Cursuri Bazele Statisticii

BAZELE STATISTICII
Conf.univ.dr. Viorica Chirilă

Programa analitică
1. Noţiuni introductive
2. Analiza unei serii statistice unidimensionale, folosind

metode grafice şi numerice (variabile cantitative: indicatori ai
tendinţei centrale, indicatori ai dispersiei, indicatori ai formei;
variabile calitative).
3. Analiza unei serii statistice bidimensionale.

Programa analitică
4. Probabilităţi şi distribuţii teoretice
5. Estimarea parametrilor unei populaţii
6. Testarea statistică
7. Indicatori ai seriilor de timp

Bibliografie
 Andrei, T., Statistică şi econometrie, Ed. Economică, 2003.
 Bărbat, A., Teoria statisticii sociale, Editura Didactică şi
Pedagogică, Bucureşti, 1972.
 Biji, E.M., Lilea, E., Roşca, E., Vătui, M., Statistică aplicată
în economie, Editura Universal Dalsi, 2000
 Jaba, E., Statistica, ed. a 3-a, Ed. Economică, Bucureşti,
2002.
Bibliografie
 Jaba, E., Pintilescu, C. Statistică. Teste grilă şi probleme, ed.
a 2-a, Editura Sedcom Libris, Iaşi, 2007
 James T. McClave, P. George Benson, Terry Sincich,
Statistics for Business and Economics, Pearson, Education
New Jersey , 2008
 Ţarcă, M., Tratat de statistică aplicată, Editura Didactică şi
Pedagogică, Bucureşti, 1998.
 Wonnacott, H., Wonnacott, T., Statistiques, Economica,
Paris, 1991.
EVALUARE:
 40% - Test (parţial) susţinut în săptămâna a 7 a din
materia primelor 3 teme (29 martie- 4 aprilie);
 20% - Notă seminar;
 40% - Examen grilă susținut din materia temelor 4-7.

1.1. Rolul statisticii în economie

1.2. Concepte fundamentale
1.3. Tipuri de variabile statistice
1.4. Scale de măsurare
1.5. Metode de culegere a datelor
1.1. Rolul statisticii în economie
 Scopul statisticii este cunoașterea fenomenelor de masă,
caracterizate prin variabilitate.
 Statistica descriptivă: vizează descrierea stării și

variabilității unei populații statistice după una sau mai
multe caracteristici
 Statistica inferențială: vizează estimarea caracteristicilor

unei populații pornind de la cunoașterea unui eșantion
reprezentativ din aceasta.
1.2. Concepte fundamentale ale statisticii
a. Populaţia statistică
 reprezintă o mulţime de elemente unite între ele printr-o
trăsătură comună.
 pentru a fi bine definită, o populaţie statistică trebuie să
aibă precizată omogenitatea elementelor sale
componente din punct de vedere calitativ, de timp şi de
spaţiu.
Exemplu.
- volumul unei populaţii se notează cu N.

b. Eşantionul
 Reprezintă un sub-ansamblu de unităţi ale unei populaţii
extras din populaţia statistică după anumite procedee.
 Aplicarea acestor procedee trebuie să asigure
reprezentativitatea eşantionului.
 Volumul eşantionului se notează cu n.
c. Unităţile statistice
 sunt elementele componente ale unei populaţii statistice.
Exemplu.
d. Variabila statistică
 reprezintă însuşirea, trăsătura esenţială purtată de unităţile
statistice ale unei populaţii.
 se notează cu X. Valorile (variantele) variabilei se notează cu
xi.
e. Indicatorul statistic
 mărime statistică, rezultatul numeric al unei numărări, al
unei măsurări statistice sau al unui calcul asupra datelor
obţinute printr-o înregistrare statistică.
f. Indice statistic
 mărime statistică relativă care se obţine prin compararea, sub
formă de raport, a două valori ale unui indicator statistic.
 după modul de exprimare:
1. Variabile cantitative:
- variabile discrete. Ex.: nr. de şomeri, nr. de angajaţi, nr. de
copii pe familie.
- variabile continue. Ex.: înălţimea, greutatea, viteza.
2. Variabile calitative:
- variabile nominale. Caz particular: variabile alternative
(dummy).
- variabile ordinale.
2. Variabile calitative:
- variabile nominale.
Ex. Sexul persoanei (se pot acorda codurile 1 pentru masculin, 2
pentru feminin)
Caz particular: variabile alternative (dummy).
- variabile ordinale.
Ex. Preferinţa pentru un produs: Foarte bun, Bun, Nici bun- nici
rău, rău, foarte rău
Definire:
 Scala este un continuum de cifre sau de simboluri, plasate
ierarhic, de la inferior la superior.
Tipuri de scale
1. Variabile calitative
a. Scala nominală presupune acordarea de numere (coduri)
fiecărei categorii a unei populaţii (doi indivizi care aparţin
unor categorii distincte au valori diferite).
 este caracteristică variabilelor nominale.
Exemplu: Sexul persoanei
b. Scala ordinală presupune ca atribuirea de coduri numerice

pentru fiecare categorie să se realizeze în ordine
descrescătoare, după importanţa lor.
 este caracteristică variabilelor ordinale.
Exemplu: Nivelul de educaţie: studii primare, studii liceale, studii
superioare.
2. Variabile cantitative
a. Scala interval are ca proprietăţi identitatea, ordinea şi faptul
că intervalul între numere are un sens.
 se poate, astfel, compara diferenţa dintre două valori ale
aceleiaşi variabile.
Exemplu:
- măsurarea temperaturii în sistemul Celsius şi în sistemul
Fahrenheit: diferenţa dintre două temperaturi are un sens.
b. Scala raport
 are aceleaşi proprietăţi ca scala interval şi, în plus, posedă un
zero absolut (considerat punct de referinţă)
 diferenţa şi raportul dintre două valori au un sens
 valoarea zero arată absenţa unui fenomen
Ex.: greutatea, înălțimea.

1. Surse de date statistice
 Anuarul Statistic al României (INS). www.insse.ro
 Sursa de date statistice la nivel european: Oficiul Statistic al

Comunităţii Europene – EUROSTAT. (eurostat database)
Adresa: http://ec.europa.eu/eurostat/data/database
2. Lucrări de înregistrare statistică
a. Recensământul reprezintă o lucrare de înregistrare exhaustivă,
la un moment dat, a unei populaţii.
- înregistrarea surprinde starea populaţiei la un moment dat,
numit moment critic.
b. Rapoarte statistice
 reprezintă lucrări de înregistrare totală (evenimente, fapte).
c. Anchete prin sondaj
d. Monografia statistică
 are ca obiectiv cunoaşterea unei singure unităţi complexe sau
a unei singure probleme.
Aplicaţii:
I. Pentru ansamblul firmelor din județul Iași care desfășoară
activitate de producție se înregistrează valoarea cifrei de
afaceri (mil. lei) la 31 decembrie 2019. Se cere:
 să se precizeze dacă înregistrarea statistică realizată asupra
firmelor observate presupune o cercetare exhaustivă.
 să se definească unitatea statistică şi variabila de grupare .
 să se precizeze tipul variabilei studiate.

II. Se extrage aleator un eșantion format din 50 de studenți
din anul I de la FEAA, în anul universitar 2019-2020, și se
înregistrează nota obținută la un examen.
Se cere:
 să se precizeze dacă înregistrarea statistică realizată
presupune o cercetare exhaustivă.
 să se definească unitatea statistică şi variabila de grupare.
 să se precizeze tipul variabilei studiate.
Observaţii:
1. Cunoaşterea unei colectivităţi statistice, atunci când se
dispune de valorile luate de una sau mai multe variabile
statistice asupra ansamblului, presupune aplicarea statisticii
descriptive.
2. Atunci când se dispune de valorile luate de una sau mai multe

variabile statistice asupra unui eşantion, cunoaşterea întregii
colectivităţi din care este extras eşantionul presupune
folosirea statisticii inferenţiale.
BAZELE STATISTICII
Conf.univ.dr. Viorica Chirilă
1
2. Analiza unei serii statistice univariate
2.1. Variabile cantitative
A. Variabilă discretă
1. Prezentarea seriei (distribuţiei) statistice

