplicația 4
Vom lua în considerare toţi studenţii de anul întâi de la specializarea Psihologie a
Facultăţii de Psihologie şi Ştiinţele Educaţiei. Daţi câteva exemple din care să rezulte
că:
- Aceştia reprezintă populaţia.
- Aceştia reprezintă un eşantion dintr-o populaţie.
- Când îl considerăm eşantion, acesta este unul randomizat sau nealeator?
(explicaţi opţiunea făcută) (Clinciu, 2013).
 Statistică descriptivă versus statistică inferențială

Analiza statistică presupune două faze:
- Statistica descriptivă – urmărește să studieze și să descrie eșantionul.
- Statistica inferențială – caută să extragă concluzii și să generalizeze rezultatele
obținute la nivelul eșantionului la nivelul populației.
 Aplicația 5
Un profesor vrea să afle dacă băieții din clasa la care este diriginte sunt mai
conformiști decât fetele din aceeași clasă. Profesorul le-a aplicat elevilor un chestionar
care măsoară conformismul, apoi a comparat răspunsurile băieților și ale fetelor.
Acesta este un exemplu de statistică descriptivă sau inferențială?
 Aplicația 6
Un psiholog vrea să compare efectele a două modalități de prezentare a unor stimuli
(vizuală și auditivă) asupra memoriei de scurtă durată. Cele două modalități sunt
prezentate unui grup de 12 studenți cărora li se aplică ulterior și un test de memorie.
Care este rolul statisticii descriptive și al statisticii inferențiale în analiza datelor
culese?
 Aplicația 7
Să presupunem că vi se cere să realizați un studiu despre înălțimea și greutatea
studentelor de la psihologie. Cincizeci de studente v-au furnizat datele cerute. Indicați:
12
a. Populația cercetării.
b. Eșantionul cercetării.
c. Variabilele măsurate și tipul lor.
 Aplicația 7
Citiți următoarele exemple și explicați de ce acestea corespund unor situații de
eșantionare greșită:
a. Pentru a identifica ce candidat la funcția de primar a primit cele mai multe
voturi, au fost intervievați clienții care ieșeau dintr-un anumit supermarket.
b. Pentru a analiza rezultatele școlare ale liceenilor la finalul anului școlar 2012-
2013, a fost ales un liceu de elită din orașul Brașov și a fost analizată situația
școlară a elevilor săi.
 Aplicația 8
Rectorul universităţii noastre este interesat de repartiţia pe judeţe, pe sexe, pe grupuri
etnice şi pe categorii de vârstă a studenţilor admişi la această universitate, ca şi de
evoluţia lor ca rezultate academice în ultimii 10 ani.
a. Care este populaţia studiată?
b. Care sunt variabilele implicate în acest studiu?
c. Avem de-a face cu eşantioane aleatorii sau cu unele de convenienţă?
d. Identificaţi variabilele categoriale şi pe cele real numerice prezente în studiul
invocat (Clinciu, 2013).
 Aplicația 9
La un meci de fotbal sunt prezentate la final de partidă următoarele statistici:
- şuturi pe poartă;
- şuturi pe spaţiul porţii;
- goluri marcate;
- pase de gol;
- cartonaşe galbene şi roşii primite de fiecare echipă;
- posesia mingii exprimată în procente pentru fiecare echipă;
- numărul mediu de metri alergat de fiecare jucător pe parcursul perioadei
jucate.
13
a. Care dintre aceste date sunt tipice statisticii descriptive şi care celei inferenţiale?
b. Care dintre datele de mai sus sunt real numerice şi care categoriale?
c. Argumentaţi care dintre datele de mai sus prezintă cea mai mare variabilitate.
d. Care dintre aceste date provin de la variabile continue şi care de la variabile
discontinue?
e. Ierarhizaţi şi explicaţi care dintre primele patru variabile prezintă mai multă
variabilitate (Clinciu, 2013).
 Aplicația 10
Decideți pentru fiecare exemplu dacă este vorba despre o constantă sau despre o
variabilă:
a. Scorurile obținute după testul de statistică de o grupă de studenți.
b. Costul uniformelor cumpărate anual pentru elevii unei școli gimnaziale.
c. Numărul de zile ale lunii mai.
d. Numărul de zile ale lunii februarie.
e. Durata de parcurgere a drumului de acasă până la școală.
f. Vârsta la care persoanele din America pot vota.
14
Capitolul 2. Măsurarea în psihologie
Obiective
 să definească conceptele variabilă, valoare, caz;
 să dea exemple de variabile numerice și categoriale;
 să diferenţieze variabilele continue de cele discrete;
 să recunoască scalele de măsurare adecvate în diverse exemple.
Rezumat
Măsurarea în psihologie trebuie înțeleasă ca atribuire de numere datelor continue
sau discontinue (discrete). Există mai multe tipuri de măsurare în funcţie de tipul de scală
utilizat: nominală, ordinală, de interval şi de raport. O scală are proprietatea magnitudinii
atunci când o caracteristică a atributului măsurat reprezintă mai mult, mai puţin sau la fel o
cantitate sau însuşire, comparativ cu o altă stare a aceluiaşi atribut. O scală are intervale
egale dacă diferenţa dintre două puncte aflate pe oricare zonă a scalei are aceeaşi
semnificaţie ca diferenţa dintre alte două puncte care diferă prin acelaşi număr de unităţi.
Zero absolut este posibil de evidenţiat când variabila măsurată are un nivel la care ea nu mai
există deloc: zero ca distanţă înseamnă absenţa oricărei distanţe.
Scala nominală nu are nici una dintre cele trei caracteristici enumerate anterior.
Scopul ei este să numească obiectele. Scala ordinală permite ca elementele să fie aranjate fie
crescător, fie descrescător, existând şi posibilitatea ca mai multe elemente să ocupe acelaşi
loc. Scala ordinală posedă caracteristica magnitudinii. Scalele de interval specifică mărimea
exactă a intervalelor sau a distanţelor care separă elementele aflate pe toate treptele
succesive ale scalei, având o unitate constantă şi comună de măsură. Scala de raport are
toate proprietăţile unei scale de măsură: magnitudine, intervale egale şi zero absolut, fiind
caracteristică mărimilor fizice (Clinciu, 2013).
Concepte cheie
Măsurare, scală, nivel nominal, nivel ordinal, nivel de interval, nivel de raport,
magnitudine, zero absolut, rapoarte egale.
15
 Conceptele de variabilă, valoare, caz.

 Exemplu:
Un cercetător vrea să măsoare nivelul de stres pe care îl manifestă angajații la
locul de muncă. El construiește un chestionar care măsoară stresul. Una dintre
întrebări este următoarea: “Cât de stresat v-ați simțit în ultima săptămână la locul
de muncă?”. Răspunsul participanților la cercetare se măsoară pe o scală în cinci
trepte, unde 1 înseamnă deloc stresat iar 5 foarte stresat. În acest exemplu,
variabila este stresul manifestat de angajați; stresul poate să ia valori de la 1 la 5
iar răspunsul oricăruia dintre participanți reprezintă un scor posibil. Participanții
reprezintă cazurile.
Termen Definiție Exemplu

Înălțimea, greutatea, genul,
naționalitatea, calificativele
Variabilă Caracteristică ce poate lua diverse valori
școlare, ordinea pe o listă de
așteptare, anxietatea, stresul
0, 5, 25, 1200, român,
Valoare Număr sau categorie
femeie, I, VI, suficient, 34,5
Valoarea particulară a unei variabile pentru 0, 5, 25, 1200, român,
Scor
o persoană femeie, I, VI, suficient, 34,5
(Aron, Aron, & Aron, 2013)
 Aplicația 1
Un tată îşi evaluează fiica cu doi pe o scală cu cinci puncte (unde 1 înseamnă total
dezinteres, 2 dezinteres, 3 nici dezinteres nici interes, 4 interes, 5 interes total) în ceea
ce priveşte importanţa pe care aceasta o acordă studiilor. În acest exemplu, care este
variabila, care este scorul/valoarea particulară a fetei, ce fel de scală este utilizată, care
este domeniul de variaţie al acestei variabile?
 Tipuri de variabile: Numerice – nominale

? Care este diferenţa dintre o variabilă numerică şi una nominală?
- Variabila din exemplul de mai sus este o variabilă numerică, valoarea sa exprimându-se prin
număr. Variabilele numerice se mai numesc și variabile cantitative.
- Variabilele nominale sunt acele variabile ale căror valori sunt categorii sau nume. Aceste
variabile se mai numesc și variabile calitative.
16
 Tipuri de variabile: continue - discrete

? Care este diferenţa dintre o variabilă discretă şi una continuă?
- Variabila discretă este acea variabilă care are valori specifice și care nu poate avea valori
situate între valorile specifice.
- Variabila continuă poate să ia o infinitate de valori între oricare două valori ale variabilei.
 Aplicația 2
Analizați tabelul de mai jos și propuneți minimum trei exemple noi pentru fiecare tip de
variabilă.
Tip de Exemple ???

variabilă
Înălțimea …………………………………
Numerică Nivelul stresului …………………………………
Coeficientul de inteligență …………………………………
Mediul de proveniență …………………………………
Categorială Genul …………………………………
Culoarea ochilor …………………………………
Numărul de discipline studiate pe an …………………………………
Discretă Numărul de persoane dintr-o sală …………………………………
Numărul de vizite la dentist …………………………………
Durata unui spot publicitar …………………………………
Continuă Greutatea …………………………………
Vârsta …………………………………
 Aplicația 3
Analizaţi lista de mai jos şi decideţi care variabile sunt discrete şi care sunt continue:
(a) lungimea piciorului unui copil;
(b) mărimea la pantofi a unui copil;
(c) durata unui film;
(d) timpul de parcurgere a unei curse;
(e) numărul alergătorilor dintr-o cursă;
(f) temperatura aerului;
(g) numărul de chibrituri dintr-o cutie;
(h) viteza unei maşini;
(i) numărul de goluri marcate la un meci;
(j) timpul arătat pe un ceas cu display digital.
17
 Scalele de măsurare: nominale, ordinale, de interval, de raport

 Scala nominală are ca valori nume sau categorii și este considerată cel mai scăzut
nivel de măsurare, neavând niciuna dintre proprietățile scalelor. O condiție importantă
a scalei nominale este ca un individ să se afle numai într-una dintre categorii la un
moment dat. Atunci când datele sunt clasificate, nu sunt plasate întâmplător în
categorii; se pornește de la judecăți calitative bazate pe similarități și diferențe.
Numerele sunt folosite numai în scop calitativ, fiind mai degrabă etichete care sunt
atribuite categoriilor (Peers, 2006). De exemplu, variabila categorială profil de
învățământ primește eticheta 1 pentru categoria profil uman și eticheta 2 pentru
categoria profil real.
 Scala ordinală este caracteristică variabilei ale cărei valori sunt rangurile sau
ierarhiile. Un exemplu este ordinea trecerii liniei de sosire la un maraton. Scala
ordinală posedă proprietatea magnitudinii. Ierarhiilor li se pot aloca numere care
reflectă ordinea diferenței calitative (Peers, 2006). Deși spunem că cel care trece linia
de sosire este mai rapid decât toți ceilalți (magnitudine), nu putem afirma că cel situat
pe locul întâi este de trei ori mai rapid decât cel situat pe locul al treilea.
 Scala de interval are, în afară de proprietatea magnitudinii și pe cea a intervalelor
egale dar neexistând un punct zero, intervalele pot fi deplasate, extinse sau
comprimate, dacă prin aceasta ele devin mai maniabile sau mai bine adaptate realităţii
măsurate (Clinciu, 2013). Astfel, diferența dintre nota 3 și nota 5 este egală cu
diferența dintre nota 7 și nota 9 dar nu putem afirma că cel care a luat nota 9 are de trei
ori mai multe competențe decât cel care a luat nota 3.
 Scala de raport are toate proprietățile scalelor de măsurare și este caracteristică, de
obicei, măsurătorilor din fizică unde zero absolut înseamnă inexistența caracteristicii
măsurate. Zero bătăi ale inimii pe minut înseamnă absența vieții, dar punctajul zero
obținut de o persoană la un chestionar de stimă de sine nu înseamnă că persoanei
respective îi lipsește stima de sine.
Proprietăţi
Tip de scală Magnitudine Intervale egale Zero absolut
Nominală - - -
Ordinală X - -
De interval X X -
De raport X X X
(Clinciu, 2013)
18
 Aplicația 4
Să presupunem că vrem să cunoaştem opinia studenţilor faţă de următoarea propunere:
cursurile se vor ţine şi sâmbăta. Determinaţi diferitele scale de măsură posibile.
 Aplicația 5
Determinaţi nivelul de măsurare (scala de măsurare) pentru următoarele variabile: (a)
grupul etnic căruia îi aparţine un individ, (b) numărul de greşeli pe care le face un
şoarece în parcurgerea unui labirint, (c) poziţia pe care cineva se află la sfârşitul unei
curse, (d) nivelul anxietăţii unui individ.
 Aplicația 6
Citiţi afirmaţiile de mai jos. Dacă vreuna dintre ele vi se pare incorectă, specificaţi în ce
constă greşeala. Specificaţi şi tipul de scală pe care pot fi măsurate variabilele
prezentate:
a) Manchester United a marcat 6 goluri – de două ori mai multe decât rivala sa,
Charlton Athletic.
b) S-a trezit la ora 6 p.m. – de două ori mai târziu decât îşi programase ceasul,
adică la ora 3 p.m.
c) S-a întors cu 6 ore mai târziu decât sora ei care a venit cu 3 ore mai târziu decât
promiseseră.
d) Temperatura a fost de 15 ºC dar săptămâna trecută a fost de două ori mai cald,
au fost 30 ºC.
e) S-a clasat pe locul 4, de două ori mai slab decât colegul său care s-a clasat pe
locul 2 la proba de alergare.
 Aplicația 7
Clasificați următoarele tipuri de măsurători:
a) Răspunsul la o întrebare dintr-un chestionar: cum apreciați afirmația:
Adolescenții preferă emisiunile muzicale?, măsurată pe următoarea scală: 1 =
In mică măsură adevărat, 2 = Nici adevărat, nici fals, 3 = În mare măsură
adevărat
b) Scalele de măsurare a greutății
c) Numărul de bătăi ale inimii pe minut
d) Numerele de pe tricourile fotbaliștilor
19
e) Scorul la un chestionar care măsoară stima de sine.

f) Genul
g) Scorul la un test de cunoştinţe
h) Coeficientul de inteligenţă
i) Distanța de la școală până acasă.
 Aplicația 8
Poate o variabilă ordinală să fie măsurată cu o scală continuă (de interval sau de raport)?
Poate o variabilă continuă să fie măsurată cu o scală ordinală? Argumentaţi folosind
câte un exemplu adecvat (Clinciu, 2013).
 Aplicația 9
Unui student îi este prezentat un şir de 50 de cuvinte pentru a le memora şi pentru a-şi
aminti mai târziu cât mai multe dintre ele, la diferite intervale de timp. Participantul a
reactualizat 17 cuvinte după o oră, 10 după o zi, 7 după o săptămână. Răspundeți la
următoarele întrebări:
(a) Care sunt variabilele?
(b) Care sunt valorile posibile pe care le-ar putea obţine subiectul?
(c) Care sunt scorurile subiectului?
(d) Pe ce scală poate fi măsurată variabila număr de cuvinte reactualizate?
Folosirea SPSS pentru crearea bazei de date
 Deschideți o bază de date nouă.

 Type in data.
 OK.
 Selectați Variable view.
 Definiți numele (Name), tipul variabilei (Type – Numeric pentru date numerice, String
pentru cele nominale).
 Completați câmpurile Width și Decimals cu valorile corespunzătoare datelor pe care
trebuie să le introduceți.
 Completați la Label numele complet al variabilei.
20
 Values – este util pentru variabilele măsurate pe scale nominale, pentru că fiecărei
categorii îi atribuim o valoare numerică.
 De la Measures alegem scala de măsură adecvată: Nominal, Ordinal sau Scale.
Figura 1. Definirea variabilelor
 După ce ați definit toate variabilele, reveniți în meniul Data view și introduceți datele
pe linii, pentru fiecare subiect în parte.
Figura 2. Introducerea datelor
21
Aplicații SPSS
Un cercetător a cerut următoarele informații unui număr de 10 persoane:

- Genul (masculin sau feminin)
- Vârsta (în ani împliniți)
- Câte minute se uită în fiecare seară la TV
- Care este tipul de program preferat (film, știri, documentar, lifestyle sau sport)
- Pe o scară de la 1 la 5 cât de mulțumiți sunt de programele vizionate (unde 1 înseamnă
deloc mulțumit iar 5 foarte mulțumit)
Datele sunt prezentate în tabelul de mai jos.
Cerințe:
a) Introduceți datele într-un fișier SPSS.
b) Creați variabilele, etichetați variabilele, acordați valori variabilelor categoriale,
alegeți scala de măsură adecvată pentru fiecare variabilă.
c) Salvați fișierul cu numele Baza de date_exercitiu.sav si încărcați-o pe platformă la
secțiunea corespunzătoare.
Nr_crt Nume Gen Varsta Minute_TV Program Multumire

1 Ion Masculin 21 170 stiri 1
2 Maria Feminin 20 140 film 2
3 Andreea Feminin 22 60 documentar 5
4 Dan Masculin 24 240 stiri 3
5 Vlad Masculin 19 120 documentar 5
6 Ioana Feminin 20 50 lifestyle 2
7 Dana Feminin 21 60 sport 2
8 Marius Masculin 22 75 stiri 3
9 Liliana Feminin 21 120 film 3
10 Doru Masculin 25 60 sport 1
Test de autoevaluare
1. Explicați distincţia dintre caz, variabile, valori.

...…………………………………………………………………………………………………
...…………………………………………………………………………………………………
.……………………..……………………………………………………………………………
22
2. Precizaţi care sunt regulile de bază pentru organizarea datelor.

...…………………………………………………………………………………………………
...…………………………………………………………………………………………………
.……………………..……………………………………………………………………………
3. Care este diferența dintre statistica descriptivă şi cea inferenţială?
...…………………………………………………………………………………………………
...…………………………………………………………………………………………………
.……………………..……………………………………………………………………………
4. Să presupunem că vrem să cunoaştem opinia studenţilor faţă de următoarea propunere:
cursurile se vor ţine şi sâmbăta. Determinaţi diferitele scale de măsură posibile.
...…………………………………………………………………………………………………
...…………………………………………………………………………………………………
.……………………..……………………………………………………………………………
...…………………………………………………………………………………………………
...…………………………………………………………………………………………………
.……………………..……………………………………………………………………………
5. Indicaţi nivelul de măsurare pentru fiecare dintre următoarele variabile:
a) naţionalitatea unei persoane (american, mexican, canadian, român, etc);
b) scorul unei persoane la un test de inteligenţă;
c) locul unei persoane pe o listă de aşteptare;
d) religia;
e) nivelul anxietăţii;
f) poziţia pe care o ocupă un atlet la sfârşitul unei probe;
g) timpul de reacţie;
h) calificativele şcolare;
i) nivelul stimei de sine;
j) salariul.
6. Transformaţi variabila profil de învăţământ cu patru categorii într-o variabilă cu două

categorii:
profil de învăţământ: 1 = matematică, 2 = informatică, 3 = limbi străine, 4 = științe
socioumane.
...…………………………………………………………………………………………………
23
...…………………………………………………………………………………………………
.……………………..……………………………………………………………………………
7. Transformați variabila vârstă dintr-o variabilă continuă într-una categorială.

...…………………………………………………………………………………………………
...…………………………………………………………………………………………………
.……………………..……………………………………………………………………………
8. Alegeţi varianta corectă:

8.1.Variabilele discrete sunt cele care:
 pot lua numai valori întregi
 pot lua orice valoare într-un interval dat
8.2.“Numărul membrilor unei familii” reprezintă o variabilă cantitativă:
 continuă
 discretă
 calitativă
 categorială
8.3.Pe ce tip de scală se măsoară variabila “poziţia în clasament”?
 nominală
 ordinală
 de intervale
 de rapoarte
8.4.Pe ce tip de scală se exprimă variabila la care un subiect obţine scorul 40 milisecunde?
 nominală
 ordinală
 de intervale
 de rapoarte
8.5.Scalele de intervale împreună cu scalele de rapoarte fac parte din categoria scalelor
________________________ .
8.6.Rangul este pentru scala ordinală ceea ce categoria este pentru scala:
 nominală
 ordinală
 de intervale
 de rapoarte
24
8.7.Care dintre următoarele caracteristici nu se potrivește pentru o scală de interval?

 Jim este mai mare decât Sally cu două unități
 Jim este mai mare decât Sally
 Jim este de două ori mai bun decât Sally
 Jim este diferit de Sally
8.8. Ce tip de scală este implicată în următoarea afirmație: Scorul obținut de Ioana este de
3 ori mai mare decât cel obținut de Andrei.
 nominală
 ordinală
 de intervale
 de rapoarte
9. Adevărat sau fals?

9.1.Măsurătorile nominale tind să aibă validitate mai scăzută decât cele ordinale.
 Adevărat  Fals
9.2.Scalele nominale si cele ordinale permit calcule statistice parametrice.
9.3.Variabila dependentă dintr-o cercetare poate deveni variabilă independentă în altă
cercetare.
9.4.Pentru datele culese pe o scală ordinală putem face media deoarece aceasta are
proprietatea aditivităţii.
9.5.Numărul de amenzi primite pe an într-un oraș este o variabilă continuă.
9.6.Scalele nominale evidențiază diferențe cantitative între indivizi.
9.7.Scala de intervale permite deplasarea punctului zero (adică a originii) spre stânga sau
spre dreapta scalei şi, de asemenea, permite comprimarea sau dilatarea acesteia.
9.8.Scala de raport are zero convențional.
9.9.Durata unui film este o variabilă continuă.
25
9.10. Variabila dihotomică este în același timp și variabilă discretă.

9.11. Populația este pentru parametru ceea ce eșantionul este pentru indicatorul statistic.
10. Un cercetător vrea să măsoare atitudinea adolescenţilor faţă de persoanele bolnave de

SIDA. În cercetarea sa, el include 200 elevi cu vârsta între 14-18 ani, de ambele
genuri, de la profilurile uman şi real, din mediul urban şi rural. El consideră că nivelul
atitudinii poate fi mediat de nivelul inteligenţei emoţionale şi de nivelul anxietăţii.
a) Care este populaţia statistică?
b) Care sunt variabilele incluse în cercetare? Pe ce fel de scale pot fi ele măsurate?
c) Construiţi o întrebare dintr-un chestionar care măsoară atitudinea faţă de
persoanele bolnave de SIDA şi exemplificaţi tipurile de scale de măsurare posibile.
d) Indicaţi o variabilă care ar putea să influențeze nivelul atitudinii faţă de persoanele
bolnave în afară de cele prezentate. Pe ce fel de scală poate fi ea măsurată ?
11. Care dintre următoarele variabile se măsoară pe o scală diferită de celelalte trei?
a. grupul etnic b. ocupaţia c. statutul marital d. anii de predare.
12. Juan are un QI de 120, deci el este cu 20% mai inteligent decât o persoană cu un QI de
100. Această afirmaţie presupune în mod eronat că QI se măsoară pe o scală:
 nominală
 ordinală
 de intervale
 de rapoarte
Indicaţi tipul scalei pe care se măsoară variabila QI________________________________
.
26
Capitolul 3. Distribuții și frecvențe
Obiective
 să explice principalele reguli de organizare a datelor;
 să identifice avantajele și dezavantajele reprezentărilor grafice în prezentarea datelor;
 să realizeze grafice de tip histogramă și grafice cu bare;
 să interpreteze grafice făcând referire la simetrie și la boltire;
 să calculeze frecvențele absolute și relative ale unui șir de date;
 să interpreteze tabele care conțin valori ale frecvențelor.
Rezumat
Pentru determinarea celor mai importanţi indicatori statistici avem nevoie de
frecvenţe. În domeniul variabilei, fiecare mărime are un număr de reprezentanţi, numit
„efectiv”. Efectivul se numeşte frecvenţă absolută. Când frecvenţa este transformată în
procente, ea se numeşte frecvenţă relativă. Histograma este un grafic care dă o imagine în
„scară” a distribuţiei, fiind cea mai potrivită reprezentare a datelor ordinale, discontinue.
Histograma este informativă în legătură cu forma distribuţiei, cu simetria ei, dar este mai
puţin adecvată să exprime boltirea (aplatizarea acesteia). Cea mai bună redare a datelor de
interval o constituie poligonul frecvenţelor.
O distribuţie poate fi simetrică, atunci când cele două cozi ale sale se repartizează
simetric în raport cu tendinţa centrală care este media ; poate fi asimetrică spre stânga,
situaţie în care cel mai mare volum de date se aglomerează spre latura stângă. O asemenea
distribuţie se cheamă pozitivă. Situaţia inversă este cea a datelor aglomerate spre dreapta. O
asemenea distribuţie se cheamă negativă. Boltirea arată dacă distribuția este una normală,
adică dacă distribuţia este suficient de înaltă (normocurtică) sau dimpotrivă prea joasă
(prăbuşită, cu deficit), situaţie în care ea se numeşte platikurtică (Clinciu, 2013).
Concepte cheie
Frecvență absolută, frecvență relativă, ordonare, grupare, interval de grupare,
histogramă, poligon al frecvențelor, boltire, simetrie.
27
 Pași pentru ordonarea și gruparea datelor

