ÂSPECIALIZAREA: Ag ricultura

CURS

METODE AVANSATE DE PRELUCRARE A DATELOR

EXPERIMENTALE

Titular disciplina S.l. dr. Daniela Alexandrescu

2015

1
 NOŢIUNI INTRODUCTIVE

1. SCURT ISTORIC
2. OBIECTUL ŞI METODA STATISTICII
3. CONCEPTE DE BAZĂ FOLOSITE ÎN PROCESUL DE CERCETARE STATISTICĂ

1. SCURT ISTORIC

CUVÂNTUL STATISTICĂ ARE O SEMNIFICAŢIE MULTIPLĂ PENTRU CERCETĂTORI, SPECIALIŞTI, STUDENŢI ŞI POPULAŢIE
ÎN GENERAL. PENTRU CEI MAI MULŢI, STATISTICA ÎNSEAMNĂ DOAR O “DESCRIERE NUMERICĂ” A UNOR DATE CULESE
DESPRE FENOMENELE DE MASĂ.
DE-A LUNGUL ISTORIEI, DATELE AU FOST PERMANENT COLECTATE. îN TIMPUL CIVILIZAŢIEI EGIPTENE, GRECEŞTI ŞI
ROMANE DATELE ERAU OBŢINUTE ÎN SCOPUL PRIMAR AL TAXĂRII ŞI ÎNROLĂRII ÎN ARMATĂ.
ASTFEL, ÎN ANTICHITATE (CU 4-5 MILENII Î.E.N.) SE ÎNTÂLNESC FORME DE EVIDENŢĂ CE POT FI ASIMILATE ÎNŢELESULUI
MODERN DE RECENSĂMINTE STATISTICE, ÎN SPECIAL ÎN CHINA, EGIPT, GRECIA ŞI ÎN IMPERIUL ROMAN.
RECENSĂMINTELE EFECTUATE DE ROMANI (DIN 5 ÎN 5 ANI APOI DIN 10 ÎN 10 ANI) ERAU CUNOSCUTE SUB DENUMIREA
DE “CENS”. ÎN DACIA, OCUPATĂ DE ROMANI, EVIDENŢELE CARE SE FĂCEAU ASUPRA POPULAŢIEI, PRODUCŢIEI ŞI
CONSUMULUI PURTAU DENUMIREA DE “TABULARIUM”.
SE DEZVOLTĂ, DE ASEMENEA, EVIDENŢA CU CARACTER DEMOGRAFIC. ÎN EVUL MEDIU, INSTITUŢIILE BISERICEŞTI,
STRÂNGEAU ADESEA ŞI PĂSTRAU INFORMAŢII PRIVIND CĂSĂTORIILE, NAŞTERILE, DECESELE.
PE MĂSURĂ CE S-AU FORMAT STATELE CIVILIZATE STATISTICA S-A DIFERENŢIAT FAŢĂ DE FORMELE DE EVIDENŢĂ
CONTABILĂ.
SE POATE AFIRMA CĂ STATISTICA A APĂRUT ÎN NECESITATEA DE A CUNOAŞTE, ÎN EXPRESIE NUMERICĂ, O SERIE DE
FENOMENE, PROCESE ŞI ACTIVITĂŢI SOCIAL-ECONOMICE.
MODUL DE GÂNDIRE STATISTIC NE IMPUNE SĂ ACCEPTĂM CĂ DATELE SUNT ÎN MOD INERENT VARIABILE.
EX. DOUĂ PERSOANE NU VOR FI EXACT LA FEL ÎN TOATE PRIVINŢELE.

ASTFEL GÂNDIREA STATISTICĂ POATE FI DEFINITĂ CA TOTALITATEA IDEILOR ORIENTATE ASUPRA CĂILOR DE
ÎNŢELEGERE, CONTROL ŞI REDUCERE A VARIAŢIEI.

ÎN PROCESUL ISTORIC DE CONTURARE A STATISTICII MODERNE POT FI MAI MULTE MOMENTE:

 STATISTICA PRACTICĂ
 STATISTICA DESCRIPTIVĂ - CARE SERVEA PENTRU DESCRIEREA ASPECTELOR NUMERICE ALE POPULAŢIEI ŞI ALE
STATULUI. PARTE A STATISTICII CE REZUMĂ DATELE EMPIRICE (INTUITIVE, EXPERIMENTALE, PRACTIC, DIRECT)
PRIVIND FENOMENELE DE MASĂ INVESTIGATE.
 ARITMETICA POLITICĂ – ÎNSEAMNĂ ELABORAREA UNOR CONCEPTE ÎN CARE SOCIETATEA ESTE PRIVITĂ ÎN
ANSAMBLUL EI. APAR ASTFEL NOŢIUNI DE VALOARE MEDIE ŞI DE TENDINŢE. CELE MAI MULTE STUDII ÎN ACEASTĂ
PERIOADĂ, S-AU FĂCUT PENTRU DEMOGRAFIE, PRIVIND MIŞCAREA POPULAŢIEI. ASTFEL PE BAZA UNUI NUMĂR
MARE DE DATE S-A ELABORAT PENTRU PRIMA DATĂ O REGULARITATE CU PRIVIRE LA PROPORŢIA DINTRE NAŞTERI
ŞI DECESE, SEPARAT PENTRU POPULAŢIE FEMININĂ ŞI CEA MASCULINĂ.
 CALCULUL PROBABILITĂŢILOR (STATISTICA MATEMATICĂ) – SE OCUPĂ CU ELABORAREA UNOR NOŢIUNI ŞI
MODELE VALABILE PENTRU ORICE DOMENIU DIN NATURĂ, SOCIETATE SAU TEHNOLOGIE.
STATISTICA REPREZINTĂ ARTA ŞI ŞTIINŢA COLECTĂRII ŞI ÎNŢELEGERII DATELOR CE CARACTERIZEAZĂ
FENOMENELE DE MASĂ.

2. OBIECTUL ŞI METODA STATISTICII

Obiectul statisticii îl constituie studiul fenomenelor şi proceselor social-economice care prezintă următoarele particularităţi:
 Se produc într-un număr suficient de mare de cazuri (sunt fenomene de masă);
 Variază de la un element la altul, de la caz la altul;
 Sunt forme individuale de manifestare în timp, în spaţiu şi ca formă de organizare.
Rezultă deci că obiectul de studiu al statisticii îl constituie fenomenele de masa care prezintă proprietatea de a fi variabile ca forma
de manifestare individuală în timp, în spaţiu şi sub raport organizatoric.

2
 Spre deosebire de fenomenele simple, fenomenele de masă se produc sub influenţa unor factori sistematici sau întâmplători,
esenţiali sau neesentiali, de acelaşi sens sau de sensuri diferite şi au la baza legile de tip statistic. Pentru a cerceta şi verifică o lege statistică
este necesar să fie analizate toate manifestările individuale ale fenomenului supus cercetării. In acest mod se creează condiţiile necesare pentru
manifestarea legii numerelor mari.
Legea numerelor mari este un principiu fundamental al cercetării statistice care presupune luarea în considerare a unei colectivităţi
suficient de numeroase de cazuri individuale, astfel încât abaterile întâmplătoare, intr-un sens sau altul, se poate compensa, punându-se în
evidenta o anumita marime/valoare care este tipica pentru întreaga colectivitate.
Definiţie. "Statistica este ştiinţa care studiază aspectele cantitative ale determinărilor calitative ale fenomenelor de masă, fenomene
care sunt supuse acţiunii legilor statistice ce se manifesta în condiţii concrete, variabile în timp şi spaţiu. "
Fenomenele de masă se mai numesc şi :
 fenomene de tip colectiv deoarece legea este valabilă pentru întregul ansamblu şi numai întâmplător se verifică în fiecare caz în parte,
 fenomene de tip statistic sau stohastic pentru că ele se supun legilor statistice1;
 fenomene aleatoare pentru că între factorii de influenţă există şi o componenţă aleatoare,
 fenomene atipice pentru că forma lor de manifestare individuală este diferită;
 fenomene nedeterministe ca urmare a faptului că modul de asociere a factorilor esenţiali cu cei neesenţiali, a celor sistematici cu cei
aleatori se poate schimba în timp, în spaţiu sau ca formă organizaţională,

Principala proprietate a acestor fenomene este variabilitatea în timp, spaţiu şi ca formă de organizare, dar care potrivit legii numerelor
mari ea se compensează reciproc faţă de linia generală de tendinţă (ce exprimă esenţialitatea fenomenelor legitatea lor de apariţie şi
dezvoltare).
Fenomenele de masă se întâlnesc în toate comportamentele vieţii economice şi sociale şi ele nu pot fi studiate decât cu ajutorul metodelor
statistice. Rezultatele cercetării lor se regăsesc în datele statistice publicate de Institutul Naţional de Statistică în anuare, breviare şi
buletine statistice precum şi în diferite studii publicate în edituri şi reviste de specialitate şi de Organizaţiile Internaţionale.
Urmărind etapele oricărui proces de cunoaştere, pentru rezolvarea problemelor care fac obiectul sau de studiu, statistica, ca orice
ştiinţa, şi-a elaborat procedee şi metode speciale de cercetare.

Metoda statisticii este formată din totalitatea procedeelor şi operaţiilor specifici de culegere, prelucrare şi analiză statistică a fenomenelor
din realitatea economică şi socială în cadrul cărora activează legile statistice.
Complexitatea şi amploarea cercetării statistice fac necesară perfecţionarea continuă a metodelor de observare, prelucrare şi analiză.
Dezvoltarea metodelor statisticii este strâns legată de progresele înregistrate în teoria probabilităţilor, statistica matematică şi în domeniul
informaticii. Necesitatea prelucrării unui volum mare de date a dus la dezvoltarea maşinilor de calul şi implicit la formarea programelor de
calul. (Ex. EXCEL, Statistic, SPSS, SAS.)

3. Concepte de bază folosite în procesul de cercetare statistică

În statistică se folosesc o serie de noţiuni (concepte) de bază cu care se operează în toate etapele cercetării şi în toate statisticile aplicate:
a) Colectivitatea (populaţia) statistică
b) Unitate statistică
c) Caracteristici (variabile) statistice
d) Date şi indicatori statistici
e) Măsurarea statistică
f) Estimare statistică
g) Eroare statistică

a) O primă noţiune de bază din statistică o reprezintă colectivitatea (denumită şi populaţia) statistică care reprezintă totalitatea elementelor de
aceeaşi natură care formează obiectul unui studiu statistic.
Aceasta poate fi:
- Concretă (obiectivă şi finită), delimitată în timp, spaţiu şi mod de organizare cu care operează Statistica social-economică;
- infinită şi abstractă , cu care operează Statistica matematică;
- ipotetică care corespunde unui model de calcul şi analiză statistică în cadrul căreia există relaţii matematice, strict determinate,
Statistica abordează de asemenea:
- colectivităţi statice- care exprimă o stare, un nivel la un moment dat; (ex. Populaţia Braşovului la 1 dec. 2003)
- colectivităţi dinamice – care caracterizează un proces, o devenire în timp.(ex. naşterile în Bucureşti în această lună)
Un alt concept
b) Unitatea statistică – reprezintă elementul constitutiv al unei colectivităţi statistice.
Unităţile pot fi:
 Simple – (Ex. persoana, muncitor etc)
 Complexe (Ex. familie, echipă, secţie, anul de studiu etc.)
Ca şi colectivităţile, unităţile pot fi statice şi dinamice.

c) Caracteristicile statistice denumite variabile statistice sau variabile aleatoare reprezintă proprietăţile comune ale unităţilor care formează o
colectivitate statistică.
În legătură cu acestea se folosesc următoarele noţiuni:
 Variabilă –care este orice caracteristică statistică numerică sau nenumerică care se înregistrează;
 Variantă – este forma concretă pe care o variabilă statistică o poate înregistra la nivelul fiecărei unităţi prin cuvinte sau expresie numerică
 Variaţie – proprietatea variabilelor statistice de a-şi schimba nivelul de dezvoltare sau formă concretă de manifestare.

1
Legea statistică – lege care acţionează în cadrul unui ansamblu de unităţi, de fenomene sau
de procese de aceiaşi esenţă şi exprimă valoarea medie, predominantă purtată de majoritatea
elementelor unui ansamblu distribuit după o variabilă.

