TEMA NR.

SL.29
N N1
i1 = ⋅100
0 N0

610
i 1 a= ⋅ 100=98,38 sau 0,9838%
620
32
i 1 b= ⋅100=60 sau 0,60%
50
35
i1 c = ⋅100=87,5 sau 0,875%
40
75
i 2= ⋅100=75 sau 0,75%
100
32
i 2 a= ⋅100=106,6 sau 1,06%
30
43
i 2 b= ⋅ 100=61,42 sau 0,61%
70
68
i 3= ⋅100=113,3 sau 1,133%
60
n

∑ Ni 1

I ∑1/N0 = i =1
n
⋅ 100
∑ Ni 0
i=1

∑N 610+32+35+75+68 820
I 1/ 0 = ⋅100=¿ ⋅ 100 = 94,25 sau 0,94%
620+ 50+ 40+100+ 60 870

N
Δ 1 =N 1−N 0
0

Δ 1 a =610-620= -10

Δ 1 b =32-50= -18

Δ 1 c =35-40= -5
Δ 2 =75-100= -25

Δ 2 a =32-30= 2

Δ 2 b =43-70= -27

Δ 3 =68-60= 8
n n
Δ 1 ∕ 0=∑ N i1 −∑ N i 0
∑N

i=1 i=1

Δ ∑1 N∕ 0 = (610+32+35+75+68) – (620+50+40+100+60)= 820-870= -50

SL.30
T Lz
K= ⋅100
FTMD

FTMD = FC – (CO+ZLSL)
ZLSL = N∗¿ Z s =¿ ¿ 2000*31 = 62.000
FC = 2000*(31*8) = 496.000
FTMD = FC – (CO+ZLSL) = 496.000 – 62.000 = 434.000
TLZ = 23*8*2.000 = 368.000
368.000
K= 434.000 ⋅ 100=84,79

SL.37
Legăturile statistice
Tipuri de legături statistice
Legăturile ce se pot forma sunt legături stohastice, în care un fenomen este
factor de influenta, iar celălalt este efect. Statistica, printr-o gamă largă de
procedee şi metode specifice, poate studia manifestarea concretă a acestor
legături, le poate exprima cantitativ şi măsura intensitatea cu care se produc.
Legătura (dependenţa) statistică se caracterizează prin faptul că, la modificarea
unui factor de influenţă, factorul influenţat răspunde cu o distribuţie de valori.
Legăturile statistice se pot clasifica astfel:
1) După numărul caracteristicilor studiate:
a) legături simple (în cazul a doua variabile) – fenomenul analizat este
determinat de un singur factor cu influență esențială, ceilalți factori având numai
o acțiune nesemnificativă sau accidental;
b) legături multiple( pentru mai multe variabile) -fenomenul analizat este
determinat de doi sau mai mulți factori de acțiune hotărâtoare.
2) După direcţia în care se produc:
a) legături directe(pozitive), când variabilele evoluează ăn același sens, adică
creșterea/descreșterea valorilor caracteristicii factoriale este urmată de
creșterea/descreșterea caracteristicii rezultative;
b) legături inverse(negative), când variabilele își modifică nivelul în sens
contrar, adică creștera valorilor caracteristicii factoriale este urmată de
descreșterea caracteristicii resultative sau, invers, scăderii primei caracteristici ăi
corespunde creșterea celei de-a doua .
3) După forma legăturii sau expresia analitică:
a) legăturile liniare, exprimate prin ecuația liniei drepte(modificarea variabilei
dependente este proporțională cu modificarea variabilei independente, pe tot
intervalul de variație al variabilei independente);
b) legăturile neliniare, exprimate prin ecuația unei curbe – exponențiale,
parabolice, hiperbolice etc. – ( proporția și chiar sensul modificării variabilei
dependente ca reacție la modificarea variabilei independente diferă de la un
segment al intervalului de variație la altul, crescând sau descrescând).
4) După timpul când se produce legătura:
a) legături sincronice(concomitente), când variabilele se modifică în același
interval de timp;
 b) legături asincronice(cu decalaj), când efectul acțiunii factorului se resimte
cu întârziere( în această situație, analiza statistică trebuie să se utilizeze variabile
înregistrate în perioade diferite).
5) După felul de exprimare a variabilelor:
a) corelații statistice – variabilele dependente sunt exprimate
numeric(cantitativ);
b) asocieri statistice – variabilele sunt exprimate prin cuvinte.