- Identificăm în șirul de date valorile Xmin și Xmax.
- Pe o foaie de hârtie cu liniatură matematică, se trec toate valorile în ordine strict
crescătoare, de la Xmin la Xmax, alocând fiecărei valori o pătrățică.
- Descărcăm datele, trecând în dreptul fiecărui scor un X, pentru fiecare apariție. De
exemplu, dacă scorul 5 apare de trei ori, vom avea în dreptul scorului 5 de trei ori X, trei
reprezentând în acest caz frecvența brută a scorului 5.
- La sfârşitul operaţiei vom număra frecvenţele corespunzătoare fiecărui scor de la Xmin la
Xmax şi numărul va fi trecut sub pătrăţica corespunzătoare fiecărui scor. Acestea sunt
frecvențele brute sau frecvențele absolute. Suma tuturor frecvențelor brute trebuie să fie
egală cu N (numărul total de cazuri).
- Inspecţia vizuală evidenţiază următoarele aspecte:
- amplitudinea scorurilor (Xmax - Xmin);
- aglomerarea datelor.
 Exemplu de lucru
Se dă următorul șir de date care reprezintă notele obținute de 15 studenți la un test de
statistică: 9, 5, 4, 7, 8, 9, 8, 7, 10, 6, 8, 7, 10, 3, 8.
x
x x
x x x x
x x x x x x x x
Scor 1 2 3 4 5 6 7 8 9 10
Frecvență 0 0 1 1 1 1 3 4 2 2
În acest exemplu, Xmin este 3, Xmax este 5. Scorul cu frecvența cea mai
mare de apariție este 8. Amplitudinea scorurilor este Xmax - Xmin = 10 - 3 = 7.
Cele mai multe date sunt aglomerate spre dreaptă, deci distribuția pare să fie
asimetrică negativ.
 Realizarea tabelului de frecvențe pentru date negrupate

- Desenați un tabel cu următoarele coloane: scor, frecvență brută, frecvență brută cumulată,
frecvență relativă, frecvență relativă cumulată.
- Introduceți scorurile în tabel în ordine crescătoare.
28
- Completați coloana frecvențelor brute și brute cumulate. Prima frecvență brută cumulată
este identică cu prima frecvență brută, pentru următoarele, adunați la prima frecvență
brută, pe cea imediat următoare.
- Completați coloana frecvențelor relative și relative cumulate, transformând în procente
frecvențele brute, după regula de trei simplă.
Pornim de la datele de la exemplul anterior.
Scor Fr. brută Fr. brută cum. Fr. relativă Fr. rel. cum.
1 0 0 0 0
2 0 0 0 0
3 1 1 6,66 6,6
4 1 2 6,66 13,3
5 1 3 6,66 20
6 1 4 6,66 26,6
7 3 7 20 46,6
8 4 11 26,6 73,3
9 2 13 13,3 86,6
10 2 15 13,3 100
 Aplicația 1
Se dă următorul șir de date care reprezintă greutatea unui grup de 20 studente: 65, 60,
55, 54, 50, 54, 55, 62, 51, 55, 49, 60, 55, 48, 51, 52, 55, 62, 57, 58. Ordonați aceste date,
calculați frecvențele absolute și amplitudinea împrăștierii. Interpretați rezultatele
obținute, făcând referire la aglomerarea datelor. Realizați tabelul frecvențelor pentru
aceste date.
 Aplicația 2
Un psiholog a cerut celor 20 de angajaţi dintr-o companie să-şi exprime satisfacţia faţă
de locul de muncă actual pe o scală în cinci puncte, de la 1 foarte nemulţumit, la 5
foarte mulţumit. Scorurile sunt următoarele:
3, 2, 3, 4, 1, 3, 3, 4, 5, 2, 3, 5, 2, 3, 3, 4, 1, 3, 2, 4.
a) Care este variabila măsurată şi pe ce tip de scală este ea măsurată?
b) Realizaţi tabelul frecvenţelor, calculând frecvenţele brute şi relative, frecvenţele
cumulate.
29
 Gruparea datelor
- Primul pas constă în stabilirea intervalului de grupare, după următoarele reguli:
- nu mai puţin de 5 - 7 intervale şi nu mai mult de 20
- pentru mărimea intervalului folosim numere impare (3, 5 sau 7), pentru a avea ca
valori centrale de interval numere întregi
- Determinarea mărimii intervalului: amplitudinea împrăştierii se împarte la câteva din
mărimile dorite ale intervalului, pentru a vedea câte clase rezultă şi se alege aceea care se
apropie cel mai mult de numărul de clase considerat convenabil.
- Primul interval este bine să înceapă cu un multiplu al mărimii lui. De exemplu, intervalele
de lungime 3 pot începe cu 3, 6 sau 9 (Clinciu, 2013).
O grupă de studenți au fost rugați să răspundă la următoarea întrebare: Câte ore
ați învățat pe săptămână pentru a vă pregăti pentru examenul de statistică?
Răspunsurile studenților sunt prezentate mai jos:
2, 10, 15, 5, 30, 24, 4, 7, 22, 20, 3, 8, 35, 0, 18, 15, 33, 5, 10, 30, 12, 7, 20, 6, 7.
În acest exemplu, Xmin este 0, Xmax este 35. Amplitudinea scorurilor este Xmax -
Xmin = 35 - 0 = 35. În cazul nostru, dacă am dori să avem intervale de mărimea
cinci, atunci rezultă 35/5 = 7 intervale, iar dacă am dori intervale de șapte,
atunci ar rezulta 35/7= 5 intervale. Cum șapte intervale ar fi prea puține,
alegem prima situație, în care mărimea intervalului este cinci.
Frecvență 4 7 3 3
interval x
x x x x
x x x x x x x x x x x x
Scor 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
Frecvență 1 0 1 1 1 2 1 3 1 0 2 0 1 0 0 2 0 0 1 0
Frecvență 4 0 3 1
interval x x
x x x x x x
Scor 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37
Frecvență 2 0 1 0 1 0 0 0 0 0 2 0 0 1 0 1 0 0
30
 Realizarea tabelului de frecvențe pentru date grupate

- Realizăm un tabel cu următoarele coloane: scoruri clase, limite exacte, centrul intervalului
(punctul central), frecvențe brute, frecvențe brute cumulate, frecvențe relative, frecvențe
relative cumulate, frecvența brută X centrul intervalului, număr interval.
- În locul scorurilor, introducem intervalele. Limitele exacte ale intervalelor se obțin
scăzând 0,5 din limita inferioară a intervalului și adăugând 0,5 la limita superioară a
intervalului identificat.
- Coloanele cu frecvențe brute, frecvențe brute cumulate, frecvențe relative, frecvențe
relative cumulate se calculează după același algoritm ca în cazul datelor negrupate.
- Pe penultima coloană, se calculează pentru fiecare interval produsul dintre centrul
intervalului și frecvența brută.
Introducem în tabel datele de la exemplul anterior
F. br. *
Scoruri Limite Punctul Frecv. F.br. Frecv. F. rel. Nr.
centrul
clase exacte central brute cum. relative cum. interval
int.
0-4 -0,5-4,5 2 4 4 16 16 8 1
5-9 4,5-9,5 7 7 11 28 44 49 2
10-14 9,5-14,5 12 3 14 12 56 36 3
15-19 14,5-19,5 17 3 17 12 68 51 4
20-24 19,5-24,5 22 4 21 16 84 88 5
25-29 24,5-29,5 27 0 21 0 84 0 6
30-34 29,5-34,5 32 3 24 12 96 96 7
35-39 34,5-39,5 37 1 25 4 100 37 8
N=25 Σ=100
 Aplicația 3
Mai jos, sunt prezentate numărul de minute necesare unui grup de 34 de copii cu vârsta
de 10 ani pentru a realiza o serie de puzzle-uri abstracte:
24, 83, 36, 22, 81, 39, 60, 62, 38, 66, 38, 36, 45, 20, 20, 67, 41,
87, 41, 82, 35, 82, 28, 80, 80, 68, 40, 27, 43, 80, 31, 89, 83, 24.
a) Realizaţi tabelul frecvenţelor (brute, brute cumulate, relative, relative cumulate).
b) Realizaţi tabelul pentru date grupate. Stabiliţi centrul intervalelor.
31
 Histograma și poligonul frecvențelor

Informațiile prezentate în tabelul de frecvențe pot fi redate sub forma unui grafic, numit
histogramă. Într-o histogramă, înălțimea fiecărei bare reprezintă frecvența fiecărui scor
sau interval de scoruri (Aron, Aron, & Aron, 2013). Histograma este informativă în
legătură cu forma distribuţiei, cu simetria ei, dar este mai puţin adecvată pentru a exprima
boltirea (aplatizarea acesteia).
 Pași pentru realizarea histogramei și a poligonului frecvențelor

- Realizați tabelul frecvențelor.
- Redați pe axa OX scorurile sau intervalele de scoruri, în ordine crescătoare și marcați
printr-un punct centrul intervalului (este bine să alegeți ca unitate de măsură pentru
scoruri sau intervale două căsuțe din caietul de matematică).
- Pe axa OY marcați frecvențele de la zero la cea mai ridicată frecvență întâlnită.
- Identificați punctul de intersecție dintre centrul intervalului și frecvența corespunzătoare
fiecărui interval.
- Desenați barele histogramei.
- Pentru poligonul frecvențelor, uniți centrele intervalelor succesive prin linii drepte.
! Histograma și poligonul frecvențelor pot fi realizate atât pentru frecvențe brute,
cât și cumulate.
 Exemplu
Histograma și poligonul frecvențelor brute și histograma și poligonul frecvențelor brute
cumulate
Figura 1. Histograma și poligonul frecvențelor
32
 Aplicația 4
Arătaţi pe scurt care sunt asemănările şi deosebirile dintre histogramă şi poligonul
frecvenţelor ca mijloace de reprezentare şi vizualizare a datelor.
 Aplicația 5
Reluați aplicația 2 (Un psiholog a cerut celor 20 de angajaţi dintr-o companie să-şi
exprime satisfacţia faţă de locul de muncă actual pe o scală în cinci puncte, de la 1
foarte nemulţumit, la 5 foarte mulţumit. Scorurile sunt următoarele: 3, 2, 3, 4, 1, 3, 3, 4,
5, 2, 3, 5, 2, 3, 3, 4, 1, 3, 2, 4.).
a) Redați histograma și poligonul frecvențelor brute și al frecvențelor brute
cumulate.
b) Realizați un grafic simplu cu bare în care să redați frecvențele pentru fiecare
scor posibil, procentual.
 Aplicația 6
Reluați aplicația 3 (Mai jos, sunt prezentate numărul de minute necesare unui grup de
34 de copii cu vârsta de 10 ani pentru a realiza o serie de puzzle-uri abstracte: 24, 83,
36, 22, 81, 39, 60, 62, 38, 66, 38, 36, 45, 20, 20, 67, 41,87, 41, 82, 35, 82, 28, 80, 80,
68, 40, 27, 43, 80, 31, 89, 83, 24).
a) Redați histograma și poligonul frecvențelor brute și al frecvențelor brute
cumulate.
b) Realizați un grafic simplu cu bare în care să redați frecvențele relative pentru
fiecare interval.
 Aplicația 7
Explicați diferențele dintre o distribuție unimodală și o distribuție multimodală în
termenii:
a) Histogramei
b) Tabelului de frecvențe (Aron, Aron, & Aron, 2013).
 Alte tipuri de reprezentări grafice

- Graficul cu bare reprezintă o reprezentare grafică specifică variabilelor măsurate pe scale
nominale, lungimea barelor fiind echivalentă cu frecvența categoriei.
33
- Graficul de tip ”plăcintă” (pie) se prezintă sub forma unui sector de cerc cu arii
proporționale cu frecvența categoriilor sau intervalelor, fiind folosite cel mai adesea
pentru redarea variabilelor măsurate pe scale nominale (Lwanga, Tye, & Ayeni, 1999).
Folosirea SPSS pentru redarea distribuțiilor și frecvențelor
 Crearea unui tabel de frecvențe

Se dă următorul șir de date care reprezintă notele obținute de 15 studenți la un test de
statistică: 9, 5, 4, 7, 8, 9, 8, 7, 10, 6, 8, 7, 10, 3, 8. Introduceți aceste date în SPSS.
 Analyze.
 Descriptive Statistics.
 Frequencies.
 Selectați variabila pentru care doriți să calculați frecvențele și introduceți-o în
câmpul Variable(s).
 Bifați opțiunea Display frequency tables.
 OK.
Figura 2. Calculul frecvențelor
34
Figura 3. Tabelul frecvențelor brute și relative
 Crearea graficelor din meniul Frequencies

 Reluați toți pașii pentru redarea tabelului de frecvențe.
 Charts.
 Alegeți tipul de grafic dorit, în funcție de datele cu care lucrați. Pentru
Histogramă, alegeți Histogram.
 Show normal curve (redarea curbei distribuției normale).
 Continue.
 Dacă nu mai aveți nevoie de tabelul de frecvențe, debifați Display frequency
tables.
 OK.
Figura 4. Exemplu de histogramă
35
Exerciții
1. 50 studenți au fost întrebați câte ore au învățat în week-end. Răspunsurile primite au

fost următoarele:
11, 2, 0, 13, 5, 7, 1, 8, 12, 11, 7, 8, 9, 10, 7, 4, 6, 10, 4, 7, 8, 6, 7, 10, 7, 3,
11, 18, 2, 9, 7, 3, 8, 7, 3, 13, 9, 8, 7, 7, 10, 4, 15, 3, 5, 6, 9, 7, 10, 6.
1.1. Care este populația cercetării?

1.2. Care este variabila măsurată şi pe ce tip de scală este ea măsurată?
1.3.Realizați tabelul frecventelor brute, brute cumulate, relative, relative cumulate.
1.4. Realizați histograma. Descrieți forma distribuției.
1.5. Realizați poligonul frecvențelor brute și brute cumulate.
2. In exemplul următor sunt prezentate răspunsurile unui număr de 30 familii care au fost
întrebate, aleatoriu, câte cadouri au cumpărat de Crăciun de la mall. Familiile
chestionate provin din mediul rural şi urban din judeţul Braşov şi sunt formate din
cupluri căsătorite de 1-10 ani şi care au între 1-3 copii:
22, 20, 18, 22, 23, 26, 19, 14, 23, 27, 2, 18, 28, 28, 11, 10, 16, 34, 28, 13, 21, 32,17, 6, 29, 23,
22, 19, 5, 10.
2.1. Care este populația cercetării?

2.2. Care sunt variabilele măsurate şi pe ce tip de scală sunt măsurate fiecare dintre
ele?
2.3. Realizaţi tabelul frecvenţelor (brute, brute cumulate, relative, relative cumulate).
2.4. Realizaţi tabelul pentru date grupate. Alegeți mărimea adecvată a intervalului de
grupare. Stabiliţi centrul intervalelor.
2.5. Realizaţi histogramele pentru date negrupate şi grupate şi poligonul frecvenţelor.
Descrieţi forma distribuţiei.
2.6.Realizaţi un grafic cu bare în care să redaţi frecvenţele pentru fiecare categorie
dintre cele stabilite la punctul 2.4. Care este diferenţa dintre graficul cu bare şi
histogramă?
3. Doi cercetători au cerut unui număr de 90 studenţi să răspundă la o întrebare

referitoare la tipul de veşti proaste pe care le-au dat cunoscuţilor în ultimul an. Tabelul
36
de mai jos prezintă tipul de informaţii (veşti proaste) pe care le-au livrat studenţii
chestionaţi. Pornind de la acest tabel, răspundeţi la următoarele întrebări:
3.1. Explicaţi, pornind de la acest tabel, ce înseamnă frecvenţa, ca şi când ar trebui să

prezentaţi acest lucru unei persoane care nu a studiat niciodată statistica.
3.2. Explicaţi, în 5-10 rânduri, semnificaţia rezultatelor obţinute de cercetători.
3.3. Ce greşeală identificaţi în prezentarea datelor din tabel?
Categorie de răspuns Frecvenţe Procente

Relaţia cu familia 19 21,1
Şcoala 1 1,1
Munca, jobul 6 6,7
Relaţia cu iubitul/iubita 17 18,9
Starea de sănătate 1 1,1
Situaţia economică 1 1,1
Relaţia cu prietenii 21 23,3
Starea de sănătate a cuiva apropiat 23 26
(Aron, Aron, & Aron, 2013)
4. Analizaţi cele două distribuţii prezentate în cele două histograme de mai jos Descrieţi
cele două distribuţii şi comentaţi asemănările şi deosebirile dintre ele.
Figura 5. Distribuția mediei generale în funcție de den
37
Aplicații SPSS
Se dau următoarele date:

nr gen med_generala qi m_intrinseca m_extrinseca
(0=masculin, (Medie (Coeficient de (Motivație (Motivație
1= feminin) generală) inteligenţă) intrinsecă) extrinsecă)
1 0 5.00 68 37 28
2 1 8.00 100 51 28
3 1 7.50 102 53 29
4 1 9.50 122 49 31
5 1 9.50 104 35 32
6 0 9.00 98 40 32
7 1 8.00 98 48 32
8 0 6.00 81 43 34
9 1 10.00 120 45 34
10 1 9.00 122 35 35
11 0 6.00 86 41 35
12 0 7.00 104 42 35
13 1 8.00 84 45 35
14 0 6.50 81 47 35
15 1 6.00 109 29 36
16 1 8.50 110 36 36
17 0 8.00 104 43 36
18 1 8.00 112 46 36
19 0 8.50 118 50 36
20 1 9.50 128 54 36
21 1 9.50 124 55 36
22 1 5.00 96 38 37
23 0 5.50 106 39 37
24 1 7.00 105 42 37
25 1 10.00 104 44 37
26 1 8.00 102 38 38
27 0 7.00 100 39 38
28 1 8.50 116 41 38
29 0 8.00 110 45 38
30 0 6.50 88 50 38
1. Introduceţi datele într-un fişier SPSS. Etichetaţi corespunzător variabilele şi alegeţi

scalele de măsură adecvate.
2. Realizaţi o histogramă pentru a evidenţia distribuţia scorurilor la QI. Supraimprimaţi
curba distribuției normale. Comentaţi rezultatele.
3. Realizaţi aceiaşi reprezentare (distribuţia scorurilor la QI) alegând în plus opţiunea Panel
by columns şi introduceţi variabila gen în câmpul Panel by columns. Ce observaţi legat de
distribuţia inteligenţei în funcţie de gen?
4. Realizaţi poligonul frecvenţelor brute cumulate pentru variabila medie generală, folosind
un grafic simplu, cu bare (folosiţi opţiunea Cum.N.).
38
5. Redaţi printr-un grafic „pie” numărul de băieţi şi de fete. Afişaţi valorile şi coloraţi
graficul cu roşu şi albastru.
6. Redaţi printr-un grafic cu bare nivelul mediei generale în funcţie de gen. Comentaţi
rezultatele.
7. Redaţi printr-un grafic cu bare nivelul motivației intrinsece și al celei extrinsece. Afişaţi
valorile şi schimbaţi culorile graficului obţinut.
8. Redaţi printr-un grafic cu bare nivelul motivației intrinsece şi al celei extrinsece în funcţie
de gen.
9. Pentru exerciţiul 1 de la secțiunea Exerciții introduceţi datele în SPSS şi rezolvaţi
cerinţele 1.3., 1.4., 1.5., cu ajutorul SPSS-ului.
39
Capitolul 4. Indicatori ai tendinţei centrale
Obiective
 să calculeze media, mediana și modul pentru un șir de date;
 să explice semnificația mediei, medianei și a modului;
 să aleagă indicatorul statistic adecvat pentru un șir de date;
 să estimeze media, mediana și modul pornind de la analiza unei histograme;
 să indice poziția indicatorilor tendinței centrale într-o distribuție asimetrică.
Rezumat
Media este acea valoare care se obţine împărţind suma scorurilor tuturor indivizilor
care compun populaţia statistică la numărul acestora. Media este o mărime la care participă
toate valorile variabilei respective și se exprimă în aceleaşi unităţi de măsură în care sunt
exprimate şi valorile variabilei respective. Mediana este un punct aflat pe scara
măsurătorilor, sub şi peste care se află exact jumătate din numărul cazurilor. Modul este
valoarea care are cea mai mare frecvenţă, deci cea care caracterizează individul tipic al
populaţiei statistice respective. Ea este foarte uşor de reperat pe un poligon al frecvenţelor,
unde modul corespunde punctului de maxim al acestei linii. Cei trei indicatori de poziţie,
media, mediana şi modul, tind să se suprapună în distribuţiile simetrice. În cazul distribuţiilor
asimetrice, media tinde să se situeze către valorile extreme, spre dreapta sau spre stânga, în
sensul cozii asimetriei. În aceeaşi situaţie, mediana oferă o imagine mai bună a centrului
distribuţiei (Clinciu, 2013).
Concepte cheie
Indicatori ai tendinței centrale, medie, mediană, mod.
40
 Media
- Reprezintă cea mai reprezentativă valoare pentru un șir de scoruri.
- Modul de calcul constă în împărţirea sumei scorurilor tuturor indivizilor care compun
populaţia statistică la numărul acestora:
∑ X 1  X 2  X 3  ...  X n
̅ X
N
- Formula pentru date ordonate este următoarea:
∑
̅
unde N = număr de cazuri, K = frecvențe de apariție ale unui scor.
- Formula pentru date ordonate şi grupate în k clase (intervale):
f1c1  f 2c2  ...  f n cn f c  f c  ...  f n cn

X   11 2 2
f1  f 2  ...  f n N
unde k = numărul de interval, f =frecvenţa fiecărui interval, c = centrele de interval, N =

numărul de observaţii.
 Exemple de calcul
1) La un test de memorie, zece copii au obținut scorurile: 7, 5, 6, 10, 9, 8, 4, 2, 3, 1.
Pentru a calcula media pentru acest șir de date vom folosi formula pentru date negrupate și
neordonate:
∑
̅
2) Se dă următorul șir de date care reprezintă notele obținute de 15 studenți la un test de

statistică: 9, 5, 4, 7, 8, 9, 8, 7, 10, 6, 8, 7, 10, 3, 8.
x
x x
x x x x
x x x x x x x x
Scor 1 2 3 4 5 6 7 8 9 10
Frecvență 0 0 1 1 1 1 3 4 2 2
Pentru a calcula media acestui șir de date, vom folosi formula pentru date ordonate:
41
∑
̅
În medie, rezultatele la testul de statistică obținute de cei 15 studenți s-au situat în

jurul valorii 7,25. Rezultatele sunt deci, bune, distribuția fiind, așa cum reiese din
tabelul de mai sus, asimetrică negativ.
3) O grupă de studenți au fost rugați să răspundă la următoarea întrebare: Câte ore ați
învățat pe săptămână pentru a vă pregăti pentru examenul de statistică? Răspunsurile
studenților sunt prezentate mai jos: 2, 10, 15, 5, 30, 24, 4, 7, 22, 20, 3, 8, 35, 0, 18, 15,
33, 5, 10, 30, 12, 7, 20, 6, 7.
Frecvența 4 7 3 3
interval x
x x x x
x x x x x x x x x x x x
Scor 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
Frecvența 1 0 1 1 1 2 1 3 1 0 2 0 1 0 0 2 0 0 1 0
Frecvența 4 0 3 1
interval x x
x x x x x x
Scor 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37
Frecvența 2 0 1 0 1 0 0 0 0 0 2 0 0 1 0 1 0 0
Pentru a calcula media acestui șir de date, vom folosi formula pentru date grupate și
ordonate:
 Aplicația 1
Pentru următoarele șiruri de scoruri calculați media, folosind formula adecvată:
42
a) 10, 15, 25, 32, 17, 29, 23, 24, 13;

b) 8, 5, 7, 5, 6, 9, 7, 8, 8, 5, 10, 9, 6;
c) 5, 17, 15, 18, 20, 21, 23, 25, 22, 16, 30, 35, 32, 30, 28.
 Aplicația 2
Se dă tabelul următor:
Scor Frecvență
24 3
28 5
20 1
29 2
a) Calculați media datelor prezentate în tabelul de mai sus.

b) Adunați o constantă la scorurile de mai sus și calculați din nou media. Ce
observați?
c) Adunați o constantă la frecvențele din tabelul de mai sus și calculați din nou
media. Ce observați?
d) Înmulțiți cu o constantă scorurile de mai sus și calculați din nou media. Ce
observați?
e) Înmulțiți cu o constantă frecvențele de mai sus și calculați din nou media. Ce
observați?
 Aplicația 3
O grupă de studenți au fost întrebați câte ore petrec rezolvând temele la statistică pe
săptămână. Răspunsurile lor au fost următoarele: 5, 7, 10, 1, 0, 8, 6, 7, 9, 10. Calculați
media acestui șir de date, interpretați rezultatul obținut și decideți dacă media obținută
este relevantă pentru toți participanții la studiu.
 Mediana
- Este punctul de pe linia scorurilor care împarte distribuția în două părți egale, de aceea ea
se mai numește punctul percentil 50 sau quartilul 2.
- Pentru a identifica mediana, notați toate scorurile în ordine strict crescătoare și identificați
scorul care împarte distribuția în două părți egale, după formula:
43
unde N = numărul de cazuri
 De exemplu, pentru un șir de 19 scoruri vom adăuga 1 și, împărțind la doi, obținem
10, ceea ce înseamnă că al zecelea scor este mediana. Dacă avem 20 scoruri, adunând
1 și împărțind la 2, obținem 10,5. Acest lucru înseamnă că valoarea situată la
jumătatea distanței dintre al 10-lea și al 11-lea scor este mediana.
 Pentru șirul de date: 2, 3, 4, 5, 6, 7, 9, mediana este a patra valoare din șir, adică 5.
 Pentru șirul de date: 2, 3, 4, 5, 6, 7, 9,10 mediana este situată între a patra și a cincea
valoare din șir, adică între 5 și 6, deci mediana va fi 5,5.
 Aplicația 4
Calculați mediana următoarelor șiruri de date:
a) 3, 5, 2, 10, 7, 4, 11.
b) 10, 15, 21, 24, 23, 14, 22, 17.
c) 12, 12, 12, 12, 14, 14, 14, 15, 17, 17.
 Aplicația 5
Calculați mediana datelor din tabelul de mai jos:
Scor Frecvență
19 3
20 5
24 1
28 2
29 2
 Aplicația 6
Reveniți la aplicația numărul 3. O grupă de studenți au fost întrebați câte ore petrec
rezolvând temele la statistică pe săptămână. Răspunsurile lor au fost următoarele: 5, 7,
10, 1, 0, 8, 6, 7, 9, 10. Calculați media și mediana acestui șir de date și decideți care
dintre cei doi indicatori ai tendinței centrale este mai adecvat pentru situația prezentată.
 Modul
- este valoarea care are cea mai mare frecvenţă, deci caracterizează individul tipic al
populaţiei statistice respective;
44
- în poligonul frecvenţelor, modul corespunde punctului maxim al acestei linii. În cazul

distribuţiilor discontinue, nominale sau ordinale, modul este categoria cu cea mai mare
frecvenţă.
 Exemplu:
Pentru șirul următor de date, identificați modul: 10, 11, 11, 11, 12, 13, 14, 14, 15, 15,
15, 15, 17.
Scor Frecvență
10 1
11 3
12 1
13 1
14 2
15 4
17 1
Modul este scorul cu frecvența de apariție cea mai mare, adică 15.
 Aplicația 7
Găsiți modul șirurilor următor de date:
a) 10, 2, 5, 7, 5, 2, 2, 4, 4, 6, 6, 7, 8, 7, 9, 7, 7.
b) 10, 11, 11, 11, 11, 12, 13, 14, 14, 15, 15, 15, 15, 17.
c) 2, 2, 3, 3, 3, 4 ,4, 4, 4, 5, 5, 5, 5, 6, 6, 6, 6, 7, 7.
 Aplicația 8
Se dă șirul următor de date: 34, 26, 30, 34, 28, 32, 32, 34, 33, 31, 33, 30.
a) Calculați media, mediana și modul.

b) Calculați: ∑ ;∑ ; (∑X)2.
Folosirea SPSS pentru calculul indicatorilor tendinței centrale
 Accesați meniul Analyze.