- seria simplă X:(xi), cu i=1,n , când n1=n2= … =ni=1
 xi 
- seria cu frecvenţe diferite X:   , când ni≠nj.
 ni 
2
• Frecvenţe absolute cumulate crescător (Ni  )
sau descrescător (Ni  )
- exprimă numărul de unităţi statistice cumulate “până la”
sau “peste” nivelul considerat al caracteristicii, adică
valori ≤ xi, respectiv ≥ xi.
i
N i = N i −1  + ni =  nh
h =1
m
N i = N i +1  + ni =  nh
h =i
3
• Frecvenţe relative cumulate crescător (Fi  )
sau descrescător (Fi  )
- exprimă ponderea unităţilor statistice cumulate “până

la” sau “peste” nivelul considerat al caracteristicii, adică
valori ≤ xi, respectiv ≥ xi.
4
2. Caracterizarea seriei folosind metode grafice
a. Poligonul frecvenţelor:
- construirea acestuia presupune găsirea locului geometric al
punctelor Ai de coordonate (xi,ni) sau (xi,fi) şi unirea
acestora prin segmente de dreaptă.
- aproximează forma unei distribuţii.
b. Curba frecvenţelor:
- presupune ajustarea printr-o linie curbă, continuă a
poligonului frecvenţelor.
- aproximează mai bine forma de distribuţie a colectivităţii
după variabila considerată.
5
3. Analiza seriei folosind metode numerice
Presupune calculul indicatorilor statisticii descriptive,
cunoscuţi şi sub denumirea de caracteristici numerice ale
unei distribuţii.
3.1. Indicatori ai tendinţei centrale (mărimi medii)
a. Definire:
- mediile sunt acele valori în jurul cărora se repartizează
unităţile unei populaţii.
- cele mai importante mărimi medii sunt media artitmetică,
modul şi mediana .
6
3. Analiza seriei folosind metode numerice
b. Media aritmetică ( x )
- Media aritmetică este valoarea pe care am observa-o dacă
unităţile statistice ar înregistra aceleaşi valori ale variabilei
(dacă nu ar exista variaţii ale valorilor înregistrate de
unităţile statistice).
- Mod de calcul în cazul seriilor simple şi seriilor cu frecvenţe

diferite (variabilă discretă).
7
 Media simplă:  xi
x= i
n
 Media ponderată.
 x i  ni
x= i sau x =  xi  f i
 ni i
i
Observaţie:
Media aritmetică este sensibilă la prezenţa valorilor extreme
(outliers).
8
Cele mai importante proprietăţi ale mediei aritmetice:
1. Media unei distribuţii este o valoare internă:
xmin≤ x ≤xmax.
2. Media este o mărime normală: suma abaterilor valorilor

individuale ale unei variabile X de la media lor este egală cu
zero.
9
c. Modul (Mo)
 este valoarea variabilei cea mai frecvent observată într-o
distribuţie, adică valoarea xi care corespunde frecvenţei
maxime (nimax).
Observaţie:
 modul poate fi aflat doar în cazul seriilor cu frecvenţe
diferite.
 o distribuţie poate avea una, două sau mai multe valori
modale (serii unimodale, bimodale sau plurimodale).
Interpretare: Cele mai multe unităţi înregistrează valoarea

modală.
10
d. Mediana (Me)
- este acea valoare a variabilei unei serii ordonate, crescător sau
descrescător, până la care şi peste care sunt distribuite în
număr egal unităţile colectivităţii: jumătate din unităţi au
valori mai mici decât mediana, iar jumătate au valori mai mari
decât mediana.
- corespunde locului unităţii mediane calculate astfel:
n+1
U Me
=
2
11
Aflarea medianei se face diferit în funcţie de tipul seriei:
1. Serii simple:
- număr impar de termeni.
- număr par de termeni.
2. Serii cu frecvenţe diferite

- se calculează unitatea mediană (UMe).
- se calculează N i 
12
- se află prima valoare N i  U Me
- valoarea xi corespunzătoare acesteia este Me.
Observaţie:
- mediana nu este influenţată de valorile extreme.
13
e. Relaţii între cele trei mărimi medii x ,Mo,Me
Arată forma unei distribuții:

1.Când cele trei mărimi medii sunt egale distribuția este
simetrică.
2. Când media este cea mai mare mărime medie distribuția este
asimetrică la dreapta (asimetrie pozitivă).
3. Când media este cea mai mică mărime medie distribuția este
asimetrică la stânga (asimetrie negativă).
14
f. Quartilele
- sunt valori ale variabilei care împart volumul eşantionului în
4 părţi egale.
- reprezentare grafică şi mod de calcul ( Q1, Q2, Q3).
g. Decile
- decila unu (D1) şi decila 9 (D9).
h. Reprezentarea diagramei “box-plot” sau “box-and-whiskers”

 Forma diagramei (xmin, D1, Q1, Q2, Q3, D9, xmax,);
15
 Avantaje:
- permite aprecierea nivelului mediu (Me), dispersiei şi
asimetriei unei distribuţiei;
- facilitează compararea mai multor distribuţii (prin
reprezentarea simultană a diagramelor).
16
Diagrama box-plot
1
NOTA
3 4 5 6 7 8 9 10 11
Analysis weighted by NRSTUD
17
NOTA_1
NOTA_2
3 4 5 6 7 8 9 10 11
18
3.2. Indicatori ai dispersiei (variaţiei)
Definire:
- dispersia exprimă gradul de variaţie a valorilor individuale
ale unei variabile faţă de nivelul mediu.
- aprecierea fenomenului de dispersie al unei distribuţii
permite identificarea gradului de reprezentativitate a mediei
unei distribuţii.
Indicatori sintetici ai dispersiei:

1. Abaterea medie liniară
 xi − x  x i − x  ni
d= i
d= i
, respectiv  ni
n i 19
◼ arată cu cât variază, în medie, valorile xi ale variabilei faţă
de nivelul mediu al distribuţiei, în sens pozitiv şi negativ.
◼ se exprimă în aceeaşi unitate de măsură cu cea a variabilei.
2. Varianţa
 ( x i − x )  ni
2
 ( xi − x )
2
s2 = i
s2 = i  ni
n
, respectiv i
Varianţa este întotdeauna pozitivă, nu are unitate de măsură

şi nu se interpretează.
Prin ridicarea la pătrat a abaterilor valorilor xi faţă de medie
20
creşte “influenţa” valorilor extreme asupra nivelului
varianţei.
3. Abaterea standard (s)

◼ arată cu cât variază, în medie, valorile xi ale variabilei faţă
de nivelul mediu al distribuţiei, în sens pozitiv şi negativ.
◼ se exprimă în aceeaşi unitate de măsură cu cea a variabilei.
4. Coeficientul de variaţie (v)

s
v=  100
x
21
◼ se exprimă în procente.
◼ valori ridicate ale acestui coeficient (v>50%) arată o
distribuţie eterogenă, care se caracterizează printr-o variaţie
mare a valorilor xi faţă de nivelul mediu şi o medie
nereprezentativă.
◼ este sensibil faţă de valoarea mediei: cu cât media este mai
apropiată de zero, cu atât coeficientul de variaţie este mai
dificil de folosit (tinde spre infinit).
22
5. Amplitudinea intervalului interquartilic
IQ=Q3-Q1.
- cuprinde 50% din volumul eşantionului.
6. Coeficientul de variaţie interquartilic

Q3 − Q1
VQ = 2  100
Me
23
 În mod sintetic, cele mai importante caracteristici numerice
ale unei distribuţii pot fi “cuplate” astfel:
 media - abaterea standard (valoare absolută) - coeficientul de
variaţie (valoare relativă)
 mediana - intervalul interquartilic (valoare absolută) -
coeficientul de variaţie interquartilic (valoare relativă)
24
3.3. Indicatori ai formei
1. Asimetria:
- reprezintă o deviere de la forma simetrică a unei distribuţii.
Asimetria poate fi apreciată:

- pe cale grafică: curba frecvenţelor, diagrama box-plot.
- pe cale numerică: - prin calculul indicatorilor de asimetrie
(Skewness).
25
Aprecierea numerică a asimetriei se poate realiza cu ajutorul
Coeficientului de asimetrie Fisher
3
1 =
s3
Interpretare:
26
2. Boltirea
- este definită prin compararea distribuţiei empirice cu
distribuţia normală din punctul de vedere al variaţiei
variabilei X şi a frecvenţei ni.
Boltirea poate fi apreciată:
– pe cale grafică: curba frecvenţelor.
- numeric: prin calculul indicatorilor boltirii (kurtosis).
27
Determinarea numerică a boltirii
Coeficientul de boltire Fisher:
 
 2 = 42 − 3 = 44 − 3
2 s
Interpretare:
28
3.4. Indicatorii statisticii descriptive în
Excel
Column1
Mean 8.6
Standard Error 0.347735
Median 8
Mode 10
Standard Deviation 1.904622
Sample Variance 3.627586
Kurtosis -0.14315
Skewness -0.40554
Range 8
Minimum 4
Maximum 12
Sum 258
Count 30 29
B. Variabilă continuă
1. Prezentarea seriei statistice
- gruparea unităţilor statistice este realizată pe intervale de
variaţie.
Observaţie:
- Gruparea pe intervale de variaţie duce la pierderea unei părţi
a informaţiei iniţiale.
2. Prelucrarea seriei statistice folosind metode grafice

a. Histograma
30
31
b. Poligonul frecvenţelor
c. Curba frecvenţelor
d. Curba frecvenţelor cumulate:
- este reprezentarea grafică a funcţiei de repartiţie a
frecvenţelor unei variabile: F(X<xi).
3. Indicatori ai statisticii descriptive