3
  câmp de variaţie (câmp de împrăştiere) a unităţilor unei colectivităţi în funcţie de fiecare variabilă înregistrată. Pentru variabilele
numerice acest câmp se măsoară prin amplitudinea variaţiei, care este egală cu diferenţa dintre valoarea maximă şi valoarea minimă
înregistrate.
 Frecvenţa – reprezintă numărul de unităţi la care se înregistrează aceeaşi variantă
 Ponderea este locul pe care-l ocupă o variantă sau un interval de variante în cadrul colectivităţii studiate

Variabilele statistice se pot clasifica:

 după conţinut în:
 Variabile de timp – arată apartenenţa unităţilor la un moment sau perioadă de timp
 Variabile de spaţiu - situarea în teritoriu al unităţii;
 Variabile atributive – sunt toate celelalte însuşiri numerice şi calitative ale unităţilor.

 după modul de exprimare în:

 caracteristici calitative (exprimate prin cuvinte) Ex. profesia
 caracteristici cantitative (exprimate numeric) Ex. Vârsta

 după natura variaţiei se împart în:

 Variaţie continuă – ex. Vărsta
 Variaţie discontinuă sau discretă

 după modul de manifestare în:

 alternative – manifestare directă sau opusă ei (Ex Rural Urban)
 nealternative - cu variante distincte numerice sau calitative (Ex Salariu şi profesia)

 după modul de obţinere şi folosire a datelor ele pot fi:

 primare obţinute în procesul de culegerea datelor
 derivate - obţinute prin aplicarea unui model de calul statistic

d) Datele şi indicatorii statistici reprezintă caracterizări numerice ale unităţilor obţinute prin observare şi prelucrare. În statistică datele sunt
întotdeauna mărimi concrete. Mesajul datelor îl reprezintă informaţia statistică.
 după modul de utilizare a datelor ele pot fi:
 primare - obţinute în procesul de observare
 derivate - obţinute prin prelucrare

O parte din datele statistice se regăsesc sub forma de indicatori statistici. Deosebirea constă, că datele statistice sunt noţiuni
generalizatoare, în timp ce indicatorii sunt particularizaţi pe domenii.

e) Măsurare statistică - presupune exprimarea în unităţi concrete de măsură.

f) Estimare statistică – presupune şi caracterizare statistică utilizând un model sau o ipoteză statistică.
g) Prin Eroare statistică – înţelegem abaterile care pot să apară între dimensiunea reală a fenomenelor studiate şi cele stabilite printr-un
model de calcul statistic Ele sunt admise într-o proporţie de  5%. Acestea sunt reglate prin proprietăţile legii numerelor mari şi sunt
calculabile, în general, cu ajutorul funcţiilor de probabilitate, elaborate de statistica matematică.

ORGANIZAREA CERCETĂRII STATISTICE

1. Etapele cercetării statistice

2. Observarea statistică (culegerea datelor statistice)
3. Metode de observare statistică
4. Conceptul de eroare în statistică. Controlul datelor statistice.

4
 1. Etapele cercetării statistice

Cercetarea statistică este un proces complex care antrenează un număr mare de specialişti statisticieni, informaticieni şi de alte
profesii. Organizarea şi desfăşurarea unei cercetări statistice concrete se prezentă astfel: în fig 1.1

ANALIZA SI INTERPRETAREA
OBSERVAREA PRELUCRAREA SATISTICĂ

STATISTICA STATISTICA
Deşi cercetarea statistică se desfăşoară în trei etape succesive ea reprezintă un proces unitar prin conţinutul, scopul şi prin metodele
utilizate. În cadrul cercetării statistice rolul cel mai important îi revine analizei statistice Ea trebuie să asigure nu numai o interpretare ştiinţifică
a rezultatelor cercetării, dar mai ales obţinerea unui material documentar real.
Procesul de cercetare statistică se poate realiza în condiţii optime folosind echipamente moderne de calcul. Acesta prezintă un dublu
avantaj:
- se pot culege date pentru un număr suficient de mare de caracteristici;
- reduce timpul de prelucrare a datelor culese.

Pe plan naţional statistica poate fi structurată în statistica oficială şi în statistica academică.

De cele mai multe ori ordinea de elaborare a programului de cercetare este invers procesului de cercetare. Întâi se stabileşte ce anume se
va analiza şi în ce scop, apoi metodele de prelucrare şi în ultimul rând se aleg caracteristicile ce trebuie înregistrate şi forma de observare.
Indiferent de ordinea în care se elaborează programul acesta se subordonează obiectului şi scopului cercetării.

2. Observarea (culegerea) datelor statistice.

În toate cazurile, în care se organizează un studiu statistic, este necesar să se în ceapă cu observarea (culegerea datelor). În acest
scop, este necesar să se stabilească, în primul rând, sursele de date, metoda de observare şi să se înregistreze datele care vor fi supuse ulterior
prelucrării.

Prin urmare, observarea statistică este etapă în care se înregistrează datele primare în mod unitar cu privire la unele caracteristici în
prealabil stabilite, de la unităţile care formează obiectul supus studiului statistic.
Observarea trebuie să îndeplinească anumite condiţii de cantitate (volum) şi calitate.
Principiile organizării şi desfăşurării observării statistice sunt:
 autenticitatea (veridicitatea) datelor culese;
 completitudinea datelor;
 confidenţialitatea datelor înregistrate;
 asigurarea credibilităţii datelor;
Din punct de vedere al planul observării statistice acesta trebuie să cuprindă:
 Obiectul şi scopul observării; - se stabileşte odată cu programul întregii cercetări. Acesta trebuie să fie strict precizat deoarece
este necesar să alegem numai acele variabile care răspund direct cu scopul cercetării
 Timpul observării (la care se referă datele) şi timpul înregistrării;
 Locul observării;
 Programul observării;
 Formularele şi instrucţiunile de completare trebuie să fie tapizate;
 Măsuri organizatorice.
 Unitatea simplă şi/sau unitatea complexă de observare;
 Unitatea raportoare;

3. Metode de observare statistică

În procesul de dezvoltare al statistici s-au conturat mai multe metode de observare. În general metoda de observare a fost I este
dependentă de modul de organizare şi funcţionare a sistemului informaţional statistic.
Existenţa mai multor metode de observare , face posibilă clasificarea lor în funcţie de mai multe criterii astfel:
 În funcţie de gradul de cuprindere a numărului de unităţi avem:
- observare totală
- observare parţială
 În funcţie de modul în care este caracterizat fenomenul:
- Observări statice (la un moment dat)
- Observări dinamice (în timp)
 În funcţie de modului de organizare :
- Observări cu caracter permanent
- Observări speciale
 Din punct de vedere al timpului de efectuare se pot întâlni:
- Observări curente
- Observări periodice
- Observări unice

Principalele metode de observare sunt:

1) Recensământul;

5
 2) Rapoartele statistice;
3) Sondajul statistic;
4) Ancheta statistică;
5) Observarea părţii principale;
6) Monografia.
1) Recensământul – este o metodă de observare totală, cu caracter periodic, care surprinde un fenomen în mod static.
Este cea mai veche metodă de observare statistică, apărută încă din antichitate (recensăminte ale populaţiei a romani care se efectua din
5 în 5 ani).
Acesta în general reprezintă fotografierea fenomenelor la un moment dat.
Recensământul populaţiei este “un proces de culegere, prelucrare şi publicare a datelor demografice economice şi sociale la un moment
specificat”. Aceste date oferă informaţii despre toate persoanele din ţara respectivă sau de pe un teritoriu delimitat.
La noi în ţară acesta se efectuează periodic din 10 în 10 ani. (Periodicitatea mai mare sau mai mică este în funcţie de mutaţiile survenite
sau de suportul financiar disponibil).
Din domeniul populaţiei, recensământul s-a extins şi asupra altor domenii: există recensăminte asupra unităţilor hoteliere, al locuinţelor,
al animalelor, al unităţilor din industrie, comerţ, transport agricultură (prin urmare recensăminte economice).
2) Rapoartele statistice – sau sistemul dărilor de seamă se întocmesc la nivelul instituţiilor şi agenţilor economici, fie publici sau
privaţi Acestea sunt obligaţi (de statul de drept) ca în permanenţă să furnizeze informaţii privind activitatea desfăşurată. Prin urmare în
aceste dări de seamă sunt încluşi indicatori cu caracter economic social-cultural, juridic, de sănătate publică şi învăţământ.
3) Sondajul statistic sau selecţia statistică este o metodă parţială de observare, şi a devenit una din cele mai utilizate în prezent.
Avantajele acestei cercetări sunt:
- poate fi aplicabilă în toate cazurile
- economii de resurse băneşti
- un program de cercetare amplu
La baza sondajului stă eşantionul extras din colectivitatea totală, care trebuie să îndeplinească condiţia de reprezentativitate.
Ancheta statistică – este o metodă de observare parţială care constă în intervievarea unor persoane deja stabilite. Acestea
primesc un chestionar la care răspund benevol.
4) Observarea părţii principale – observare parţială special organizată, care se aplică pentru obţinerea informaţiilor despre o
colectivitate împărţită pe grupe de importanţă. Se înregistrează datele numai pentru grupele care au cea mai mare pondere.

În cadrul oricărei metode se poate operează cu următoarele procedee de observare:

 măsurarea directă
 interogare
 autoînregistrare
 preluare din alţi purtători de informaţie
 corespondenţa
 telefon

Din datele înregistrat obţinem informaţia statistică.

4. Conceptul de eroare în statistică. Controlul datelor statistice.

Eroarea statistică este diferenţa dintre un indicatorul obţinut pe baza diferitelor calcule şi valoarea reală.
Practica a dovedit că în mod curent se pot produce mai multe feluri de erori:
 De observare sau înregistrare
 De reprezentativitate
 De modelare;
 De interpretare.
Toate acestea pot fi sistematice sau întâmplătoare
Pentru a înlătura sau minimiza aceste variaţii se recurge la controlul datelor care poate fi:
 Cantitativ
 Calitativ
 Logic
 Aplicarea testelor de semnificaţie pentru indicatorii calculaţi
 Aplicarea metodelor de verificare a ipotezelor pentru validarea modelului ales.

După ce s-au obţinut datele statistice acestea prezintă forme concrete, individuale de manifestare. Şi pentru a le utiliza în analiza şi
interpretare statistică este necesar procesul de prelucrare.

Prelucrarea primară a datelor statistice şi prezentarea informaţiilor obţinute

1. Prelucrarea statistică
2. Gruparea şi clasificarea statistică.

6
 3. Prezentarea datelor sub forma de tabele, serii şi grafice.

1. Prelucrarea statistică
Prelucrarea statistica – este un proces prin care datele înregistrate sunt sistematizate sunt tratate statistic în vederea obţinerii
sistemului de indicatori statistici. Obţinerea indicatorilor statistici este necesară pentru caracterizarea în expresii numerice generalizatoare, a
ceea ce este esenţial pentru un grup de unităţi sau pentru întreaga colectivitate, studiate în condiţii de timp şi de spaţiu.
Prelucrarea primară înseamnă în acelaşi timp şi centralizarea, sistematizarea şi omogenizarea datelor observării în vederea aplicării
modelelor de calcul şi analiză satistică
Sistematizarea datelor înregistrate presupune ordonarea acestora în funcţie de omogenitatea lor.
Deci la baza sistematizării se află principiul omogenităţii.
Principiul omogenităţii este un principiu de pierdere a informaţiei pentru a câştiga informaţie.
Însăşi sistematizarea se realizează prin :
a) centralizarea şi
b) gruparea statistica a datelor.
a) centralizarea – presupune totalizarea unităţilor statistice sau a valorilor unei caracteristici la nivelul grupelor tipice sau al
colectivităţii observate. Totalizarea valorilor unei caracteristici se face prin însumarea directa sau prin folosirea unor coeficienţi de
echivalenta (preturi, timpul de munca etc.) În urma centralizării obţinem mult doriţii indicatori statistici de nivel (ex, nr. populaţiei
unei localităţi, valoarea producţiei)
 Centralizarea simplă şi obţinerea indicatorilor generali
Nr.crt. Variabile însumabile direct
al unităţii X1 X2  Xp
1 x11 x21  xp1
2 x12 x22  xp2
    
i x1i x2i  xpi
    
n x1n x2n  xpn
Total n n  n
 x1i  x2 i  x pi
i 1 i 1 i 1

Pe orizontală se găseşte fiecare unitate cu toate variantele înregistrate la toate caracteristicile (variabilele) înregistrate, iar pe
verticală sunt distribuţiile de valori ale celor p variabile independente înregistrate.