 Frequencies.
 Introduceți variabila în câmpul Variable(s).
 La Central tendencies bifați: Mean, Median, Mode, Sum.
45
 Continue – OK.
Figura 1. Calculul indicatorilor tendinței centrale
 În output, veți obține un tabel asemănător cu cel de mai jos:
Figura 2. Indicatori ai tendinței centrale
Exerciții
1. Scrieți în spațiul liber răspunsul corect, alegând între medie, mediană și mod.
a) 7, 13, 8, 5, 9, 12. ____________ este 8,5.
b) 6, 2, 4, 7, 6, 5. ____________ este 5.
46
c) 17, 10, 21, 17, 12. ____________ este 17.

d) 8, 3, 9, 4, 10, 14. ____________ este 8.
e) 13, 11, 8, 15, 9, 10. ____________ este 10,5.
2. Într-o cercetare ce avea ca indicator numărul de copii din familiile cu părinți

divorțați au fost obținute rezultatele prezentate în tabelul de mai jos. Determinaţi
indicatorii tendinţei centrale şi comentaţi pe scurt rezultatele obţinute.
Scor Frecvență
1 25
2 19
3 10
4 2
5 1
3. La un test de statistică, au fost obținute următoarele rezultate:
Scor Frecvență brută

1 1
2 1
3 4
4 5
5 7
6 6
7 7
8 12
9 10
10 5
a) Calculați frecvențele brute cumulate, relative și relative cumulate.

b) Desenați histograma și poligonul frecvențelor brute.
c) Calculați indicatorii tendinței centrale.
d) Marcați pe histograma de la punctul b) media, mediana și modul.
e) Comentaţi rezultatele făcând referinţă la forma distribuţiei.
4. În tabelul de mai jos sunt prezentate date privind preferința pentru un anumit tip de
emisiune TV a unui grup de studenți. Determinați indicatorul statistic al tendinței
centrale adecvat pentru aceste date și explicați rezultatele.
47
Tip program TV preferat Frecvență absolută

Film documentar 30
Emisiune sportivă 15
Talk show 25
Film artistic 29
Serial TV 18
5. Elevii din clasa a III-a B au obținut la un test de matematică calificativele

prezentate în tabelul de mai jos. Determinați indicatorul statistic al tendinței
centrale adecvat pentru aceste date și explicați rezultatele.
Calificativ Frecvență absolută

Insuficient 4
Suficient 15
Bine 12
Foarte bine 4
6. Analizați histogramele de mai jos și determinați mediana pentru fiecare dintre ele.
Marcați pe fiecare grafic media și modul și descrieți graficele făcând referire la
forma distribuției.
Figura 3. Distribuția rezultatelor școlare
7. Descrieți și explicați locul mediei, medianei și al modului într-o distribuție:

a) Simetrică.
b) Asimetrică pozitiv.
48
c) Asimetrică negativ.
Propuneți câte un exemplu ilustrativ pentru fiecare dintre cele trei situații, creând
câte un șir de minimum cinci scoruri pentru fiecare subpunct.
8. Creați o bază de date pentru exercițiul 2 și rezolvați cerințele a) – d) folosind

programul SPSS.
49
Capitolul 5. Indicatori ai împrăștierii
Obiective
 să calculeze indicatorii împrăștierii pentru un șir de date;
 să explice semnificația amplitudinii împrăștierii, a abaterii standard și a dispersiei;
 să analizeze din punct de vedere psihologic indicatorii descriptivi raportați în
articolele de specialitate;
 să identifice avantajele și dezavantajele indicatorilor statistici;
 să analizeze normalitatea unei distribuții pornind de la indicatorii statistici calculați.
Rezumat
Indicatorii dispersiei măsoară gradul de împrăştiere al indivizilor ce compun o
populaţie statistică, în cadrul seriei de valori pe care le iau. Ei sunt indicativi pentru raportul
omogenitate/eterogenitate în legătură cu caracteristica dată. Cea mai simplă măsură a
împrăştierii este amplitudinea împrăştierii și reprezintă diferența dintre cea mai mare
valoare din șirul de date și cea mai mică valoare. Abaterea medie este definită ca media
aritmetică a abaterilor absolute de la medie. Abaterea standard sau media pătratică a
abaterilor de la medie şi dispersia sau varianţa sunt măsurile cele mai reprezentative ale
variabilităţii, cu o foarte largă utilizare. Pentru a fi posibilă comparaţia asupra raportului
omogenitate–eterogenitate folosim coeficientul de variaţie. Pentru a stabili dacă o distribuție
este normală sau nu, se calculează indicatorii formei distribuției, indicatorul simetriei
(skewness) și indicatorul boltirii (kurtosis) (Clinciu, 2013).
Concepte cheie
Indicatori ai variabilității, dispersie, varianță, abatere standard, amplitudinea
împrăștierii, abatere intercuartilă.
50
 Amplitudinea împrăștierii
Reprezintă diferența dintre cea mai mare valoare din șirul de date și cea mai mică
valoare:
AI = R (Range) = Xmax - Xmin
 Exemplu
Pentru șirul de date 6, 7, 7, 8, 8, 8, 9, 9, amplitudinea este de 9-6 = 3.
 Abaterea standard și varianța

- sunt măsurile cele mai reprezentative ale variabilităţii (Clinciu, 2013);
- varianţa sau dispersia este egală cu media aritmetică a pătratelor abaterilor de la media
unei distribuţii;
- varianța reprezintă măsura geometrică a suprafeţei de sub curba lui Gauss;
- abaterea standard este o unitate de lungime standardizată a liniei ce definește lungimea
unei distribuţii, fiind egală cu radical din varianță.
 Formula varianței pentru date negrupate:

(∑ )
∑
unde X = scorurile, N= numărul de cazuri
 Formula varianței pentru date grupate:

(∑ )
∑
unde X = scorurile, f = frecvența, N= numărul de cazuri
 Alte formule pentru calcularea varianței

Pentru date negrupate:
∑( ̅)
unde X = scorurile, ̅ = media scorurilor, N= numărul de cazuri
51
Pentru date negrupate:
∑ ( ̅)
unde X = scorurile, ̅ = media scorurilor, f = frecvența, N = numărul de cazuri

! Atunci când numărul de cazuri este mai mare de 30, în toate formulele de mai sus se
înlocuiește N-1 cu N
 Exemplu și pași pentru calculul varianței și al abaterii standard pentru date

negrupate:
1) Se calculează media scorurilor.
2) Scădem din fiecare scor media obținută.
3) Fiecare diferență se ridică la pătrat.
4) Se adună suma diferențelor ridicate la pătrat și se împarte la N. Obținem
astfel, varianța.
5) Extragem radical din varianță și obținem abaterea standard.
Să presupunem că avem un șir de patru date: 1, 2, 3, 4.

Media acestor scoruri este 2,5. Trecem datele în tabel pentru a calcula mai
ușor:
X X- ̅ (X- ̅ )2
1 -1,5 2,25
2 -0,5 0,25
3 0,5 0,25
4 1,5 2,25
∑X=10 ∑ (X- ̅ )=0 ∑(X- ̅ )2=5
√ = 1,29
 Exemplu și pași pentru calculul varianței și al abaterii standard pentru date

grupate:
X f X- ̅ (X- ̅ )2 f(X- ̅ )2
1 1 -1,5 2,25 2,25
2 2 -0,5 0,25 0,5
3 3 0,5 0,25 0,75
4 1 1,5 2,25 2,25
∑X=10 N=7 ∑ (X- ̅ )=0 ∑(X- ̅ )2=5 ∑f(X- ̅ )2 =5,75
52
√ = 0,97
 Aplicația 1
Calculați amplitudinea împrăștierii pentru următoarele seturi de date:
a) 22; 15; 19; 24; 27; 26; 16.
b) 113; 98; 107; 102; 123; 110.
c) 72,9; 75,6; 74,3; 86,1; 80; 82,7.
 Aplicația 2
Calculați abaterea standard și varianța pentru următoarele șiruri de date:
a) 111; 98; 107; 103; 126.
b) 22; 15; 19; 24; 27; 26; 16.
c) 75,9; 70; 29,5; 50; 55; 57; 62; 63,5.
 Aplicația 3
La un test de matematică, o clasă de 30 copii au obținut un punctaj mediu de 70 puncte
cu o abatere standard de 9 puncte. Calculați cu cât se abat de la medie următoarele
scoruri: 79; 50; 55; 100; 95; 67; 90.
 Aplicația 4
Mai jos sunt prezentate scorurile obținute de 18 studenți la un chestionar care măsoară
strategiile de învățare.
154 109 137 115 152 140 154 178 101 103 126 126 137 165 165 129 200 148
a) Calculați indicatorii tendinței centrale pentru aceste date. Cum este media față de
mediană, mai mare sau mică? Cum explicați rezultatul?
b) Calculați indicatorii împrăștierii pentru aceste date.
c) Ce scor din șirul dat considerați că este un outlier? Identificați outlierul, eliminați-l
și calculați din nou indicatorii tendinței centrale și ai împrăștierii Ce observați?
(Moore, 2009).
 Aplicația 5
Un profesor le-a cerut elevilor săi să spună câte ore pe săptămână învață la psihologie și
câte ore învață la biologie. Datele sunt prezentate în tabelul de mai jos.
53
Biologie Psihologie
17 20
19 20
19 20
17 20
18 1
a) Decideți, inspectând vizual datele, la care materie învață mai mult elevii.
b) Calculați indicatorii tendinței centrale și ai împrăștierii.
c) Ce scor reprezintă un outlier? Calculați din nou indicatorii tendinței centrale și
ai împrăștierii, după eliminarea outlierului (Miles & Banyard, 2007).
 Notele z
- Formula pentru calculul notelor z este:
̅
Unde X = scorul, ̅ = media, σ = abaterea standard.
- Intr-o distribuție transformată în note z, media este 0, abaterea standard este 1 iar scorurile
z iau valori incluse în intervalul (-3, 3).
 Exemplu
Să presupunem că vrem să transformăm în scoruri z coeficientul de inteligență
obținut de un participant la o cercetare. Scorul participantului este 120. Media
pentru variabila coeficient de inteligență este 100 iar abaterea standard 15.
 Aplicația 6
Transformați în scoruri z următoarele șiruri de date:
a) 22; 15; 19; 24; 27; 26; 16.
b) 113; 98; 107; 102; 123; 110.
c) 72,9; 75,6; 74,3; 86,1; 80; 82,7.
 Aplicația 7
Un participant la o cercetare a obținut la un test de inteligență scorul 123 iar la un test
de atenție scorul 67. Știind că pentru testul de inteligență media este 100 și abaterea
54
standard este 15 și că pentru testul de atenție media este 50 cu abaterea standard 8,

decideți pentru care dintre cele două teste participantul a obținut un punctaj mai bun.
 Aplicația 8
Folosind tabelul distribuţiei valorilor sub curba normală z (Anexa 1 din curs) și știind
că media inteligenței este 100 cu abaterea standard 15, răspundeți la următoarele
întrebări:
a) Procentul oamenilor al căror scor QI este situat 100 și 110
b) Procentul oamenilor al căror scor QI este mai mare de 135
c) Care este scorul minim pe care trebuie să-l obțină un individ la testul de
inteligență pentru a se situa între primii 5% cei mai inteligenți oameni?
d) Care este scorul care indică pe cei mai puțin inteligenți 25% participanți?
 Boxplotul și punctele cuartile

** Valori aberante
◦◦ Valori extreme (outlieri)
Mustață
P75 Q3
Mediana P50 Q2
P25 Q1
Mustață ◦◦ Outlieri
* * Valori aberante
Figura 1. Boxplotul și punctele cuartile
- Boxplotul este o reprezentare grafică asemănătoare unei cutii.

- Linia situată la jumătatea cutiei este mediana sau punctul percentil P50 sau Q2.
55
- Mustața corespunde celei mai mari valori care nu este un outlier.

- Q1 este punctul cuartil 1 care corespunde punctului percentil 25.
- Q3 este punctul cuartil 3 care corespunde punctului percentil 75.
- Outlierii (valorile extreme) sunt punctele aflate între 1,5 - 3 lungimi de cutie de percentilul
25.
- Valorile aberante sunt punctele aflate la peste 3 lungimi de cutie de percentilul 25.
- Intr-o distribuție simetrică, mediana este situată la jumătatea cutiei.
 Aplicația 9
Analizați boxploturile de mai jos și descrieți-le făcând referire la normalitatea
distribuției și la prezența outlierilor și a valorilor aberante.
Figura 2. Distribuția greutății știute și a greutății dorite în funcție de gen
Folosirea SPSS pentru calculul indicatorilor împrăștierii și ai formei distribuției
 Accesați meniul Analyze.

 Frequencies.
56
 Introduceți variabila în câmpul Variable(s).

 La Dispersion bifați: Std. deviation, Variance, Range, Minimum, Maximum.
 Pentru indicatorii formei distribuției, bifăm în plus Distribution: Skewness, Kurtosis.
Figura 3.Calculul indicatorilor împrăștierii și ai formei distribuției
 În output, veți obține un tabel asemănător cu cel de mai jos:
Figura 4. Indicatori ai împrăștierii și ai formei distribuției
57
Exerciții
1. Pentru setul următor de date (2, 2, 0, 5, 1, 4, 1, 3, 0, 0, 1, 4, 4, 0, 1, 4, 3, 4, 2, 1, 0),

calculați:
a. Media, mediana, modul, amplitudinea împrăștierii, abaterea standard,
dispersia.
b. Transformați toate scorurile în note z.
c. Calculați media și abaterea standard pentru noua variabilă transformată în note
z.
2. Un cercetător a realizat un studiu despre numărul de zile în care cei 216 angajați ai
unei firme au lipsit de la muncă pe parcursul anului trecut. Unul dintre rezultatele
raportate de cercetător este următorul: Numărul de zile în care angajați au lipsit de la
muncă anul trecut (M=9,21, SD=7,34) a fost….. .
a. Care este numărul de subiecți? N = ……
b. Care este variabila măsurată? ……………………………..
c. Pe ce fel de scală se măsoară această variabilă?
d. Alegeți între: Variabila măsurată este a) continuă vs discretă, b) nominală sau
numerică?
e. Explicați ce este scris în paranteză ca și cum ar trebui să explicați aceste
aspecte cuiva care nu a urmat niciodată un curs de statistică (Aron, Aron, &
Aron, 2013).
3. Descrieți diferențele dintre medie, mediană și mod. Propuneți trei seturi de scoruri,
astfel:
a. Un set de scoruri pentru care media este mai mare decât mediana.
b. Un set în care media și mediana sunt egale.
c. Un set în care modul este mai mare decât mediana.
Pentru fiecare subpunct propuneți minimum câte cinci scoruri în fiecare set de
date și faceți calculele necesare pentru a demonstra răspunsul oferit.
4. Răspundeți la următoarele întrebări

a. Dacă se adună o constantă la fiecare valoare a unei distribuţii, ce se întâmplă
cu media distribuţiei?
58
b. Dacă toate valorile unei distribuţii sunt împărţite la o constantă, ce se întâmplă

cu abaterea standard a distribuţiei?
*Propuneți un șir de cinci scoruri și demonstrați răspunsurile oferite.
5. Un individ a completat două teste, un test de inteligență și o probă de memorie. Pentru

testul de inteligență a obținut scorul 115 iar pentru cel de atenție scorul 50. Știind că
pentru testul de inteligență media este 100 iar abaterea standard este 15, iar pentru
testul de atenție media este 25 iar abaterea standard este 5, decideți pentru care dintre
cele două probe subiectul a obținut un punctaj mai bun.
Aplicații SPSS
Un psiholog face o cercetare cu privire la efectul alcoolului asupra timpului de

reacție. Psihologul a împărțit participanții în două grupuri: un grup de participanți (A)
care nu au consumat alcool și cu un alt grup (B), care au primit o doză de alcool.
Timpul de reacție în rezolvarea unei sarcini care constă dintr-o probă de atenție a fost
înregistrat pentru fiecare participant.
Despre participanții la cercetare se mai știe că sunt băieți și fete. Înainte de
experiment, ei au completat și un chestionar care măsoară stabilitatea emoțională
(scoruri mici înseamnă stabilitate scăzută, scoruri mari, stabilitate ridicată).
Datele sunt prezentate în tabelul următor:
nr Grup Gen Timp_reacție Stabilitate_emotionala

1. A masculin 33 24
2. A masculin 44 35
3. A masculin 36 22
4. A masculin 40 16
5. A feminin 29 10
6. A feminin 36 25
7. A feminin 16 65
8. A feminin 41 53
9. A feminin 39 41
10. A masculin 26 44
13. A feminin 38 40
14. A feminin 25 65
15. A feminin 27 67
16. B feminin 33 41
17. B masculin 48 50
18. B feminin 39 52
19. B feminin 45 24
59
nr Grup Gen Timp_reacție Stabilitate_emotionala

22. B feminin 35 12
23. B feminin 68 22
24. B feminin 51 25
25. B feminin 52 27
26. B feminin 40 56
30. B feminin 51 52
31. B feminin 51 36
32. B feminin 57 60
33. B feminin 58 66
38. B feminin 40 20
39. B feminin 44 13
1. Creați un fișier SPSS cu aceste date. Alegeți scalele de măsură adecvate, etichetați
variabilele și acordați valori variabilelor categoriale, astfel:
Nr → Nr de ordine
Grup → Grup experimental. Codificați 1= Grup A – fără alcool, 2 = Grup B – cu
alcool
Gen → Genul subiectului 1=Masculin, 2= Feminin
Timp_reactie → Timp reacție
Stabil_emotionala → Stabilitate emoțională.
2. Calculaţi indicatorii tendinței centrale (medie, mediană, mod), ai împrăștierii

(amplitudinea împrăștierii, abaterea standard, dispersia), ai formei distribuției
(Skewness și Kurtosis) pentru toți subiecții pentru variabila timp de reacție Comentați
rezultatele.
3. Calculaţi media, abaterea standard și indicele de variabilitate separat, pentru fiecare
grup, pentru variabila timp de reacție (Folosiți opțiunea Split file). Discutaţi
comparativ aceste valori pentru cele două grupuri.
60
4. Construiţi histogramele pentru cele două distribuții ale timpului de reacție (distribuția
grupului A și distribuția grupului B) și discutaţi diferenţele de aspect pe care le
constataţi.
5. Realizați un grafic de tip Pie pentru a arăta câți băieți și câte fete sunt în baza de date.
6. Realizați un grafic cu bare pentru a reprezenta mediile timpului de reacție și a
stabilității emoționale, în funcție de grupul (A sau B) în care sunt incluși participanții.
Afișați valorile, schimbați culorile barelor. Explicați rezultatele.
7. Redați distribuția stabilității emoționale printr-un grafic de tip boxplot. Explicați ce
observați în graficul obținut.
8. Redați printr-un grafic cu bare media stabilității emoționale în funcție de gen. Afișați
valorile, schimbați culorile barelor. Explicați rezultatele.
9. Determinați următoarele puncte de pe linia distribuției pentru variabila timp de reacție:
Q1, Q2, Q3.
1. Care sunt valorile după care stabilim dacă o distribuție este normală?
...…………………………………………………………………………………………………
...…………………………………………………………………………………………………
.……………………..……………………………………………………………………………
2. Ce puncte percentile trebuie să calculăm pentru a împărți o distribuție în patru părți
egale?
...…………………………………………………………………………………………………
..………………………………………………………………………………………………….
……………………..……………………………………………………………………………
3. Descrieți locul mediei, medianei și al modului într-o distribuție normală.
...…………………………………………………………………………………………………
...…………………………………………………………………………………………………
.……………………..……………………………………………………………………………
4. Imaginați un șir de date pentru care mediana, ca indicator al tendinței centrale, ar fi
preferabilă mediei.
61
...…………………………………………………………………………………………………
...…………………………………………………………………………………………………
.……………………..……………………………………………………………………………
5. Cât este media și cât este abaterea standard într-o distribuție transformată în note z?
...…………………………………………………………………………………………………
...…………………………………………………………………………………………………
.……………………..……………………………………………………………………………
6. Cărui indicator statistic îi corespunde cuartilul al doilea?
...…………………………………………………………………………………………………
...…………………………………………………………………………………………………
.……………………..……………………………………………………………………………
7. Un student a dat următorul răspuns: Varianța unei distribuții este -4,26. De ce nu poate
fi corect răspunsul studentului? Care este legătura dintre abaterea standard și
dispersie?
...…………………………………………………………………………………………………
...…………………………………………………………………………………………………
.……………………..……………………………………………………………………………
8. Indicați trei diferențe între reprezentarea de tip histogramă și cea de tip boxplot.
...…………………………………………………………………………………………………
...…………………………………………………………………………………………………
.……………………..……………………………………………………………………………
9. Care este diferența dintre valorile aberante și outlieri?
...…………………………………………………………………………………………………
...…………………………………………………………………………………………………
.……………………..……………………………………………………………………………
10. Alegeți varianta corectă de răspuns:
10.1. Numiți parametrul central reprezentativ pentru datele categoriale:
 Modul
 Mediana
 Modul
10.2.Numiți parametrul central reprezentativ pentru datele ordinale:
 Modul
 Mediana
 Modul
62
10.3.O distribuție unimodală cu modul de 44 și media 33 este un exemplu de distribuție:

 Asimetrică negativ
 Simetrică
 Asimetrică pozitiv
10.4. Putem face inferențe (extrapolări) de la eșantion la populație, pentru:
 Medie, mediană, mod
 Medie
 Mediană
 Mod
10.5.Amplitudinea împrăștierii este egală cu:
 7,5 Q
 6Q
 1,5 Q
 1,25 Q
10.6.In intervalul cuartilic Q3-Q1, se află:
 25% din cazuri
 50% din cazuri
 75% din cazuri
 Nu se află nici un caz
11. Intr-o distribuție QI (cu media 100 și abaterea standard 15), ce notă z va avea un
participant cu un QI de 87?
...…………………………………………………………………………………………………
...…………………………………………………………………………………………………
.……………………..……………………………………………………………………………
12. Adevărat sau fals?
12.1.Media este cea mai utilizată valoare într-o scală ordinală
12.2.Distribuțiile leptocurtice arată o omogenitate scăzută a eșantionului
12.3.Media este un indicator la care participă toate scorurile distribuției
12.4.Pe măsură ce crește volumul unui eșantion, crește și abaterea standard.
63
12.5.Dacă toate scorurile dintr-o distribuție sunt majorate cu 3 puncte, atunci abaterea
standard recalculată a distribuției va crește la rândul ei cu 3 puncte.
12.6.Pentru distribuțiile asimetrice, media tinde să se deplaseze către valorile extreme,
spre dreapta sau spre stânga, în sensul asimetriei, în timp ce mediana rămâne mai
apropiată de ramura scurtă a distribuției.
12.7. Intre cuartilul 1 și cuartilul 3 se află mai multe cazuri din populația statistică decât
în intervalul + sau – o abatere standard în jurul mediei.
12.8. In distribuțiile atipice (cu outlieri) sau cu număr mic de cazuri, este preferabilă
folosirea medianei în locul mediei.
12.9. Modul este cea mai tipică valoare individuală și de clasă pentru variabilele
nominale și ordinale.
12.10. Media este o valoare care cade întotdeauna în interiorul seriei de variație, de aceea
este valoarea cea mai tipică a seriei respective.
12.11. Distribuțiile leptocurtice au o împrăștiere mică a scorurilor.
12.12. Mediana este influențată de valorile atipice sau extreme.
12.13. Abaterea standard se exprimă în aceleași unități de măsură ca ale variabilei
respective.
12.14. Outlierul se mai numește și valoare aberantă și se află la o distanță mai mare de o
cutie și jumătate (1,5 abateri intercuartile).
64
Capitolul 6. Inferența statistică
Obiective
 să formuleze ipoteze bidirecționale și unidirecționale;
 să explice diferența dintre ipoteza de nul și ipoteza cercetării;
 să interpreteze semnificația statistică și psihologică a unui rezultat pornind de la pragul
de semnificație.
Rezumat
Când facem cercetări, avem în vedere o populaţie pe care ar trebui să o investigăm
integral. Acest lucru este însă imposibil, de aceea căutăm un compromis rezonabil, alegând
ceea ce numim eşantion convenabil (Clinciu, 2013). Inferenţa statistică încearcă să
evidenţieze în ce măsură datele obţinute la nivelul unui eşantion sunt relevante pentru
întreaga populaţie din care a fost extras eşantionul. Luând ca bază valorile eşantionului ales
şi extrapolându-le la întreaga populaţie din care el a fost extras se comite o anumită eroare,
a cărei valoare va trebui să fie cât mai mică. Datele rezultate din măsurarea unor selecţii de
volum mare şi nedistorsionate tind să se distribuie conform curbei distribuţiei normale. De
aceea, noţiunile statistice de semnificaţie şi de încredere pot fi exprimate în termeni de
probabilitate, prin referire la caracteristicile curbei lui Gauss (Clinciu, 2013).
Teorema limitei centrale precizează că media de eșantionare se apropie de media
populaţiei pe măsură ce numărul de eșantioane extrase crește (la infinit) şi că distribuția
mediei de eșantionare se supune legilor curbei normale, aproape indiferent de forma
distribuţiei valorilor populaţiei, dacă volumul eșantionului este mai mare de 30 subiecţi, dacă
distribuţia populaţiei nu se abate grav de la normalitate şi dacă se respectă condiţiile
eșantionării (Popa, 2008).
Concepte cheie
Curba distribuţiei normale, eroare de tip I, eroare de tip II, ipoteza de nul, ipoteza
cercetării, eşantion, inferenţă statistică, prag de semnificaţie, teorema limitei centrale.
65
 Probabilităţile producerii evenimentelor statistice asociate suprafeţelor curbei

gaussiene
Figura 1. Probabilităţile producerii evenimentelor statistice asociate suprafeţelor curbei

gaussiene
- În intervalul ± 1,96σ cad 95% din cazuri, 5% fiind în afara acestei zone.
- În porţiunea ± 2,58σ cad 99% din cazuri, doar 1% din cazuri fiind în exteriorul acestui
interval (5% şi 1% fiind distribuite simetric, în două jumătăţi egale la capetele curbei).
- Prin aducerea oricărei distribuţii normale reduse la o distribuţie etalon, în note z s-a
generat un tabel al legii normale reduse, care ne permite să vorbim de semnificaţie şi
încredere în termeni de şansă şi de probabilitate →
- există probabilitatea de 95% ca o valoare să cadă în intervalul ± 1,96σ şi de 5 % în
afara acestui interval;
- probabilitatea de 99% de a cădea în intervalul ± 2,58σ şi doar de 1% în afara
acestui interval;
- de 999 la mie de a cădea în intervalul ± 3,3σ şi numai o şansă dintr-o mie de a fi în
afara lui.
 Aplicația 1
Răspundeţi la următoarele întrebări:
a) Care este diferenţa dintre populaţie şi eşantion?
b) De ce într-o cercetare folosim eşantioane şi nu populaţii?
66
c) Care este diferenţa dintre parametri statistici şi indicatorii statistici?
 Aplicația 2
Fără să folosiţi tabelul distribuţiei normale, precizaţi ce procent de scoruri, se află într-o
distribuţie normală:
a) sub medie;
b) între medie şi o abatere standard deasupra mediei;
c) între medie şi o abatere standard sub medie;
d) între o abatere şi două abateri standard deasupra mediei;
e) între medie şi două abateri standard sub medie;
f) sub două abateri standard de la medie;
g) peste două abateri standard sub medie;
h) sub o abatere standard deasupra mediei.
 Aplicația 3
Fără să folosiţi tabelul distribuţiei normale, precizaţi ce scor z va avea o persoană care
se află într-o distribuţie normală între primii:
a) 50%;
b) 16%;
c) 84%;
d) 2% (Aron, Aron, & Aron, 2013).
 Eroarea standard a mediei

s
ES  S X 
N 1
s
Când N este mai mare de 100: SX 
N
unde s este abaterea standard de selecţie, iar N este numărul cazurilor (volumul selecţiei).
Formula este întrebuinţată pentru a estima cât de mult se apropie media de selecţie X de
media populaţiei totale (μ).
67
 Exemplu
La testul Domino 48, 226 de copii cu vârsta de 15 ani au obţinut valoarea medie a
scorului de 41,20, cu o abatere standard de 18.
18 18
ES  S X    1,20
225 15
• pentru 68% din cazuri: media reală se află între 41,20±1,20, adică între 40 şi 42,40.
Risc de eroare: 100-68,32 = 31,68%;
• pentru 95% din cazuri: media reală se află între 41,20±1,96·1,20, deci între
41,20±2,35, adică în intervalul 38,85 şi 43,55. Risc de eroare: 5%;
• pentru 99% din cazuri: intervalul este 41,20±2,58·1,20, deci 41,20±3,10, adică
media cade cu o probabilitate de 99% în intervalul 38,10 şi 44,40. Risc de eroare: 1%
(Clinciu, 2013).
 Aplicația 4
La testul Raven, 150 de adolescenţi cu vârsta de 18 ani au obţinut valoarea medie a
scorului de 100,15 cu o abatere standard de 15. Calculaţi media reală pentru un risc de
eroare de:
a) 5%;
b) 1%;
c) 0,1%.
 Prag sau nivel de semnificaţie

- intervalul x±1,96Sx se numeşte interval de încredere la pragul de 0,05 → există riscul
de eroare de 5% ca adevărata medie să cadă în afara acestui interval;
- intervalul de x±2,58Sx se numeşte interval de încredere la pragul de 0,01 → există
risc de eroare doar de 1% din cazuri;
- intervalul de x±3,33Sx se numeşte interval de încredere la pragul de 0,001 → există
risc de eroare doar de 0,1% din cazuri (Clinciu, 2013).
 Ipoteza cercetării şi ipoteza de nul

Ipoteza este:
- un răspuns posibil la întrebarea pe care şi-o pune cercetătorul;
68
- o presupunere, o idee provizorie sau o afirmaţie ipotetică referitoare la două sau mai
multe variabile;
- un enunţ/propoziţie/judecată de tip predictiv cu un anumit nivel de probabilitate
referitoare la o posibilă relaţie între variabile.
Ipoteza cercetării este ipoteza formulată de cercetător, ipoteza de nul este opusul
ipotezei cercetării, deci, ipoteza de nul este o propoziţie despre relaţia dintre două variabile
care este exact opusul ipotezei cercetării. Ipoteza cercetării se mai numeşte ipoteză alternativă
(Aron, Aron, & Aron, 2013).
 Exemplu:
Ipoteza cercetării
Există diferenţe între băieţi şi fete în ceea ce priveşte conştiinciozitatea.
H1: μbăieţi ≠μfete
H1 presupune că există două populaţii distincte sub aspectul conştiinciozităţii.
Ipoteza de nul
Nu există nici o diferenţă din punctul de vedere al conştiinciozităţii între băieţi şi fete,
iar dacă există astfel de diferenţe, ele se datorează hazardului, întâmplării.
H0: μbăieţi = μfete
H0 presupune că nu există două populaţii distincte, ci una omogenă.
 Ipoteze bidirecţionale şi unidirecţionale

Ipotezele nondirecţionale sau bidirecţionale sunt ipoteze de cercetare care nu prezic o
anumită direcţie a asocierii dintre variabile sau a diferenţei. Pentru testarea unei ipoteze
bidirecţionale se foloseşte un test bidirecţional. Pornind de la ipoteza de mai sus, putem
întâlni una dintre următoarele situaţii :
(1) μbăieţi > μfete
(2) μbăieţi < μfete
 Exemplu:
Există diferenţe între băieţi şi fete în ceea ce priveşte conştiinciozitatea.
Presupunem că există o asociere între conştiinciozitate şi performanţele academice.
Ipotezele direcţionale sau unidirecţionale sunt ipoteze de cercetare care prezic o
direcţie anume a asocierii dintre variabile sau a diferenţei. Pentru testarea unei ipoteze
unidirecţionale se foloseşte un test unidirecţional.
69
 Exemplu:
Fetele sunt mai conştiincioase decât băieţii.
Persoanele conştiincioase au performanţe academice ridicate.
 Aplicația 5
Formulaţi o ipoteză bidirecţională privind diferenţele între mediile a două grupuri.
Formulaţi ipoteza de nul. Transformaţi ipoteza într-o ipoteză unidirecţională.
Argumentaţi pentru care dintre cele două formulări aţi opta (unidirecţională sau
bidirecţională).
 Aplicația 6
a) Care este avantajul folosirii unui test unidirecţional atunci când teoria prezice o
anumită direcţie a rezultatului?
b) De ce este recomandat să folosim un test bidirecţional chiar şi atunci când teoria
prezice o anumită direcţie a rezultatului?
c) Atunci când un rezultat nu este suficient de extrem pentru a respinge ipoteza de
nul, de ce este greşit să concluzionăm că rezultatul susţine ipoteza de nul?
 Aplicația 7
Pentru fiecare dintre următoarele exemple, ipoteza de nul este aceea că media scorurilor
este diferită de zero. Pentru unele scoruri, intervalele de încredere şi pragurile de
semnificaţie coincid, pentru altele nu. Care dintre combinaţiile de mai jos sunt corecte?
a) 95% CI = 0,65, 1,27, p = 0,001;
b) 95% CI = 1,2, 45,3, p = 0,767;
c) 95% CI = −2,28, 4.,22, p = 0,767;
d) 95% CI = −9,76, 11,58, p = 0,025;
e) 95% CI = −0,20, 5,95, p = 0,066;
f) 95% CI = −9,76, 11,58, p = 0,025;
g) 95% CI = 0,00, 65,4, p = 0,05;
h) 95% CI = 0,00, 13,2, p = 0,50 (Miles & Banyard, 2007)
70
 Procedura testării ipotezelor statistice (Lwanga, Tye, & Ayeni, 1999)

- Formulaţi ipoteza cercetării şi ipoteza de nul.
- Alegeţi testul statistic (unilateral sau bilateral).
- Stabiliţi pragul de semnificaţie.
- Alegeţi procedura statistică adecvată.
- Analizaţi pragul de semnificaţie obţinut.
- Decideţi dacă ipoteza de nul poate fi respinsă.
 Erorile de tip I şi II
Eroarea de tip I se referă la situaţia în care decidem că cercetarea susţine ipoteza
formulată (ipoteza cercetării) dar în realitate ipoteza este falsă. Acest lucru înseamnă că
respingem ipoteza de nul iar în realitate aceasta este adevărată. De exemplu, vom decide că un
program terapeutic este eficient, dar în realitate acesta este inutil. Probabilitatea de a produce
eroarea de tip I se numeşte Alfa.
Eroarea de tip II se referă la situaţia în care nu respingem ipoteza de nul iar în
realitate ipoteza este falsă. În acest caz, ipoteza cercetării este adevărată, dar rezultatul nu este
suficient de puternic pentru a respinge ipoteza de nul. De exemplu, decidem că un program
psihoterapeutic nu este eficient, dar în realitate acesta este eficient. Probabilitatea de a
produce eroarea de tip II se numeşte Beta.
Situaţia reală
(În practică, necunoscută)
H0 este adevărată HS este adevărată
de testare a ipotezei
aplicării procedurii
Concluzie în urma
HS este susţinută
Eroarea de tip I
Respingerea H0 Decizia corectă
Alfa
Studiul este
Eroarea de tip II
neconcludent Decizia corectă
Beta
Nerespingerea H0
(Aron, Aron, & Aron, 2013).
 Aplicația 8
a) Care este efectul asupra probabilităţii de a se produce Eroarea de tip I sau II,
atunci când fixăm un prag de semnificaţie Alfa de 0,25?
b) Care este efectul asupra probabilităţii de a se produce Eroarea de tip I sau II,
atunci când fixăm un prag de semnificaţie Alfa de 0,001?
71
Exerciții
1. Formulaţi ipoteza de nul şi ipoteza cercetării pentru:

a. Un experiment prin care se doreşte să se arate dacă elevii care folosesc
Facebook pentru a cere informaţii colegilor despre teme sunt mai sociabili
decât cei care nu folosesc Facebook.
b. Un studiu corelaţional privind relaţia dintre mărimea creierului şi inteligenţă.
c. O cercetare privind măsura în care satisfacţia în muncă prezice performanţa.
2. Vi s-a precizat că un rezultat este semnificativ la pragul de 0,05. Pornind de la această

informaţie, puteţi determina dacă rezultatul este semnificativ la pragul de 0,01? Argumentaţi
răspunsul.
3. Un cercetător a condus un experiment pentru a arăta că consumul unei anumite

vitamine duce la accelerarea apariţiei mersului la bebeluşi. Cercetătorul a constatat că acei
bebeluşi care consumaseră vitamina au mers mai repede, dar diferenţa nu s-a dovedit
semnificativă statistic. Pragul de semnificaţie obţinut este de 0,13. În această situație,
încrederea cercetătorului în teoria sa ar trebui să crească, să scadă sau să rămână la fel?
Argumentaţi răspunsul.
4. Aţi citit un studiu în care rezultatul este semnificativ statistic la un prag p < 0,05.
Observaţi că eşantionul folosit în această cercetare este foarte mare. Cum va afecta acest lucru
interpretarea dvs. asupra studiului în ceea ce priveşte :
a. Probabilitatea ca ipoteza de nul să fie adevărată.
b. Importanţa practică a rezultatului? (Aron, Aron, & Aron, 2013).
5. Mai jos sunt prezentate mai multe situaţii care conţin greşeli. Explicaţi în ce constă
greşeala pentru fiecare situaţie prezentată:
a. Un cercetător testează următoarea ipoteză de nul: Ho: Media = 10.
b. Un studiu cu media 48, raportează semnificaţie statistică pentru Hs μ > 54.
c. Un cercetător testează ipoteza că μ = 50 şi deduce că media populaţiei este
egală cu 50.
d. Un studiu a arătat că ipoteza de nul s-a confirmat.
72
e. Trebuie să se facă o schimbare care să ducă la creşterea satisfacţiei elevilor faţă

de evaluare. Ipoteza de nul, aceea că există o îmbunătăţire, este testată versus
alternativa sa, aceea că nu există nicio îmbunătăţire.
f. Un cercetător afirmă că rezultatele sunt semnificative statistic la un prag de
0,99 (Moore, McCabe, & Craig, 2009).
6. Alegeţi două articole în care sunt raportate rezultatele unor analize statistice. Pentru
fiecare articol, realizaţi o scurtă analiză critică a modului în care sunt raportate rezultatele.
Faceţi referiri la ipotezele formulate, la testul statistic ales, la pragul de semnificaţie obţinut,
la implicaţiile practice ale rezultatelor.
7. Construiţi un exemplu de situaţie în care încercarea de a obţine un rezultat

semnificativ statistic ar putea duce la concluzii eronate.
8. Oferiţi ca exemplu un set de date pentru care inferenţa statistică nu este validă.
Argumentaţi răspunsul.
73
Capitolul 7. Testele de comparație
Obiective
 să analizeze condițiile de aplicare a tehnicilor de comparație a mediilor;
 să aplice testul t adecvat tipurilor de variabile culese;
 să formuleze ipoteze care pot fi testate prin intermediul testelor t pentru un singur
eșantion, pentru eșantioane independente și pentru eșantioane perechi.
Rezumat
Testele t reprezintă o modalitate de testare a ipotezelor. Testele t reprezintă unele
dintre cele mai frecvente tehnici folosite în cercetarea psihologică. Testele t sunt folosite
pentru compararea mediilor, în situații în care testăm ipoteze privind existența diferențelor
dintre două populații pornind de la compararea a două grupe (Sava, 2004). In această
situație, variabilă dependentă este evaluată prin scale numerice. Tipurile de teste t folosite în
cercetarea psihologică sunt:
- Testul t pentru un singur eșantion – privește diferența dintre media unui eșantion și cea a
populației din care acesta a fost extras
- Testul t pentru eșantioane independente – privește diferența dintre mediile a două
eșantioane independente
- Testul t pentru eșantioane perechi – privește diferența dintre mediile a două eșantioane
perechi (corelate, dependente).
Concepte cheie
Diferența mediilor, eșantioane independente, eșantioane perechi, testul t.
74
 Testul t pentru un singur eșantion

Acest tip de test t se folosește atunci când avem scorurile unui eșantion și vrem să le
comparăm cu media populației din care eșantionul a fost extras.
Formula de calcul a testului t pentru un singur eșantion este următoarea:
X = media eșantionului
= media populației
= abaterea standard a eșantionului.
= numărul de participanți.
Gradele de libertate (df) în cazul testului t pentru un singur eșantion se calculează după
următoarea formulă:
Df = N – numărul de eșantioane = N-1
 Exemplu
Testaţi ipoteza potrivit căreia cei 70 de studenţi de anul I de la Facultatea de Psihologie,
cu un QI de 114 şi o abatere standard de 11, au un nivel de inteligenţă semnificativ mai
mare comparativ cu populaţia de bază (QImediu = 100).
√
t(69) = 10,68, p < .001.
 Aplicația 1
Psihologii şcolari dintr-un liceu administrează un test de cunoştinţe generale pe un
eşantion de 104 elevi de clasa a XII-a. Se obţine o medie de 334,21 din 400 şi o abatere
standard de 112,37. Se ştie din alte surse că media naţională la acest test este de 316,28.
Întrebarea este dacă rezultatele obţinute de elevii din liceul respectiv sunt sau nu diferite
de media naţională.
75
a. Formulați ipoteza de nul și ipoteza specifică.

b. Calculați testul t.
c. Decideți dacă testul t este semnificativ statistic și precizați pragul de
semnificație.
d. Raportaţi rezultatele obţinute.
 Aplicația 2
În studiile următoare, media eșantionului este comparată cu cea a populației pentru care
se cunosc media și varianța. Pentru fiecare studiu, calculați testul t și decideți dacă este
semnificativ și la ce prag de semnificație.
Mărimea
Media populației Media eșantionului Varianța t df p
eșantionului N
16 100,31 100,99 2
17 0,47 0,02 4
20 68 49 9
 Testul t pentru eșantioane independente

Acest tip de test t se folosește atunci când cele două grupuri comparate au fost alese la
întâmplare, pe baza situației lor naturale, ca în cazul a două clase paralele de elevi sau a două
grupuri diferite de vârstă (Sava, 2004). În situații de acest gen, cercetătorul compară mediile
unei variabile (preferința pentru risc, timpul de reacție) măsurate pe două eșantioane formate
din participanții care diferă sub aspectul unei alte variabile (gen, vârstă, mediu de
proveniență). In acest caz, variabila comparată trebuie să fie măsurată pe scală de interval sau
de raport, iar variabila de grupare trebuie să fie categorială.
Formula de calcul a testului t pentru eșantioane independente este următoarea:
 Testele t destinate eşantioanelor de volum mic necorelate

X1  X 2
t
 X 12  X 2 2  N1  N 2 
 
 N  N  2  N N 
 1 2  1 2 
în care X 1 , X 2 sunt mediile de selecţie; N1, N2 numărul de cazuri pentru X1 şi X2;
ΣX12 şi ΣX22 reprezintă suma pătratelor abaterilor individuale de la medie. Singura
precauţie importantă este aceea de a-l căuta pe t în coloana lui Fisher la df = N1 + N2 -
2 grade de libertate.
76
X1  X 2
t
 ( N1  1) s  ( N 2  1) s2 2  1
2
1 
   
1
 N 1  N 2  2   N1 N 2 
 Eşantioanele independente, dar de volum mare

X1  X 2
t
 12  22

N1 N2
 Pași:
a. Se calculează cele două medii.
b. Se calculează cele două abateri standard (de selecţie) ale distribuţiilor.
c. Se calculează erorile standard ale celor două medii.
d. Se calculează eroarea standard a diferenţei dintre cele două medii după formula:
2 2
 sX   sY  sX
2
s
2
S X Y  S X  SY        Y
2 2
 N 1   N 1  N X  1 NY  1
 X   Y 
e. Se calculează semnificaţia statistică a diferenţei mediilor după formula:

X Y X Y
t 
S X Y sX
2
s
2
 Y
N X  1 NY  1
f. Se evaluează t în tabela corespunzătoare.
 Exemplu
In tabelul de mai jos sunt date informații despre greutatea unui eșantion de băieți și unul
de fete. Calculați testul t și stabiliți dacă diferența greutății pentru cele două grupuri este
semnificativă statistic.
Ipoteza de nul: nu există diferențe în ceea ce privește greutatea între băieți și fete.
Ipoteza specifică: există diferențe în ceea ce privește greutatea între băieți și fete.
77
Greutate
Fete Băieți
N 14 14
X 48,29 50,43
Σ 7,32 6,65
ΣX 676 706
ΣX² 33338 36178
50,43  48,29 2,14 2,14 2,14

t     0,11
33338  36178 14  14 69516 28 381,96 19,54
 
14  14  2 14  14 26 196
In tabelul lui Fisher căutam df = N1 + N2 - 2 = 28 – 2 = 26, valoarea este foarte

departe de pragurile de semnificaţie critice p = 0,05 sau p = 0,01, deci ipoteza de
nul nu poare fi respinsă, acceptăm ipoteza de nul.
 Aplicația 3
Pentru un grup de 120 de copii din grupa pregătitoare a grădiniţei s-a aplicat un test
destinat determinării aptitudinii pentru şcolaritate, cuprinzând o componentă motrică,
una cognitivă şi combinaţia acestora într-un scor total. Acest test a furnizat următoarele
rezultate pentru băieţi (M) şi fete (F) (Clinciu, 2013):
Teste Motricitate Cogniţie Total

Gen M F M F M F
N 54 66 54 66 54 66
X 19,83 20,55 36,65 38,03 56,48 58,58
σX 2,54 3,39 5,57 5,13 7,35 7,82
ΣX 1071 1356 1979 2510 3050 3866
ΣX² 21583 28607 74171 97167 175132 230429
σX2
s
SX SX 
N
sX  X
1 2
t
df
p
a. Testaţi ipoteza diferenţei semnificative a mediilor dintre fete şi băieţi pentru cele
trei perechi de variabile ale testului aplicat.
78
b. Formulați ipotezele de nul și ipotezele specifice pentru cele trei situații.

c. Determinaţi varianţa şi eroarea standard a mediei (SX) pentru toate coloanele
tabelului.
d. Determinaţi valoarea testului t, aplicând formula adecvată.
e. Raportaţi rezultatele obţinute și explicați din punctul de vedere psihologic aceste
rezultate.
 Testul t pentru eșantioane dependente (perechi)

Acest tip de test t se folosește atunci când:
- acelaşi grup este comparat cu el însuşi, înainte şi după introducerea unui factor
experimental;
- două grupuri au fost în prealabil comparate, egalizate şi puse într-o situaţie prin care se
influenţează reciproc, vorbim de eşantioane (selecţii) corelate;
- eşantioane perechi au fost construite astfel încât fiecărui element dintr-un eşantion să-i
corespundă un altul din celălalt, cu care formează pereche (eşantioane apariate) (Clinciu,
2013).
Formula de calcul a testului t pentru eșantioane independente este următoarea:

∑
(∑ )
√∑
( )
 Pași pentru calculul testului t pentru eșantioane dependente:

1. Formularea ipotezei de nul și a ipotezei cercetării.
2. Determinarea caracteristicilor distribuției comparației:
a. Se scriu pe două coloane scorurile obținute de fiecare subiect.
b. Se calculează media diferenței.
c. Se calculează abaterea standard a diferenței.
79
() 2
2 
3. Se calculează întâi dispersia ( s 2  N ), după care abaterea standard (s
N 1
= s 2 ).
s
4. Se calculează eroarea standard a mediei diferenţelor: S  
N 1 .
5. Se calculează t care este câtul dintre media diferenţelor şi eroarea standard a


mediei diferenţelor: t 
S
6. Forma distribuției este o distribuție cu .

7. Se evaluează t alegând de pe coloana f din tabelul lui Fisher numărul gradelor de
libertate echivalent cu N-1. În funcţie de valoarea găsită vedem dacă, în cazul
respingerii ipotezei nule, probabilitatea de eroare este mai aproape de unul dintre
pragurile critice căutate (p = 0,05 sau p = 0,01).
 Aplicația 4
Un cercetător a testat 10 indivizi înainte și după o procedură experimentală. Rezultatele
obținute sunt prezentate în tabelul de mai jos.
Scor
Caz Diferența (După-Inainte)
Inainte După
1 10,4 10,8
2 12,6 12,1
3 11,2 12,1
4 10,9 11,4
5 14,3 13,9
6 13,2 13,5
7 9,7 10,9
8 11,5 11,5
9 10,8 10,4
10 13,1 12,5
Să se rezolve următoarele cerinţe:

a. Formulaţi ipoteza de nul si ipoteza specifică.
b. Determinaţi dacă există un câştig semnificativ în urma aplicării programului
psihoterapeutic.
c. Raportaţi rezultatele obţinute.
80
 Aplicația 5
Se prezintă următoarea situație: două grupuri de studenți au participat la o școală de
vară de statistică. Grupul 1 sunt studenți de la domeniul de studii Psihologie iar grupul 2
sunt studenți de la domeniul de studii Științele Educației. Cunoștințele lor de statistică
au fost testate înainte de curs și după curs. Tabelul de mai jos prezintă scorurile obținute
de studenți înainte și după examen.
Nr crt Grup Inainte După

1. 1 32 34
2. 1 31 31
3. 1 29 35
4. 1 10 16
5. 1 30 33
6. 1 33 36
7. 1 22 24
8. 1 25 28
9. 1 32 26
10. 1 20 26
11. 2 30 36
12. 2 20 26
13. 2 24 27
14. 2 24 24
15. 2 31 32
16. 2 30 31
17. 2 15 15
18. 2 32 34
19. 2 23 26
20. 2 23 26
a. Realizați o histogramă pentru scorurile obținute Înainte și o histogramă pentru

scorurile obținute După examen (pentru toți cei 20 participanți).
b. Calculați testul t adecvat pentru a arăta dacă există diferențe la nivelul întregului
eșantion între scorurile obținute înainte și după examen. Formulați ipoteza de nul și
ipoteza specifică. Determinați pragul de semnificație și raportați corespunzător
rezultatele.
c. Realizați o histogramă pentru scorurile Înainte pentru grupul 1 și una pentru grupul 2.
Analizați diferențele.
d. Calculați testul t adecvat pentru a arăta dacă există diferențe între scorurile Înainte
între cele două grupuri de studenți. Formulați ipoteza de nul și ipoteza specifică.
Determinați pragul de semnificație și raportați corespunzător rezultatele.
81
e. Realizați o histogramă pentru scorurile După pentru grupul 1 și una pentru grupul 2.
Analizați diferențele.
f. Calculați testul t adecvat pentru a arăta dacă există diferențe între scorurile După între
cele două grupuri de studenți. Formulați ipoteza de nul și ipoteza specifică.
g. Verificați dacă media scorurilor pentru întregul eșantion este diferit de media obținută
de participanții din anul trecut, 24. Formulați ipoteza de nul și ipoteza specifică.
Folosirea SPSS pentru calculul testelor t
 Testul t pentru un singur eșantion

 Accesați meniul Analyze – Compare Means – One Sample T Test.
Figura 1. Calculul testului t pentru un singur eșantion (Pasul 1)
82
Figura 2. Calculul testului t pentru un singur eșantion (Pasul 2)
 Introduceți variabila pe care vreți să o analizați în câmpul Test Variable(s).