- se calculează în mod identic, prin “discretizarea” variabilei
(calculul mijlocului intervalelor de variaţie).
32
2. Analiza unei serii univariate
2.1. Variabilă cantitativă
A. Variabilă discretă
B. Variabilă continuă
2.2. Variabilă calitativă
I. Tipuri de variabile
A. Variabile nominale
B. Variabile ordinale
33
II. Reprezentare grafică
a) Variabile nominale:
• Pentru a reprezenta structura pe categorii la nivelul unui
eşantion se calculează frecvenţe relative;
• Reprezentarea structurii unui eşantion se realizează folosind
diagrame de structură: dreptunghiul, pătratul şi cercul de
structură (Bar Chart, Pie Chart).
b) Variabile ordinale:
Reprezentarea structurii unui eşantion se realizează folosind
diagrame de structură (Bar Chart, Pie Chart)
34
Exemplu:
masc
33,3%
fem
66,7%
Figura 1. Distribuţia studenţilor unei grupe

pe sexe, la 1 ianuarie 2011
35
III. Indicatori statistici specifici
a) Variabile nominale:
1. Mărimi relative
- frecvenţe relative (fi)
2. Indicatori ai tendinţei centrale

- modul arată categoria cea mai frecvent observată.
36
b) Variabile ordinale:
1. Mărimi relative
- frecvenţe relative (fi)
- frecvenţe relative cumulate (Fi)
2. Indicatori ai tendinţei centrale

- mediana şi modul.
37
BAZELE STATISTICII
Chirilă Viorica
Programa analitică
2. Analiza unei serii statistice unidimensionale, folosind
metode grafice şi numerice (variabile cantitative:
indicatori ai tendinţei centrale, indicatori ai dispersiei,
indicatori ai formei şi ai concentrării; variabile calitative).
3. Analiza unei serii statistice bidimensionale.
4. Indici statistici
3. Analiza unei serii bidimensionale
3.1. Prezentarea seriei
 O serie bidimensională prezintă variaţia unităţilor unui
eşantion după două variabile de grupare în mod simultan:
- variabilele Xi cu valorile xi , i = 1, m şi Yj cu valorile y j , j = 1, p
Efectivele (unităţile) eşantionului care poartă simultan
valoarea xi şi valoarea y j sunt n ij .
Distribuţia bivariată este definită de:
(xi , y j , nij ), i = 1, m, j = 1, p
3.2. Tipuri de variabile
- o variabilă numerică şi o variabilă nenumerică;
- ambele variabile numerice;
- ambele variabile nenumerice.
3.3. Distribuţia după o variabilă cantitativă şi o variabilă

calitativă
În cadrul unei distribuţii bidimensionale se disting:
a). Două distribuţii marginale
 Distribuţia marginală în X: X : (xi , ni• ) , i = 1,..., m
p
ni • =  nij
j =1
 ( )
Distribuţia marginală în Y: Y : y j , n• j , j = 1,..., p
m
n• j =  nij
i =1
b) Distribuţii condiţionate (m+p distribuţii)
 Distribuţia condiţionată a variabilei X în funcţie de Y
- este definită pentru fiecare valoare yj
(X / Y = y j ) : (xi, nij ), i = 1,..., m si j valoare fixă

 Distribuţia condiţionată a variabilei Y în X
- este definită pentru fiecare valoare xi
(Y / X = xi ) : (y j , nij ), j = 1,..., p şi i valoare fixă
3.4 Frecvenţe absolute
◼ Frecvenţe absolute marginale
ni. şi n.j.
◼ Frecvenţe absolute condiţionate: nij, cu i, respectiv j

valoare fixă.
3.5 Frecvenţe relative
◼ Frecvenţe relative marginale
ni • n• j
◼ f i• = ; f• j =
n•• n••
◼ Frecvenţe relative parţiale:
nij
f ij =
n••
◼ Frecvenţe relative condiţionate

nij
fi / j = j valoare fixa,i = 1,...,m
n• j
nij
f j /i = i valoare fixa, j = 1,..., p
ni•
3.6. Medii condiţionate (pe grupe)
 Dacă X este variabila numerică, atunci media variabilei X pe
grupe este:
m
 xi  nij m
i =1
xj = , cu n• j =  nij , j = 1, p
n• j i =1
3.7. Media pe total
p
 x j  n• j
j =1
x= p
.
 n• j
j =1
3.8. Varianţe condiţionate (varianţe de grupă)
- măsoară variaţia în cadrul unei grupe (intragrupă)- influența
factorilor întâmplători.
m
 (x − x j ) 2  nij
Y = yj
i
s 2j = i =1
n• j pentru
3.9. Media varianțelor de grupă- măsoară influența totală a

factorilor întâmplători
 jn j
s 2
s =
2 j
n j
j
3.10. Varianţa între grupe (varianţa intergrupe)
 Măsoară influența factorului de grupare (factor esențial)
p
 ( x j − x )  n• j
2
j =1
s x2 j = p
 n• j
j =1
3.11. Varianţa generală
 ( x i − x )  ni •
2
s 2X = i
 ni •
i s =s +s
2
X
2 2
xj
3.12 Determinarea gradului de influență al factorilor
s =s +s
2
X
2 2
xj
2
s xj
k1 = 2
100
s x
2
s
k2 = 2 100
sx
BAZELE STATISTICII
Aplicații
Chiar dacă sunt întrebări, aici prezentate, cu mai multe răspunsuri
corecte, la parțial o să aveți întrebări cu un singur răspuns corect.
Aplicaţii
1. Se cunoaște distribuția salariaților unor firme după vârstă, pe
medii de rezidență, prezentată astfel:
Vârsta (ani) Urban Rural
25-35 5 0
35-45 3 2
45-55 2 5
55-65 1 10
 Să se calculeze vârsta medie a persoanelor din mediul urban
 Cât % dintre salariații din mediul urban au vârsta cuprinsa intre 35-45 ani?
 Cât % dintre salariați au vârsta cuprinsă între 45-55 ani si sunt din mediul rural?
 Cât % dintre salariații cu vârsta cuprinsa intre 25-35 ani sunt din mediul rural?
Aplicaţii
Rezolvare:
1. Să se calculeze vârsta medie a persoanelor din mediul urban
xU =
 '
xn
i i
=
430
= 39,09 ani
n i 11
Aplicaţii
Rezolvare:
2. Cat % dintre salariații din mediul urban au vârsta cuprinsă între 35-45
ani?
Salariați în mediul urban: 11
Salariați din mediul urban cu vârsta cuprinsă între 35-45 ani: 3
3
f (%) =  100 = 27, 27%
11
Aplicaţii
Rezolvare:
3. Cat % dintre salariați au vârsta cuprinsă intre 45-55 ani și sunt din mediul
rural?
Salariați total: 28
Salariați cu vârsta cuprinsă între 45-55 din mediul rural și care sunt din mediul
rural: 5
5
f (%) =  100 = 17,86%
28
Aplicaţii
Rezolvare:
4. Cat % dintre salariații cu vârsta cuprinsă între 25-35 ani sunt din mediul
rural?
Salariații cu vârsta cuprinsă între 25-35 ani: 5
Salariați cu vârsta cuprinsă între 25-35 ani din mediul rural: 0
0
f (%) =  100 = 0%
5
Aplicaţii
2. Pentru o firmă se cunosc x = 10 mld .lei , s x2 = 4 şi datele de mai jos:
Domeniul de n.j
activitate
s 2j
A 1,2 20
B 0,9 30
C 1,4 50
TOTAL - 100
- Să se afle varianța care cuantifica diferențele dintre domeniile

de activitate.
Aplicaţii
Rezolvare Problema 2 p
 ( x j − x )  n• j
2
Varianța intergrupe se calculează după relația j =1
s x2 j = p
Sau
 n• j
j =1
s =s −s
2
xj
2
X
2
 s 2j n j 1, 2  20 + 0,9  30 + 1, 4  50 121
s2 = = = = 1, 21
j
n j 100 100
j
s = s − s = 4 − 1, 21 = 2, 79
2
xj
2
X
2
3. Pentru o firmă se cunosc: sX= 4 mld. lei şi datele prezentate în tabelul de mai
jos:
Domeniul de activitate xj n.j
A 12 20
B 9 30
C 14 50
TOTAL - 100
Să se afle media generala, media varianţelor de grupă si varianta intergrupe.