2. Gruparea şi clasificarea datelor statistice

Gruparea statistică – este o centralizare pe grupe a unităţilor unei colectivităţii. Se obţine în baza aplicării metodei grupărilor
statistice presupunând principiul omogenităţii.
Omogenitatea statistică înseamnă ca în grupa (clasa) respectivă să existe variaţie minimă între variantele înregistrate – variaţie care
poate fi explicată ca fiind influenţa factorilor aleatori.
În forma grupării statistice – rezultă şiruri de date ordonate după variaţie, în sens crescător sau descrescător, a caracteristicilor de
grupare.
 După conţinutul caracteristicii de grupare putem avea:
 grupări cronologice în cazul în care sistematizarea datelor se face după o variabilă de timp;
 grupări teritoriale când sistematizarea datelor se face după o variabilă de spaţiu;
 grupări atributive se folosesc pentru toate caracteristicile, în afara caracteristicilor de timp şi spaţiu.
Caracteristicile atributive pot fi caracteristici cantitative (numerice) şi calitative (nenumerice).
 După numărul variabilelor de grupare pot fi: simple şi combinate.
Grupările simple (după o singură variabilă ) pot fi:
a) gruparea pe variante dacă amplitudinea variaţiei este mică şi la nivelul unităţilor individuale s-au înregistrat un număr mic de
valori distincte (variante);
b) gruparea pe intervale de variaţie egale dacă amplitudinea variaţiei este moderată. În acest caz, e necesar, să se stabilească
numărul de grupe şi mărimea intervalului de variaţie.
c) gruparea pe intervale de variaţie neegale. Prin gruparea pe intervale neegale se urmăreşte să se structureze colectivitatea pe tipuri
calitative, dacă nu se cunosc valorile (pragurile) care separă tipurile calitative, se procedează mai întâi la gruparea pe intervale
egale şi apoi se poate folosi criteriul mediei pentru formarea tipurilor calitative “mic”, “mediu”, “mare”. In acest caz se obţine o
grupare tipologică.

Gruparea combinată presupune sistematizarea datelor după două sau mai multe caracteristici de grupare (cel mult 4) care pot fi
variabile numerice şi/sau calitative. Gruparea combinată impune stabilirea ordinii de grupare pe baza relaţiei de interdependenţă dintre
variabile. Grupele formate după prima caracteristică se regrupează după cea de a doua ş.a.m.d.

Clasificarea (gruparea pentru variabile calitative) se efectuează după variabile nenumerice (calitative) şi presupune includerea în
aceeaşi grupă (clasă) a tuturor unităţilor la care s-a înregistrat aceeaşi formă de manifestare a caracteristicii. De regulă, are un caracter oficial
(ex. CAEN) şi în prealabil trebuie stabilit un nomenclator al claselor.

METODOLOGIA GRUPĂRII

Gruparea pe intervale egale implică următoarele etape:

a) calculul amplitudinii absolute de variaţiei (A) care exprimă împrăştierea maximă a valorilor serei.
Axa = Xmax – Xmin;
b) stabilirea în parametrii într-un anumit număr de grupe (r) se poate stabili conform relaţiei lui Sturgers,
r = 1+3,322log n

7
 unde: n - nr. caracteristicilor.

c) determinarea mărimii intervalului de grupare (h), se calculează ca raport între amplitudinea absolută a variaţiei şi numărul de
grupe:
AaX xmax  xmin
h sau h
r 1  3,322 log n
Notă: Mărimea intervalului (h) se rotunjeşte la întreg în plus (ex.3,254)
Prima grupă se porneşte de la xmin adăugându-se succesiv mărimea intervalului de grupare (h) rezultat din calculul anterior. Valoarea
din stânga intervalului va fi considerată ca limită inferioară, iar valoarea din dreapta ca limită superioară. Valorile care formează limitele
intervalelor se înregistrează fie numai ca limită superioară fie ca limită inferioară pentru a evita înregistrări duble a caracteristicilor.
Indiferent de scopul şi obiectul grupării, aceasta trebuie să îndeplinească cel puţin următoarele condiţii:
completitudinea datelor;
omogenitatea grupelor(claselor) şi subgrupelor (subclaselor);
unicitatea includerii unităţilor într-o singură grupă (clasă);
continuitatea variaţiei grupelor în cazul variabilelor numerice, ceea ce practic înseamnă să nu existe grupe cu
frecvenţe nule care ar duce la întreruperea grupării.
Pentru analiza structurii colectivităţii pe grupe tipice se foloseşte gruparea pe intervale neegale.
Gruparea pe intervale neegale presupune regruparea intervalelor egale.
Un prim principiu al grupării pe intervale neegale este trecerea de la variaţia liniară (interval de
mărime constantă) la variaţia neuniformă a unor intervale de grupare din ce în ce mai mari. De exemplu, de la 8 grupe se poate trece la 5,3
grupe obţinând calificative
Clasificarea se efectuează după variabile nenumerice (calitative) şi are, de regulă, un caracter oficial (ex. CAEN) şi în prealabil
trebuie stabilit un nomenclator al claselor.

3. PREZENTAREA DATELOR STATISTICE

Rezultatul sistematizării necesită o prezentare sub o forma cât mai comod de manevrat şi vizualizat, sub forma de :
a) serii,
b) tabele
c) grafice.

a) Seriile statistice
Enumerarea datelor statistice într-o anumită ordine se numeşte serie statistică. Seria statistică se reprezintă ca două şiruri de date.
Primul şir este criteriul de enumerare (valori , variante) al doilea şir conţine datele numerice.
Seriile statistice sunt de următoarele feluri
1. Serii de repartiţie sau de distribuţie
2. Serii cronologice (ale dinamicii) sau serii de timp.
3. Serii teritoriale sau de spaţiu.
4. Serii descriptive sau enumerative (lista candidaţilor admişi, facultatea, media de liceu, media examenelor, şcoala
absolvită etc.)
5. Serii unidimensionale şi multidimensionale
La rândul lor seriile statistice pot fi atât numerice (cantitative) cât şi nenumerice (calitative).

b) Tabele statistice. Prezentarea datelor sub forma unui tabel statistic permite atât o bună vizualizare cât şi mai ales, efectuarea diverselor
calcule în procesul de prelucrare a datelor.
Pot fi tabele cu o singură intrare şi cu două sau mai multe intrări, tabele de lucru şi de prezentare a rezultatelor.
În elaborarea unui tabel se identifică următoarele elemente şi reguli principale:
 titlul tabelului
 macheta tabelului
 subiectul tabelului - colectivitatea şi componentele ei
 predicatul tabelului - constituie variantele şi indicatorii cu care caracterizăm statistic colectivitatea studiată.
 Unitatea de măsură
 Sursa datelor (sub tabel)
 Numerotarea tabelelor (sus)

c) Reprezentări grafice – Cu ajutorul graficilor se vizualizează informaţiile statistice facilitând perceperea pe ansamblu a datelor, aspecte
privind: variaţia valorilor observate, repartiţia lor, legăturile existente între ele, a evoluţiei valorilor în timp ş.a.
Graficul trebuie să cuprindă:
 Titlul – (precizându-se şi limitele fenomenului)
 Legenda
 Sistemul axelor rectingulare (ox, oy, oz)

Principalele tipuri de grafice sunt:

 grafice de volum
 grafice de structură
 grafice prin benzi
 grafice prin coloane simple sau în aflux
 cronogramă (historiogramă) pe scară uniformă sau logaritmică
 diagrama polară (radială)
 histograma
 poligonul frecvenţelor
 curba cumulativă a frecvenţelor
 cartograma
 cartodiagrama

8
 INDICATORII DE VARIAŢIE

1. Indicatorii simpli ai variaţiei

2. Indicatorii sintetici ai variaţiei
3. Asimetria
4. Indicatori pentru asimetrie şi aplatizare

Indicatorii variaţiei
Într-o colectivitate statistică valorile individuale (variantele) diferă mai mult sau mai puţin unele faţă de altele. Ele pot fi mai
apropiate sau mai împrăştiate. De aceea, comparaţia se face, în principal, cu media aritmetică, considerată ca fiind valoarea cea mai
reprezentativă pentru colectivitatea studiată. De cele mai multe ori este important de cunoscut cât de departe sunt valorile variantelor seriei faţă
de această medie, sau cu alte cuvinte care este dispersia variantelor în cadrul seriei sau câmpul de variaţie a caracteristicii înregistrate.
În scopuri speciale, sau pentru completarea analizei variaţiei se poate folosi o altă valoare a tendinţei centrale (mediana, mediala,
modul), sau pe zone de variaţiei mediile de structură (centilele, decilele).

Indicatorii variaţiei pot fi calculaţi ca indicatori simpli şi ca indicatori sintetici.

1. Indicatorii simpli ai variaţiei

Indicatorii simpli ai variaţiei servesc pentru a caracteriza gradul de împrăştiere a unităţilor purtătoare ale caracteristicilor
înregistrate. Ei se calculează pentru a măsura amplitudinea variaţiei şi abaterile valorilor individuale de la media lor. Aceşti indicatori se pot
exprima atât în mărimi absolute - folosind aceleaşi unităţi de măsură ca şi pentru caracteristica studiată - cât şi în mărimi relative, calculate în
raport cu valoarea medie.
Din această grupă a indicatorilor simpli fac parte:
amplitudinea variaţiei (absolută şi relativă)
abaterile individuale (absolute şi relative).
Amplitudinea absolută (Aa) se calculează ca diferenţă între nivelul maxim (xmax) şi nivelul minim (xmin) al caracteristicii:
Aa=xmax-xmin
Amplitudinea absolută se exprimă în unităţile de măsură ale variabilei respective şi prin urmare nu poate fi folosită la
compararea a două variabile exprimate în unităţi de măsură diferite.
Amplitudinea relativă a variaţiei (A%) se exprimă de regulă în procente şi se calculează ca raport între amplitudinea absolută a
variaţiei şi nivelul mediu al caracteristicii:
Aa
A%  100
x
Abaterile individuale absolute (di) se calculează ca diferenţă între fiecare variantă înregistrată şi media aritmetică a acestora după
relaţia:
d i  xi  x i  1, n
Abaterile individuale relative (di%) se calculează raportând abaterile absolute la nivelul mediu al caracteristicii:
di x x
di%   100  i  100 i  1, n
x x
Atât gradul cât şi forma de variaţie a unei caracteristici depind însă de toate abaterile variantelor înregistrate şi de frecvenţa lor de
apariţie şi prin urmare indicatorii simpli ai variaţiei nu pot exprima decât un aspect al variaţiei unei caracteristici înregistrate. Din acest motiv
caracterizarea gradului de variaţie se face în special cu ajutorul indicatorilor sintetici ai variaţiei care iau în consideraţie toate abaterile
caracteristicii.

9
 2 Indicatorii sintetici ai variaţiei
Indicatorii sintetici ai variaţiei, la fel ca indicatorii tendinţei centrale, trebuie să se bazeze pe toate observaţiile, să fie uşor de înţeles,
uşor de calculat, cât mai puţin posibil afectaţi de fluctuaţiile de selecţie şi adecvaţi unui studiu algebric.
Indicatorii sintetici ai variaţiei sunt: abaterea medie liniară ( d ) , abaterea medie pătratică ( ) , dispersia ( 2 ) şi
coeficientul de variaţie (v).
Abaterea medie liniară ( d ) se calculează ca medie aritmetică simplă sau ponderată a abaterile termenilor seriei de la media
lor, luate în valoare absolută.
Formulele de calcul ale abaterii medii liniare sunt:
pentru o serie simplă:
n

x
i 1
i x
d
n
pentru o serie de frecvenţe absolute:
k

x
i 1
i  x ni
d k

n
i 1
i

pentru o serie cu frecvenţe relative, exprimate în procente:

k

x
i 1
i  x n *i%
d
100
 pentru o serie cu frecvenţe relative, exprimate sub formă de coeficienţi:
k
d   xi  x ni*
i 1
Abaterea medie liniară se exprimă în unităţile de măsură ale variabilei şi deci nu poate fi folosită la comparaţii.
Abaterea medie liniară prezintă şi dezavantajul că nu ţine seama de faptul că abaterile mai mari în valoare absolută măresc
semnificativ gradul de variaţie a unei caracteristici, în comparaţie cu abaterile mai mici. În plus, din punct de vedere algebric nu este indicat să
se renunţe, în mod arbitrar, la semnul valorilor din care se calculează o valoare medie. Din aceste considerente se foloseşte ca principal
indicator sintetic al variaţiei abaterea medie pătratică.
Abaterea medie pătratică, abaterea tip sau abaterea standard ( ) se calculează ca medie pătratică a abaterile tuturor
variantelor seriei de la media lor aritmetică.
Relaţiile de calcul ale abaterii medii pătratice sunt:
pentru o serie simplă:
n
 ( xi  x )
2

 i 1

n
pentru o serie de frecvenţe absolute:
k
 ( x i  x ) ni
2

 i 1
k
 ni
i 1
pentru o serie cu frecvenţe relative, exprimate în procente:
k
 ( x i  x ) ni %
2

 i 1

100
pentru o serie cu frecvenţe relative, exprimate sub formă de coeficienţi:
k
   ( xi  x ) 2 n * i
i 1