 Scrieți în câmpul Test Value media populației cu care doriți să comparați eșantionul
dvs, în cazul de față, 8,5.
 OK.
Figura 3. Testul t pentru un singur eșantion
83
 Primul tabel, One-SampleStatistics, prezintă indicatorii descriptivi pentru variabila

dependentă: număr de participanți (N), media, abaterea standard, eroarea standard a
mediei.
 Al doilea tabel, One Sample Test, oferă rezultatele testului t: valoarea testului t,
gradele de libertate (df), pragul de semnificație (Sig. (2-tailed)), diferența mediilor,
intervalele de încredere ale diferenței mediilor (95% Confidence Interval of the
Difference).
 Testul t pentru eșantioane independente
 Accesați meniul Analyze – Compare Means – Independent Samples T Test
Figura 4. Calculul testului t pentru eșantioane independente (Pasul 1)
 Introduceți variabila dependentă în câmpul Test Variable(s).

 Introduceți variabila de grupare (variabila categorială) în câmpul Grouping Variable .
84
 La Defines Groups introduceți pentru fiecare dintre cele două grupuri valorile atribuite
(în cazul de față, 1 și 2, unde 1 înseamnă masculin, 2 înseamnă feminin).
Figura 5. Calculul testului t pentru eșantioane independente (Pasul 2)
Figura 6. Testul t pentru eșantioane independente
 Primul tabel, Group Statistics, prezintă indicatorii descriptivi pentru fiecare grup în
parte: număr de participanți (N), media, abaterea standard, eroarea standard a mediei.
 Al doilea tabel, Independent Samples T Test, conține valorile Testului Levene pentru
egalitatea varianțelor (Levene’s Test for Eqality of Variances), pragul de semnificație
al testului Levene (Sig.), valoarea testului t, gradele de libertate (df), pragul de
85
semnificație (Sig. (2-tailed)), diferența mediilor și eroarea standard a diferenței,

intervalele de încredere ale diferenței mediilor.
 Testul Levene ne indică ce valoare a testului t citim: dacă testul Levene este
semnificativ statistic, ne aflăm în situația în care cele două grupuri comparate nu au

varianță egală și vom citi valoarea testului t de pe a doua linie a tabelului; dacă testul
Levene este nesemnificativ statistic, ne aflăm în situația în care cele două grupuri
comparate au varianță egală și vom citi valoarea testului t de pe prima linie a
tabelului.
 Testul t pentru eșantioane perechi
 Accesați meniul Analyze – Compare Means – Paired Samples T Test.

 Introduceți cele două variabile corelate în câmpurile Variable 1, Variable 2, în cazul
de față variabilele Pretest și Postest.
 OK.
Figura 7. Calculul testului t pentru eșantioane perechi (Pasul 1)
86
Figura 8. Calculul testului t pentru eșantioane perechi (Pasul 2)
 Primul tabel, Paired-SampleStatistics, prezintă indicatorii descriptivi pentru

variabilele introduse în analiză: număr de participanți (N), media, abaterea standard,
eroarea standard a mediei.
 Al doilea tabel, Paired Samples Correlation prezintă coeficientul de corelație dintre
cele două variabile și pragul de semnificație al corelației
 Al treilea tabel, Paired Samples T Test, oferă rezultatele testului t: media, abaterea
standard, eroarea standard a mediei, intervalele de încredere ale diferenței mediilor,
valoarea testului t, gradele de libertate (df), pragul de semnificație (Sig. (2-tailed)).
87
Figura 9. Testul t pentru eșantioane perechi
Exerciții
1. Pentru fiecare dintre situațiile de mai jos, argumentați ce tip de teste t ar fi adecvate și
formulați ipoteza cercetării:
a. Un cercetător a inclus 25 de angajați într-un grup care a urmat un program de training
de zece săptămâni pentru dezvoltarea abilităților manageriale. El a format și un al
doilea grup, de 22 angajați care a urmat un program de training de cinci săptămâni
pentru dezvoltarea abilităților manageriale, apoi a măsurat performanțele lor
manageriale.
o Testul t pentru un singur eșantion.
o Testul t pentru eșantioane perechi.
o Testul t pentru eșantioane independente.
 Ipoteza:
b. Un cercetător a măsurat anxietatea studenților înainte și după o probă de examen.

 Ipoteza:
c. Un cercetător a măsurat timpul de reacție al fiecărui individ dintr-un grup format

din 15 participanți, de două ori, o dată dimineața la ora 6.00 și o dată seara la ora
20.00. Apoi el a comparat rezultatele obținute seara cu media timpului de reacție
raportată în alte cercetări similare.
88

 Ipoteza:
2. În studiile următoare, media eșantionului este comparată cu cea a populației pentru care
se cunosc media și varianța. Pentru fiecare studiu, calculați testul t și decideți dacă este
semnificativ și la ce prag de semnificație.
Mărimea Media Media Varianța t df p

eșantionului N populației eșantionului
30 12,40 11 9
29 1006,35 1009,72 317,91
40 52 52,41 7,02
3. Un grup de 58 de copii din şcoala generală au fost chestionaţi cu inventarul MASC

pentru a li se determina nivelul de anxietate. Ipoteza specifică a fost aceea că nivelul
anxietăţii acestui grup este semnificativ mai mic decât al copiilor care nu practică sportul.
Grupul de sportivi a obţinut o medie a scorurilor de 12,50 şi o abatere standard de 7,25.
În populaţia de convârstnici nivelul mediu al anxietăţii a fost de 15,50.
a. Răspundeţi la întrebarea dacă ipoteza cercetării se confirmă sau nu, raportând
rezultatele obţinute. (Valoarea testului t, pragul de semnificație, respingerea sau
acceptarea ipotezei de nul).
b. Calculaţi intervalele de încredere (95%) pentru media anxietății.
4. Un cercetător supune zece şobolani următoarei experienţe: le prezintă un labirint şi

notează de câte ori trece fiecare şobolan prin zona care conține mâncarea. Îi supune apoi
pe şobolani unei proceduri de învăţare, le prezintă iarăși labirintul şi înregistrează
rezultatele. Acestea sunt prezentate în tabelul de mai jos.
a. Formulaţi ipoteza de nul si ipoteza specifică.
b. Determinaţi dacă există un câştig semnificativ în urma aplicării programului de
învățare. (Calculați testul t și decideți dacă rezultatul este semnificativ statistic,
precizați pragul de semnificație).
c. Raportaţi rezultatele obţinute.
89
Caz Scor Diferența

Inainte După (După-Inainte)
1 23 29
2 27 25
3 26 27
4 25 28
5 26 27
6 24 26
7 24 26
8 25 27
9 25 28
10 25 27
5. 1200 de candidaţi participă la un concurs. La corectura probei de franceză participă doi

profesori care dau note de la 0 la 20. Primul profesor corectează 600 de lucrări şi vrea să
facă media notelor date. În acest scop, prevalează la întâmplare un eşantion de 70 de
lucrări şi obţine o medie de 10,60 şi o abatere standard de 3,46. Al doilea corectează tot
600 de lucrări, dar nu prelevează decât 65 de lucrări. Obţine o medie de 8,70 şi o abatere
standard de 5,29. Se observă că mediile obţinute de cei doi sunt diferite. Este această
diferenţă semnificativă? (Calculați testul t adecvat, identificați pragul de semnificație,
raportați corespunzător rezultatele).
6. a. Formulați câte o ipoteză unidirecțională care poate fi testată cu următoarele teste

statistice:
b. Alegeți una dintre ipoteze și transformați-o într-o ipoteză bidirecțională.
7. Analizați tabelul de mai jos și răspundeți la întrebări:

a. Copiii depresivi au un nivel al inteligenței diferit de copiii non-depresivi?
b. Ce tip de test este folosit pentru a demonstra existența acestor diferențe?
c. Descrieți rezultatul, precizând pragul de semnificație folosind tabelul lui Fisher și
decideți dacă ipoteza de nul poate fi respinsă.
d. Raportați corespunzător rezultatul și explicați-l ca și când ar trebui să îl prezentați
cuiva care nu a urmat niciodată un curs de statistică.
90
Rezultatele testului t si statisticile descriptive pentru inteligență in funcție de prezența simptomelor

depresive
Grup
Rezultat Intervale de încredere
Depresivi Non-depresivi t df
pentru diferența mediilor 95%
M SD N M SD N
Scor IQ
103,7 13,77 10 106,40 13,45 10 -15,49; 10,09 -0,44 18
8. Alegeți răspunsul corect

8.1. Alegerea unui test statistic unilateral sau bilateral depinde de:
a) mărimea eșantionului;
b) forma distribuției;
c) natura ipotezelor formulate;
d) diferențele observate la nivelul eșantioanelor.
8.2. Atunci când media din etapa de pretest este comparată cu media din posttest a
unui grup de 50 studenți, poate fi utilizat:
a) testul t pentru un singur eșantion;
b) testul t pentru eșantioane perechi;
c) testul t pentru eșantioane independente;
d) un test t unidirecțional;
e) un test t bidirecțional
8.3. Intr-un experiment, a fost ales un design de tip pretest-posttest, cu 10 subiecți.

Gradele de libertate în această situație vor fi egale cu:
a) 9; b) 10; c) 19; d) 20; e) 8.
8.4. t critic cerut pentru semnificația statistică este mai mic (în valoare absolută) atunci
când este folosit:
a) un test direcțional mai degrabă decât unul nondirecțional;
b) un test nondirecțional mai degrabă decât unul direcțional;
c) un test t pentru eșantioane perechi mai degrabă decât unul pentru eșantioane
independente;
d) un test bidirecțional mai degrabă decât bidirecțional.
91
8.5. Atunci când ipoteza statistică este respinsă, putem concluziona că ipoteza
statistică este:
a) cu siguranță falsă;
b) probabil falsă;
c) cu siguranță adevărată;
d) probabil adevărată;
e) nici un răspuns nu este corect.
8.6. Testul t pentru eșantioane independente pleacă de la asumpția că:

a) populațiile sunt normal distribuite;
b) observațiile sunt perechi;
c) varianțele populației sunt cunoscute;
d) toate variantele de mai sus.
8.7. Testul t pentru eșantioane independente pleacă de la asumpția că varianțele

variabilelor normal distribuite sunt:
a) mari; b) medii; c) mici; d) egale.
8.8. Care dintre următoarele situații poate face ca intervalele de încredere să fie mai
mici?
a) scăderea numărului de participanți;
b) creșterea mediei;
c) scăderea erorii standard;
d) creșterea numărului de participanți.
8.9. Prietenul meu, Bob, crede că prețurile de la supermarket său sunt mai mici decât
cele de la supermarketul meu. Vom construi o listă de elemente identice și le vom
cumpăra de la magazinele noastre în fiecare săptămână, timp de două luni. Apoi Bob
vrea să știe dacă ipoteza lui este acceptată.
a) Bob a formulat o ipoteză direcțională și va folosi un test t pentru eșantioane
corelate.
b) Bob a formulat o ipoteză nondirecțională și va folosi un test t pentru eșantioane
independente.
92
c) Bob a formulat o ipoteză direcțională și va folosi un test t pentru eșantioane

independente.
d) Bob a formulat o ipoteză nondirecțională și va folosi un test t pentru un singur
eșantion.
8.10. In ceea ce privește interpretarea testului t, este falsă următoarea afirmație:

a) Valoarea testului t nu are o relevanță în sine.
b) Pragul de semnificație și limitele de încredere sunt relevante.
c) Pragul de încredere este relevant dar limitele de încredere sunt nerelevante.
Aplicații SPSS
Un cercetător a creat o bază de date în care a inclus mai multe date obținute de la o
grupă de studenți cu care a lucrat pe parcursul a patru săptămâni. Cei 25 studenți au fost
implicați într-un program privind dezvoltarea abilităților de operare pe calculator.
In baza sa de date, cercetătorul a inclus băieți și fete. Băieții sunt codificați cu 1 iar
fetele cu 2. Cercetătorul a măsurat performanțele la o probă de folosire a calculatorului ale
studenților Înainte și După parcurgerea programului experimental. Cercetătorul le-a cerut
participanților să declare câte ore pe săptămână folosesc calculatorul. Participanții au răspuns
și la următoarea întrebare: Cât de satisfăcuți sunteți de modul în care a fost desfășurat
programul, variantele de răspuns fiind 1, foarte nemulțumit, 2 – nemulțumit, 3 nici
nemulțumit, nici mulțumit, 3, mulțumit, 5 – foarte mulțumit.
Datele sunt prezentate în tabelul de mai jos:
După
Inainte Număr_ore
(Performante test
(Performante test (Număr ore pe
Participant Gen după parcurgerea Satisfacție
înaintea programului săptămână de folosire a
programului
experimental) calculatorului)
experimental)
1. 2 1.8 1.85 15 2
2. 1 3.9 3.88 38 3
3. 2 2.1 2.80 10 4
4. 1 2.8 3.20 24 5
5. 1 3.3 3.60 36 1
6. 2 3.1 3.57 15 1
7. 1 4.0 4.00 45 5
8. 1 3.4 3.35 28 4
9. 1 3.3 3.66 35 5
93
După
Inainte Număr_ore
(Performante test
(Performante test (Număr ore pe
Participant Gen după parcurgerea Satisfacție
înaintea programului săptămână de folosire a
programului
experimental) calculatorului)
experimental)
10. 2 2.2 2.55 10 4
11. 2 2.5 2.67 6 5
12. 2 1.8 2 15 4
13. 1 3.9 3.88 38 2
14. 2 2.1 2.80 10 3
15. 1 2.8 3.20 24 4
16. 1 3.3 3.60 36 5
17. 2 3.1 3.57 15 4
18. 1 4.0 4.00 45 4
19. 1 3.4 3.35 28 5
20. 1 3.3 3.66 35 1
21. 2 2.2 2.55 10 2
22. 2 2.5 2.67 6 3
23. 2 1.8 2.5 15 5
24. 1 3.9 3.88 38 3
25. 2 2.1 2.80 10 2
Pornind de la situația prezentată, răspundeți la întrebările următoare:

1. Introduceți aceste date în SPSS, etichetați variabilele, alegeți corect scalele de măsură.
2. Calculați indicatorii descriptivi ai tendinței centrale, ai împrăștierii și ai formei
distribuției pentru variabilele Înainte și După.
3. Împărțiți eșantionul după criteriul gen și redați prin histograme distribuția numărului de
ore petrecute la calculator. Analizați graficele și descrieți ceea ce observați.
4. Calculați testul t adecvat pentru a arăta dacă există diferențe la nivelul întregului eșantion
între scorurile obținute Înainte și După programul experimental. Formulați ipoteza
specifică. Determinați pragul de semnificație și raportați corespunzător rezultatele,
decideți dacă ipoteza de nul este respinsă sau nu.
5. Realizați un grafic cu bare pentru arăta diferențele mediilor înainte și după examen.
6. Calculați testul t adecvat pentru a arăta dacă există diferențe între scorurile Înainte și
scorurile după între băieți și fete. Formulați ipoteza de nul și ipoteza specifică.
7. Redați printr-un grafic cu bare diferența mediilor între băieți și fete pentru scorurile
Înainte și După.
8. Verificați dacă media numărului de ore de lucru pe calculator pentru întregul eșantion
este diferită de media obținută de participanții din anul trecut, de 30 ore. Formulați
94
ipoteza de nul și ipoteza specifică. Determinați pragul de semnificație și raportați

corespunzător rezultatele.
9. Verificați, folosind testul t adecvat, dacă există diferențe între băieți și fete în ceea ce
privește numărul de ore petrecute pe săptămână la calculator. Determinați pragul de
semnificație și raportați corespunzător rezultatele. Redați grafic diferențele dintre bieți și
fete în ceea ce privește media numărului de ore, printr-un grafic cu bare sau cu linii.
10. Calculați frecvențele de apariție pentru gradul de satisfacție. Redați același lucru și
printr-un grafic cu bare.
11. Creați o nouă variabilă, numită diferență, folosind meniul Compute, după formula:
diferența = După - Înainte și apoi calculați eroarea standard a diferenței.
95
Capitolul 8. Corelația
Obiective
 să interpreteze corect valorile coeficienților de corelaţie Pearson și Spearman;
 să explice asocierea a două variabile pornind de la grafice de tip nor de puncte;
 să evalueze semnificaţia statistică a coeficienţilor de corelaţie Pearson și Spearman
pornind de la exemplele date;
 să formuleze ipoteze care pot fi testate prin intermediul corelaţiei;
 să calculeze coeficienţi de corelaţie Pearson și Spearman.
Rezumat
Un coeficient de corelaţie este un număr unic care indică mărimea relaţiei dintre
două fenomene, procese psihice, lucruri, adică în ce grad variază unul în paralel cu variaţia
celuilalt. Coeficientul de corelație (r) poate lua valori între -1 și 1, unde 0 înseamnă absența
legăturii între două variabile. Corelaţia nu dezvăluie o relaţie de tip cauză–efect, nu este deci
o măsură a cauzalităţii, ci doar a gradului de paralelism, a modului de asociere, natura
relaţiei urmând a fi interpretată (Clinciu, 2013). Reprezentarea grafică a corelației se
numește nor de puncte. Norul de puncte oferă informații despre direcția și intensitatea
asocierii dintre variabile. Pentru a aprecia intensitatea relației dintre două variabile se
folosește coeficientul de determinare. Prin intermediul coeficientului de determinare se
evaluează partea de asociere comună a două variabile, indicând procentul din dispersia unei
variabile care se asociază cu modul de împrăștiere a celeilalte variabile (Sava, 2004).
Concepte cheie
Coeficient de corelație, corelație Pearson, corelație Spearman, corelația rangurilor,
coeficient de determinare, nor de puncte.
96
 Folosirea coeficientului de corelație

„Un studiu recent a arătat că există o corelaţie pozitivă între vânzările la îngheţată şi numărul
actelor violente, astfel, cu cât se înregistrează vânzări la îngheţată mai mari, cu atât se produc
mai multe acte violente”.
- Care credeţi că este explicaţia acestei descoperiri?
- De ce vânzările la îngheţată se asociază cu implicarea oamenilor în acte de
violenţă?
R: Studiul prezentat nu demonstrează că consumul de îngheţată duce la acte violente sau
că persoanele violente consumă mai multă îngheţată, ci există o explicaţie alternativă: se
consumă mai multă îngheţată vara, anotimp în care nivelul ridicat al temperaturii predispune
la implicarea în mai multe acte violente. Astfel, atunci când interpretăm rezultatele unui
studiu trebuie să fim precauţi în formularea concluziilor, pentru a nu ajunge la generalizări
greşite sau la concluzii cauzale, pornind de la studii corelaţionale. Concluziile la care ajungem
pot să ducă la decizii inadecvate.
Corelația nu înseamnă cauzalitate. Uneori putem obține coeficienți de corelație puternici
dar care nu au nicio semnificație practică, în acest caz avem de-a face cu o corelaţie
întâmplătoare.
 Aplicația 1
„Un studiu realizat în Londra a arătat că există o asociere între numărul de accidente în
care erau implicaţi şoferi de taxi şi purtarea paltoanelor, astfel că şoferii care purtau
paltoane erau implicaţi mai frecvent în accidente rutiere”.
Pornind de la acest studiu, a fost adoptată o lege prin care şoferilor de taxi li s-a interzis
să mai poarte paltoane în trafic.
Comentați rezultatele acestui studiu.
 Exemple de studii corelaţionale

- Există vreo legătură între scorurile la testele de inteligenţă şi performanţa şcolară?
- Există asociere între înălţime şi greutate?
- Există asociere între inteligenţa părinţilor şi inteligenţa copiilor?
97
? Întrebarea 1: Există o asociere între anxietatea generată de învăţarea statisticii

şi performanţa la examen?
 Cum identificăm faptul că este vorba despre o corelaţie?

Necesitatea analizei corelaţionale poate fi identificată din modul de formulare a obiectivului şi
al ipotezelor („urmărim să evidenţiem gradul de asociere dintre memorie şi inteligenţă”,
„există o legătură între scorurile la testele de inteligenţă şi performanţa şcolară”, „un nivel
ridicat al extraversiei se asociază cu performanţe ridicate în vânzări”) (Sava, 2004).
 Ce fel de date au fost colectate?

O condiție importantă pentru corelația liniară este ca datele să fie numerice.
 Condiţiile de aplicare a lui r sunt îndeplinite?

- Variabilele sunt măsurate pe scale de interval sau de raport (pentru corelaţia Pearson).
- Variabilele sunt normal distribuite.
- Numărul de subiecţi este mai mare de 30.
- Absenţa outlierilor sau a valorilor extreme.
- Relaţia dintre variabile este liniară.
- Norul de puncte indică homoscedasticitate.
Folosim corelaţia Spearman, atunci când:
- Cel puţin una dintre variabile este măsurată pe scală ordinală.
- Cel puţin una dintre variabile nu este normal distribuită.
- Numărul de subiecţi este mai mic de 30.
 Ce fel de ipoteză trebuie testată?

În formularea ipotezei alegem variabile între care pot exista asocieri, pe baza observaţiilor sau
pe baza studiilor anterioare. Ipoteza nu este un adevăr unanim acceptat ci o asumpţie care se
cere a fi testată.
 Exemplu
Este dovedit faptul că celebrarea aniversării dovedeşte longevitatea şi sănătatea.
Statisticile arată că acei oameni care îşi sărbătoresc cele mai multe aniversări devin şi
cei mai în vârstă.
98
 Pași pentru reprezentarea grafică a corelaţiei

- Desenarea axelor şi decizia cu privire la plasarea fiecărei variabile pe o axă.
- Alegerea intervalelor pentru reprezentarea valorilor.
- Marcarea punctelor pe grafic, ca intersecţie a fiecărei perechi de date.
 Aplicația 2
Desenați cu creta pe podea, orientativ, axele OX şi OY reprezentând înălţimea şi
mărimea la pantofi. Vă veți așeza în ordinea crescătoare a înălţimii apoi vă veți deplasa
astfel încât să fiți situaţi la intersecţia dintre înălţimea şi mărimea la pantofi care vă
reprezintă (Hulsizer & Woolf, 2009).
 Aplicația 3
Formați echipe de câte 8 studenţi și răspundeți la două întrebări. Înregistrați răspunsurile
în tabelul următor:
Numărul de ore de somn/noapte Starea de bine
- Câte ore aţi dormit noaptea trecută?

- Cât de fericit vă simţiţi acum, pe o scală de la 0 la 8, unde 0 înseamnă deloc
fericit iar 8 extrem de fericit?
Pentru datele obţinute, redaţi norul de puncte.
 Patternuri ale norului de puncte

- corelație liniară;
- corelație pozitivă;
- corelație negativă;
- corelație curbilinie;
- absenţa corelației.
99
Figura 1. Exemple de corelații
 Aplicația 4
Analizați graficele de la exemplul anterior și oferiți câte un exemplu pentru fiecare
diagramă.
 Cum interpretăm asocierea dintre două variabile

Coeficientul de corelaţie poate să ia valori cuprinse în intervalul (-1; 1). Indiferent de semn
(pozitiv sau negativ), coeficientul de corelaţie este interpretat în felul următor:
Coeficient de corelaţie Interpretare

0,0-0,1 Foarte mic, neglijabil
0,1-0,3 Mic, minor
0,3-0,5 Moderat, mediu
0,5-0,7 Mare, ridicat
0,7-0,9 Foarte mare, foarte ridicat
0,9-1 Aproape perfect
- Corelaţia pozitivă arată relaţia directă între cele două variabile: creşterea variabilei X se
asociază cu creșterea variabilei Y.
- Corelaţia negativă arată relaţia de inversă între cele două variabile: creșterea variabilei X
se asociază cu scăderea variabilei Y.
100
 Exemplu
Să presupunem că un grup de studenţi au efectuat un test de inteligenţă bazat pe
raţionament abstract/figurativ și un altul, bazat pe raţionament verbal/logic. Dacă
studenţii care obţin valori mari la primul test tind să obţină valori mari și la cel de-al
doilea, avem ceea ce se numește o corelaţie pozitivă. Dacă, dimpotrivă, studenţii care
obţin valori mari la unul dintre teste tind să obţină valori mici la cel de-al doilea, atunci
ne aflăm în faţa unei corelaţii negative. Există și posibilitatea ca valorile celor două
variabile să evolueze absolut independent unele de celelalte, ceea ce indică absenţa
oricărei corelaţii (Popa, 2008).
 Aplicația 5
Care dintre următoarele situaţii sugerează existenţa unei corelaţii pozitive, negative sau
absenţa oricărei corelaţii?
a) Înălțime şi mărimea la pantofi.
b) Cantitatea de spanac mâncată de fotbalişti şi numărul de goluri la un meci.
c) Temperatura în timpul iernii şi valoarea facturii la electricitate.
 Corelaţia nu implică o cauzalitate

? Întrebarea 2
Care ar putea fi trei posibile explicaţii pentru asocierea dintre abilităţile
matematice şi abilităţile de citire?
 Exemplu - Determinarea sursei covariaţiei dintre două variabile

Asocierea dintre satisfacţia maritală şi implicarea în activități distractive:
- Implicarea în activităţi distractive poate duce la creşterea satisfacţiei maritale
(1).
- Oamenii satisfăcuți de relaţiile lor aleg să desfăşoare mai multe activităţi
împreună (2).
- Este posibil ca satisfacţia pentru profesie să determine ambele aspecte (3).
Există trei posibile direcţii ale cauzalităţii:
1. X → Y 3. Z
2. Y →X
X Y
101
 Aplicația 6
Oferiţi alt exemplu pentru determinarea sursei covariaţiei dintre două variabile.
 Aplicația 7
Determinaţi sursa covariaţiei dintre variabilele următoare:
a) Depresia şi anxietatea.
b) Timiditatea şi abilităţile sociale.
c) Stima de sine şi rezultatele şcolare.
d) Satisfacţia în muncă şi motivaţia.
e) Media şcolară din gimnaziu şi cea din liceu.
 Aplicația 8
Care dintre coeficienții de corelație enumeraţi mai jos exprimă cea mai mică și mai
înaltă corelație? Enumerați-le în ordinea de la cel mai mic la cel mai mare.
a)0,5; b) 0; c) -0,09; d)0,003; e)-0,73.
 Aplicația 9
Estimaţi valoarea şi intensitatea corelaţiilor din graficele de mai jos. Daţi nume
variabilelor care să exemplifice graficele prezentate. Pentru două dintre grafice, la
alegere, eliminaţi punctele care duc la scăderea coeficientului de corelaţie. Pentru
graficele a și b desenaţi câte un punct care ar duce la scăderea corelaţiei.
Figura 2. Exemple de corelații
102
 Norul de puncte ca modalitate de a testa normalitatea distribuției

Norul de puncte evidențiază patternul de organizare a datelor, fiind și o modalitate de
a testa normalitatea distribuției. Atunci când normalitatea este încălcată, norul de puncte tinde
să fie asimetric la unul dintre capete (Tabachnick & Fidell, 2007).
Forma norului de puncte ne oferă detalii și despre variabilitatea datelor. Cu cât
variabilitatea crește, cu atât corelația scade. Variabilitatea scăzută se obține în cazul datelor
omogene, leptocurtice, asimetrice pozitiv sau negativ. De asemenea, norul de puncte este o
modalitate eficientă de a depista outlierii bivarați sau valorile aberante.
 Calculul coeficientului de corelaţie

Expresia tipică a coeficientului de corelaţie este dată de Bravais – Pearson:
rxy 
 x  x y  y 
 x  x     y  y 
2 2
x şi y sunt rezultatele obţinute la cele două înregistrări, iar x şi y reprezintă mediile celor
două distribuţii.
 Exemplu
Presupunem că există o legătură între numărul de ore de somn pe noapte şi starea de
bine (Aron, Aron, & Aron, 2013).
Număr ore somn/noapte Starea de fericire Produsul ab. de la medie

X X- x (X- x )2 Y Y- y (Y- y ) 2
(X- x ) *(Y- y )
7 0 0 4 0 0 0
5 -2 4 2 -2 4 4
8 1 1 7 3 9 3
6 -1 1 2 -2 4 2
6 -1 1 3 -1 1 1
10 3 9 6 2 4 6
∑=42 ∑=16 ∑=24 ∑=22 ∑=16
x=7 y =4
 x  x  y  y 
√ √
 x  x     y  y 
2 2
103
Cum interpretăm coeficientului de corelaţie obţinut?