3. Pentru o firmă se cunosc: sX= 4 mld. lei şi datele prezentate în tabelul de mai
jos:
Media generală:
p
x
j =1
j  n• j
12  20 + 9  30 + 14  50 1210
x= p
= = = 12,1
100 100
n
j =1
•j
varianta intergrupe
( x
p
− x) n ( x
p
− x) n
2 2
j j j j
j =1 j =1 469
sx2j = p
= = = 4,69
n 100
n
j =1
j
sX2 = 42 = 16
s 2 = s X2 − sx2j = 16 − 4,69 = 11,31

“Cifra de afaceri a întreprinderii" este o variabilă măsurată pe o scală
a) nominală
b) raport
c) Ordinală
Recensământul populației şi locuințelor, ca metodă de culegere a datelor

a) presupune culegerea datelor de la toate unitățile populației
b) se organizează cu o anumită periodicitate
c) se organizează doar când este necesar
d) presupune culegerea datelor de la un eșantion de unități statistice
75% din salariaţii unei întreprinderi au un salariu de cel mult 2000 RON. Această valoare
reprezintă:
a) quartila unu
b) mediana
c) quartila trei
Se organizează o anchetă prin sondaj privind opinia a 100 de consumatori de
ciocolata asupra calității produsului (calitate slabă, bună, foarte bună). Sunt
adevărate afirmațiile:
a)Variabila înregistrată este nominala
b)Unitatea statistica este opinia consumatorilor
c)Variabila înregistrată este calitativa
Identificați variabilele continue:

a)Numărul de abonamente RATP vândute într-o luna
b)Vârsta in ani împliniți
c)Consumul zilnic de apa
d)Prețul unei ciocolate
Se considera distributia urmatoare. Care afirmatii sunt adevarate?
Vârsta Urban Rural

(ani)
25 1 10
35 3 2
45 2 5
55 5 3
a. Valoarea modului pentru mediul urban este mai mica decat pentru mediul
rural
b. 54.5% dintre persoanele din mediul urban au pana in 45 de ani, inclusiv
c. 10 persoane din mediul rural au peste 35 de ani, inclusiv
d. Varsta mediana a persoanelor din mediul rural este mai mare decat cea a
persoanelor din mediul urban
a. Valoarea modului pentru mediul urban este mai mica decât pentru mediul
rural
Urban - Mo=55 ani > Rural-Mo=25 ani
b. 54.5% dintre persoanele din mediul urban au pana in 45 de ani, inclusiv. A
c. 10 persoane din mediul rural au peste 35 de ani, inclusiv

d. Vârsta mediană a persoanelor din mediul rural este mai mare decât cea a
persoanelor din mediul urban
n + 1 21
Rural: U Me
= = = 10,5
2 2
Ni  U Me Ni = 12  Me = 35 ani
n + 1 12
Urban: U = Me
= =6
2 2
Ni  U Me
Ni = 6  Me = 45 ani
Se considera distribuția unui eșantion de persoane după nivelul de educație si
sexul persoanei. Identificați răspunsurile corecte.
22
Educational Level (years) 20
18
16
14
12
10
Female Male
Gender
a. Populația femeilor este mai omogena decât a bărbaților

b. Ambele populații sunt asimetrice la dreapta
c. 75% dintre bărbați au un nivel de educație de pana in 16 ani, inclusiv
Pentru distributia de mai jos, care sunt afirmatiile adevarate:
Vârsta Urban Rural

(ani)
25 1 10
35 3 2
45 1 5
55 5 3
a. 10% din populația rurală este de 35 de ani

b. 10% din populație sunt de 35 de ani si din mediul urban
c. 60% din persoanele de 35 de ani sunt din mediul rural
Vârsta Urban Rural
(ani)
25 1 10
35 3 2
45 1 5
55 5 3
a. 10% din populația rurala este de 35 de ani

Populație rurală de 35 ani:2 Populație rurală total:20
2
f (%) =  100 = 10%
20
b. 10% din populație sunt de 35 de ani si din mediul urban 3
Populație: 30 populație de 35 ani din mediul urban: 3 f (%) =  100 = 10%
30
c. 60% din persoanele de 35 de ani sunt din mediul rural

Persoane de 35 ani: 5 persoane 35 ani din mediul rural: 2 2
f (%) =  100 = 40%
5
Pentru distributia de mai jos (X – varsta, Y – mediul), 25% din
populatia rurala are 45 de ani. Aceasta frecventa:
Vârsta Urban Rural
(ani)
25 1 10
35 3 2
45 2 5
55 5 3
a. Este o frecventa relativa parțială

b. Este o frecventa relativa condiționată
c. Este o frecventa relativa marginala
Pentru datele de mai jos, care sunt raspunsurile corecte:
Vârsta Urban Rural

(ani)
Media 15 50
Varianta 100 25
a. Populația din mediul rural este mai omogenă decât cea din mediul urban
b. Media populației urbane este nereprezentativă
c. 50% dintre persoanele din mediul urban au pana in 15 ani, iar restul peste 15 ani
d. Pentru populația rurală, în medie, vârsta unei persoane se abate de la vârsta medie cu 25 ani.
e. Coeficientul de variație pentru populația rurala este 0,5.
Vârsta Urban Rural
(ani)
Media 15 50
Varianta 100 25
a) Populația din mediul rural este mai omogenă decât cea din mediul urban
5
10
vU =  100 = 66,67% vR =  100 = 10%
15 50
b) Media populației urbane este nereprezentativă
c) 50% dintre persoanele din mediul urban au până în 15 ani, iar restul peste 15 ani
d) Pentru populația rurală, în medie, vârsta unei persoane se abate de la vârsta medie cu 25 ani.
c)Coeficientul de variație pentru populația rurala este 0,5.

 Distribuţia firmelor dintr-o localitate după valoarea profitului
realizat în anul 2013 este caracterizată prin următoarele
valori:
x = 5 mld . lei Mo = 10 mld . lei Me = 8 mld . lei s2 = 9
Pentru exemplul dat, sunt corecte afirmaţiile:
a. distribuţia este asimetrică la stânga
b. media distribuţiei este reprezentativă
3
v =  100 = 60%
5
c. cele mai multe firme au înregistrat un profit de 10 mld. lei
d. jumătate din firme au un profit de cel mult 8 mld lei
e. în medie, profitul unei firme se abate de la profitul mediu cu 9
mld lei
BAZELE STATISTICII
Programa analitică
2. Analiza unei serii statistice univariate, folosind metode grafice
şi numerice (variabile cantitative: indicatori ai tendinţei centrale,
indicatori ai dispersiei, indicatori ai formei şi ai concentrării;
variabile calitative).
3. Analiza unei serii statistice bivariate.
Programa analitică
5. Estimarea parametrilor unei populații
 4.1. Probabilităţi
 4.2. Variabile aleatoare
 4.3. Distribuţii teoretice

 4.1. Probabilităţi
Plan empiric vs. Plan teoretic
- plan empiric
O variabilă statistică X:(xi) cu frecvențele ni sau fi formează o
distribuție statistică.
xi-1-xi ni fi Fi
0-10 10 0.125 0.125
10-20 20 0.250 0.375
20-30 30 0.375 0.750
30-40 15 0.188 0.938
40-50 5 0.062 1.000
Total 80 1.000 -
Plan teoretic
X – variabilă aleatoare
pi - probabilitate de apariție
∑ pi =1 (100%)
O variabilă aleatoare și probabilitatea de apariție

corespunzătoare formează o distribuție teoretică
4.1.1. Concepte
a) Experienţa aleatoare - o acţiune care conduce la un ansamblu
de rezultate posibile, fiecare rezultat fiind supus întâmplării,
adică neputând fi anticipat.
b) Evenimentul elementar - rezultatul posibil al experienţei
aleatoare, este notat cu  .
Mulţimea evenimentelor elementare posibile este .
Exemplu
 Un exemplu clasic de experienţă aleatoare este aruncarea
unui zar. Evenimentul elementar este apariţia unei feţe.
 Să se precizeze mulţimea evenimentelor elementare.
Ω  { 1,2 ,3,4 ,5 ,6 }
c) Evenimentul aleator – este un eveniment definit printr-o

proprietate, care poate fi îndeplinită sau nu în urma realizării
experienţei aleatoare.
Exemplu
 În cazul aruncării zarului, un eveniment aleator îl constituie
apariţia unei feţe cu număr par.
 Submulţimea care corespunde acestei proprietăţi este A = {2,
4, 6}.
d) Evenimentele favorabile - evenimentele care compun

submulţimea evenimentelor elementare care îndeplinesc
proprietatea de definire a evenimentului aleator. Mulţimea
acestor evenimente se numeşte mulţimea evenimentelor
favorabile.
4.1.2. Definiţii
a. Definiţia clasică a probabilităţii (Bernoulli şi Laplace)
 Probabilitatea ca un eveniment să se realizeze reprezintă
raportul dintre numărul de evenimente elementare favorabile
realizării evenimentului şi numărul evenimentelor egal
posibile.
m
p
n
 unde m este numărul cazurilor favorabile şi n este numărul
cazurilor posibile, unde 0  m  n , ceea ce implică
0 p1
 Valoarea p=0 corespunde imposibilității realizării
evenimentului sau evenimentul imposibil, iar valoarea p=1
corespunde evenimentului cert sau sigur.
Exemplu
 În cazul aruncării zarului, să se calculeze probabilitatea de
apariție a unei fețe cu număr par.
Ω  { 1,2 ,3 ,4 ,5 ,6 } A = {2, 4, 6}. ( 6 cazuri posibile, 3 cazuri favorabile
m 3
p    0,5
n 6
b. Definiţia probabilităţii bazată pe frecvenţă
 Probabilitatea este definită ca un caz limită al frecvenţei, atunci când
numărul de experienţe tinde la infinit.
m
p  lim
n n
 unde m este numărul efectiv de realizări ale unui eveniment dintr-un
număr n de experienţe realizate, adică este frecvenţa relativă de
apariţie a unui eveniment.
Exemplu.
 În cazul aruncării zarului, să se afle probabilitatea de apariție a fiecărei
fețe și să se prezinte distribuția de probabilitate corespunzătoare.
xi pi
1 1/6
2 1/6
3 …
4 …
5
6
1,00
4.2. Variabile aleatoare
4.2.1. Definire
O experienţă aleatoare este descrisă prin mulţimea
evenimentelor elementare   {1 , 2 ,...n ,...} .
 Variabila aleatoare este o funcţie care asociază fiecărui

eveniment elementar o măsură, un număr real:
X :  R ,  i  X ( i )  xi  R adică
 X este o funcţie definită pe , cu valori în mulţimea
numerelor reale R.
Exemplu
 Un exemplu de variabilă aleatoare este cea asociată
experienţei aleatoare a aruncării pe o masă a două zaruri.
 Funcţia care se poate asocia experienţei este aceea a atribuirii
unui număr real fiecărui eveniment elementar egal cu suma
punctelor obţinute la fiecare aruncare.
 Spunem că probabilitatea ca variabila aleatoare X să ia o
anumită valoare este:
p  P( X  x )  P{  , X ( )  x , i  1, n}
i i i
4.2.2. Tipuri de variabile aleatoare (discrete şi continue)