10
 Indicatorul abatere medie pătratică fiind calculat din pătratul abaterilor este mai concludent decât abaterea medie liniară. Prin
ridicarea la pătrat se dă o importanţă mai mare abaterilor mai mari în valoare absolută, acestea influenţând într-o măsură mai mare gradul de
variaţie al variabilei analizate. Din acest motiv, calculaţi pentru aceeaşi serie, cei doi indicatori verifică relaţia:
 d
În literatura de specialitate se apreciază că pentru o serie de distribuţie cu tendinţă clară de normalitate, abaterea medie liniară este
aproximativ egală cu 4/5 din valoarea abaterii medii pătratice.
Abaterea medie pătratică este un indicator de bază, care se foloseşte în analiza variaţiei, la estimarea erorilor de selecţie, în calcule
de corelaţie.
La fel ca abaterea medie liniară, abaterea medie pătratică se exprimă în unitatea de măsură a variabilei a cărei variaţie o
caracterizează. Prin urmare cei doi indicatori nu se pot folosi pentru compararea gradului de variaţie a două sau mai multe variabile diferite dar
aparţinând aceleaşi colectivităţi şi în aceste situaţii se recurge la un alt indicator de variaţie - coeficientul de variaţie.
Când nu se precizează altfel, coeficientul de variaţie (v) se calculează ca raport între abaterea medie pătratică şi nivelul mediu al
serie, deoarece abaterea standard se foloseşte frecvent pentru măsurarea abaterii medii. Formula de calcul a coeficientului de variaţie este:

v  100
x
Dacă s-a calculat şi abaterea medie liniară, coeficientul de variaţie se mai poate calcula şi după relaţia:
d
v   100
x
Coeficientul de variaţie se exprimă, de regulă, în procente, ceea ce înseamnă că el este de fapt expresia relativă fie a lui d , fie a
lui  şi evident v`<v. De aceea se preferă  care conduce la un coeficient de variaţie mai mare.
Cu cât nivelul lui v este mai apropiat de zero, cu atât variaţia este mai redusă, colectivitatea este mai omogenă, media având un grad
ridicat de reprezentativitate; cu cât valoarea sa este mai departe de zero cu atât variaţia este mai intensă, colectivitatea este mai eterogenă, iar
media are un nivel de semnificaţie mai scăzut. Se apreciază că, pentru fenomenele economice şi sociale, în cazul unui coeficient de variaţie de
peste 35-40%, media nu mai este reprezentativă şi datele trebuie să fie separate în serii componente, pe grupe, în funcţie de variaţia unei alte
caracteristici de grupare. Deci se poate afirma că acest indicator (coeficientul de variaţie) poate fi folosit ca un test de verificare în aplicarea
metodei grupării care are ca funcţie principală omogenizarea datelor dintr-o observare statistică.
Deşi indicatorul - coeficientul de variaţie - înlătură dezavantajele prezentate de şi d şi acest indicator are limitele lui. Astfel,
acest coeficient este în mod evident neadecvat în cazul în care media aritmetică este apropiată de zero sau când valorile înregistrate sunt relativ
egale între ele.
Deşi în literatura de specialitate coeficientul de variaţie se calculează de cele mai multe ori prin relaţiile menţionate (media fiind
indicatorul care respectă cele mai multe din condiţiile impuse de Yule), acest indicator se poate calcula şi înlocuind media cu mediana, modul
sau mediala.
 Me d Me
v  100; v'   100;
Me Me
 d
v  Mo  100; v'  Mo  100;
Mo Mo
Într-o formă explicită, pentru o serie de frecvenţe, vom avea pentru mediană:

  xi  Me ni
k 2 k
 xi  Me ni
i 1 i 1
k k
 ni  ni
i 1
v  100 si v` i 1
 100
Me Me
În mod analog se pot scrie şi celelalte formule înlocuind mediana prin alt indicator al tendinţei centrale.
Un alt indicator sintetic al variaţiei, cu o largă utilizare în analiza statistică a fenomenelor, este dispersia.
Dispersia (varianţa) unei caracteristici ( 2 ) se calculează ca medie aritmetică simplă sau ponderată a pătratelor abaterilor
termenilor seriei faţă de media lor. Se mai numeşte şi pătratul mediu al abaterilor termenilor faţă de media lor. Formulele de calcul sunt:
pentru o serie simplă:
n

 (x i  x)2
2  i 1

n
pentru o serie de frecvenţe absolute:

11
 k
 ( x i  x ) ni
2

 2  i 1 k
 ni
i 1
pentru o serie cu frecvenţe relative, exprimate în procente:
k
 (x  x) n
2 *
i i (%)
 
2 i 1

100
pentru o serie cu frecvenţe relative, exprimate sub formă de coeficienţi:
k
   (x  x) n
2
i
2 *
i
i 1
În literatura de specialitate, dispersia este cunoscută şi sub denumirea de momentul centrat de ordinul doi.
Din relaţiile de calcul prezentate anterior se observă că abaterea medie pătratică implică calculul prealabil al dispersiei, din care se
extrage apoi rădăcina pătratică, pentru a ajunge la acelaşi grad cu caracteristica a cărei variaţie se studiază (= 2 ).
Formulele de calcul ale dispersiei prezentate necesită calcule laborioase care pot fi evitate dacă ţinem seama de faptul că dispersia
reprezintă momentul centrat de ordinul doi.
Dacă în formula dispersiei se dezvoltă binomul ( xi  x ) 2 se obţine:
n
 ( xi  x )
i 1
2
n
2

 x i  2 xi x  x
i 1
2
 x
i 1
n
2
i
n
 xi
nx 2
   2 x i 1  
n n n n n
2
n
2
n
2
n
2  n x  Deci
x i x i x i  i 
i 1
 2x 2  x 2  i 1
 x2  i 1
  i 1   x p2  x 2
n n n  n 
 
 
dispersia se mai poate calcula după relaţiile:
pentru o serie simplă:
2
n n
 n 
 xi
2  xi2   xi 
i 1 sau 2  i 1
  i 1   x2  x2
2   x2 n  n



p

n  
pentru o serie de frecvenţe:
k
 k 
 x n   2
i i x i ni 
  x2  x2
 
2 i 1
 i 1k
k  p

i 1
ni   ni 
 i 1 
Compensând cele două formule de calcul ale dispersiei (cel obişnuit şi cel prin dezvoltarea binomului), se constată că cea de a doua
prezintă avantajul că se face o simplă diferenţă între pătratul mediu şi media la pătrat, în timp ce pentru calculul obişnuit se calculează atâtea
abateri câte valori individuale are seria şi în cazul unei medii care nu este un număr întreg şi trebuie rotunjită, această rotunjire se regăseşte în
valoarea dispersiei.
Dispersia necesitând calcule destul de dificile (mai ales când variabila are valori mari) în teoria şi practica statistică se foloseşte
formula de calcul simplificat. Acest calcul simplificat se bazează pe unele proprietăţi ale dispersiei.

3 Asimetria

Pentru caracterizarea seriilor de distribuţie unidimensionale şi unimodale un interes deosebit îl prezintă şi cunoaşterea gradului de
oblicitate, de îndepărtare a acestor distribuţii de la simetrie. În practica statistică acest aspect este cunoscut sub numele de asimetrie.
La interpretarea gradului de asimetrie se porneşte de la poziţia şi valorile pe care le au cei trei indicatori ai tendinţei centrale: media, mediana şi
modul.
Într-o distribuţie simetrică cei trei indicatori: mod, mediană şi media artimetică se confundă ca în diagrama din figura 6.6.

y y

12
 x x
Mo  Me  x Mo  Me  x
Figura 6.6 Figura 6.7

x  Me  Mo
Figura 6.8

O distribuţie nonsimetrică se mai numeşte şi oblică şi ea poate prezenta asimetrie de stânga sau de dreapta (vezi figurile 6.7 şi 6.8).
Forma repartiţiei se poate analiza:
a) utilizând metoda grafică;
b) calculând indicatorii de asimetrie adecvaţi.
Asimetria se poate analiza în primul rând cu ajutorul metodei grafice. În acest scop se folosesc: poligonul frecvenţelor şi
histograma. După ce s-a construit poligonul frecvenţelor interpretarea se face ca mai sus.
Reprezentarea grafică a seriei oferă o imagine sugestivă asupra gradului de asimetrie fără însă a-l putea măsura printr-o valoare
numerică. De aceea se calculează şi indicatorii de asimetrie, exprimaţi în mărimi absolute şi relative.
Asimetriea absolută se calculează după relaţia:
As  x  Mo
Se exprimă în unităţile de măsură ale variabilei şi nu poate fi folosit la comparaţii între serii.
De aceea pentru a măsura gradul de asimetrie recurgem la indicatorii de asimetrie relativi. Din acest grup reţinem un anumit număr
de coeficienţi, adică numere fără dimensiune, permiţând comparaţiile.
Prezentăm în continuare doi coeficienţi de asimetrie ce poartă numele autorilor lor, Pearson şi Yule.
C as  0  simetrie
x  Mo 
c as  C as  0  serie oblicã la stânga
 C
 as  0  serie oblicã la dreapta

Acest coeficient poate lua valori cuprinse între -1 şi +1; cu cât este mai mic în valoare absolută cu atât asimetria este mai mică.
De reţinut. Acest coeficient este recomandabil a se folosi numai pentru distribuţii uşor asimetrice.
În cazul când se cunoaşte mediana seriei, coeficientul de asimetrie (Cas ) se poate calcula utilizând relaţia:

3( x  Me)
Cas 

Acest coeficient se foloseşte când între cei trei indicatori ai tendinţei centrale se verifică relaţia:
Modul = Media - 3(Media - Mediană)
Acest coeficient poate să ia valori cuprinse între -3 şi +3 şi va arăta un grad mai mare de simetrie cu cât se va apropia mai mult de
0.

4. Indicatori pentru asimetrie şi aplatizare

Existã diferite moduri prin care se poate aprecia asimetria unei repartiţii: Cel mai utilizat este coeficientul de asimetrie şi coeficientul de exces
exprimat de relaţiile:

Coeficientul de asimetrie indicã tipul de asimetrie, conform celor prezentate în figura 3.9.

13
Excesul sau aplatizarea se exprimã având ca etalon de referinţã repartiţia normalã la care γ2=0 Pentru γ2<0 repartiţia este mai aplatizatã decât
cea normalã iar pentru γ2>0 repartiţia este mai ascuţitã (Fig.3.10). Repartiţiile experimentale pot avea unul sau mai multe maxime. Repartiţia
cu un singur maxim se numeşte repartiţie unimodalã. Dacã repartiţia are mai multe maxime repartiţia se numeşte repartiţie polimodalã
(Fig.3.11). Se pot întâlni repartiţii la care în loc de un maxim sã aparã un minim. In acest caz repartiţia se numeşte repartiţie antimodalã.
(Fig.3.12) Un caz particular de repartiţie antimodalã îl reprezintã repartiţia uniformã la care frecvenţele rãmân constante.

Quantile. Quartile. Decile. Centile. Box ploturi

Ansamblul quantilelor de ordinul k impart setul de date in k parti egale din punct de vedere al numarului de valori. Similar se definesc decilele
si centilele, care impart setul de valori in 10, respective 100 de parti egale, care contin acelasi numar de date.
Quartilele impart setul de date in patru parti din punct de vadere al numarului de valori. Acestea prezinta cea mai mare importanta. Quartilele
prezinta 5 ordine:
- quartila de ordin 0 este identica cu valoarea minima inregistrata din sirul de date
- quartila de ordin 4 este identica cu valoarea maxima
- quartila de ordin 2 este identica cu valoarea medianei
- quartila de ordin 1 este identica cu valoarea medianei elementelor cuprinse sub valoarea medianei
- quartila de ordin 3 este identica cu valoarea medianei elementelor mai mari decat valoarea medianei centrale
In baza quartilelor se construiesc box ploturile. O diagramã de tip boxplot reflectã grafic rezumarea setului de date experimentale prin cele
5 valori a unei distribuþii: valoarea minimã, prima quartilã, mediana, a treia quartilã si valoarea maximã. Pe aceste tipuri de grafice se
poate reprezenta si limitele inferioare si superioare in afara carora datele se considera a fi aberante. Distanta dintre prima si a treia quartila se
numeste interval interquartil (contine 50% din date). Limitele inferioara si superioara se stabilesc functie de acest interval interquartil D.
Valorile aberante (care nu apartin populatiei) se considera a fi acele valori mai mari decat LS si mai mici decat LI.