R: Între numărul de ore de somn pe noapte şi starea de fericire există o corelaţie
pozitivă sau persoanele care dorm mai multe ore pe noapte manifestă în mai mare
măsură starea de fericire.
 Aplicația 10
Realizaţi norul de puncte pentru această asociere.
 Aplicația 11
Continuați aplicația 3, calculând corelațiile dintre cele două variabile completate în
tabel. Există diferenţe între corelaţiile obţinute la nivelul fiecărui grup? Ce duce la
aceste diferenţe?
 Semnificaţia coeficientului de corelaţie

? Întrebarea 3
Să presupunem că un cercetător a prezis că ar exista fie o corelaţie
pozitivă, fie o corelație negativă între două seturi de scoruri măsurate.
Ipoteza sa este una unidirecţională sau bidirecţională?
1. Pornim de la ipoteza cercetării şi de la ipoteza de nul, pentru a decide dacă alegem

un test bilateral sau unilateral.
2. Calculam gradele de libertate: df = N-2.
3. Determinăm valoarea critică a lui r pentru care ipoteza de nul este respinsă,
analizând tabelul distribuţiei t.
4. Determinăm scorul t al eşantionului nostru, după formula:
( )(√ )
√
5. Decidem dacă respingem ipoteza de nul.

6. Raportăm corespunzător rezultatul.
 Exemplu
Pentru corelaţia dintre numărul de ore de somn pe noapte şi starea de fericire:
104
1. Formulăm ipoteza: Între numărul de ore de somn pe noapte şi starea de fericire

există o asociere (ipoteza bidirecţională).
2. Df = 6-2 = 4.
3. Din tabel, identificam valoarea critică, 2.77.
√
√
4. Scorul t, 3.21 este mai mare decât 2.77, deci putem respinge ipoteza de nul şi
acceptăm ipoteza cercetării.
5. r(4) = 0,85, p <0,05.
 Aplicația 12
Continuați aplicația 3, calculând t critic pentru corelațiile dintre cele două variabile
completate în tabel. Raportați corespunzător rezultatul obținut, precizând dacă rezultatul
este semnificativ statistic.
 Intensitatea asocierii dintre variabile – coeficientul de determinare

Coeficientul de determinare este cel mai utilizat criteriu pentru a aprecia intensitatea
relaţiei dintre două variabile și se notează cu r2. Prin intermediul său se evaluează partea de
asociere comună a două variabile, indicând procentul din dispersia unei variabile care se
asociază cu modul de împrăştiere a celorlalte variabile (Sava, 2004). Valorile lui r trebuie
considerate pe o scală ordinală. Nu este corect să afirmăm că un coeficient de corelaţie de
0,40 este de două ori mai mare decât un altul de 0,20. Dacă dorim să comparăm în mod direct
doi coeficienţi de corelaţie trebuie să ridicăm valorile lui r la pătrat (r2) (Popa, 2008).
Figura 3. Intensitatea asocierii dintre variabile
105
Coeficientul de determinare este un indicator al mărimii efectului. Acesta se

interpretează astfel:
r2 0,01 Efect mic
0,13 Efect mediu
0,26 Efect mare
 Exemplu
Pentru exemplul de mai sus, am obţinut un coeficient de corelaţie de r = 0,85.
Coeficientul de determinare va fi r2 = 0,72, deci 72% din variabilitatea stării de fericire
este explicată de numărul de ore de somn pe noapte. Mărimea efectului este mare.
Sau:
Cele două variabile au în comun 72% din varianţă, restul de 28% provenind din alte
surse.
 Aplicația 13
- De câte ori este mai mare o corelaţie de 0,80 faţă de una de 0,20?
- Dar o corelaţie de 0,70 faţă de una de 0,25?
- Dar o corelaţie de 0,50 faţă de una de 0,15?
 Cauzele care pot afecta precizia unui coeficient de corelaţie

- Presupunerea că între x şi y există coliniaritate, deși în realitate unele distribuţii
evidenţiază foarte greu liniaritate, ele putând fi curbilinii, rectilinii până la un punct şi apoi
haotice etc.
- Distribuţiile atipice care, prezentând valori atipice la extremele seriei de variaţie (outlieri
sau outlieri extremi), accentuează mult variabilitatea datelor ceea ce conduce la creşterea
artificială a coeficientului de corelaţie.
- Erorile de introducere a datelor.
- Erorile de eşantionare: cu cât omogenitatea grupului este mai mare, cu atât corelaţia
descreşte, şi invers.
- Erorile de măsurătoare sau de tastare (Clinciu, 2013).
 Corelația rangurilor - Pași pentru atribuirea de ranguri (rangarea)

- Subiecţii sunt ierarhizaţi în ordinea performanţei sau scorurilor obţinute, de la mare la mic
sau invers.
106
- Pe o foaie de hârtie se scriu tot atâtea numere câte ranguri trebuie alocate (egale cu
numărul subiecţilor) şi se taie rangurile pe măsură ce ele se alocă, ceea ce ajută la corecta
gestiune a acestora. Singura precauţie importantă este aceea de a rezolva corect situaţia în
care două, trei sau mai multe cazuri au aceeaşi valoare de scor a variabilei. De exemplu,
dacă am ajuns cu rangarea la al şaptelea subiect şi următorii trei au aceeaşi performanţă,
din rangurile 8, 9, 10 se selectează rangul din mijloc, 9, care se atribuie tuturor celor trei,
următorul rang ce va fi atribuit fiind 11. Dacă ar fi fost doi subiecţi cu acelaşi scor, atunci
pentru rangurile 8, 9 se acordă rangul intermediar 8,5, următorul rang atribuibil fiind 10.
Pentru ca operaţia de calcul să nu producă o distorsiune prea mare a lui rho cazurile de
acest fel trebuie să fie cât mai puţine.
- Dacă operaţia de rangare a fost corect executată, la sfârşitul ei toţi subiecţii vor avea
ranguri şi toate rangurile vor fi epuizate, în caz contrar trebuind identificată şi corectată
eroarea de rangare.
 Formula de calcul a coeficientului de corelație a rangurilor:
6d 2
 1
N ( N 2  1)
unde d este diferenţa rangurilor şi N numărul subiecţilor.
 Interpretarea coeficientului de corelație a rangurilor:

- Ca şi r, ρ are valori cuprinse între –1 şi +1, trecând prin zero, situaţie care indică absenţa
corelaţiei (deci a concordanţei dintre cele două ierarhii exprimate prin ranguri).
- Valoarea calculată pentru ρ se interpretează, ca si r, în comparaţie cu ρ critic dat de
tabelul ρ a lui Spearman la gradul de libertate egal cu numărul de cupluri:
o Dacă ρ calculat < ρ critic, ipoteza nulităţii corelaţiei se păstrează. Între cele două
variabile nu există corelaţie semnificativă statistic.
o Dacă ρ calculat ≥ ρ critic, ipoteza nulă se respinge. Cele două variabile sunt
corelate. În acest caz, trebuie să ne raportăm la semnul lui r calculat pentru a
determina sensul corelaţiei, pozitiv sau negativ.
Folosirea SPSS pentru redarea norului de puncte și pentru calculul corelației
 Introduceți datele în SPSS.
107
 Graphs – Legacy Dialogs – Scatter/Dot – Simple Scatter.
Figura 4. Obținerea norului de puncte (Pasul 1)
 Introduceți variabila stare de fericire în câmpul Y Axis și variabila Număr de ore de

somn în câmpul X Axis – OK.
Figura 5. Obținerea norului de puncte (Pasul 2)
 Graficul va apărea în output:
108
Figura 6. Reprezentarea grafică a corelației
Pentru calculul corelației Pearson sau Spearman, urmați pașii de mai jos:
 Analyze – Correlate – Bivariate.
Figura 7. Calculul corelației bivariate (Pasul 1)
 Introduceți în câmpul Variables variabilele între care doriți să calculați coeficientul de

corelație.
 Bifați coeficientul adecvat datelor introduse (Pearson sau Spearman).
109
Figura 8. Calculul corelației bivariate (Pasul 2)
 Matricea de corelații va apărea în output:
Coeficient de corelație (r)
Prag de semnificație (p)
Număr de participanți (N)

Figura 9. Coeficientul de corelație bivariată Pearson
110
Exerciții
1. Un psiholog școlar consemnează numărul conduitelor agresive efectuate și,

concomitent, numărul conduitelor de apreciere primite de aceiaşi elevi, pe durata
pauzelor. Rezultatele sunt centralizate în tabelul următor.
nr. conduite agresive 2 7 5 12 1 10 8 6 5 2 3 4

nr. aprecieri primite 8 3 4 2 5 2 1 5 4 7 6 1
a) Efectuaţi reprezentarea scatterplot a celor două variabile.

b) Care este coeficientul de corelaţie între cele două variabile?
c) Este coeficientul r obţinut, semnificativ la un nivel alfa=0,05, bilateral?
d) Cum interpretaţi psihologic rezultatul?
e) Evaluaţi mărimea efectului.
2. Analizaţi următoarea matrice de corelaţii, alegeţi două corelaţii semnificative statistic,

formulaţi ipoteza care stă la baza lor, raportaţi corespunzător rezultatele şi interpretaţi
psihologic rezultatele.
VARIABILE 1 2 3 4 5
1. Nevrozism 1
*
2. Stima de sine 1
- .42
** **
3. Percepere de sine corporală 1
- .30 . 31
** *
4.Anxietate . 10 1
.50 -. 25
** ** **
5. Eficacitate de sine - .10 1
-. 21 .62 - .18
* p< .05, ** p< .01
3. Gable şi Lutz (2000) au studiat un grup format din 65 de copii cu vârste între 2 şi 10
ani şi părinţii acestora. Unul dintre rezultate a fost următorul: controlul parental
asupra obiceiurilor alimentare ale copiilor se asociază negativ cu participarea copiilor
la activităţi extracurriculare (r = -0,34, p < .01). Al doilea rezultat a arătat că părinţii
care aveau credinţe mai puţin adecvate despre nutriţie declarau că copiii lor petreceau
mai multe ore la TV pe zi (r = 0,36, p < .01). Explicaţi rezultatele obţinute ca şi când
111
ar trebui să le prezentaţi unei persoane care nu a participat niciodată la un curs de

statistică (Aron, Aron, & Aron, 2013).
4. Fie următoarele valori pentru variabilele frica de eșec (un scor mic înseamnă o frică
redusă) și rezultatul la examenul de statistică:
Nr. crt Frica de eșec Rezultate

1. 8 7,80
2. 5 8,20
3. 8 8,00
4. 7 6,50
5. 6 8,30
6. 7 7,70
7. 7 6,90
8. 9 6,00
9. 5 9,00
10. 6 8,90
11. 4 9,25
12. 7 8,00
13. 5 8,80
14. 9 5,80
a) Reprezentați grafic norul de puncte corespunzător.

b) Care este coeficientul de corelaţie între cele două variabile?
c) Este coeficientul r obţinut, semnificativ la un nivel alfa=0,05, bilateral?
d) Cum interpretaţi psihologic rezultatul?
e) Evaluaţi mărimea efectului
5. Stabiliți rangurile următoarelor șiruri de date:

a) 1 3 3 4 5 6 7 7 8 9 10;
b) 1 4 4 4 6 7 8 8 8 8 10.
6. Se dorește a se afla dacă există vreo asociere între rezultatele obținute la competiția
națională de discursuri oratorice individuale si gradul de anxietate socială a
participanților. Rezultatele la competiția națională sunt exprimate direct în ranguri
(locurile din clasamentul final), în timp ce nivelul de anxietate socială a fost mai întâi
exprimat numeric în urma aplicării unui test adecvat (rezultatele mari indicau o
anxietate socială puternică), rezultatele obținute fiind mai apoi convertite în ranguri.
Au fost supuși studiului 10 participanți.
112
S Rang competiție Rezultat Rang anxietate Δ (diferența Δ²

anxietate ranguri)
A 4 43
B 3 54
C 6 23
D 8 27
E 9 42
F 10 18
G 5 25
H 7 35
I 2 30
J 1 30
a) Stabiliţi rangurile rezultatelor la proba de anxietate.

b) Calculaţi coeficientul de corelaţie Spearman între anxietate şi competiţie.
c) Stabiliţi pragul de semnificaţie al corelaţiei şi comentaţi rezultatele.
7. Într-o anchetă despre asemănările de gust între soţi, se cere unei femei să claseze 7
filme notate (a, b, c, d, e, f, g) în ordinea preferinţelor. Independent de ea, soţul a
clasat aceleași filme. Rezultatele obținute sunt prezentate în tabelul de mai jos.
Pornind de la aceste date, calculaţi coeficientul de corelaţie între cele două serii de
ranguri, stabiliţi pragul de semnificaţie şi comentaţi rezultatele obţinute.
Ranguri 1 2 3 4 5 6 7
Soţia c a b e d g f
Soţul a c e b f d g
Aplicații SPSS
Datele din tabelul de mai jos au fost culese într-o cercetare despre relația dintre frica de eșec
și rezultatele la examen.
Nr_crt Gen Frica de eșec Rezultat

1 masculin 8,00 7,80
2 feminin 5,00 8,20
4 feminin 7,00 6,50
6 feminin 7,00 7,70
8 feminin 9,00 6,00
113

10 feminin 6,00 8,90
11 masculin 4,00 9,25
12 feminin 7,00 8,00
13 masculin 5,00 8,80
14 feminin 9,00 5,80
15 masculin 7,00 9,00
16 feminin 7,00 7,60
17 masculin 8,00 6,00
18 feminin 9,00 6,00
19 masculin 5,00 9,00
20 feminin 6,00 8,90
21 masculin 5,00 8,80
22 feminin 9,00 5,80
23 masculin 7,00 9,00
24 feminin 7,00 7,60
25 masculin 5,00 8,00
Pornind de la situația prezentată, răspundeți la întrebările următoare:

1. Introduceți datele în SPSS, codificând și etichetând adecvat variabilele.
2. Calculaţi valorile tendinţei centrale (media, mediana, modul şi suma valorilor), ale
împrăştierii (amplitudinea împrăştierii, valorile minimă şi maximă, abaterea standard,
dispersia şi eroarea standard a mediei = SEM) şi formei distribuţiei pentru variabilele
Frica de eșec și Rezultate.
3. Verificați dacă cele două variabile măsurate pe scale de interval prezintă outlieri sau
valori aberante, construind câte un boxplot pentru fiecare variabilă. Descrieți
boxploturile făcând referire la normalitatea distribuției, la prezenta outlierilor sau a
valorilor aberante, la poziția medianei.
4. Realizați norul de puncte pentru a reda asocierea dintre Frica de eșec și Rezultate.
Comentați graficul făcând referire la liniaritatea norului, grosimea sa, la direcția
norului de puncte, la prezența outlierilor.
5. Realizați din nou norul de puncte, dar de această dată, colorați diferit băieții și fetele
pe acest grafic.
6. Calculați coeficientul de corelație Pearson între Frica de eșec și Rezultate. Prezentați
corespunzător rezultatul, precizați dacă această corelație este semnificativă statistic și
care este pragul de semnificație. Explicați rezultatele obținute din punct de vedere
psihologic.
7. Calculați coeficientul de corelație Pearson între Frica de eșec și Rezultate, dar separat
pentru băieți și fete. Prezentați corespunzător rezultatul, precizați dacă această
114
corelație este semnificativă statistic și care este pragul de semnificație. Explicați

rezultatele obținute din punct de vedere psihologic.
8. Transformați variabilele Frica de eșec și Rezultate, în variabile ordinale (opțiunea
Rank Cases).
9. Calculați coeficientul de corelație Spearman între cele două variabile nou create.
Prezentați corespunzător rezultatul, precizați dacă această corelație este semnificativă
statistic și care este pragul de semnificație. Explicați rezultatele obținute din punct de
vedere psihologic.
10. Transformați variabilele Frica de eșec și Rezultate în note z și apoi calculați
coeficientul de corelație Pearson între cele două variabile standardizate. Analizați
rezultatele obținute și comparați-le cu cele obținute în cazul calculului corelației cu
variabilele exprimate în note brute. Ce observați și cum explicați rezultatele?
1. Precizaţi două motive pentru care este important să realizaţi norul de puncte înainte de
calculul coeficientului de corelaţie.
2. Precizaţi trei situaţii în care este preferabilă folosirea corelaţiei Spearman în locul corelaţiei
Pearson.
3. Formulaţi o ipoteză unidirecţională care să vizeze o relaţie negativă între două variabile şi
care poate fi testată printr-o corelaţie.
4. Care dintre coeficienţii de corelaţie enumeraţi mai jos exprimă cea mai mică şi cea mai
înaltă corelaţie? Enumeraţi-le în ordinea de la cel mai mic la cel mai mare.
 0,5;
 0;
 -0,09;
 0 ,03;
 -0,73.
Pentru întrebările 5-25, alegeţi un singur răspuns corect:
115
5. Un coeficient de corelaţie negativ spune că:

 relaţia dintre cele două variabile este foarte slabă;
 nu există asociere între cele două variabile;
 dacă avem un scor ridicat pentru o variabilă, avem un scor scăzut pentru cealaltă
variabilă;
 dacă avem un scor scăzut la o variabilă, avem un scor scăzut şi la cealaltă variabilă.
6. Care dintre următorii coeficienți de corelație indică o asociere puternică între variabilele X
și Y?
 0,60;
 0,099;
 0,1;
 0;
 -0,70.
7. Pe măsură ce creşte numărul de subiecţi, valoarea coeficientului de corelaţie tinde să scadă,

dar creşte probabilitatea de a obţine un rezultat semnificativ statistic.
8. Care dintre următoarele răspunsuri la situaţia de mai jos este cel mai adecvat:
Care este corelaţia raţionamentului abstract pentru un grup de liceeni ?
 valoarea lui r este negativă;
 întrebarea nu are sens;
 valoarea lui r este pozitivă;
 valoarea lui r este aproape de 0.
9. Dacă toate punctele dintr-un nor de puncte sunt situate pe o diagonală, atunci r este:
 perfectă;
 egală cu 0;
 negativă;
 curbilinie;
 pozitivă.
10. O corelaţie puternică între variabilele X şi Y arată că x influenţează pe Y.
116
11. Un cercetător a descoperit ca studenţii care au multe absențe obţin note mici la examen.
Corelaţia dintre cele două variabile este:
 pozitivă;
 negativă.
12. Analizaţi următorul rezultat şi alegeţi varianta corectă : r(120) = 0,58, p=0 ,03
 rezultatul indică o corelaţie medie ca intensitate şi semnificativă statistic;
 rezultatul indică o corelaţie medie ca intensitate şi nesemnificativă statistic;
 rezultatul indică o corelaţie puternică semnificativă statistic.
13. Analizaţi următorul rezultat si alegeţi varianta corectă : r(275) = 0,30, p= 0,04.
 probabilitatea de a greşi atunci când spunem că am obţinut o corelaţie medie dar
nesemnificativă statistic este de 4%;
semnificativă statistic este de 4%;
semnificativă statistic este de 0.4%;
 probabilitatea de a greşi atunci când spunem că am obţinut o corelaţie puternică dar
semnificativă statistic este de 4%.
14. Analizaţi următorul rezultat şi alegeţi varianta corectă : r(291) = 0,25, p= 0,01.
 N=293.
 N=292.
 N=291.
 N=289.
15. Pentru a face generalizări de la un eşantion la întreaga populaţie din care a fost extras
eşantionul, statisticienii folosesc :
 statistica descriptivă;
 abaterea standard;
 statistica inferenţială;
 coeficienţii de corelaţie.
117
16. Care dintre următoarele afirmaţii despre corelaţie este adevărată?

 corelaţia descrie centrul de greutate al distribuţiei;
 coeficientul de corelaţie oferă o măsură a împrăştierii scorurilor;
 norul de puncte demonstrează direcţia relaţiei dintre cele două variabile;
 o corelaţie pozitivă arată că dacă valorile unei variabile cresc, valorile celeilalte
variabile scad.
17. Semnificaţia statistică a corelaţiei depinde de mărimea eşantionului.

18. Cu cât omogenitatea grupului este mai mare, cu atât corelaţia descreşte.
19. Relaţia dintre înălţime şi mărimea la pantofi indică :

 o corelaţie pozitivă;
 absenţa corelaţiei;
 o corelaţie negativă.
20. Relaţia dintre Cantitatea de spanac mâncată de fotbalişti şi numărul de goluri la un

meci indică:
21. Relaţia dintre Temperatura în timpul iernii şi valoarea facturii la electricitate indică:
22. Să presupunem că un cercetător a prezis că ar exista fie o corelaţie pozitivă, fie o corelaţie
negativă între două seturi de scoruri măsurate. Ipoteza sa este :
 unidirecţională;
 bidirecţională.
118
23. Un coeficient de corelaţie de 0,30 este de trei ori mai mic decât un coeficient de corelaţie
de 0,90.
24. Care dintre următoarele situaţii reprezintă o încălcare a condiţiilor necesare pentru
calculul corelaţiei Pearson?
 relaţia dintre variabile este liniară;
 variabilele sunt normal distribuite;
 numărul de subiecţi este mai mare de 30;
 norul de puncte indică homoscedasticitate;
 prezenţa outlierilor.
25. Corelaţia dintre înălţime şi greutate pentru 21 subiecţi este de r = 0,379, nesemnificativă
statistic. Cum ar fi fost ea daca numărul subiecţilor ar fi fost de 42?
 semnificativă la pragul p<0,001;
 semnificativă la pragul p<0,01;
 nesemnificativă;
 semnificativă la pragul p < 0,5.
26. Un cercetător o formulat următoarea ipoteză:

Presupunem că există o asociere între anxietatea faţă de statistică şi performanţa la
examenul de statistică.
Coeficientul de corelaţie obţinut între anxietate şi performanţă obţinut într-un studiu asupra a
60 studenţi, a fost de -0,31. Determinaţi valoarea t critic şi pragul de semnificaţie şi decideţi
dacă ipoteza de nul poate fi respinsă.
27. In tabelul de mai sus sunt înregistrate scorurile a patru persoane la un chestionar de
anxietate şi la un test de dexteritate manuală.
Subiect Anxietate Dexteritate

1 1 10
2 1 8
3 2 4
4 4 -2
119

Formulaţi o ipoteză de cercetare unidirecţională privind relaţia dintre anxietate şi
dexteritatea manuală.
………………………………………………………………………………………
………………………………………………………………………………………
………………………………………………………………………………………
Formulaţi ipoteza de nul.
………………………………………………………………………………………
………………………………………………………………………………………
………………………………………………………………………………………
28. Pornind de la datele din tabelul de la punctul 27, răspundeţi la următoarele întrebări:
Calculaţi valoarea lui r.
………………………………………………………………………………………
………………………………………………………………………………………
Precizaţi gradele de libertate.
………………………………………………………………………………………
………………………………………………………………………………………
Precizaţi t critic calculat.
………………………………………………………………………………………
………………………………………………………………………………………
Precizaţi pragul de semnificaţie.

………………………………………………………………………………………
………………………………………………………………………………………
29. Pornind de la datele din tabelul de la punctul 27, răspundeţi la următoarele întrebări:
Transformaţi în ranguri scorurile celor două variabile.
………………………………………………………………………………………
………………………………………………………………………………………
………………………………………………………………………………………
Calculaţi coeficientul de corelaţie a rangurilor.
120
………………………………………………………………………………………
………………………………………………………………………………………
………………………………………………………………………………………
Determinaţi pragul coeficientului de corelaţie Spearman calculat.