O variabilă aleatoare discretă ia valori distincte pe o
mulţime a valorilor sale I, care este o mulţime cel mult
numărabilă.
Variabila aleatoare discretă este definită prin: X :  xi 
p 
 i  iI
4.2.3. Distribuţia unei variabile aleatoare. Funcţia de repartiţie
 Distribuţia sau legea de probabilitate a unei variabile
aleatoare este dată prin funcţia sa de probabilitate P(X).
 Pe baza funcţiei de probabilitate a unei variabile aleatoare,
se determină funcţia sa de repartiţie.
În general, funcţia de repartiţie este definită prin relaţia:
F ( x)  P( X  x), () x  R
 Funcţia de repartiţie are următoarele proprietăţi:
() x  R, 0  F ( x)  1
() a,b  R, a  b, F(a)  F(b)
lim F ( x)  1
x  
lim F ( x)  0
x  
 Pentru variabila discretă, funcţia de repartiţie este F ( x )   pi
{ xi  x }
x
 Pentru variabila continuă, F ( x)   f (t )  dt , () x  R

5.2.4. Caracteristici numerice ale unei variabile aleatoare
Media unei variabile aleatoare
  M( X )
 Dacă variabila X este discretă, atunci: M ( X )   xi  pi
iI
 Dacă variabila X este o variabilă continuă:
M ( X )   x  f ( x)  dx
R
Dispersia sau varianţa unei variabile aleatoare
 2 V( X )
 5.3. Distribuţii utilizate în statistică
5.3.1. Distribuţii pentru variabile discrete – OPȚIONAL
a. Distribuţia Bernoulli : X ~ B(p).
Se prezintă astfel: 0 1 
X :  
q p
 unde: p  P( X  1 ) q  P( X  0 )
Parametrii acestei repartiţii sunt:
 M(X) = p;
 V(X) = pq. ,
Exemplu:
Dacă se aruncă o monedă există două posibilități: moneda să

cadă “cap” sau “pajură”.
- Probabilitatea ca moneda să cadă “cap” sau “pajură” este
distribuită egal , și anume ½.
- Suma probabilităților este egală cu 1
b. Distribuţia binomială : X~ B(n, p)
 Se obţine prin generalizarea repartiţiei Bernoulli. Prin
însumarea unui număr de n variabile aleatoare Bernoulli
identic repartizate, se obţine o variabilă binomială.
 Poate fi simbolizată astfel:
 k 
X :  k k n  k 
 C n p q  k 0 ,n
 unde p + q = 1, iar k reprezintă numărul de realizări ale
evenimentului favorabil, în condiţiile repetării de n ori a
experienţei Bernoulli.
Parametrii acestei repartiţii sunt:
 M(X) = np;
 V(X) = npq.
5.3.2. Distribuţii pentru variabile continue
a. Distribuţia normală generalizată
Repartiţia normală generalizată se simbolizează N (  , 2
) .
Funcţia densitate este:
( x   )2
1 
f(x) e 2 2
 2
b. Distribuţia normală standard
 Variabila normală standard se obţine dintr-o variabilă
normală generalizată prin procedeul de standardizare:
X 
Z

 O variabilă aleatoare repartizată după o lege normală
standard, simbolizată N(0,1), are o funcţie densitate dată de
relaţia:
z2
1 
f(z) e 2
2
O variabilă X poate fi transformată în variabilă Z după
relația: xi  
zi 

Notație  
X  N  , 2  Z  N  0 ,1
Valorile Z și valorile funcției Laplace sunt tabelate
0 z
Proprietățile funcției Laplace
 Φ(zi)=P(0<Z<zi)
 Φ(0) = 0
 Φ(-zi) = - Φ(zi)
 Dacă z1< z2, atunci P( z1  Z  z 2 )   ( z 2 )   ( z1 )
1
 P(Z>zi)=1- P(Z<zi)=2   ( zi )
1
 P(Z<zi)=2  ( zi )
 Pentru interese practice, de calcul al unor probabilităţi, se
utilizează funcţia lui Laplace, definită pe baza repartiţiei
normale standard. Funcţia lui Laplace este definită de relaţia:
z t2
1 
( z )   e 2 dt
0 2
1
 Funcţia de repartiţie devine: F ( z )   ( z )
2
 Pe baza funcţiei lui Laplace, se poate determina, de exemplu,
probabilitatea ca variabila aleatoare normală standard să ia
valori într-un interval simetric de tipul (-a; a). Această
probabilitate este:
a
P(  a  Z  a )  F ( a )  F (  a )  ( a )  ( a )  2( a )   f ( t )dt
a
c) Distribuţia chi-pătrat
 O variabilă aleatoare repartizată după o lege chi-pătrat este
simbolizată  2
( n , ) .
 Dacă considerăm n variabile aleatoare identic repartizate
după o lege normală standard, Xi ~ N(0,1), i  1,n , atunci
variabila n
X   Xi ~  (n )
2 2
i 1
d). Distribuţia Student
 O variabilă aleatoare repartizată după o lege Student,
simbolizată t(n).
 Dacă se consideră două variabile aleatoare X~N(0,1) şi Y~  2 ( n )
atunci variabila aleatoare Student se obţine prin relaţia:
X
t ~ t( n )
Y unde n reprezintă numărul de grade de
n libertate, parametrul acestei distribuţii.
e). Distribuţia Snedecor-Fisher
O variabilă aleatoare repartizată după o lege Snedecor-Fisher,
simbolizată ( n1 ,n2 ) .
Dacă se consideră două variabile aleatoare: X~  ( n1 , )
2
şi Y~  2 ( n2 , ) , atunci o variabilă repartizată Fisher se obţine

prin relaţia:
X
n
F  1 ~ ( n1 ,n2 )
Y
n2
 unde n1 şi n2 reprezintă grade de libertate, parametrii
repartiţiei Snedecor-Fisher.
BAZELE STATISTICII
Programa analitică
2. Analiza unei serii statistice univariate, folosind metode
grafice şi numerice (variabile cantitative: indicatori ai
tendinţei centrale, indicatori ai dispersiei, indicatori ai
formei şi ai concentrării; variabile calitative).
Programa analitică
5.1. Concepte fundamentale
a) Populaţie - Eşantion
 O populaţie statistică este definită prin precizarea laturii
calitative, spaţiului şi timpului.
 Un eşantion reprezintă o sub-populaţie sau un sub-ansamblu

extras din populaţia de referinţă după o anumită procedură.
b) Sondajul aleator simplu
 Sondajele aleatoare permit calcularea a priori a probabilităţii

fiecărei unităţi din populaţie de a aparţine eşantionului.
 Un sondaj aleator simplu presupune ca fiecare unitate din
populaţie să aibă aceeaşi probabilitate de a fi inclusă în
eşantion.
 Aceasta este p  n .
N
c). Numărul de eşantioane care se pot extrage
Depinde de metoda de eşantionare:
- în cazul eşantionării aleatoare nerepetate (fără revenire):
N!
K C n
N 
( N  n)!n!
- în cazul eşantionării aleatoare repetate (cu revenire):
K=Nn
5.2 Parametru – Estimator – Estimaţie
Parametrul reprezintă o valoare fixă şi necunoscută, numită
şi valoare reală sau adevărată, a unei populaţii studiate după o
anumită variabilă. (  )
Exemplu:  , 2 ,  , .
Estimatorul este o statistică, adică o variabilă aleatoare care
este determinată de totalitatea eşantioanelor posibile de
volum n care se pot extrage din populaţia de referinţă.
Estimatorul este definit ca o funcţie a variabilelor de selecţie. Se
notează cu ̂
Exemplu: ˆ  x1 , x2 , x3 ,..., xk 
Estimaţia este o valoare realizată dintre valorile posibile ale