14
D = q0.75 . q0.25
LS = q0.75 + 1.5 ・ (q0.75 . q0.25)
LI = q0.25 - 1.5 ・ (q0.75 . q0.25)

Impartirea datelor experimentale in clase

Operatia de stabilire a claselor presupune impãrþirea unitãþilor unei populatii in clase distincte in raport cu una sau mai multe variabile
si aranjarea claselor rezultate intr-o anumitã ordine. In urma unei asemenea operatii, fiecare unitate trebuie sã se gãseascã in una si numai
una din clasele rezultate. Aceastã operatie nu trebuie sã conducã la pierderi de unitãti, modificand doar ordinea initiala de obtinere a
datelor experimentale.
Omogenitatea constituie o proprietate de bazã pe care trebuie sã o aibã clasele. Se spune cã o clasã este omogenã dacã, pentru unitãtile care
fac parte din ea, variabila de grupare inregistreazã variatii nesemnificative.
Problemele care apar in impartirea pe clase a datelor sunt:
- determinarea lungimii intervalelor - de lungime egale
- de lungimi diferite
- stabilirea formei de scriere a acestor intervale
Stabilirea numãrului de intervale de variaþie trebuie sã asigure satisfacerea urmãtoarelor conditii:
- sa nu existe pierderi de informatie prin grupare, evitarea divizarii excesive a populatiei
- media aritmeticã a fiecãrei grupe sã fie cat mai aproape de centrul intervalului de variatie respectiv
- sã nu existe grupe vide
- reprezentarea graficã a seriei rezultate sã permitã conturarea unei regularitãti a fenomenului de studiat din cadrul populatiei. Trebuie remarcat
cã acest lucru nu este posibil nici in cazul unui numãr mic de intervale deoarece se pierd prea multe date, nici in cazul unui numãr prea mare
de intervale, populatia fãramitandu-se prea tare.
Numeroase sunt cazurile practice in care studiul unei populatii in raport cu o variabilã sau mai multe, presupune impãrtirea domeniilor de
variatie ale acestora in intervale de lungime neegalã. In asemenea cazuri nu existã o relatie de calcul in acest sens. Stabilirea intervalelor de
variatie se face in directã legãturã cu variatia variabilelor si distribuirea unitãtilor in raport cu acestea.
Dacã la baza seriei in cauzã stau douã sau mai multe variabile calitative sau cantitative atunci clasele se stabilesc in raport cu fiecare din
variabilele considerate prin stãrile acestora, in acest caz avem de-a face cu serii bidimensionale sau multidimensionale.
Nu este recomandat ca numãrul variabilelor in raport cu care se studiazã populatia sã fie prea mare, deoarece aceasta duce la o divizare
exageratã a populatiei pierzandu-se din vedere aspectele principale, generand pierderi de informatii.
Dupã ce clasele au fost definite, are loc repartizarea unitãtilor populatiei in clasele respective, folosind in acest scop un algoritm adecvat.
Pentru elaborarea si prezentarea seriilor statistice se apeleazã la pachete de programe statistice cum ar fi: S.P.S.S. (Statistical Package for
the Social Sciences), STATISTICA, S.A.S. (Statistical Analysis System), STATGRAPHICS, etc.

3.2.3. Constructia histogramelor

Histogramele prezinta datele aparute cat si frecventele lor de aparitie si pot fi reprezentate si prin diagrame in care frecventele de aparitie ale
datelor individuale se insumeaza. Pentru rezumarea datelor continue (reprezentãri grafice), este necesarã uneori gruparea datelor. Aceasta se
realizeazã prin divizarea domeniului in care au aparut valorile individuale in intervale disjuncte, numite intervale de clasã (sau intervale de
grupare), astfel incat fiecare valoare sã fie conþinutã intr-un interval de clasã.
Exemple:
- seria 1 pentru sirul de date: 1,2,3,4,4,4, 5,6,7,8,9
- seria 2 pentru sirul de date: 1,2,3,4,4,5,6,6,6,6,7,8,9

Figura nr. 3.2.3.1. Histograma datelor experimentale.

15
 Figura nr. 3.2.3.2. Cumularea frecventelor pentru valorile
masurate.

Prezentarea histogramelor sub forma profilului dreptunghiurilor se realizeaza prin construirea a cate unui dreptunghi pe fiecare
interval (sau clasa) a carui inaltime este proportionala cu frecventa clasei (sau in cazul in care intr-o anumita clasa avem date care au frecvente
diferite inaltimea dreptunghiului va fi dat de frecventa absoluta a clasei (a datelor din interval). Pentru cazul unei distributii normale a datelor
populatiei, histograma prezinta aspectul clopotului lui Gauss. Pentru aceasta varianta de distributie, aspectul de clopot este dat de faptul ca se
considera ca intr-o distributie normala numarul indivizilor clasei va fi cu atat mai mare cu cat clasa care-i contine este mai apropiata de clasa
care contine valoarea medie aritmetica.

16
Diagramele cu bare se construiesc similar histogramelor pentru repartiţii discrete. Se realizeazã o diagramã in care înălţimea barelor trasate
este proporţionalã cu frecvenţele respective (Fig.3.5).

Poligonul frecvenţelor se obţine dintr-o diagramã cu bare prin unirea capetelor barelor (Fig.3.6). Imaginea obţinutã se apropie de imaginea
funcţiilor de repartiţie clasice.

Cercurile de structura permit vizualizarea structurii datelor prin reprezentarea sub forma de sectoare de cerc a submultimilor populatiei de
date. Aranjarea datelor in submultimi se poate realiza functie de o serie de caracteristici. Unghiul unui sector de cerc care caracterizeaza o
anumita submultime va fi dat de procentul datelor cuprinse de submultimea respective care apartin polulatiei.

17
 Analiza seriilor statistice interdependente

1 Noţiunea de corelaţie Condiţii de aplicare

2 Tipuri de legături între fenomenele social-economice
3 Metode de analiză a interdependenţei dintre fenomene
4 Exemple

1. Noţiunea de corelaţie. Condiţii de aplicare

În domeniul fenomenelor şi proceselor social-economice, iau naştere o serie de legături, de interdependenţe, determinate de acţiunea
unor cauze şi condiţii diferite, care influenţează mai mult sau mai puţin fenomenele existente.
Complexitatea fenomenelor economice şi sociale, caracterizarea lor cantitativă şi calitativă determină folosirea combinată a diferitelor
ştiinţe în investigarea relaţiilor de cauzalitate, care stau la baza apariţiei şi dezvoltării lor.
Printre metodele şi modelele care s-au impus în studiul interdependenţei cele care se folosesc cel mai frecvent sunt corelaţia şi
regresia statistică.
Utilizarea acestor metode este justificată de necesitatea crescândă a reflectării într-o formă numerică adecvată a interdependenţei
obiective dintre fenomenele social-economice în ceea ce priveşte natura, direcţia şi gradul de intensitate a legăturilor, care se manifestă într-o
anumită perioadă de timp sau în dinamică.
Înainte de aplicarea modelelor statistice de analiza interdependenţa, este necesar să facem distincţia între corelaţie şi covariaţie.
Covariaţia presupune existenţa unor forme de repartiţie în timp, spaţiu sau organizare, pentru 2 sau mai multe variabile, dar care sunt
independente între ele.
Corelaţia se poate defini ca interdependenţa existentă între diferitele fenomene sau caracteristici exprimate prin numere (cantitativ)
sau prin cuvinte (calitativ) manifestată în cadrul fenomenelor social-economice de masă. Corelaţia presupune găsirea funcţiei analitice cu care

18
să descriem statistic legătura dintre variabilele studiate. Trebuie precizat că metoda corelaţiei nu poate da rezultate bune decât dacă se
lucrează cu un număr suficient de mare de cazuri individuale în care distribuţia abaterilor este aproximativ normală.

2. Tipuri de legături între fenomenele social-economice

Formele de manifestare a relaţiilor de interdependenţă sunt extrem de variate şi adesea destul de greu de sesizat. Pentru a le studia este
necesar să fie clasificate în funcţie de unele criterii, după care se pot deosebi unele de altele.
După natura relaţiei de cauzalitate, legăturile dintre fenomene pot fi legături funcţionale şi legături statistice sau stohastice
1. Legăturile funcţionale sunt univoce, realizate direct între un fenomen-cauză şi un fenomen-efect. Deci, fenomenul-efect depinde de
o singură cauză, care poate fi identificată de câte ori se produce, ceea ce înseamnă că, dacă condiţiile rămân constante, atunci unei valori a
caracteristicii factoriale îi corespunde o singură valoare a caracteristicii rezultative. Ele se mai numesc şi legături de tip determinist.
Relaţia matematică dintre fenomenul-efect şi fenomenul-cauză, pentru legăturile de tip funcţional (determinist) este: yi=f(xi).
Ex Un exemplu de astfel de legătură funcţională este aceea dintre nivelul productivităţii muncii şi consumul specific de timp de muncă
pentru produsul respectiv în cadrul unei perioade de timp. Se poate, cu uşurinţă, demonstra că, pe măsură ce scade timpul de producere a unei
mărfi, cu atât creşte productivitatea muncii pentru produsul respectiv.
2. Legături statistice, denumite şi legături stohastice, de tip nedeterminist descrise prin funcţia matematică :
yi  f ( x1i , x2i ,..., xki ) şi se referă la fenomene complexe, influenţate de mai multe cauze, care se manifestă în condiţii
diferite şi se pot clasifica după mai multe criterii astfel:
 după numărul variabilelor înregistrate:
 legături simple (unifactoriale) când se înregistrează un singur factor;
 legături multiple (bifactoriale şi multifactoriale) – înregistrează cel puţin două variabile factoriale.
 după conţinutul variabilelor corelate:
 legături numerice denumite corelaţii statistice – când legătura se stabileşte între variabile cantitative
 legături în care cel puţin o variabilă este nenumerică, denumite asocieri statistice – când legătura se
stabileşte între variabile calitative
după direcţia legăturii:
 legături directe - pe măsură ce creşte variabila factorială creşte şi cea rezultativă.
 legături inverse - pe măsură ce creşte variabila factorială descreşte cea rezultativă.
Ex. între w şi salariu există o legătură directă de tipul unei corelaţii statistice. Legătura dintre calificare şi salariu este o asociere
statistică, pentru că calificarea este o variabilă calitativă
 după funcţia analitică cu care pot fi exprimate corelaţiile statistice:
 liniare – a cărei linie de tendinţă se măsoară cu ecuaţia funcţiei rectiliniare,
 curbiliniare, cunoscute sub denumirea generică de legături neliniare – care pot fi de tipul unei funcţii
exponenţiale, a funcţiilor hiperbolice şi a funcţiilor de tip parabolic.
 după timpul în care se produc:
 concomitente sau sincrone
 cu decalaj sau asincrone este acea în care după o anumită modificare a factorului începe să apară şi
modificarea efectului. În cadrul analizei în timp, a legăturilor, trebuie verificat dacă, există decalaj până la începerea
corelaţiei şi necesitatea stabilirii perioadei de corelare a seriilor după eliminarea decalajului.
Ex. Între înzestrarea tehnică productivitatea poate să apară legată după un număr de ani necesari procesului de asimilare sau după o
anumită perioadă un produs atinge performanţele de calitate şi poate să apară la export.
Interpretarea rezultatelor şi verificarea ipotezelor şi aplicarea testelor de semnificaţie a funcţiilor şi parametrilor lor se face potrivit
particularităţilor fenomenelor studiate în funcţie de timp, loc şi formă de organizare.
Dacă datele provin dintr-un sondaj statistic trebuie să se verifice reprezentativitatea ansamblului şi să se interpreteze probabilistic
indicatorii calculaţi.

3. Metode de analiză a interdependenţei dintre fenomene

Pentru interpretarea legăturilor dintre fenomene se pot folosi metode de sistematizare şi verificare a legăturilor:
A. Metode parametrice simple şi analitice,
B. Metode neparametrice
A. METODE PARAMETRICE SIMPLE
Metodele de sistematizare şi verificare a corelaţiei sunt:
a) seriile interdependente,
b) metoda tabelului de corelaţie
c) metoda grupării,
d) metoda grafică,
e) metoda balanţelor

a) Metoda seriilor interdependente pe baza unor analize complexe imprimă cu ştiinţele care studiază acelaşi domeniu să înregistrăm
şi să înscriem în datele în funcţie de prima variabilă factorială.
Pentru aceasta se pot folosi serii cronologice, teritoriale, distribuţii statistice referitoare la aceeaşi perioadă de timp. Dacă vrem să
analizăm într-o companie care este legată de numărul de ore lucrate şi salariu vom nota cu x numărul de ore lucrate şi cu y salariul.

Dacă există legătură între cele două, şi ea este directă, pe măsură ce creşte variabila factorială, descreşte şi rezultativă.

b) Metoda tabelului de corelaţie care are la baza tabelul de corelaţie, tabel cu dublă intrare reprezentând o formă specială a unei grupări
combinate, în care separarea pe grupe a unităţilor se face după variaţia ambelor caracteristici – factorială şi rezultativă.
Cu ajutorul tabelului de corelaţie în funcţie de modul de distribuţie a frecvenţelor, în tabel se obţin informaţii cu privire la existenţa şi
direcţia legăturii dintre cele două variabile
În unele cazuri direcţia legăturii este dată de poziţia diagonalei în jurul căreia se grupează frecvenţele: când
diagonala leagă unghiul stâng de sus al tabelului cu unghiul drept de jos - legătura este directa, iar când uneşte
unghiul stâng de jos cu unghiul drept de sus, se apreciază că între cele două caracteristici există o legătură în sens
invers.