SL.38
METODA GRAFICA
Metoda grafică constă în construirea graficului de corelaţie (corelogramei),
pe baza unui sistem de coordonate rectangular. Valorile caracteristicii factoriale X
sau intervalele acesteia se trec pe abscisă, iar pe ordonată se trec valorile
caracteristicii rezultative Y sau intervalele acesteia. Fiecare unitate observată, prin
valorile măsurate pentru cele două caracteristici, va determina un punct de aceste
coordonate pe graficul de corelaţie. În funcţie de amplitudinea variaţiei
caracteristicii factoriale se stabileşte scala de reprezentare pe abscisă. Se
recomandă, ca şi pentru caracteristica rezultativă Y, să se stabilească acelaşi
număr de diviziuni al scălii.
Metoda grafică se mai numeşte şi metoda “norilor de puncte”; ea stă la baza
alegerii funcţiei analitice în cazul regresiei şi corelaţiei. Corelograma dă
posibilitatea stabilirii atât a existenţei legăturii, a sensului, a formei, a intensităţii,
cât şi a absenţei legăturii.
După modul de orientare a norului de puncta avem:
- legătură directă atunci când se observă o orientare ascendentă;
-legătură inversă atunci când se observă o orientare descendentă.
Corelograma se folosește atât ca metodă independentă de prezentare a
corelației, cât și ca instrument de stabilire corectă a functiei analitice care se
studiază.
SL.39
Cele mai mici pătrate liniare. Regresie liniara
Metoda celor mai mici pătrate (OLS, ing. Cele mai mici pătrate obișnuite,
MCO) -- o metodă matematică folosită pentru rezolvarea diferitelor probleme,
bazată pe minimizarea sumei abaterilor pătrate ale unor funcții de la variabilele
dorite. Poate fi folosit pentru a „rezolva” sisteme de ecuații supradeterminate
(atunci când numărul de ecuații depășește numărul de necunoscute), pentru a
găsi o soluție în cazul sistemelor de ecuații neliniare obișnuite (nu
supradeterminate), pentru a aproxima valorile punctuale prin vreo funcție. MCO
este una dintre metodele de bază de analiză de regresie pentru estimarea
parametrilor necunoscuți ai modelelor de regresie din datele eșantionului.
Esența metodei celor mai mici pătrate
Fie un set de variabile (parametri) necunoscute, fie un set de funcții din acest set
de variabile. Sarcina este de a selecta astfel de valori ale lui x, astfel încât valorile
acestor funcții să fie cât mai apropiate de unele valori. În esență, vorbim despre
„soluția” unui sistem supradeterminat de ecuații în sensul indicat al proximității
maxime a părților din stânga și din dreapta ale sistemului. Esența LSM este de a
alege ca „măsură de proximitate” suma abaterilor pătrate ale părților din stânga și
din dreapta - . Astfel, esența LSM poate fi exprimată astfel:
- dacă sistemul de ecuații are o soluție, atunci minimul sumei pătratelor va fi
egal cu zero și soluțiile exacte ale sistemului de ecuații pot fi găsite analitic sau, de
exemplu, prin diverse metode de optimizare numerică.
- dacă sistemul este supradeterminat, adică, în mod vag, numărul de ecuații
independente este mai mare decât numărul de variabile necunoscute, atunci
sistemul nu are o soluție exactă și metoda celor mai mici pătrate ne permite să
găsim un vector „optim” în sensul proximității maxime a vectorilor și sau
proximității maxime a vectorului de deviație față de zero (proximitatea înțeleasă
în sensul distanței euclidiene).
În special, metoda celor mai mici pătrate poate fi folosită pentru a „rezolva”
sistemul de ecuații liniare unde matricea nu este pătrată, ci dreptunghiulară (mai
precis, rangul matricei A este mai mare decât numărul de variabile necesare).
Graficul (prezentat în Figura 1.1) este un grafic de dispersie a prețurilor
apartamentelor și a distanțelor acestora față de centrul orașului, împreună cu o
linie de regresie propusă.

(Diagrama de dispersie a prețului, distanța față de centrul orașului, împreună cu o

linie de regresie propusă)