estimatorului.
O estimaţie se obţine la nivelul unui eşantion extras, pe baza
datelor culese, şi este o funcţie a valorilor de sondaj.
2
Exemplu: x , s , s, p.
e) Proprietăţile estimatorilor
 De regulă, există o diferenţă între estimaţie şi parametru,
care reprezintă o eroare de estimare.
 Această eroare poate fi caracterizată prin intermediul
proprietăţilor estimatorilor:
1. Nedeplasarea
M (ˆ)  
2. Convergenţa:
V (ˆ)  0, când n  N
- convergenţa în probabilitate impune o condiţie de volum al
eşantionului: dacă acesta este suficient de mare, atunci orice
valoare posibilă a estimatorului (orice estimaţie) converge
către parametru.
Această proprietate este o expresie a legii numerelor mari.
- convergenţa în repartiţie (teorema limită centrală) impune o
condiţie de volum pentru estimatorul transformat prin
operaţia de standardizare:
~ ˆ  M ( ˆ )
ˆ 
V ( ˆ )
Dacă volumul eşantionului creşte peste o anumită limită,
atunci variabila aleatoare obţinută prin standardizarea
estimatorului urmează o lege de repartiţie normală standard:
~
ˆ  Z ~ N ( 0 ,1 )
3. Eficienţa: V ( ˆ )  min .
5.3. Statistici uzuale în inferenţa statistică
a) Media de selecţie
 Estimatorul numit medie de selecţie este obţinut ca o medie
aritmetică a variabilelor aleatoare de selecţie Xi.
 O valoare posibilă a estimatorului este media de sondaj.
 Variabila media de selecţie se caracterizează prin legea
normală - teorema limită centrală bazată pe legea numerelor
mari.
2
ˆ ~ N (  , )
n
 Caracteristici ale estimatorului ̂ :
- nedeplasat;
- convergent;
- eficient.
b) Dispersia de selecţie
- Este un estimator deplasat.
- Ca o corecţie la acest estimator, se construieşte dispersia de
selecţie modificată sau corectată. O valoare posibilă a acestui
estimator este dispersia de sondaj modificată:
1
s' 2 
n1
 ( xi  x )2
c) Proporţia de selecţie
- are aceleaşi proprietăţi cu media de selecţie.
(1   )
ˆ ~ N (  , )
n
5.4 Estimarea punctuală a parametrilor unei populaţii
a) Definire
- presupune calculul unei estimaţii la nivelul unui eşantion, ca
o valoare a unui estimator convenabil ales, care respectă
proprietăţile de nedeplasare şi convergenţă.
b) Estimarea punctuală a mediei unei populaţii
-presupune calculul unei estimaţii la nivelul unui eşantion
x
 x i
n
b) Estimarea punctuală a varianţei unei populaţii

- La nivelul unui eșantion se calculează varianța corectată
(nedeplasată) astfel:
  x  x
2
s 2
 i
n 1
b) Estimarea punctuală a proporţiei unei populaţii
nA
p
n
5.4 Estimarea prin interval de încredere (IC) a parametrilor
unei populaţii
a) Definire
- a estima prin IC un parametru presupune a identifica două
variabile aleatoare, Li şi Ls , care, pentru o anumită
probabilitate ( 1   ) , numită nivel de încredere,
respectă condiţia:
P( Li    Ls )  ( 1   )
-
, cu   ( 0 ,1 )
- estimarea prin IC se bazează pe estimatori nedeplasaţi şi
convergenţi, cărora li se aplică Teorema limită centrală.
b) Estimarea prin IC a mediei unei populaţii

- când se cunoaşte parametrul  :
2
ˆ ~ N (  , )  Z ~ N (0,1)
n
ˆ  
z
/ n
ˆ  
P(  z / 2    z / 2 )  ( 1   )
/ n
 
P( ˆ  z / 2      z / 2
ˆ )  (1 )
n n
 la nivelul unui eşantion extras:
   
 x  z / 2 , x  z / 2 
 n n
- când nu se cunoaşte parametrul  :

Variabila Z devine o variabilă student:
ˆ  
t ~ t( n  1 )
ˆ '
n
P( t / 2  t  t / 2 )  ( 1   )
- valoarea t / 2 se citeşte din tabelul Student pentru:
P( t  t / 2 )   / 2
 s' s' 
 x  t / 2 ; n 1 , x  t / 2 ; n 1 
 n n
Observaţie:
Precizia estimării creşte (mărimea intervalului de încredere
este mai mică), atunci când:
- volumul eşantionului (n) creşte.

df t0.1 t0.05 t0.025
1 3,078 6,314 12,706
2 1,886 2,920 4,303
3 1,638 2,353 3,82

- varianţa eşantionului este mică (valorile aberante afectează
mărimea intervalului de încredere).
Exemplu
La nivelul unui eşantion format din 20 de persoane, extras
aleator simplu repetat, s-au obţinut următoarele rezultate
privind vârsta (ani):
x  20 ani ; s'  2 ani .
Să se estimeze prin interval de încredere vârsta medie a

întregii populaţii din care a fost extras eşantionul,
considerând un risc de 0,05.
Exemplu
 În estimarea prin IC a mediei populaţiei se foloseşte
statistica t Student. Din Tabela Student se citeşte valoarea:
t0,025;20-1=2,093.
 IC este :
 s'   2 
 x  t 0.025;19    20  2 ,093     19 ,064; 20 ,936 
 n  20 
 Interpretare: Se poate garanta cu o probabilitate de 0,95 că

vârsta medie a întregii populaţii din care a fost extras
eşantionul este acoperită de intervalul: 19,064 ~ 19 ani şi
20,936 ~ 21 ani.
c) Estimarea prin IC a proporţiei unei populaţii
- când se cunoaşte varianţa variabilei alternative:

   
ˆ  z / 2 , ˆ  z / 2 
 n n
- când nu se cunoaşte varianţa variabilei alternative:
 p(1  p ) p(1  p) 
 p  t / 2; n 1 , p  t / 2 ; n 1 
 n n 
Exemplu
 În urma realizării unui sondaj electoral la nivelul unui
eşantion format din 1500 persoane, se observă că 840
persoane au votat pentru candidatul A. Să se estimeze prin
interval de încredere proporţia persoanelor care votează
pentru candidatul A la nivelul întregii populaţii, considerând
un risc de 0,05.
Rezolvare
- proporţia persoanelor care au votat pentru candidatul A, la
nivelul eşantionului, este: p=840/1500=0,56.
- I.C. se calculează astfel:
 p  (1  p)   0, 56  (1  0 , 56) 
 p  t / 2 ; n 1     0 , 56  1, 96    0 , 53; 0 , 59 
 n   1500 
5.5. Estimarea prin IC în SPSS
Descriptives
Statistic Std. Error

rata_som_2010 Mean 7.7442 .32041
95% Confidence Lower Bound 7.0976
Interval for Mean Upper Bound
8.3908
5% Trimmed Mean 7.8339

Median 8.0000
Variance 4.414
Std. Deviation 2.10105
Minimum 2.30
Maximum 11.80
Range 9.50
Interquartile Range 2.60
Skewness -.605 .361
Kurtosis .418 .709
5.6. Estimarea volumului eşantionului (n)
 În cazul unui sondaj de opinie electoral, se utilizează ca
variabilă de bază o variabilă alternativă, pentru care
parametrul  este proporţia de voturi pentru un
candidat.
 În practică, se fixează probabilitatea sau nivelul de încredere
cu care dorim să garantăm rezultatul (de regulă, 0,95) şi
eroarea maxim admisibilă   (de exemplu,  3% ).
 Având aceste date, se poate estima volumul eşantionului care
estimează parametrul  .
 Ştiind că:

  z / 2
n
z2 / 2   2
 Se află n: n
2
 Parametrul  2 , care exprimă gradul de omogenitate al

populaţiei, nu se cunoaşte, însă se poate utiliza valoarea lui
maximă, care este egală cu 0,25.
Exemplu
 Pentru o probabilitate de 0,95 şi o eroarea maxim admisibilă
de  3%, să se calculeze volumul eşantionului.
 Ce se întâmplă dacă se utilizează o eroare de  2% ?
BAZELE STATISTICII
1
6.1. Aspecte generale ale testării statistice
6.1.1. Obiectivele testării statistice
6.1.2. Demersul testării statistice
6.1.3. Teste parametrice versus teste neparametrice
6.2. Testarea ipotezelor asupra unui eşantion
6.2.1 Testarea ipotezelor asupra mediei: testul t, testul Z
6.2.2 Testarea ipotezelor asupra proporţiei: testul binomial
2
- verificarea ipotezelor asupra unui parametru al unei populaţii;
- verificarea ipotezelor privind legea de distribuţie a unei
populaţii;
- verificarea ipotezelor privind două sau mai multe populaţii;
- verificarea existenţei legăturii dintre două variabile.
3
a)Formularea ipotezelor statistice

O ipoteză este o presupunere cu privire la valoarea unui
parametru, legea de distribuţie a variabilei studiate etc.
Ipoteza nulă H0 : se presupune egalitatea unui parametru cu o
valoare fixă sau se face o presupunere cu privire la legea de
repartiţie a unei variabile.
Ipoteza alternativă H1: este opusul ipotezei nule.
4
Test bilateral:
H 0 :   0  - parametru
H1 :    0 0  valoare fixă
Test unilateral la dreapta:
H 0 :   0
H1 :    0
Test unilateral la stânga:

H 0 :   0
H1 :    0
5
b) Alegerea testului statistic
- există două categorii de teste statistice: teste parametrice şi
teste neparametrice.
Alegerea testului statistic se face în funcţie de mai multe

criterii.
Pentru variabile cantitative se folosesc teste parametrice şi

neparametrice, iar pentru variabile calitative se folosesc
neparametrice.
6
c) Alegerea pragului de semnificaţie  al testului şi citirea
valorii critice din tabelul repartiţiei statisticii test
- riscul (pragul de semnificaţie)  reprezintă probabilitatea de
a respinge ipoteza nulă, atunci când aceasta este adevărată.
d) Calculul valorii statisticii test, folosind datele observate la

nivelul eşantionului.
e) Regiunea de respingere/acceptare a ipotezei nule
7
Regiunea de respingere – intervalul dintr-o distribuţie de
probabilitate în care se respinge ipoteza nulă, acest interval
este acoperit de probabilitatea 
Regiunea de acceptare (interval de încredere) – intervalul în
care nu se respinge ipoteza nulă şi este acoperit de
probabilitatea 1- 
f) Decizia statistică
8
Erori de testare
Decizia testului se ia cu o anumită eroare, care poate fi:
 eroare de tip I (eroare de primă speţă, notată  )
 eroare de tip II (eroare de a doua speţă, notată  )
Realitate
H0 adevărată H0 falsă
Se acceptă H0 Decizie corectă Eroare de tip II

(1-) ()
Decizia Nu se acceptă Eroare de tip I Decizie corectă

H0 () (1-)
9
 1 –  măsoară nivelul de siguranţă al testului (siguranţa

statistică)
 1 –  măsoară puterea testului
10
6.1.3 Teste parametrice şi teste neparametrice
Teste parametrice:
 presupun o serie de ipoteze restrictive (de ex. ipoteza de
normalitate a distribuţiei populaţiei din care a fost extras
eşantionul analizat), care nu sunt întotdeauna reale/adevărate;
 variabila analizată este măsurată pe o scală interval sau
raport;
 mărimea eşantionului trebuie să fie suficient de mare (ex.
n>30).
Exemplu: testul z, testul t, testul F, testul  2
11
6.1.3 Teste parametrice şi teste neparametrice
Teste neparametrice:
 puţine ipoteze restrictive privind legea de distribuţie a
populaţiei din care a fost extras eşantionul analizat
(“distribution free methods”);
 adecvate pentru date calitative;
 mărimea eşantionului poate fi mică, până la n=6;
 datele sunt transformate în ranguri sau în semne (pozitive,
negative), ceea ce duce la pierderea de informaţii.
Exemplu: runs test
12
6.2.1. Testarea ipotezelor asupra mediei unei populaţii
a) Formularea ipotezelor H 0 :    0
H1 :    0
b) Alegerea testului statistic
2
1. Dacă se cunoaşte  se foloseşte statistica Z, Z ~ N ( 0, 1 )
ˆ   0
Z calc 
/ n
2. Dacă nu se cunoaşte 2 , se foloseşte statistica t, t ~ t( n  1 )
ˆ   0
tcalc 
ˆ '/ n
13
6.2.1. Testarea ipotezelor asupra mediei unei
populaţii
c. Alegerea pragului de semnificaţie şi citirea din tabel a
valorii critice a statisticii test
d. Calculul valorii statisticii test pe baza datelor eşantionului
x  0 x  0
z calculat  t calculat 
/ n s' / n
14
populaţii
e. Regula de decizie
z calculat  z  / 2 sau Sig   se respinge ipoteza nulă,
pentru un risc  și se acceptă ipoteza alternativă
z calculat  z  / 2 sau Sig   ipoteza nulă nu se

respinge
15
populaţii
e. Regula de decizie
tcalculat  t / 2; n 1 sau Sig  
se respinge ipoteza nulă,
pentru un risc  și se acceptă ipoteza alternativă.
tcalculat  t / 2 ; n 1 sau Sig   ipoteza nulă nu se

respinge
f. Compararea valorii calculate a statisticii testului cu valoarea

critică (teoretică)
16
Exemplu
 În urma prelucrării datelor privind veniturile familiilor dintr-
o regiune înregistrate la nivelul unui eşantion de volum
n=625, s-au obţinut următoarele rezultate:
x  12 mii lei , s‘2= 4. Să se testeze dacă există diferenţe
semnificative între veniturile medii ale familiilor la nivelul
populaţiei din care a fost extras eşantionul şi venitul mediu
 0  13 mii lei
pe ţară, , considerând un risc de 5%.
17
Exemplu
x  12 mii lei   0 , 05
 0  13 mii lei
n=625, s‘2= 4
1. Formularea ipotezelor:
H 0 :   0 H 0 :   13 mii lei
sau
H1 :    0 H1 :   13 mii lei
2. Alegerea pragului de semnificație
  0 , 05
18
Exemplu
3.Alegerea și calcularea statisticii test
x  0
tcalc 
s / n
12  13 1 25
tcalc     12 , 5
2 / 625 2 / 25 2
4. Regula de decizie
Dacă tcalc  t / 2 ; n 1 cu un risc se respinge ipoteza H0 și se acceptă ipoteza alternativă
Dacă tcalc  t / 2 ; n 1 nu se respinge ipoteza H0
19
Exemplu
5. Decizia statistică
Deoarece  tcalc  12, 5    t0 ,025;624  1, 96  cu un risc 0,05 se respinge ipoteza H 0 și se

acceptă ipoteza alternativă. Veniturile medii ale familiilor la nivelul populației din care
a fost extras eșantionul diferă semnificativ d.p.d.v. statistic de 13 mii lei.
20
6.2.2 Testarea ipotezelor asupra proporţiei
Demersul testării:
a) Formularea ipotezelor statistice
H0 :   0
H1 :    0
 De ex.H :   0.5
0
H 1 :   0.5
(cele două categorii ale variabilei au şanse egale să apară)

21
b) Alegerea pragului de semnificaţie 
c) Testul statistic
p  0
tcalculat 
p (1  p ) / n
d) Regula de decizie
tcalculat  t / 2; n 1 sau Sig   se respinge ipoteza nulă,
pentru un risc  și se acceptă ipoteza alternativă.
tcalculat  t / 2 ; n 1 sau Sig   ipoteza nulă nu se

respinge 22
BAZELE STATISTICII
1
7.1.3. Teste parametrice şi teste neparametrice
7.2.1 Testarea ipotezelor asupra mediei: testul t, testul Z
2
Demersul testării:
a) Formularea ipotezelor statistice
H0 :   0
 - parametrul proporție
H1 :    0 0 - valoarea considerată în testare
H 0 :   0.5
sau
H 1 :   0.5
(cele două categorii ale variabilei au şanse egale să apară)

3
b) Alegerea pragului de semnificaţie 
c) Testul statistic
p  0
tcalculat 
p (1  p ) / n
d) Regula de decizie
Dacă se respinge ipoteza nulă, pentru un risc
α și se acceptă  t / 2 ; n alternativă.
tcalculatipoteza 1
Dacă ipoteza nulă nu se respinge.

tcalculat  t / 2 ; n 1
4
Problemă
O firmă dorește să evalueze procentul de produse defecte de pe
o linie de producție. Pentru aceasta, se cunoaște că aceste
produse au reprezentat în ultimii ani 2 % din totalul produselor
fabricate. Pentru linia de producție curentă, se extrage un
eșantion format din 500 unități și se găsesc 21 produse defecte.
Să se testeze ipoteza potrivit căreia calitatea produselor a rămas
aceeași, pentru un risc de 5%.
5
1. Formularea ipotezelor
H 0 : π  π0 H 0 : π  0 , 02
H1 : π  π 0 sau H1 : π  0 ,02
α  0 ,05
3. Alegerea și calcularea statisticii test
nA 21
p   0 , 042
n 500
p  0 0,042  0,02 0,022 0,022
tcalc   tcalc    2, 389
p  1  p / n 0,042  1  0,042  0, 20589 0,009207
500 22, 36068 6
Atenție: În aceste calcule, numărul de zecimale luat în
considerare, poate determina obținerea unor rezultate diferite.
Luați în considerare cât mai multe zecimale posibile (dat totuși,
nu mai mult de 6).
Dacă tcalc  t / 2;n 1 nu se respinge ipoteza H0.
Dacă tcalc  t / 2;n 1 cu un risc asumat α se respinge ipoteza
nulă și se acceptă ipoteza alternativă.
7
 0,025;499  1,96 
Deoarece  t  2,389   t
calc
cu un risc de 0,05 se respinge ipoteza nulă și se acceptă ipoteza

alternativă. Deci, calitatea produselor nu a rămas aceeași.
Procentul actual al rebuturilor este diferit de procentul
rebuturilor cunoscut anterior.
8
7.3. Testarea diferenţei dintre două medii
 În cazul eşantioanelor independente, statistica test folosită în
testarea ipotezelor statistice este statistica Z sau t.
 Ipoteze statistice
H 0 : 1   2  0
H 1 : 1   2  0
 Aplicarea testului presupune testarea egalităţii varianţelor

populaţiilor din care au fost extrase eşantioanele (testul
Levene).
9
2 2
 atunci când  1   2 , statistica test este:
x1  x 2
t calculat 
s' 12 s' 22

n1 n2
 atunci când  12   22 , statistica test este:
x1  x 2
t calculat 
1 1
s' p 
n1 n 2
10
 unde:
s' 12 ( n1  1 )  s' 22 ( n 2  1 )
s' p 
n1  n 2  2
Regula de decizie:
Dacă tcalc  t / 2 ; n1  n2 cu

2 un risc α respingem ipoteza H 0 și acceptăm
ipoteza H1.
Dacă tcalc  t / 2 ; n1  n2  2 nu se respinge ipoteza H 0.