19
 Variantele sau valorile caracteristicii
Valorile caracteristicii de dependente Y Volumul grupei
grupare X
y1 y2 … yj … ym
x1 n11 n12 ... n1j … n1m n1.
x2 n21 n22 … n2j … n2m n2.
... ... ... … ... … ... ...
xi ni1 ni2 … nij … nim ni.
... ... ... … ... … ... ...
xr nr1 nr2 … nrj … nrm nr.
Total n.1 n.2 … n.j … nm r m
 ni .   n. j
i 1 j 1

Modul de aşezare a frecventelor în jurul diagonalei ne dă posibilitatea să apreciem intensitatea legăturii: concentrarea intensă a
frecventelor în jurul diagonalelor indică existenţa unei legaturi strânse între caracteristici. În alte cazuri, frecventele se grupează pe
diverse curbe. Dacă frecvenţele se repartizează pe întregul tabel fără nici o regularitate, atunci ori nu există legătura, ori aceasta este
foarte slabă.

c) Metoda grupării reprezintă un model de analiză prin excelenţă calitativ, capabil să surprindă aspecte esenţiale ale legaturilor dinte
variabile. Studiul legaturilor se realizează după ce unităţile colectivităţii se grupează în funcţie de caracteristica factorială, iar pentru
caracteristica rezultativă se calculează indicatorii derivaţi (mărimile relative sau medii) specifici fiecărei grupe.

Această metodă de studiere a legăturilor dintre fenomene necesită calcularea mediilor condiţionate ale variabilei rezultative y xi pentru
grupele obţinute după variabila factorială. Pe baza tabelului de corelaţie se pot calcula următoarele medii de grupă:

m
 y j nij
j 1
yi  m
 nij
j 1

Metoda grafică Graficul de corelaţie denumit şi corelogramă sau graficul norului de puncte, permite să identifice cu ajutorul ajustării
care este funcţia analitică corespunzătoare valorilor noastre.
Prin ajustare înţelegim înlocuirea valorilor empirice obţinute pentru o observaţie statistică cu valori teoretice calculate după un model
statistic. În cazul în care am întocmit un grafic de corelaţie putem face o ajustare vizuală şi după aceea aplicăm modelul de calcul şi o ajustare
numerică. Ajustarea vizuală constă în trasarea unei linii drepte sau a unei curbe care să treacă cât mai aproape de valorile empirice înscrise în
grafic.
Interpretând foram de legătură putem avea corelaţii :

10
10
8
8
6
6
4
4
2
0 2

0 5 10 15 20 0
0 5 10 15 20

Legătură liniară directă Legătură liniară inversă

10
8
6

4
2
0
0 5 10 15 20

20
 Lipsă de legătură

Metoda grafica este utilizată cu bune rezultate pentru alegerea funcţiei analitice care se studiază (în cazul regresiei şi corelaţiei).

d) Metoda balanţelor. Această metodă serveşte pentru analiza relaţiilor care există în cadru unui proces stocastic în care se pot analiza relaţiile
de interdependenţă dintre diferitele elemente ale procesului, dintre diferitele laturi ale lui sau dintre diferitele etape sau momente în care el se
desfăşoară.

A.2. METODE PARAMETRICE ANALITICE

Metode şi procedee de analiză a legăturilor dintre fenomene

Analiza dispersională
Analiza dispersională este folosită pentru verificarea semnificaţiei factorului de grupare ales (înainte de aplicarea regresiei) şi după
aplicarea acesteia, pentru calculul şi interpretarea rezultatelor obţinute în urma aplicării modelului de corelaţie (validarea modelului ales pentru
cazuri concrete .
Metoda regresiei

Metodele de studiere a legaturilor prezentate anterior au ca deficienţă principală faptul că deşi permit constatarea legăturii şi
caracterulul ei, nu o pot măsura printr-un indicator sintetic. Acest inconvenient este înlăturat prin utilizarea metodei regresie.
Metoda regresiei constituie o metoda statistică analitică de cercetare a legăturii dintre variabile cu ajutorul unor funcţii denumite
funcţii de regresie.
Notând cu Y variabile dependenta şi cu x1 , x2 ... xn variabilele independente obţinem ecuaţia de regresie y = f (x1 , x2 ... xn).

După ce am stabilit funcţia care devine funcţia de ajustare, trecem la măsurarea corelaţiei cu ajutorul metodei regresiei. Această metodă
presupune să aibă înregistrate datele cu privire la cele două variabile una factorială şi una rezultativă şi să presupunem că legătura dintre cele
două este de forma unei ecuaţii de tendinţă, care descrie funcţia rectiliniară. Fiind vorba de legătura de tip statistic care se supune legilor
statistice, care acţionează sub forma de tendinţă cu caracter de medie, ecuaţia Y xi  a  bx i ,

în care:

Y xi - valoarea ecuaţiei de regresie medie;

xi – variabilă factorială
Parametrul “a” reprezintă ordonata la origine şi arată la ce nivel ar fi ajuns valoarea caracteristicii Y dacă toţi factorii - mai puţin
cel înregistrat - ar fi avut o acţiune constantă asupra formării ei.
Parametrul “b” se mai numeşte şi coeficient de regresie şi reprezintă, în sens geometric, panta liniei drepte. Coeficientul de regresie
“b“ arată cu cât se schimbă în medie variabila Y în cazul în care variabila X se modifică cu o unitate. Acest parametru este pozitiv în cazul
legăturii directe şi negativ în cazul legăturii inverse.
Parametrii “a” şi “b” se determină din sistemul de ecuaţii normale obţinut prin metoda celor mai mici pătrate (

(y i  Yxi ) 2  minim ).

Dacă modelul ales este corelaţia liniară simplă corespunde datelor empirice, atunci ecuaţia de regresie consideră că valorile
teoretice obţinute prin celor mai mici pătrate să prezinte abateri minime. (  y i  (a  bxi )  minim ).
2

Parametri ecuaţiei în acest caz se determină prin rezolvarea următorului sistem de ecuaţii:

na  b  x i   y i


a  x i  b  x i   x i y i
2


Dacă se foloseşte metoda determinanţilor se obţine:

y x i i

a
x y xi i
2
i

y x
i i
2
  xi y i  xi
n x i
n x i
2
 ( xi ) 2
x x i
2
i

n y i

b
x x yi i i

n xi y i   xi  y i
n x i
n x i2  ( xi ) 2
x x i i
2

Coeficientul de corelaţie
Coeficientul de corelaţie liniară simplă poate să ia valori între -1 şi +1.
Între -1 şi 0, legătura dintre cele două variabile este de sens invers şi este cu atât mai intensă, cu cât se apropie de –1.

21
Între 0 şi +1, legătura dintre cele două variabile este directă şi este cu atât mai intensă, cu cât se apropie de 1.
Formulă de calcul simplificat pentru seria bidimensională simplă
n xi y i  ( xi )( y i )
ry / x 
 n x 2
i 
 ( xi ) 2  n y i2  ( y i ) 2 
Pentru verificarea semnificaţiei coeficientului de corelaţie liniară simplă, se aplică, cel mai frecvent, testul t:
ry / x
t  n2
1  ry2/ x
unde, n reprezintă numărul de perechi de valori.
Valoarea calculată se compară cu cea tabelară stabilită probabilistic pentru un nivel de semnificaţie P 1 / 2 şi cu n-2 grade
de libertate.
Dacă t calculat  ttabelar , se verifică ipoteza semnificaţiei coeficientului de corelaţie iar dacă tcalculat  ttabelar , legătura este
nesemnificativă şi trebuie căutat un alt factor esenţial cu care să se studieze corelaţia.

Raportul de corelaţie

În cazul în care dispunem de un număr mic de perechi de valori (xi, yi), negrupate:
 pornind de la devianţa factorială :

Ry / x 
 (Y xi  y)2
sau
(y i  y)2
 pornind de la devianţa reziduală :

Ry / x  1 
 ( yi  Yx ) 2 i

 ( yi  y ) 2
unde Yxi reprezintă valorile ajustate indiferent de modelul de regresie selectat.
Raportul de corelaţie poate lua valori de la zero la +1; interpretarea sensului legăturii se face după funcţia de regresie.
Dacă R y / x  ry / x se confirmă ipoteza legăturii liniare şi această relaţie este considerată un test de verificare a legăturii.

În cazul unei serii bidimensionale avem abaterile:

- abaterea dintre yi şi ecuaţia de regresie;
- abaterea dintre ecuaţia de regresie şi medie;
- abaterea dintre yi şi media lor
între cele 3 abateri există relaţia   
y i  y  y i  Y xi  Y xi  y 
Astfel putem determina:
Dispersia totală

(y i  y) 2
 y2 
n
 Dispersia de grupă:

(y i  YX I ) 2
 y2 / r 
n
Dispersia dintre grupe

 (Y i  y) 2
 y2 / x 
n
Regula adunării dispersilor:
 2   y2 / r   y2 / x
Pe baza regulii de adunare a dispersiilor se pot calcula:
Coeficientul de determinaţie ( R y2 / x ) :

22
  y2 / x
R y2 / x   100
2
 Coeficientul de nedeterminaţie:
 y2 / r
K y2 / x   100
2
Interpretând cele două dispersii putem avea două variante:
Dacă: R y2 / x > K y2 / x rezultă legătură între x şi y
2 2
Dacă: R y/x < K y/x tendinţă spre independenţă

B. Indicatorii sintetici ai corelaţiei neparametrice

Coeficientul de asociere
Această metodă se utilizează pentru măsurarea intensităţii legăturii a două caracteristici alternative prezentate într-un tabel de asociere de
forma:
y y1 y2 Total
x
x1 a b a+b
x2 c d c+d
Total a+c b+d a+b+c+d

Produsul ad arată gradul de realizare a legăturii directe dintre X şi Y, iar produsul bc gradul de legătură inversă între aceste două caracteristici
cercetate.
Pentru stabilirea valorii numerice a coeficientului de asociere, care să indice existenţa şi intensitatea unei legături, formula cea mai utilizată este
cea propusă de Yule:
ad  bc
Q
ad  bc
Acest indicator poate să ia valori între -1 şi +1, arătând nu numai gradul de intensitate al asocierii celor două caracteristici, dar şi sensul ei.
Coeficienul de corelaţie a rangurilor propus de Spearman pentru serii paralele fără frecvenţe:
6 d i2
rs  1 
n3  n
în care:
di - reprezintă diferenţa între rangurile perechii de valori (xi,yi); di=rxi - ryi
n - numărul de perechi de valori.
Coeficientul de corelaţie a rangurilor propus de Kendall pentru serii paralele fără frecvenţe:
2S
rk 
n  ( n  1)

în care S   (P i  Qi )
unde:
Pi - numărul rangurilor mai mari care urmează rangului curent pentru variabila dependentă - y
Qi - numărul rangurilor mai mici care urmează rangului curent pentru variabila dependentă – y

a. Calculul coeficientului de corelaţie a rangurilor

Coeficienul de corelaţie a rangurilor propus de Spearman:
6 d i2
rs  1 
n3  n
în care: di - reprezintă diferenţa între rangurile perechii de valori (xi,yi);
n - numărul de perechi de valori.
Coeficientul de corelaţie a rangurilor propus de Kendall :
2S
rk 
n  ( n  1)
în care S   (P i  Qi )
în care: Pi - numărul rangurilor mai mari care urmează rangului curent pentru variabila dependentă;
Qi - numărul rangurilor mai mici care urmează rangului curent pentru variabila dependentă.