………………………………………………………………………………………
………………………………………………………………………………………
………………………………………………………………………………………
30. Unul dintre coeficienţii de corelaţie raportaţi într-o cercetare are valoarea r = 3,25. Ce
puteţi spune despre el şi cum argumentaţi?
………………….……………………………………………………………………
………………………………………………………………………………………
………………………………………………………………………………………
121
Capitolul 9. Regresia liniară
Obiective
 să explice conceptul de regresie liniară;
 să diferențieze conceptele de predictor și criteriu;
 să deseneze linia de regresie;
 să calculeze valoarea criteriului pornind de la ecuația de regresie;
 să identifice situații de aplicare a regresiei liniare.
Rezumat
Regresia este o procedură frecvent utilizată în cercetarea psihologică, fie pentru
validarea unor modele teoretice, fie pentru scopuri practice, precum selecția. De exemplu,
cunoscând nivelul inteligenței unui elev, putem prezice performanța sa școlară. Regresia ne
permite să estimăm rezultatele viitoare pe baza unor indicatori din prezent. Variabila ale
cărei valori dorim să le prezicem, se numește criteriu, iar variabila ale cărei valori le
utilizăm pentru a prezice valorile criteriului, se numește predictor. Regresia pleacă de la
premisa unei corelații puternice între predictor și criteriu. Măsura în care norul de puncte
descrie o relație liniară între variabile poate fi ilustrată prin trasarea unei drepte prin acest
nor de puncte care conturează patternul norului de puncte și care se numește linie de
regresie. În cazul regresiei liniare simple este vorba de o distribuţie bivariată, în care există
un singur predictor (variabila independentă) şi un singur criteriu (variabila dependentă).
Regresia multiliniară sau multiplă presupune mai multe surse de variaţie, ecuaţia de
regresie include mai mulţi factori ce intervin cu ponderi diferite în predicţia criteriului.
Concepte cheie
Predictor, criteriu, ecuație de regresie, linie de regresie, regresia liniară simplă,
regresia multiliniară, coeficient de regresie.
122
 Regula predicției liniare (Ecuația de regresie) reprezintă formula pentru a face predicții
sau formula pentru a prezice scorul unei persoane, predicția criteriului pornind de la unul
sau mai mulți predictori.
Scorul prezis al unei persoane este egal cu constanta regresiei plus rezultatul înmulțirii
coeficientului de regresie cu scorul persoanei la variabila predictor.
Y = scor prezis, variabila dependentă, criteriul;

X = scor obținut de persoană la variabila predictor, variabila independentă, predictor;
a = constanta (un număr fix care se adaugă predicției);
b = coeficientul nestandardizat de regresie (număr multiplicat cu scorul persoanei obținut la
variabila predictor, ca parte a regulii de predicție liniară).
- a se mai numește intercept, adică punctul de intersecţie al liniei de regresie cu

ordonata (axa OY);
- b indică panta liniei de regresie; deoarece el este dat de valoarea tangentei unghiului
teta (θ) - acesta indică cu cât creşte Y atunci când X creşte cu o unitate; panta este
ascendentă pentru corelaţiile pozitive şi descendentă pentru cele negative.
 În cazul regresiei bivariate b este dat de formula:
unde r este coeficientul de corelaţie iar σx şi σy sunt abaterile standard pentru cele două
variabile.
 Coeficientul a se calculează după formula:

̅ ̅
în care x şi y sunt mediile variabilelor Y şi X iar b este coeficientul nestandardizat de regresie.
123
 Exemplu
Media inteligenței unei clase de elevi este de 106,71 cu o abatere standard de σx = 13,52,
iar media la matematică este de 7,98 cu o abatere standard σy = 0,92, corelaţia dintre QI
şi matematică fiind r = 0,83. Vom avea:
b = 0,83 · 0,92/13,52 = 0,0565.
a = 7,98 - 0,0565 · 106,71 = 7,98 - 6,03 = 1,95
Y = 1,95 + 0,0565 · X
Pentru QI de 116 şi 87, valoarea anticipată a mediei la matematică va fi:
Y = 1,95 +0,0565 · 116 = 8,50
Y = 1,95 + 0,0565 · 87 = 6,87
 Regresia liniară simplă, în cazul în care datele sunt exprimate în note standard sau
note z
Cunoscând nota z a unei persoane la o variabilă, vom prezice nota sa z la cealaltă variabilă
după formula:
în care B se numește chiar coeficient de regresie.
Deoarece valoarea coeficientului standardizat de regresie este exprimată de coeficientul de

corelaţie dintre variabile, formula anterioară devine:
 Exemplu
Pornim de la exemplul 1, unde corelaţia dintre QI şi media la matematică era de 0,83:
̅ = 106,71, σx = 13,52
zx1 = (116 - 106,71) / 13,52 = 0,69
zx2 = (87 -106,71) / 13,52 = - 1,46
̅ = 7,98, σy = 0,92
zy1 = ? zy2?
zy1 = 0,83 · 0,69 = 0,57 zy2 = - 1,21
Verificare: (8,50 - 7,98) / 0,92 = 0,57; (6,87 - 7,98) / 0,92 = - 1,21
Aşa cum se vede, rezultatele obţinute pe cele două căi sunt coincidente.
124
 Desenarea liniei de regresie

Linia de regresie este reprezentarea vizuală a ecuației de regresie.
Pași :
1) Desenați și etichetați axele unui nor de puncte.
2) Identificați valoarea prezisă pentru variabila criteriu pentru o valoare scăzută a
variabilei predictor și marcați punctul pe grafic. Veți face predicția folosind
formula învățată ̂ .
3) Faceți același lucru, dar pentru o valoare ridicată a variabilei predictor. Cel mai
bine este să alegeți o valoare a variabilei predictor (X), care este mult mai mare
decât cea utilizată la Pasul 2). Punctele vor fi, astfel, îndepărtate unele de altele, iar
desenul va fi mai precis.
4) Desenați o linie care trece prin ambele puncte. Aceasta este linia de regresie.
 Exemplu
Pornim de la datele obținute la exemplul 1:
scor
X: QI 87 116
Y: medie matematică 6,87 8,50
8,5
Medie matematica
7,5
medie
7 matematica
6,5
Linear (medie
matematica)
6
5,5
80 85 90 95 100 105 110 115 120
QI
Figura 1. Desenarea liniei de regresie
125
 Regresia liniară multiplă

Regresia liniară multiplă presupune folosirea mai multor predictori. In acest caz, ecuația de
regresie este următoarea:
Y = B0 + B1·X1 + B2·X2 + ... + Bn·Xn
 Condiţii de aplicare pentru regresia liniară simplă şi multiplă

1) Variabila dependentă (VD) și variabila independentă (VI) să fie variabile cantitative
normal distribuite.
2) Relaţia dintre VD şi VI să fie liniară (scatterplot - matrix).
3) Erorile (reziduurile) să fie normal distribuite (histogramă sau Kolmogorov-Smirnov).
4) Evitarea multicoliniarităţii (corelaţii mari 0,50 – 0,60 între oricare două VI).
5) Evitare cazurilor extreme şi a cazurilor influente (inspectarea tabelului Residuals
statitics).
6) Evitarea homoscedasticităţii : reziduurile vor avea aceeaşi varianţă pentru fiecare nivel
al variabilelor predictor (VI).
Folosirea SPSS pentru calculul regresiei liniare simple
 Analyse – Regression – Linear
Figura 2. Calculul regresiei liniare simple (Pasul 1)
126
 Introduceți variabila dependentă (variabila criteriu) în câmpul Dependent și variabila

independentă în câmpul Independent.
 Dacă doriți să obțineți informații descriptive despre variabile, selectați Statistics –
Descriptives.
 OK.
Figura 3. Calculul regresiei liniare simple (Pasul 2)
 Outputul obținut va conține mai multe tabele:

o Primul tabel arată variabilele din modelul de predicție.
o Al doilea tabel, Model Summary, oferă coeficientul de corelație dintre variabila
dependentă și variabila independentă (R – coeficientul de corelație multiplă, pentru
regresia multiliniară), coeficientul de determinare (R2) care arată procentul de variație
al variabilei criteriu explicat de variabila predictor.
o Al treilea tabel, ANOVA, testul F arată în ce măsură există diferențe semnificative
statistic între estimările oferite pe baza ecuației de regresie implicate în comparație cu
127
estimările bazate pe valoarea mediei (Sava, 2004). Pentru un model eficient, F este
semnificativ statistic.
o Al patrulea tabel, Coefficients, conține coeficienții standardizați și nestandardizați de
regresie și valoarea constantei. Testul t de pe ultima coloană arată dacă fiecare
coeficient de regresie este semnificativ diferit de 0. Pragul de semnificație mai mic de
0,05 arată că predictorul ales este un predictor semnificativ.
Figura 4. Coeficienții de regresie
Exerciții
1. Completați spațiile libere:

Variabila care prezice se numește______________________ iar variabila prezisă se
numește _________________.
128
2. Scrieți formula ecuației de regresie liniară simplă și definiți fiecare simbol din
formulă.
3. Într-o regulă de predicție, a = -1,23 și b = 6,11. Calculați valoarea prezisă a variabilei

criteriu dacă scorul la variabila predictor este
a) 2,00; (b) 4,87; (c) -1,92?
4. De ce este necesar ca ecuația de regresie să fie folosită pentru a face predicții numai
pentru scoruri aflate în limitele Xmin si X max pentru care a fost calculată inițial?
5. Desenați linia de regresie pentru X și Y unde a = 4 și b = 1,33 (puneți valori de la 0 la

12 pe axa OX și valori de la 0 la 20 pe axa OY).
6. Un antrenor a descoperit că jucătorii de hochei care dețin cunoștințe de fiziologie mai

bogate sunt implicați mai puțin în accidente sportive. El a identificat că nivelul
cunoștințelor prezice numărul accidentărilor. Constanta este 10,30 iar coeficientul de
regresie este -0,70. Indicați:
a) variabila predictor;
b) variabila criteriu;
c) scrieți ecuația de regresie pentru acest exemplu;
d) indicați numărul de accidentări atunci când scorurile la testul de cunoștințe
sunt: i) 0, ii) 1, iii) 5;
e) desenați linia de regresie pentru acest exemplu.
7. Pentru datele din tabel, de la A la D, desanți liniile de regresie în același grafic, în care
axele OX și OY au valori de la 1 la 10. Etichetați fiecare linie obținută cu litere de la A
la D, care corespund datelor din tabel.
Constanta regresiei Coeficient de regresie nestandardizat (b)

A 1,5 0,8
B 10 -0,4
C 2 0,2
D 9,5 -0,8
129
8. Un profesor le-a cerut elevilor săi să spună câte ore au învățat pentru examen.
Numărul de ore de studiu și notele obținute la examen, precum și mediile pentru cele
două variabile sunt prezentate în tabelul de mai jos.
a) Scrieți ecuația de regresie pentru predicția notei la examen pe baza numărului de
ore de studiu, după ce ați determinat constanta și coeficientul nestandardizat de
regresie.
b) Desenați linia de regresie.
c) Folosiți ecuația de regresie obținută pentru a prezice nota la examen pentru
studenții care au învățat (a) 3 ore, (b) 5 ore și (c) 7 ore.
d) Determinați coeficientul de regresie standardizat.
Ore de studiu Nota la examen

0 52
10 95
6 83
8 71
6 64
Media scorurilor 6 73
Aplicații SPSS
În tabelul de mai jos sunt înregistrate date pentru o cercetare privind predicția
performanței în muncă. Un cercetător a obținut de la angajații unei organizații date despre
satisfacția acestora în muncă și despre media de absolvire a facultății (rezultatele academice).
De la managerul organizației a obținut date privind performanța în muncă a angajaților.
Pornind de la datele din tabel, rezolvați cerințele de mai jos.
Nr Satisfacție Rezultate Performanța în

academice muncă
1 15 8,00 25
2 25 5,00 10
3 20 6,00 20
4 19 4,00 26
5 18 7,00 28
6 9 9,00 40
7 8 8,00 50
8 18 5,00 12
9 15 5,00 12
10 27 4,00 10
11 16 6,00 26
12 26 6,00 11
130
Nr Satisfacție Rezultate Performanța în

academice muncă
13 22 7,00 22
14 20 6,00 24
15 19 10,00 30
16 17 10,00 42
17 10 8,00 49
18 9 5,00 16
19 19 9,00 14
20 17 5,00 12
1. Introduceți datele în SPSS, codificând și etichetând adecvat variabilele.

2. Calculați coeficienţii de corelaţie Pearson dintre performanța în muncă, satisfacție și
rezultatele academice.
3. Verificați dacă variabila satisfacție este un predictor eficient al performanței în muncă.
Calculaţi coeficientul de corelație multiplă, coeficientul de determinare, verificaţi dacă
modelul de regresie este eficient în predicţie și dacă predictorul ales este semnificativ
statistic.
4. Scrieți ecuația de regresie pe baza coeficienților obținuți.
5. Verificați dacă variabila performanțe academice este un predictor eficient al
performanței în muncă. Calculaţi coeficientul de corelație multiplă, coeficientul de
determinare, verificaţi dacă modelul de regresie este eficient în predicţie și dacă
predictorul ales este semnificativ statistic.
6. Scrieți ecuația de regresie pe baza coeficienților obținuți.
7. Decideți care dintre cele două modele testate la punctele 3 și 5 este mai eficient și
argumentați alegerea.
8. Propuneți încă un predictor al performanței în muncă și formulați o ipoteză care poate
fi testată prin intermediul regresiei liniare simple.
9. Transformați variabilele performanță în muncă satisfacție în note z.
10. Verificați dacă variabila satisfacție este un predictor eficient al performanței folosind
variabilele transformate în note z. Scrieți ecuația de regresie.
1. Măsura în care linia de regresie acoperă datele este:

 constanta;
 panta liniei de regresie;
131
 interceptul;
 coeficientul de determinare.
2. Dacă între două variabile se obţine un coeficient de corelaţie de 0,30, ce procent din
varianţa primei variabile este explicat de varianţa celei de-a doua variabile?
 0%
 9%
 10%
 70%
 30%.
3. Dacă într-un model de regresie liniară simplă există o corelaţie foarte puternică între
variabila dependentă şi variabila independentă, atunci coeficientul de corelaţie va fi:
 apropiat de valoarea 0;
 apropiat de valoarea -1;
 apropiat de valoarea +1;
 apropiat de valoarea -1 sau +1.
4. Dacă în cazul regresiei liniare simple nu putem respinge ipoteza de nul, atunci:
 nu există nicio relaţie liniară semnificativă între variabile;
 există fie o relaţie pozitivă, fie o relaţie negativă între variabila dependentă şi
variabila independentă;
 există o relaţie pozitivă între variabila dependentă şi variabila independentă;
 există o relaţie negativă între variabila dependentă şi variabila independentă.
5. Outputul următor arată rezultatele pentru o ecuaţie de regresie simplă. Care dintre
următoarele ecuaţii de regresie este cea corectă?
 Y = 0,7905 + 120,4826
 Y = 120,4827 x 7446X
 Y = 17,7446 + 0,7905
 Y = 120,4826 + 0,7905X
132
Indicatori statistici pentru regresie

R 0,965705943
R2 0,932587968
R ajustat
2
0,91573496
Eroarea standard 17,74458699
Observații 6
ANOVA
df
Regresie 1
Reziduu 4
Total 5
Coeficienți
Intercept 120,4826659
X 0,790496115
6. Să presupunem că între notele din timpul facultăţii şi salariu se obţine un coeficient de

determinare de 0,90. Interpretaţi această valoare:
 modelul prezice corect în 90% din cazuri;
 90% din varianţa variabilei dependente Y poate fi explicată de relaţia dintre
variabilele X şi Y;
 avem 90% încredere în modelul obţinut;
 90% dintre punctele din norul de puncte se vor alinia pe linia de regresie.
7. Dacă într-o analiză de regresie liniară simplă în care Y reprezintă variabila dependentă, X
reprezintă variabila independentă, iar interceptul este negativ, atunci:
 nu este posibil ca interceptul sa fi negativ;
 corelaţia dintre X şi Y este pozitivă;
 valoarea prezisă a lui Y este întotdeauna negativă;
 corelaţia dintre X şi Y poate fi fie pozitivă, fie negativă;
 corelaţia dintre X şi Y este negativă.
8. Care dintre următoarele răspunsuri indică faptul că avem de-a face cu o relaţie de predicţie
exactă între variabile?
 un model probabilistic;
 o linie dreaptă;
 un model determinist;
 intervalul de predicţie pentru Y.
9. Care dintre următoarele variante reprezintă formula pentru un model probabilistic?
133
 Y=
 Y = componenta deterministă + eroarea aleatorie
 Y = componenta deterministă
 Y=
10. Care este ecuaţia de regresie a liniei care trece prin punctele (11,28) şi (17,52)?
 Y = -4 + 16X
 Y = 4 - 16X
 Y = -16+ 4X
 Y = 16 - 4X
11. Intr-un eşantion cu 100 participanţi, corelaţia dinte două variabile a fost -0,72. Pornind de
la aceste date, ecuaţia liniei de regresie obţinute a fost Y = 7 – 3,4X.
Acest lucru înseamnă ca procentul variaţiilor observate la nivelul variabilei Y explicat de
relaţia liniară cu X este:
 0,51
 -0,72
 0,84
 0,72
 -3,4
12. Să presupunem ca aţi obţinut un coeficient de corelaţie de 1,3 între două variabile. Acest
coeficient indică o corelaţie foarte puternică.
13. Să presupunem că un cercetător vrea sa folosească pragul de încredere de 99%. Calculaţi

pragul de semnificaţie pentru acest caz.
14. Care este cea mai mică valoare posibilă pentru coeficientul de regresie?
15. Coeficientul de corelaţie dintre variabila dependentă Y şi variabila independentă X este

0,55. Calculaţi coeficientul standardizat de regresie.
134
16. Pentru analiza de regresie liniară simplă este esenţial să existe o corelaţie semnificativă
între predictor şi criteriu.
17. Existenţa multicoliniarităţii în cazul analizei de regresie multiple nu reprezintă o încălcare
a condiţiilor de aplicare a acestui test statistic.
18. Linia de regresie este reprezentarea vizuală a ecuaţiei de regresie.

19. Un profesor a descoperit că nota la parţial la materia statistică prezice nota la examenul
final obţinută de studenţii de la psihologie la statistică. În această situaţie, identificaţi criteriul
şi predictorul.
 nota la parţial = criteriu, nota la examenul final = predictor;
 nota la parţial = predictor, nota la examenul final = predictor, materia = criteriu;
 nota la parţial = predictor, nota la examenul final = criteriu.
final obţinută de studenţii de la psihologie. Constanta este 40 iar coeficientul nestandardizat
de regresie este 0,50. Care este ecuaţia de regresie corectă?
 nota finală la examen = 0,50+ 40 * nota la parţial;
 nota finală la examen = 40 + 0,50 * nota la parţial;
 nota la parţial = 0,50 * nota finală la examen;
 nota la parţial = 0,50 + 40 * nota finală la examen;
 nota la parţial = 40 + 0,50 * nota finală la examen.
final obţinută de studenţii de la psihologie. Constanta este 40 iar coeficientul nestandardizat
de regresie este 0,50.Calculaţi scorul la examen al unui student care a obţinut la parţial 30
puncte.
22. Valorile atipice nu influenţează analiza de regresie.

135
23. Multicoliniaritatea apare atunci când între variabilele predictoare există o corelaţie medie
spre mare sau mare.
24. Erorile de predicţie reprezintă diferenţa dintre Y obţinut şi Y prezis.
25. In ecuaţia de regresie folosim coeficienţii de regresie nestandardizaţi atunci când scorurile
variabilelor sunt exprimate în scoruri z.
26. Analizaţi tabelul următor:
Constanta R R2 b β t sig
-16,10 0,738 0,544 0,09 0,738 4,63 0,001
Variabila dependenta: număr de ţigări consumate pe zi la 40 ani
Variabila independentă: venitul lunar
Scrieţi ecuaţia de regresie liniară simplă folosind coeficienţii standardizaţi.
27. Pornind de la tabelul de la punctul 26, scrieţi ecuaţia de regresie folosind coeficienţii
nestandardizaţi.
28. Pornind de la tabelul de la punctul 26, precizaţi care este valoarea corelaţiei dintre
variabila predictor şi variabila criteriu.
29. Pornind de la tabelul de la punctul 26, preziceţi numărul de ţigări fumate pe zi la 40 ani,
de către o persoană care are un venit lunar de 254 Euro.
30. Variabila predictor venit lunar este un predictor eficient al variabilei criteriu număr de
ţigări consumate pe zi (Tabelul de la punctul 26).
136
Capitolul 10. Testele nonparametrice - tehnica chi-pătrat
Obiective
 să diferențieze testele parametrice de cele nonparametrice;
 să identifice corect situațiile de aplicare a tehnicilor chi pătrat pentru asociere și pentru
potrivire;
 să aplice formula de calcul a tehnicilor chi pătrat;
 să formuleze ipoteze care pot fi testate prin intermediul tehnicilor nonparametrice.
Rezumat
Testele nonparametrice sunt destinate testării ipotezelor statistice, dar fără a mai face
inferenţe asupra parametrilor populaţiei şi fără a testa ipoteze legate de aceştia. Testele
nonparametrice nu pleacă de la premisa normalităţii distribuţiei, fiind teste independente de
forma distribuţiilor. Testele nonparametrice sunt aplicabile doar datelor non-numerice de tip
categorial şi nominal, fiind prin aceasta utile în zone în care testele parametrice nu mai sunt
operaţionale. Când avem o singură variabilă categorială, raportată la o distribuţie teoretică
sau la frecvenţe de apariţie dinainte ştiute, chi-pătrat determină gradul de suprapunere al
distribuţiei real observate peste cea așteptată și vorbim despre chi-pătrat pentru potrivire
(goodness of fit).În cazul a două variabile categoriale, chi-pătrat determină dacă ele sunt
independente una în raport cu cealaltă, sau dacă sunt relaţionate sau asociate, adică
neindependente, vorbim în acest caz despre chi-pătrat pentru asocierea datelor categoriale.
Concepte cheie
Teste nonparametrice, chi pătrat, asociere, potrivire, tabel de contingență.
137
 Testul chi-pătrat pentru gradul de potrivire

Scopul testului chi pătrat pentru potrivire este de a compara un set de frecvențe observate cu
un set de frecvențe teoretice. Frecvențele teoretice pot fi egale pentru fiecare categorie sau pot
fi specificate de către cercetător. Testul este folosit frecvent pentru verificarea
reprezentativității unui eșantion (în acest caz frecvențele teoretice vor fi specificate de către
cercetător) sau pentru identificarea unor preferințe/opinii/atitudini (frecvențele teoretice nu
sunt specificate, ci sunt considerate egale) (Labăr, 2008).
 Exemplu
Un cercetător vrea să afle care dintre instituții (mass-media, familia sau școala) are o
influență mai mare în formarea atitudinilor prosociale.
 Condiții de aplicare a testului chi-pătrat pentru gradul de potrivire

- Observațiile sunt independente.
- Variabila analizată este categorială.
 Aplicația 1
Propuneți trei exemple de situații pentru care este preferabilă folosirea testului chi pătrat
pentru gradul de potrivire.
 Formula de calcul a testului chi pătrat și pașii pentru calculul său

1. Determinarea frecvențelor observate la nivelul fiecărei categorii.
2. Determinarea frecvențelor așteptate pentru fiecare categorie.
3. Pentru fiecare categorie, se calculează diferența dintre frecvența observată și
frecvența așteptată.
4. Diferențele obținute se ridică la pătrat.
5. Fiecare diferență ridicată la pătrat se împarte la frecvența expectată pentru fiecare
categorie.
6. Se face suma tuturor rezultatelor de la punctul anterior.
( )
∑
O este frecvența observată, E este frecvența așteptată (expectată).
138
 Exemplu
Care dintre următoarele trei instituții (mass-media, familia, școala) are o influență
mai mare în formarea atitudinilor prosociale?
Categorii Frecvențe Frecvențe Diferența Diferența2 ( )

observate O expectate E O-E (O-E)2
Mass-media 12 20,7 -8,7 75,69 3,65
Familia 14 20,7 -6,7 44,89 2,23
Școala 36 20,7 15,3 234,09 11,30
Total 62 ∑ = 17,18
( )
∑ ∑( )
 Testarea ipotezelor prin tehnica chi pătrat

1. Formularea ipotezei cercetării și a ipotezei de nul.
2. Determinarea caracteristicilor distribuției de comparație.
3. Calculul chi pătrat.
4. Decizia statistică privind respingerea ipotezei de nul.
 Exemplu
1. Formularea ipotezei cercetării și a ipotezei de nul:
Hs: Distribuția scorurilor la nivelul celor trei instituții (mass-media, familia,
școala) în ceea ce privește formarea atitudinilor prosociale este diferită.
Ho: Nu există diferențe între cele trei instituții (mass-media, familia, școala) în
ceea ce privește formarea atitudinilor prosociale.
2. Determinarea caracteristicilor distribuției de comparație:
Df = Ncategorii – 1 = 3 - 1 = 2.
3. Calculul chi pătrat:
χ2= 17,18
4. Decizia statistică privind respingerea ipotezei de nul:
Analizăm valorile critice pentru distribuţia chi-pătrat și identificăm faptul că
valoarea 17,18 este semnificativă la prag de semnificație p < 0,01.
139
p
df 0,05 0,025 0,01
1 3,84 5,02 6,64
2 5,99 7,38 9,21
3 7,81 9,35 11,34
4 9,49 11,14 13,28
5 11,07 12,83 15,09
Ipoteza de nul este respinsă. Ipoteza cercetării se confirmă. Mai mult, analizând
coloana (O-E), observăm că pentru categoria școala diferența este cea mai mare, ceea
ce înseamnă că elevii consideră că școala are o pondere semnificativ mai mare
comparativ cu familia și mass media în formarea atitudinilor prosociale.
 Aplicația 2
Aplicați testul chi pătrat pentru o situație în care o variabilă cu trei categorii are 15
frecvențe într-o categorie, 30 în a doua categorie și 25 în a treia categorie iar categoriile
au frecvențe expectate egale.
a) Imaginați un exemplu pentru aceste date.
b) Aplicați pașii calcului chi pătrat.
c) Formulați ipoteza cercetării și verificați dacă ea se confirmă.
 Testul chi-pătrat pentru gradul de asociere sau independență

Acest tip de test se folosește pentru verificarea asocierii dintre două variabile nominale sau
categoriale, sau pentru compararea frecvențelor între două eșantioane independente. Testul
chi pătrat calculează diferența dintre frecvențele observate și cele așteptate pentru fiecare
dintre celulele tabelului de contingență a celor două variabile. Dacă diferențele sunt nule,
atunci cele două variabile sunt independente, dacă diferențele sunt mari, atunci este posibil ca
rezultatele testului chi pătrat să fie semnificative statistic și să existe asociere între cele două
variabile (Labăr, 2008).
 Exemplu
Un cercetător vrea să afle dacă există diferențe între tipul de mijloc de informare
folosit între oamenii din mediul urban și cei din mediul rural.
 Condiții de aplicare a testului chi-pătrat pentru gradul de asociere

- Variabilele sunt categoriale.
140
- Observațiile sunt independente.