23
 ANEXE

Anexa 5

Valorile tabelate ale distributiei Pearson (2)


0,99 0,95 0,90 0,80 0,70 0,60 0,50 0,40 0,30 0,20 0,10 0,05 0,02 0,01

1 0,000 0,004 0,016 0,064 0,148 0,275 0,455 0,708 1,074 1,642 2,706 3,841 5,412 6,635
2 0,020 0,103 0,211 0,446 0,713 1,022 1,386 1,833 2,408 3,219 4,605 5,991 7,824 9,210
3 0,115 0,352 0,584 1,005 1,424 1,869 2,366 2,946 3,665 4,642 6,251 7,815 9,837 11,345
4 0,297 0,711 1,064 1,649 2,195 2,753 3,357 4,045 4,878 5,989 7,779 9,488 11,668 13,277
5 0,554 1,145 1,610 2,343 3,000 3,655 4,351 5,132 6,064 7,289 9,236 11,070 13,388 15,086
6 0,872 1,635 2,204 3,070 3,828 4,570 5,348 6,211 7,231 8,558 10,645 12,592 15,033 16,812
7 1,239 2,167 2,833 3,822 4,671 5,493 6,346 7,283 8,383 9,803 12,017 14,067 16,622 18,475
8 1,646 2,733 3,490 4,594 5,527 6,423 7,344 8,351 9,524 11,030 13,362 15,507 18,168 20,090
9 2,088 3,325 4,168 5,380 6,393 7,357 8,343 9,414 10,656 12,242 14,684 16,919 19,679 21,666
10 2,558 3,940 4,865 6,179 7,267 8,295 9,342 10,473 11,781 13,442 15,987 18,307 21,161 23,209
11 3,053 4,575 5,578 6,989 8,148 9,237 10,341 11,530 12,899 14,631 17,275 19,675 22,618 24,725
12 3,571 5,226 6,304 7,807 9,034 10,182 11,340 12,584 14,011 15,812 18,549 21,026 24,054 26,217
13 4,107 5,892 7,042 8,634 9,926 11,129 12,340 13,636 15,119 16,985 19,812 22,362 25,472 27,688
14 4,660 6,571 7,790 9,467 10,821 12,078 13,339 14,685 16,222 18,151 21,064 23,685 26,873 29,141
15 5,229 7,261 8,547 10,307 11,721 13,030 14,339 15,733 17,322 19,311 22,307 24,996 28,259 30,578
16 5,812 7,962 9,312 11,152 12,624 13,983 15,338 16,780 18,418 20,465 23,542 26,296 29,633 32,000
17 6,408 8,672 10,085 12,002 13,531 14,937 16,338 17,824 19,511 21,615 24,769 27,587 30,995 33,409
18 7,015 9,390 10,865 12,857 14,440 15,893 17,338 18,868 20,601 22,760 25,989 28,869 32,346 34,805
19 7,633 10,117 11,651 13,716 15,352 16,850 18,338 19,910 21,689 23,900 27,204 30,144 33,687 36,191
20 8,260 10,851 12,443 14,578 16,266 17,809 19,337 20,951 22,775 25,038 28,412 31,410 35,020 37,566
21 8,897 11,591 13,240 15,445 17,182 18,768 20,337 21,991 23,858 26,171 29,615 32,671 36,343 38,932
22 9,543 12,338 14,041 16,314 18,101 19,729 21,337 23,031 24,939 27,301 30,813 33,924 37,660 40,289

24
 Anexa 5 (continuare)


0,99 0,95 0,90 0,80 0,70 0,60 0,50 0,40 0,30 0,20 0,10 0,05 0,02

10,196 13,091 14,848 17,187 19,021 20,690 22,337 24,069 26,018 28,429 32,007 35,172 38,9
10,856 13,848 15,659 18,062 19,943 21,652 23,337 25,106 27,096 29,553 33,196 36,415 40,2
11,524 14,611 16,473 18,940 20,867 22,616 24,337 26,143 28,172 30,675 34,382 37,652 41,5
12,198 15,379 17,292 19,820 21,792 23,579 25,336 27,179 29,246 31,795 35,563 38,885 42,8
12,878 16,151 18,114 20,703 22,719 24,544 26,336 28,214 30,319 32,912 36,741 40,113 44,1
13,565 16,928 18,939 21,588 23,647 25,509 27,336 29,249 31,391 34,027 37,916 41,337 45,4
14,256 17,708 19,768 22,475 24,577 26,475 28,336 30,283 32,461 35,139 39,087 42,557 46,6
14,953 18,493 20,599 23,364 25,508 27,442 29,336 31,316 33,530 36,250 40,256 43,773 47,9
15,655 19,281 21,434 24,255 26,440 28,409 30,336 32,349 34,598 37,359 41,422 44,985 49,2
16,362 20,072 22,271 25,148 27,373 29,376 31,336 33,381 35,665 38,466 42,585 46,194 50,4
17,074 20,867 23,110 26,042 28,307 30,344 32,336 34,413 36,731 39,572 43,745 47,400 51,7
17,789 21,664 23,952 26,938 29,242 31,313 33,336 35,444 37,795 40,676 44,903 48,602 52,9
18,509 22,465 24,797 27,836 30,178 32,282 34,336 36,475 38,859 41,778 46,059 49,802 54,2
19,233 23,269 25,643 28,735 31,115 33,252 35,336 37,505 39,922 42,879 47,212 50,998 55,4
19,960 24,075 26,492 29,635 32,053 34,222 36,336 38,535 40,984 43,978 48,363 52,192 56,7
20,691 24,884 27,343 30,537 32,992 35,192 37,335 39,564 42,045 45,076 49,513 53,384 57,9
21,426 25,695 28,196 31,441 33,932 36,163 38,335 40,593 43,105 46,173 50,660 54,572 59,2
22,164 26,509 29,051 32,345 34,872 37,134 39,335 41,622 44,165 47,269 51,805 55,758 60,4
22,906 27,326 29,907 33,251 35,813 38,105 40,335 42,651 45,224 48,363 52,949 56,942 61,6
23,650 28,144 30,765 34,157 36,755 39,077 41,335 43,679 46,282 49,456 54,090 58,124 62,8
24,398 28,965 31,625 35,065 37,698 40,050 42,335 44,706 47,339 50,548 55,230 59,304 64,1
25,148 29,787 32,487 35,974 38,641 41,022 43,335 45,734 48,396 51,639 56,369 60,481 65,3

25
 Anexa 5 (continuare)


0,99 0,95 0,90 0,80 0,70 0,60 0,50 0,40 0,30 0,20 0,10 0,05 0,02

25,901 30,612 33,350 36,884 39,585 41,995 44,335 46,761 49,452 52,729 57,505 61,656 66,5
26,657 31,439 34,215 37,795 40,529 42,968 45,335 47,787 50,507 53,818 58,641 62,830 67,7
27,416 32,268 35,081 38,708 41,474 43,942 46,335 48,814 51,562 54,906 59,774 64,001 68,9
28,177 33,098 35,949 39,621 42,420 44,915 47,335 49,840 52,616 55,993 60,907 65,171 70,1
28,941 33,930 36,818 40,534 43,366 45,889 48,335 50,866 53,670 57,079 62,038 66,339 71,4
29,707 34,764 37,689 41,449 44,313 46,864 49,335 51,892 54,723 58,164 63,167 67,505 72,6
30,475 35,600 38,560 42,365 45,261 47,838 50,335 52,917 55,775 59,248 64,295 68,669 73,8
31,246 36,437 39,433 43,281 46,209 48,813 51,335 53,942 56,827 60,332 65,422 69,832 75,0
32,019 37,276 40,308 44,199 47,157 49,788 52,335 54,967 57,879 61,414 66,548 70,993 76,2
32,793 38,116 41,183 45,117 48,106 50,764 53,335 55,992 58,930 62,496 67,673 72,153 77,4
33,570 38,958 42,060 46,036 49,055 51,739 54,335 57,016 59,980 63,577 68,796 73,311 78,6
34,350 39,801 42,937 46,955 50,005 52,715 55,335 58,040 61,031 64,658 69,919 74,468 79,8
35,131 40,646 43,816 47,876 50,956 53,691 56,335 59,064 62,080 65,737 71,040 75,624 81,0
35,913 41,492 44,696 48,797 51,906 54,667 57,335 60,088 63,129 66,816 72,160 76,778 82,2
36,698 42,339 45,577 49,718 52,858 55,643 58,335 61,111 64,178 67,894 73,279 77,931 83,3
37,485 43,188 46,459 50,641 53,809 56,620 59,335 62,135 65,227 68,972 74,397 79,082 84,5
38,273 44,038 47,342 51,564 54,761 57,597 60,335 63,158 66,274 70,049 75,514 80,232 85,7
39,063 44,889 48,226 52,487 55,714 58,574 61,335 64,181 67,322 71,125 76,630 81,381 86,9
39,855 45,741 49,111 53,412 56,666 59,551 62,335 65,204 68,369 72,201 77,745 82,529 88,1
40,649 46,595 49,996 54,336 57,620 60,528 63,335 66,226 69,416 73,276 78,860 83,675 89,3
41,444 47,450 50,883 55,262 58,573 61,506 64,335 67,249 70,462 74,351 79,973 84,821 90,5
42,240 48,305 51,770 56,188 59,527 62,484 65,335 68,271 71,508 75,425 81,085 85,965 91,6

26
 Anexa 5 (continuare)


0,99 0,95 0,90 0,80 0,70 0,60 0,50 0,40 0,30 0,20 0,10 0,05 0,02

43,038 49,162 52,659 57,115 60,481 63,461 66,335 69,293 72,554 76,498 82,197 87,108 92,8
43,838 50,020 53,548 58,042 61,436 64,440 67,335 70,315 73,600 77,571 83,308 88,250 94,0
44,639 50,879 54,438 58,970 62,391 65,418 68,334 71,337 74,645 78,643 84,418 89,391 95,2
45,442 51,739 55,329 59,898 63,346 66,396 69,334 72,358 75,689 79,715 85,527 90,531 96,3
46,246 52,600 56,221 60,827 64,302 67,375 70,334 73,380 76,734 80,786 86,635 91,670 97,5
47,051 53,462 57,113 61,756 65,258 68,353 71,334 74,401 77,778 81,857 87,743 92,808 98,7
47,858 54,325 58,006 62,686 66,214 69,332 72,334 75,422 78,821 82,927 88,850 93,945 99,9
48,666 55,189 58,900 63,616 67,170 70,311 73,334 76,443 79,865 83,997 89,956 95,081 101,0
49,475 56,054 59,795 64,547 68,127 71,290 74,334 77,464 80,908 85,066 91,061 96,217 102,2
50,286 56,920 60,690 65,478 69,084 72,270 75,334 78,485 81,951 86,135 92,166 97,351 103,4
51,097 57,786 61,586 66,409 70,042 73,249 76,334 79,505 82,994 87,203 93,270 98,484 104,5
51,910 58,654 62,483 67,341 70,999 74,228 77,334 80,526 84,036 88,271 94,374 99,617 105,7
52,725 59,522 63,380 68,274 71,957 75,208 78,334 81,546 85,078 89,338 95,476 100,749 106,9
53,540 60,391 64,278 69,207 72,915 76,188 79,334 82,566 86,120 90,405 96,578 101,879 108,0
54,357 61,261 65,176 70,140 73,874 77,168 80,334 83,586 87,161 91,472 97,680 103,010 109,2
55,174 62,132 66,076 71,074 74,833 78,148 81,334 84,606 88,202 92,538 98,780 104,139 110,3
55,993 63,004 66,976 72,008 75,792 79,128 82,334 85,626 89,243 93,604 99,880 105,267 111,5
56,813 63,876 67,876 72,943 76,751 80,108 83,334 86,646 90,284 94,669 100,980 106,395 112,7
57,634 64,749 68,777 73,878 77,710 81,089 84,334 87,665 91,325 95,734 102,079 107,522 113,8
58,456 65,623 69,679 74,813 78,670 82,069 85,334 88,685 92,365 96,799 103,177 108,648 115,0
59,279 66,498 70,581 75,749 79,630 83,050 86,334 89,704 93,405 97,863 104,275 109,773 116,1
60,103 67,373 71,484 76,685 80,590 84,031 87,334 90,723 94,445 98,927 105,372 110,898 117,3

27
 Anexa 5 (continuare)


0,99 0,95 0,90 0,80 0,70 0,60 0,50 0,40 0,30 0,20 0,10 0,05 0,02

60,928 68,249 72,387 77,622 81,550 85,012 88,334 91,742 95,484 99,991 106,469 112,022 118,4
61,754 69,126 73,291 78,558 82,511 85,993 89,334 92,761 96,524 101,054 107,565 113,145 119,6
62,581 70,003 74,196 79,496 83,472 86,974 90,334 93,780 97,563 102,117 108,661 114,268 120,8
63,409 70,882 75,100 80,433 84,433 87,955 91,334 94,799 98,602 103,179 109,756 115,390 121,9
64,238 71,760 76,006 81,371 85,394 88,936 92,334 95,818 99,641 104,241 110,850 116,511 123,1
65,068 72,640 76,912 82,309 86,356 89,917 93,334 96,836 100,679 105,303 111,944 117,632 124,2
65,898 73,520 77,818 83,248 87,317 90,899 94,334 97,855 101,717 106,364 113,038 118,752 125,4
66,730 74,401 78,725 84,187 88,279 91,881 95,334 98,873 102,755 107,425 114,131 119,871 126,5
67,562 75,282 79,633 85,126 89,241 92,862 96,334 99,892 103,793 108,486 115,223 120,990 127,7
68,396 76,164 80,541 86,065 90,204 93,844 97,334 100,910 104,831 109,547 116,315 122,108 128,8
69,230 77,046 81,449 87,005 91,166 94,826 98,334 101,928 105,868 110,607 117,407 123,225 129,9
70,065 77,929 82,358 87,945 92,129 95,808 99,334 102,946 106,906 111,667 118,498 124,342 131,1