- Categoriile sunt mutual exclusive.
- Numărul minim de frecvențe așteptate pentru o celulă trebuie să fie mai mare au egal cu 5.
 Aplicația 3
Propuneți trei exemple de situații pentru care este preferabilă folosirea testului chi pătrat
pentru gradul de asociere sau independență.
 Tabelele de contingență
Tabelul de contingență este un tabel în care distribuțiile celor două variabile sunt calculate
astfel încât să se obțină frecvențele combinațiilor dintre ele și frecvențele totale (Aron, Aron,
& Aron, 2013).
 Exemplu
Pentru exemplul de mai sus, tabelul obținut este un tabel de tip 3X2, pentru că
variabila mijloc de informare are 3 categorii iar variabila mediu de proveniență are 2
categorii.
Mijloc de informare Total

Internet Ziar TV
Mediu Urban 60 30 30 120 (60%)
proveniență Rural 20 20 40 80 (40%)
Total 80 50 70 200 (100%)
 Pași pentru calculul frecvențelor observate și expectate în tabelele de contingență și

calcului chi pătrat
1. Calculul procentelor totale pe fiecare rând.
2. Pentru fiecare celulă, se înmulțește procentul total de pe rând cu procentul total de
pe coloană. Acestea sunt frecvențele expectate.
3. Se calculează chi pătrat după formula:
( )
∑
O este frecvența observată, E este frecvența expectată.
 Exemplu
141
Mijloc de informare Total

Internet Ziar TV
Mediu Tură de zi 60 (48) 30 (30) 30 (42) 120 (60%)
proveniență Tură de noapte 20 (32) 20 (20) 40 (28) 80 (40%)
Total 80 50 70 200 (100%)
( ) ( ) ( ) ( )
∑
 Testarea ipotezelor prin tehnica chi pătrat

1. Formularea ipotezei cercetării și a ipotezei de nul.
Calculul gradelor de libertate: Df = (Ncategorii - 1) (Nrânduri - 1).
2. Calculul chi pătrat.
3. Decizia statistică privind respingerea ipotezei de nul.
 Exemplu
1. Formularea ipotezei cercetării și a ipotezei de nul:
Ho: persoanele din mediul urban și cele din mediul rural folosesc mijloace de
informare similare.
Hs: există diferențe între persoanele din mediul urban și cele din mediul rural în
ceea ce privește mijloacele de informare.
2. Calculul gradelor de libertate:
Df = (Ncoloane - 1) (Nrânduri - 1) = (3-1)(2-1) = 2
3. Calculul chi pătrat:
χ2= 16,07
4. Decizia statistică privind respingerea ipotezei de nul:
Analizăm valorile critice pentru distribuţia chi-pătrat și identificăm faptul că valoarea
16,07 este mai mare decât valoarea critică 9,21 și deci, este semnificativă la prag de
semnificație p < 0,01. Ipoteza de nul este respinsă. Ipoteza cercetării se confirmă, cele
două variabile nu sunt independente, astfel proporția mijloacelor de informare folosite
este diferită pentru persoanele din mediul urban și din mediul rural.
 Aplicația 4
Aplicați testul chi pătrat pentru o situație în care se dă o variabilă cu două categorii care
are 15 frecvențe într-o categorie și 20 în a doua categorie iar a două variabila are 10
frecvențe într-o categorie și 12 în a doua categorie.
142
Variabila A
Categoria 1 Categoria 2
Variabila B Categoria 1 15 20
Categoria 2 10 12
a) Imaginați un exemplu pentru aceste date.

b) Aplicați pașii calcului chi pătrat.
c) Formulați ipoteza cercetării și verificați dacă ea se confirmă.
Folosirea SPSS pentru calculul chi pătrat
În SPSS au fost create două variabile, variabila informare, cu trei categorii (1 = Internet, 2 =
Ziar, 3 = TV) și variabila mediu cu două categorii (1 = urban, 2 = rural)
 Testul chi-pătrat pentru gradul de potrivire
Figura 1. Calculul testului chi pătrat pentru gradul de potrivire (Pasul 1)
 Analyze – Nonparametric Tests – Legacy Dialogs – Chi-sqare.

 Introduceți variabila informare în câmpul Test Variables List.
 Bifați All categories equal.
143
 OK.
Figura 2. Calculul testului chi pătrat pentru gradul de potrivire (Pasul 2)
 Outputul obținut este cel de mai jos și conține două tabele:

o Primul tabel, Frequencies, prezintă pentru fiecare categoriile frecvențele
observate, frecvențele așteptate și reziduurile (Diferența O-E).
o Al doilea tabel, Test Statistics, prezintă rezultatele testului chi pătrat.
Observăm că χ2= 0,40 iar pragul de semnificație este p = 0,819. Acest lucru
înseamnă că nu există diferențe între ponderea diferitelor mijloace de
informare folosite.
Figura 3. Testul chi pătrat pentru gradul de potrivire
144
Analiza reziduurilor din primul tabel ne arată că cel mai mult ca sursă de informare este
folosit Internetul, dar diferența dintre categorii nu este semnificativă statistic.
 Testul chi-pătrat pentru gradul de asociere sau independență
Figura 4. Calculul testului chi pătrat pentru gradul de asociere (Pasul 1)
 Analyze – Descriptives Statistics – Crosstabs.

 Introducem variabila Informare în câmpul Row(s) și variabila Mediu în câmpul
Column(s).
 Crostabs – Chi square – Continue.
 Dacă dorim afișarea și a frecvențelor observate și așteptate, bifăm Cells – Observed și
Expected – Continue – OK.
145
Figura 5. Calculul testului chi pătrat pentru gradul de asociere (Pasul 2)
 Outputul obținut este cel de mai jos și conține două tabele:
Figura 6. Tabelul de contingență
o Primul tabel este tabelul de contingență.
146
o Al doilea tabel oferă rezultatele testului chi pătrat. Observăm că χ2= 7,50 iar
pragul de semnificație este p = 0,024. Acest lucru înseamnă că ipoteza
cercetării se confirmă, cele două variabile nu sunt independente, astfel
proporția mijloacelor de informare folosite este diferită pentru persoanele din
mediul urban și din mediul rural.
Figura 7. Testul chi pătrat pentru gradul de asociere
Exerciții
1. Calculați chi pătrat pentru gradul de potrivire pentru următoarele date:
Categorii Frecvențe observate Frecvențe așteptate

A 19 20%
B 11 20%
C 10 40%
D 5 10%
E 5 10%
2. Un cercetător vrea să identifice dacă există diferențe în ceea ce privește consumul

ciocolatei în funcție de reclamele televizate la ciocolată. Cercetătorul a analizat
reclamele care includ mesaje neutre, mesaje cu aluzii sexuale și mesaje amuzante.
Ipoteza cercetătorului este aceea că mai multe persoane vor cumpăra tipul de ciocolată
a cărei reclamă are aluzii sexuale, față de celelalte tipuri. Rezultatele sunt prezentate
în tabelul de mai jos:
147
Tip reclamă Frecvențe observate Frecvențe așteptate

Mesaj neutru 5 9
Mesaj cu aluzii sexuale 15 9
Mesaj amuzant 7 9
Total 27
a) Formulați ipoteza de nul.

b) Calculați testul chi pătrat pentru gradul de potrivire.
c) Precizați pragul de semnificație și decideți dacă ipoteza de nul poate fi
respinsă.
3. Un psihoterapeut vrea să cerceteze dacă există vreo diferență în ceea ce privește

preferințele clienților săi pentru anumite tehnici psihoterapeutice. În anul precedent, el
a înregistrat 10 clienți pe care i-a inclus în programe psihoterapeutice experiențiale, 25
clienți incluși în programe cognitiv-comportamentale și 12 clienți pentru care a folosit
tehnici psihanalitice.
a) Formulați ipoteza de nul și ipoteza cercetării.
b) Calculați testul chi pătrat pentru gradul de potrivire.
c) Precizați pragul de semnificație și decideți dacă ipoteza de nul poate fi
respinsă.
4. Calculați testul chi pătrat pentru gradul de asociere pentru următoarele situații:
a) 10 16 18 b) 100 126 c) 9 15
18 10 16 150 100 15 9
5. Un studiu a urmărit să demonstreze asocierea anxietății cu statutul marital. Rezultatele

studiului sunt condensate în tabelul de mai jos. Verificaţi ipotezele asocierii anxietății
cu statutul marital.
Necăsătorit Căsătorit
Nonanxios 35 28
Anxietate scăzută 29 24
Anxietate medie 21 18
Anxietate ridicată 18 12
6. Analizați rezultatele de mai jos și explicați semnificația lor, ca și când ar trebui să le

prezentați unei persoane care nu a urmat niciodată un curs de statistică. Precizați tipul
de test folosit pentru fiecare dintre cele două situații.
148
a) A fost calculat testul chi-pătrat pentru a examina relația dintre religie și

interesul față de studii. Relația dintre variabile s-a dovedit semnificativă, χ2 (2,
N = 170) = 14,14, p<0,01. Adolescenții catolici au dovedit un interes mai
scăzut față de studii decât adolescenții ortodocși.
b) A fost calculat testul chi-pătrat pentru a examina dacă trei tipuri de produse
cosmetice sunt preferate în aceiași măsură. Rezultatele au arătat că preferința
pentru cele trei tipuri de produse cosmetice nu este egal distribuită la nivelul
populației χ2 (2, N= 55) = 4,53, p<0,05.
Aplicații SPSS
În tabelul de mai jos sunt sumarizate răspunsurile unui grup de 30 studenți la psihologie, fete
(1) și băieți (2) la două întrebări:
- Ați mai urmat vreun curs de statistică până acum? Variantele de răspuns sunt: 1 = Da, 0 =
Nu.
- Cum considerați învățarea statisticii pentru studenții de la psihologie? Variantele de răspuns
sunt: 1 = inutilă, 2 = utilă, 3 = interesantă, 4 = dificilă, 5 = facilă.
Nr Gen Participare Opinie Nr Gen Participare Opinie

1 1 0 1 16 1 1 4
2 2 0 2 17 1 0 4
3 2 0 3 18 1 1 4
4 1 0 4 19 2 0 2
5 1 0 5 20 2 1 3
6 2 0 2 21 1 0 1
7 2 0 2 22 1 1 1
8 2 0 2 23 2 0 2
9 2 0 3 24 2 1 3
10 2 1 3 25 2 0 3
11 1 0 4 26 1 1 4
12 2 1 5 27 2 0 5
13 1 0 5 28 1 1 4
14 2 1 5 29 2 0 3
15 1 0 5 30 1 1 5
1. Introduceți datele în SPSS și etichetați corespunzător variabilele.

2. Aplicați testul statistic adecvat pentru a identifica dacă există diferențe între opiniile
studenților la psihologie față de învățarea statisticii.
149
3. Redați printr-un grafic simplu, cu bare, frecvențele de apariție pentru fiecare categorie
de răspuns de la întrebarea 2.
4. Redați tabelul de contingență pentru asocierea celor două variabile Participare X
Opinie. Afișați frecvențele observate și frecvențele așteptate.
5. Verificați, folosind testul statistic adecvat, dacă există asociere între participarea/
nonparticiparea la cursuri de statistică a studenților la psihologie și opiniile față de
învățarea statisticii. Formulați ipoteza cercetării și explicați rezultatele.
6. Redați printr-un grafic cu bare asocierea dintre variabilele Participare și Opinie.
7. Verificați folosind testul statistic adecvat dacă există asociere între apartenența de gen
și opiniile față de învățarea statisticii. Formulați ipoteza cercetării și explicați
rezultatele.
8. Pornind de la datele prezentate, formulați o ipoteză care poate fi testată cu ajutorul
testului chi pătrat pentru potrivire și verificați dacă se confirmă.
9. Pornind de la datele prezentate, formulați o ipoteză care poate fi testată cu ajutorul
testului chi pătrat pentru asociere și verificați dacă se confirmă.
150
Anexe
Anexa 1. Tabelul valorilor critice pentru testul t

Unilateral
p = 0,05 p = 0,25 p = 0,01 p = 0,005
Bilateral
df p = 0,10 p = 0,05 p = 0,02 p = 0,01
1 6,3138 12,7062 31,8207 63,6574
2 2,9200 4,3027 6,9646 9,9248
3 2,3534 3,1824 4,5407 5,8409
4 2,1318 2,7764 3,7469 4,6041
5 2,0150 2,5706 3,3649 4,0322
6 1,9432 2,4469 3,1427 3,7074
7 1,8946 2,3646 2,9980 3,4995
8 1,8595 2,3060 2,8965 3,3554
9 1,8331 2,2622 2,8214 3,2498
10 1,8125 2,2281 2,7638 3,1693
11 1,7959 2,2010 2,7181 3,1058
12 1,7823 2,1788 2,6810 3,0545
13 1,7709 2,1604 2,6503 3,0123
14 1,7613 2,1448 2,6245 2,9768
15 1,7531 2,1315 2,6025 2,9467
16 1,7459 2,1199 2,5835 2,9208
17 1,7396 2,1098 2,5669 2,8982
18 1,7341 2,1009 2,5524 2,8784
19 1,7291 2,0930 2,5395 2,8609
20 1,7247 2,0860 2,5280 2,8453
21 1,7207 2,0796 2,5177 2,8314
22 1,7171 2,0739 2,5083 2,8188
23 1,7139 2,0687 2,4999 2,8073
24 1,7109 2,0639 2,4922 2,7969
25 1,7081 2,0595 2,4851 2,7874
26 1,7056 2,0555 2,4786 2,7787
27 1,7033 2,0518 2,4727 2,7707
28 1,7011 2,0484 2,4671 2,7633
29 1,6991 2,0452 2,4620 2,7564
30 1,6973 2,0423 2,4573 2,7500
35 1,6869 2,0301 2,4377 2,7238
40 1,6839 2,0211 2,4233 2,7045
45 1,6794 2,0141 2,4121 2,6896
50 1,6759 2,0086 2,4033 2,6778
60 1,6706 2,0003 2,3901 2,6603
70 1,6669 1,9944 2,3808 2,6479
80 1,6641 1,9901 2,3739 2,6387
90 1,6620 1,9867 2,3685 2,6316
151
100 1,6602 1,9840 2,3642 2,6259

110 1,6588 1,9818 2,3607 2,6213
120 1,6577 1,9799 2,3598 2,6174
∞ 1,6449 1,9600 2,3263 2,5758
Anexa 2. Valori critice ale coeficientului de corelaţie r al lui Pearson
Unilateral
p = 0,05 p = 0,25 p = 0,01 p = 0,005
Bilateral
df p = 0,10 p = 0,05 p = 0,02 p = 0,01
1 0,988 0,997 0,9995 0,9999
2 0,900 0,950 0,980 0,990
3 0,805 0,878 0,934 0,959
4 0,729 0,811 0,882 0,917
5 0,669 0,754 0,833 0,874
6 0,622 0,707 0,789 0,834
7 0,582 0,666 0,750 0,798
8 0,549 0,632 0,716 0,765
9 0,521 0,602 0,685 0,735
10 0,497 0,576 0,658 0,708
11 0,476 0,553 0,634 0,684
12 0,458 0,532 0,612 0,661
13 0,441 0,514 0,592 0,641
14 0,426 0,497 0,574 0,623
15 0,412 0,482 0,558 0,606
16 0,400 0,468 0,542 0,590
17 0,389 0,456 0,528 0,575
18 0,378 0,444 0,516 0,561
19 0,369 0,433 0,503 0,549
20 0,36 0,423 0,492 0,537
21 0,352 0,413 0,482 0,526
22 0,344 0,404 0,472 0,515
23 0,337 0,396 0,462 0,505
24 0,330 0,388 0,453 0,496
25 0,323 0,381 0,445 0,487
26 0,317 0,374 0,437 0,479
27 0,311 0,367 0,430 0,471
28 0,306 0,361 0,423 0,463
29 0,301 0,355 0,416 0,456
30 0,296 0,349 0,409 0,449
35 0,275 0,325 0,381 0,418
40 0,257 0,304 0,358 0,393
45 0,243 0,288 0,338 0,372
50 0,231 0,273 0,322 0,354
60 0,211 0,250 0,295 0,325
70 0,195 0,232 0,274 0,302
80 0,183 0,217 0,256 0,283
90 0,173 0,205 0,242 0,267
100 0,164 0,195 0,230 0,254
152
Anexe
Anexa 3. Valorile critice pentru testul de corelaţie a rangurilor ρ Spearman
N Test unilateral
α = 0,05 α = 0,025 α = 0,01 α = 0,005
Test bilateral
α = 0,10 α = 0,05 α = 0,02 α = 0,01
5 0,900
6 0,829 0,886 0,943
7 0,714 0,786 0,893
8 0,643 0,738 0,833 0,881
9 0,600 0,683 0,783 0,833
10 0,564 0,648 0,745 0,794
11 0,523 0,623 0,736 0,818
12 0.497 0,591 0,703 0,780
13 0,475 0,566 0,673 0,745
14 0,457 0,545 0,646 0,716
15 0,441 0,525 0,623 0,689
16 0,425 0,507 0,601 0,666
17 0,412 0,490 0,582 0,645
18 0,399 0,476 0,564 0,625
19 0,388 0,462 0,549 0,608
20 0,377 0,450 0,534 0,591
21 0,368 0,438 0,521 0,576
22 0,359 0,428 0,508 0,562
23 0,351 0,418 0,496 0,549
24 0,343 0,409 0,485 0,537
25 0,336 0,400 0,475 0,526
26 0,329 0,392 0,465 0,515
27 0,323 0,385 0,456 0,505
28 0,317 0,377 0,448 0,496
29 0,311 0,370 0,440 0,487
30 0,305 0,364 0,432 0,478
153
Anexa 4. Valorile critice pentru distribuţia chi-pătrat
Test unilateral
df 0,10 0,05 0,02
Test bilateral
0,05 0,025 0,01
1 3,84 5,02 6,64
2 5,99 7,38 9,21
3 7,81 9,35 11,34
4 9,49 11,14 13,28
5 11,07 12,83 15,09
6 12,59 14,45 16,81
7 14,07 16,01 18,48
8 15,51 17,53 20,09
9 16,92 19,02 21,67
10 18,31 20,48 23,21
11 19,68 21,92 24,72
12 21,03 23,34 26,22
13 22,36 24,74 27,69
14 23,68 26,11 29,14
15 25,00 27,49 30,58
16 26,30 28,85 32,00
17 27.59 30,19 33,41
18 28,87 31,53 34,80
19 30,14 32,85 36,19
20 31,41 34,17 37,57
21 32,67 35,48 38,93
22 33,92 36,78 40,29
23 35,17 38,08 41,64
24 36,42 39,36 42,98
25 37,65 40,65 44,31
26 38,88 41,92 45,64
27 40,11 43,19 46,96
28 41,34 44,46 48,28
29 42,56 45,72 49,59
30 43,77 46,98 50,89
40 55,76 59,34 63,69
50 67,50 71,42 76,15
60 79,08 83,29 88,38
70 90,53 95,02 100,42
80 101,88 106,63 100,43
90 113,15 118,14 124,12
100 124,34 129,56 135,81
154
Bibliografie
Aron, A., Aron, E., & Aron, E. C. (2013). Statistics for psychology. Sixth Edition. New Jersey:
Pearson Education.
Clinciu, A. I. (2013). Statistică aplicată în psihologie. Brașov: Editura Universității Transilvania din
Brașov.
Huck, S. W. (2012). Reading statistics and research. Boston: Pearson.
Hulsizer, M. R., & Woolf, L. M. (2009). A guide to teaching statistics. Innovations and best practices.
Newe York: Willey Blackwell.
Labăr, V. A. (2008). SPSS pentru științele educației. Metodologia analizei datelor în cercetarea
pedagogică. Iași: Polirom.
Lwanga, S. K., Tye, C. Y., & Ayeni, O. (1999). Teaching health statistics. Lesson and seminar
outlines. Geneva: World Health Organization .
Miles, J., & Banyard, P. (2007). Understanding and using statistics in psychology. A practical
introduction or how I cameto know and love standard error. New Delhi: Sage Publication.
Moore, D. S. (2009). Additional exercices for the basic practice of statistics. New York: W. H.
Freeman and Company.
Moore, D. S., McCabe, G. P., & Craig, B. A. (2009). Introduction to the practice of statistics. New
York: W. H. Freeman and Company.
Peers, I. (2006). Statistical analysis for education and psychology researchers. London: Routledge.
Popa, M. (2008). Statistică pentru psihologie. Teorie și aplicații SPSS. Iași: Polirom.
Sava, F. (2004). Analiza datelor în cercetarea psihologice. Metode statistice complementare. Cluj-
Napoca: ASCR.
Tabachnick, B. G., & Fidell, L. S. (2007). Using multivariate statistics (5th ed.). Boston, MA: Allyn
and Bacon.
155
Webografie
http://statisticshelp.com/interpreting-significant-results
http://statisticshelp.com/exercises-9
156
157

Ghid Statistica Final - Martie 2014 PDF

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Ghid Statistica Final - Martie 2014 PDF

Încărcat de

Drepturi de autor:

Formate disponibile

Ana - Maria CAZAN

Capitolul 1. Introducere și concepte de bază ......................................................................... 9

Capitolul 2. Măsurarea în psihologie.................................................................................... 15

Capitolul 3. Distribuții și frecvențe ....................................................................................... 27

Capitolul 4. Indicatori ai tendinţei centrale ......................................................................... 40

Capitolul 5. Indicatori ai împrăștierii .................................................................................. 50

Capitolul 6. Inferența statistică ............................................................................................. 65

Capitolul 7. Testele de comparație........................................................................................ 74

Capitolul 8. Corelația ............................................................................................................ 96

Capitolul 9. Regresia liniară ................................................................................................ 122

Capitolul 10. Testele nonparametrice - tehnica chi-pătrat ............................................... 137

Anexe ..................................................................................................................................... 151

Bibliografie ............................................................................................................................ 155

Webografie ............................................................................................................................ 156

Fie că este vorba de psihologie, de pedagogie, de sociologie sau de asistenţă socială,

Conf.univ.dr. Aurel Ion Clinciu

 Semnificația uzuală a conceptului ”statistică” face referire la date, observații numerice,

 De exemplu, vă puneți o multitudine de întrebări despre cursul de statistică, al

Evaluarea psihologică Psihoterapie Educaţie

 Pământenii se împart în trei categorii (Huck, 2012):

 Statistica nu se confundă cu metoda ştiinţifică, este doar un instrument al acesteia. Scopul

 Statistica ne ajuta să răspundem la următoarele întrebări:

- Evidenţiaţi câteva dintre variabilele categoriale şi real numerice implicate în acest

 Statistică descriptivă versus statistică inferențială

 Conceptele de variabilă, valoare, caz.

Termen Definiție Exemplu

 Tipuri de variabile: Numerice – nominale

 Tipuri de variabile: continue - discrete

Tip de Exemple ???

 Scalele de măsurare: nominale, ordinale, de interval, de raport

e) Scorul la un chestionar care măsoară stima de sine.

Folosirea SPSS pentru crearea bazei de date

 Deschideți o bază de date nouă.

Figura 1. Definirea variabilelor

Figura 2. Introducerea datelor

Un cercetător a cerut următoarele informații unui număr de 10 persoane:

Nr_crt Nume Gen Varsta Minute_TV Program Multumire

1. Explicați distincţia dintre caz, variabile, valori.

2. Precizaţi care sunt regulile de bază pentru organizarea datelor.

6. Transformaţi variabila profil de învăţământ cu patru categorii într-o variabilă cu două

7. Transformați variabila vârstă dintr-o variabilă continuă într-una categorială.

8. Alegeţi varianta corectă:

8.7.Care dintre următoarele caracteristici nu se potrivește pentru o scală de interval?

9. Adevărat sau fals?

9.10. Variabila dihotomică este în același timp și variabilă discretă.

10. Un cercetător vrea să măsoare atitudinea adolescenţilor faţă de persoanele bolnave de

 Pași pentru ordonarea și gruparea datelor

 Realizarea tabelului de frecvențe pentru date negrupate

 Realizarea tabelului de frecvențe pentru date grupate

 Histograma și poligonul frecvențelor

 Pași pentru realizarea histogramei și a poligonului frecvențelor

Figura 1. Histograma și poligonul frecvențelor

 Alte tipuri de reprezentări grafice

Folosirea SPSS pentru redarea distribuțiilor și frecvențelor

 Crearea unui tabel de frecvențe

Figura 2. Calculul frecvențelor

Figura 3. Tabelul frecvențelor brute și relative

 Crearea graficelor din meniul Frequencies

Figura 4. Exemplu de histogramă

1. 50 studenți au fost întrebați câte ore au învățat în week-end. Răspunsurile primite au

1.1. Care este populația cercetării?

2.1. Care este populația cercetării?

3. Doi cercetători au cerut unui număr de 90 studenţi să răspundă la o întrebare