28
 Anexa 6
Valorile tabelate ale distributiei Student



0,99 0,95 0,90 0,80 0,70 0,60 0,50 0,40 0,30 0,20 0,10 0,05 0,02

0,016 0,079 0,158 0,325 0,510 0,727 1,000 1,376 1,963 3,078 6,314 12,706 31,820
0,014 0,071 0,142 0,289 0,445 0,617 0,816 1,061 1,386 1,886 2,920 4,303 6,965
0,014 0,068 0,137 0,277 0,424 0,584 0,765 0,978 1,250 1,638 2,353 3,182 4,541
0,013 0,067 0,134 0,271 0,414 0,569 0,741 0,941 1,190 1,533 2,132 2,776 3,747
0,013 0,066 0,132 0,267 0,408 0,559 0,727 0,920 1,156 1,476 2,015 2,571 3,365
0,013 0,065 0,131 0,265 0,404 0,553 0,718 0,906 1,134 1,440 1,943 2,447 3,143
0,013 0,065 0,130 0,263 0,402 0,549 0,711 0,896 1,119 1,415 1,895 2,365 2,998
0,013 0,065 0,130 0,262 0,399 0,546 0,706 0,889 1,108 1,397 1,860 2,306 2,896
0,013 0,064 0,129 0,261 0,398 0,543 0,703 0,883 1,100 1,383 1,833 2,262 2,821
0,013 0,064 0,129 0,260 0,397 0,542 0,700 0,879 1,093 1,372 1,812 2,228 2,764
0,013 0,064 0,129 0,260 0,396 0,540 0,697 0,876 1,088 1,363 1,796 2,201 2,718
0,013 0,064 0,128 0,259 0,395 0,539 0,695 0,873 1,083 1,356 1,782 2,179 2,681
0,013 0,064 0,128 0,259 0,394 0,538 0,694 0,870 1,079 1,350 1,771 2,160 2,650
0,013 0,064 0,128 0,258 0,393 0,537 0,692 0,868 1,076 1,345 1,761 2,145 2,624
0,013 0,064 0,128 0,258 0,393 0,536 0,691 0,866 1,074 1,341 1,753 2,131 2,602
0,013 0,064 0,128 0,258 0,392 0,535 0,690 0,865 1,071 1,337 1,746 2,120 2,583
0,013 0,064 0,128 0,257 0,392 0,534 0,689 0,863 1,069 1,333 1,740 2,110 2,567
0,013 0,064 0,127 0,257 0,392 0,534 0,688 0,862 1,067 1,330 1,734 2,101 2,552
0,013 0,064 0,127 0,257 0,391 0,533 0,688 0,861 1,066 1,328 1,729 2,093 2,539
0,013 0,063 0,127 0,257 0,391 0,533 0,687 0,860 1,064 1,325 1,725 2,086 2,528
0,013 0,063 0,127 0,257 0,391 0,532 0,686 0,859 1,063 1,323 1,721 2,080 2,518
0,013 0,063 0,127 0,256 0,390 0,532 0,686 0,858 1,061 1,321 1,717 2,074 2,508
0,013 0,063 0,127 0,256 0,390 0,532 0,685 0,858 1,060 1,319 1,714 2,069 2,500
0,013 0,063 0,127 0,256 0,390 0,531 0,685 0,857 1,059 1,318 1,711 2,064 2,492
0,013 0,063 0,127 0,256 0,390 0,531 0,684 0,856 1,058 1,316 1,708 2,060 2,485
0,013 0,063 0,127 0,256 0,390 0,531 0,684 0,856 1,058 1,315 1,706 2,056 2,479
0,013 0,063 0,127 0,256 0,389 0,531 0,684 0,855 1,057 1,314 1,703 2,052 2,473
0,013 0,063 0,127 0,256 0,389 0,530 0,683 0,855 1,056 1,313 1,701 2,048 2,467

29
 Anexa 6 (continuare)


0,99 0,95 0,90 0,80 0,70 0,60 0,50 0,40 0,30 0,20 0,10 0,05 0,02

0,013 0,063 0,127 0,256 0,389 0,530 0,683 0,854 1,055 1,311 1,699 2,045 2,462
0,013 0,063 0,127 0,256 0,389 0,530 0,683 0,854 1,055 1,310 1,697 2,042 2,457
0,013 0,063 0,127 0,256 0,389 0,530 0,682 0,853 1,054 1,309 1,696 2,040 2,453
0,013 0,063 0,127 0,255 0,389 0,530 0,682 0,853 1,054 1,309 1,694 2,037 2,449
0,013 0,063 0,127 0,255 0,389 0,530 0,682 0,853 1,053 1,308 1,692 2,035 2,445
0,013 0,063 0,127 0,255 0,389 0,529 0,682 0,852 1,052 1,307 1,691 2,032 2,441
0,013 0,063 0,127 0,255 0,388 0,529 0,682 0,852 1,052 1,306 1,690 2,030 2,438
0,013 0,063 0,127 0,255 0,388 0,529 0,681 0,852 1,052 1,306 1,688 2,028 2,434
0,013 0,063 0,127 0,255 0,388 0,529 0,681 0,851 1,051 1,305 1,687 2,026 2,431
0,013 0,063 0,127 0,255 0,388 0,529 0,681 0,851 1,051 1,304 1,686 2,024 2,429
0,013 0,063 0,126 0,255 0,388 0,529 0,681 0,851 1,050 1,304 1,685 2,023 2,426
0,013 0,063 0,126 0,255 0,388 0,529 0,681 0,851 1,050 1,303 1,684 2,021 2,423
0,013 0,063 0,126 0,255 0,388 0,529 0,681 0,850 1,050 1,303 1,683 2,020 2,421
0,013 0,063 0,126 0,255 0,388 0,528 0,680 0,850 1,049 1,302 1,682 2,018 2,418
0,013 0,063 0,126 0,255 0,388 0,528 0,680 0,850 1,049 1,302 1,681 2,017 2,416
0,013 0,063 0,126 0,255 0,388 0,528 0,680 0,850 1,049 1,301 1,680 2,015 2,414
0,013 0,063 0,126 0,255 0,388 0,528 0,680 0,850 1,049 1,301 1,679 2,014 2,412
0,013 0,063 0,126 0,255 0,388 0,528 0,680 0,850 1,048 1,300 1,679 2,013 2,410
0,013 0,063 0,126 0,255 0,388 0,528 0,680 0,849 1,048 1,300 1,678 2,012 2,408
0,013 0,063 0,126 0,255 0,388 0,528 0,680 0,849 1,048 1,299 1,677 2,011 2,407
0,013 0,063 0,126 0,255 0,388 0,528 0,680 0,849 1,048 1,299 1,677 2,010 2,405
0,013 0,063 0,126 0,255 0,388 0,528 0,679 0,849 1,047 1,299 1,676 2,009 2,403
0,013 0,063 0,126 0,255 0,387 0,528 0,679 0,849 1,047 1,298 1,675 2,008 2,402
0,013 0,063 0,126 0,255 0,387 0,528 0,679 0,849 1,047 1,298 1,675 2,007 2,400
0,013 0,063 0,126 0,255 0,387 0,528 0,679 0,848 1,047 1,298 1,674 2,006 2,399
0,013 0,063 0,126 0,255 0,387 0,528 0,679 0,848 1,046 1,297 1,674 2,005 2,397
0,013 0,063 0,126 0,255 0,387 0,527 0,679 0,848 1,046 1,297 1,673 2,004 2,396
0,013 0,063 0,126 0,255 0,387 0,527 0,679 0,848 1,046 1,297 1,673 2,003 2,395
0,013 0,063 0,126 0,255 0,387 0,527 0,679 0,848 1,046 1,297 1,672 2,002 2,394
0,013 0,063 0,126 0,255 0,387 0,527 0,679 0,848 1,046 1,296 1,672 2,002 2,392
0,013 0,063 0,126 0,254 0,387 0,527 0,679 0,848 1,046 1,296 1,671 2,001 2,391

30
 Anexa 6 (continuare)


0,99 0,95 0,90 0,80 0,70 0,60 0,50 0,40 0,30 0,20 0,10 0,05 0,02

0,013 0,063 0,126 0,254 0,387 0,527 0,679 0,848 1,045 1,296 1,671 2,000 2,390
0,013 0,063 0,126 0,254 0,387 0,527 0,679 0,848 1,045 1,296 1,670 2,000 2,389
0,013 0,063 
0,126 0,254 0,387 0,527 0,678 0,847 1,045 1,295 1,670 1,999 2,388
0,013 0,063  0,126 0,254 0,387 0,527 0,678 0,847 1,045 1,295 1,669 1,998 2,387
0,013 0,063 0,126 0,254 0,387 0,527 0,678 0,847 1,045 1,295 1,669 1,998 2,386
0,013 0,063 0,126 0,254 0,387 0,527 0,678 0,847 1,045 1,295 1,669 1,997 2,385
0,013 0,063 0,126 0,254 0,387 0,527 0,678 0,847 1,045 1,295 1,668 1,997 2,384
0,013 0,063 0,126 0,254 0,387 0,527 0,678 0,847 1,045 1,294 1,668 1,996 2,383
0,013 0,063 0,126 0,254 0,387 0,527 0,678 0,847 1,044 1,294 1,668 1,995 2,382
0,013 0,063 0,126 0,254 0,387 0,527 0,678 0,847 1,044 1,294 1,667 1,995 2,382
0,013 0,063 0,126 0,254 0,387 0,527 0,678 0,847 1,044 1,294 1,667 1,994 2,381
0,013 0,063 0,126 0,254 0,387 0,527 0,678 0,847 1,044 1,294 1,667 1,994 2,380
0,013 0,063 0,126 0,254 0,387 0,527 0,678 0,847 1,044 1,293 1,666 1,993 2,379
0,013 0,063 0,126 0,254 0,387 0,527 0,678 0,847 1,044 1,293 1,666 1,993 2,379
0,013 0,063 0,126 0,254 0,387 0,527 0,678 0,847 1,044 1,293 1,666 1,993 2,378
0,013 0,063 0,126 0,254 0,387 0,527 0,678 0,846 1,044 1,293 1,665 1,992 2,377
0,013 0,063 0,126 0,254 0,387 0,527 0,678 0,846 1,044 1,293 1,665 1,992 2,376
0,013 0,063 0,126 0,254 0,387 0,527 0,678 0,846 1,043 1,293 1,665 1,991 2,376
0,013 0,063 0,126 0,254 0,387 0,527 0,678 0,846 1,043 1,292 1,665 1,991 2,375
0,013 0,063 0,126 0,254 0,387 0,527 0,678 0,846 1,043 1,292 1,664 1,990 2,374
0,013 0,063 0,126 0,254 0,387 0,526 0,678 0,846 1,043 1,292 1,664 1,990 2,374
0,013 0,063 0,126 0,254 0,387 0,526 0,678 0,846 1,043 1,292 1,664 1,990 2,373
0,013 0,063 0,126 0,254 0,387 0,526 0,677 0,846 1,043 1,292 1,664 1,989 2,373
0,013 0,063 0,126 0,254 0,387 0,526 0,677 0,846 1,043 1,292 1,663 1,989 2,372
0,013 0,063 0,126 0,254 0,387 0,526 0,677 0,846 1,043 1,292 1,663 1,989 2,372
0,013 0,063 0,126 0,254 0,387 0,526 0,677 0,846 1,043 1,292 1,663 1,988 2,371
0,013 0,063 0,126 0,254 0,387 0,526 0,677 0,846 1,043 1,291 1,663 1,988 2,370
0,013 0,063 0,126 0,254 0,387 0,526 0,677 0,846 1,043 1,291 1,663 1,988 2,370
0,013 0,063 0,126 0,254 0,387 0,526 0,677 0,846 1,043 1,291 1,662 1,987 2,369
0,013 0,063 0,126 0,254 0,387 0,526 0,677 0,846 1,043 1,291 1,662 1,987 2,369
0,013 0,063 0,126 0,254 0,387 0,526 0,677 0,846 1,042 1,291 1,662 1,987 2,368

Anexa 6 (continuare)

0,99 0,95 0,90 0,80 0,70 0,60 0,50 0,40 0,30 0,20 0,10 0,05 0,02

0,013 0,063 0,126 0,254 0,387 0,526 0,677 0,846 1,042 1,291 1,662 1,986 2,368
0,013 0,063 0,126 0,254 0,387 0,526 0,677 0,846 1,042 1,291 1,662 1,986 2,368
0,013 0,063 0,126 0,254 0,387 0,526 0,677 0,846 1,042 1,291 1,661 1,986 2,367
0,013 0,063 0,126 0,254 0,386 0,526 0,677 0,845 1,042 1,291 1,661 1,986 2,367
0,013 0,063 0,126 0,254 0,386 0,526 0,677 0,845 1,042 1,291 1,661 1,985 2,366
0,013 0,063 0,126 0,254 0,386 0,526 0,677 0,845 1,042 1,290 1,661 1,985 2,366
0,013 0,063 0,126 0,254 0,386 0,526 0,677 0,845 1,042 1,290 1,661 1,985 2,365
0,013 0,063 0,126 0,254 0,386 0,526 0,677 0,845 1,042 1,290 1,661 1,984 2,365
0,013 0,063 0,126 0,254 0,386 0,526 0,677 0,845 1,042 1,290 1,660 1,984 2,365
0,013 0,063 0,126 0,254 0,386 0,526 0,677 0,845 1,042 1,290 1,660 1,984 2,365

31
32