11
Exemplu
 Pentru două eșantioane extrase aleator simplu de volum
n1=n2=625 persoane s-a înregistrat vârsta și s-au obținut
următoarele rezultate:
;x1  35 ani , x2  32 ani
s' 1  2 ani , s' 2  4 ani
 Să se testeze ipoteza potrivit căreia între vârstele medii ale
celor două populații din care au fost extrase eșantioanele
observate există diferențe semnificative. Varianțele
populațiilor diferă între ele. Se consideră un risc de 0,05.
12
1. Formularea ipotezelor
H 0 : 1   2  0 H 0 : 1   2
H1 : 1   2  0 sau H1 : 1   2

α =0,05
3. Alegerea și calcularea statisticii test
x1  x 2
t calculat  35  32
tcalc   16 , 77
s' 12 s' 22 4 16
 
n1 n2 625 625
13
Dacă tcalc  t / 2 ; n1  n2  2 cu un risc α respingem ipoteza H0 și

acceptăm ipoteza H1.
Dacă
tcalc  t / 2; n1  n2  2 nu se respinge ipoteza H .
0
14
Deoarece  tcalc  16, 77    t0 ,025;1248  1, 96  cu un risc de 0,05

respingem ipoteza H0 și acceptăm ipoteza H1. Există diferențe
semnificative d.p.d.v. statistic între vârstele medii ale celor două
populații.
15
Exemplu
Independent Samples Test
Levene's Test for

Equality of Variances t-test for Equality of Means
95% Confidence
Interval of the
Mean Std. Error Difference
F Sig. t df Sig. (2-tailed) Difference Difference Lower Upper
venit Equal variances
17.482 .002 -4.929 10 .001 -6.50000 1.31867 -9.43818 -3.56182
assumed
Equal variances
-4.929 5.572 .003 -6.50000 1.31867 -9.78764 -3.21236
not assumed
16
7.4 Testarea egalităţii a trei sau mai multe
medii (ANOVA)
a) Obiectiv
- procedeu de analiză a variaţiei în funcţie de sursa acesteia;
- ANOVA unifactorială / Anova bi- şi multifactorială;
- permite compararea mediilor a 3 sau mai multe grupe sau
populaţii cu scopul de a verifica dacă există diferenţe
semnificative între acestea.
b) Condiţii de aplicare
- Condiţia de independenţă
- Condiţia de normalitate
- Condiţia de homoscedasticitate 17
medii (ANOVA)
Se bazează pe descompunerea variaţiei totale pe componente:
- variaţia explicată sau intergrupe (variaţia sub influenţa
factorilor esenţiali);
- variaţia reziduală sau intragrupe (variaţia sub influenţa
factorilor întâmplători).
VT  VE  VR
- La nivelul unui eşantion: TSS=ESS+RSS.
18
medii (ANOVA)
VT , respectiv TSS reprezintă variaţia totală, TSS  n ( x  x ) 2
i
i
n
VE , respectiv ESS - variaţia variabilei explicată ESS   (x j  x )2
i 1
VR , respectiv RSS – variaţia reziduală nj k
RSS    ( xij  x j ) 2
i 1 j 1
c). Ipoteze statistice:
H 0 : 1   2     k
H1 : mediile a cel putin doua populatii sunt diferite 19

medii (ANOVA)
d. Statistica test Fisher
V̂ E / k  1 V̂ E n  k
F  
V̂ R / n  k V̂ R k  1
unde: k – numărul grupelor
20
medii (ANOVA)
e. Se alege pragul de semnificaţie  şi se citeşte valoarea
critică a testul F din tabelul repartiţiei Fisher, pentru riscul
 admis, şi v1  k  1, v2  n  k grade de libertate,
F .
 , v1 ,v2
21
medii (ANOVA)
f. Valoarea statisticii F se calculează astfel:
ESS / k  1 ESS n  k
Fcalculat   
RSS / n  k RSS k  1
22
medii (ANOVA)
g. Regula de decizie:
 Fcalculat  F ,v1 ,v2 sau Sig   se respinge ipoteza nulă H 0
pentru riscul  admis
 Fcalculat  F ,v1 ,v2 sau Sig   nu se respinge ipoteza nulă H 0
23
medii (ANOVA)
ANOVA
venit
Sum of
Squares df Mean Square F Sig.
Between Groups 149.400 2 ESS 74.700 ESS 19.597 .000
k 1 k 1
Within Groups 64.800 17 RSS 3.812 RSS
nk nk
Total 214.200 19
24
BAZELE STATISTICII
Programa analitică
2. Analiza unei serii statistice univariate, folosind metode
grafice şi numerice (variabile cantitative: indicatori ai
tendinţei centrale, indicatori ai dispersiei, indicatori ai
formei şi ai concentrării; variabile calitative).
Programa analitică
4. Probabilități și distribuții teoretice
5. Estimarea parametrilor unei populații
7.1. Definire serie de timp
- O serie de timp este o serie care prezintă valorile înregistrate
ale unui fenomen Y în diferite momente de timp, t=1,n.
- Prezentarea seriei:
Momentul yt
de timp (t)
t1 y1
t2 y2
: :
7.2. Reprezentare grafică
- cronograma liniară.
7.3. Tipuri de indicatori ai seriilor de timp
Indicatorii care măsoară dinamica unui fenomen pot fi
calculaţi:
- în mărime absolută şi se numesc indicatori absoluţi;
- în mărime relativă şi se numesc rate/indici;
- ca mărimi medii şi se numesc indicatori medii.
7.4 Indicatori absoluţi
- nivelul absolut;
- volumul absolut;
- sporul absolut;
a) Nivelul absolut: reprezintă valoarea yt a fiecărui termen al

seriei de timp
b) Volumul absolut: se obține prin însumarea nivelurilor
absolute:
c) Sporul absolut ( )t
- exprimă variația absolută a nivelului unei variabile Y pe
parcursul unei perioade de timp.
Arată cu cât s-a modificat nivelul unei variabile la un moment dat,

numit moment curent (t), față de un moment anterior, numit
moment de referință.
Sporul absolut poate fi calculat:
- cu baza fixă:   y  y , y0-moment de referință inițial (de
t/0 t 0
obicei, dar poate fi orice al moment)
- cu baza în lanţ: yt-1- momentul anterior
t / t 1  y t  y t 1
Tabelul 1 Evoluția numărului de turiști sosiți în unitățile de
primire turistică din România
Anul Nr. persoane Sporul absolut Sporul absolut cu
cu bază fixă bază mobilă
2009 5.805.096 0 -
2010 6.216.028 410.932 410.932
2011 6.971.925 1.166.829 755.897
2012 7.125.307 1.320.211 153.382
2013 6.141.135 336.039 -984.172
2014 6.072.757 267.661 -68.378
2015 7.031.606 1.226.510 958.849
45.363.854
7.5 Indicatori (indici) relativi:
-rata (indicele) de variaţie;
-rata sporului.
a)Rata (indicele) de variaţie

-exprimă variaţia relativă a nivelului unei variabile Y pe
parcursul unei perioade de timp.
-arată de câte ori s-a modificat nivelul unei variabile într-un
moment faţă de alt moment (de referinţă).
Poate fi calculat:
-cu baza fixă: i yt
t/0  ( x100 )
y0
yt
-cu baza în lanţ: it / t 1  ( x100 )
y t 1
b) Rata sporului (rata de creştere)
- exprimă cu cât s-a modificat, în mărime relativă, nivelul
fenomenului Y în momentul curent, t, faţă de momentul de
referinţă.
Poate fi calculat:
- cu baza fixă:
t / 0
rt / 0  ( x100 )  it / 0  1 ( x100 )
y0
- cu baza în lanţ:
t / t 1
rt / t 1  ( x100 )  it / t 1  1 ( x100 )
y t 1
7.6. Indicatori medii sunt:
a) Nivelul mediu y
 y t
b) Sporul mediu    n/ 0
n 1
- arată modificarea medie absolută pe unitatea de timp înregistrată
de un fenomen într-o perioadă.
c) Rata medie de variaţie
yn
i  n 1
y0
- arată modificarea medie relativă pe unitatea de timp

înregistrată de un fenomen într-o perioadă de timp.
d) Rata medie a sporului

r  i  1 (x100)

Cursuri Bazele Statisticii

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Cursuri Bazele Statisticii

Încărcat de

Drepturi de autor:

Formate disponibile

BAZELE STATISTICII

Conf.univ.dr. Viorica Chirilă

2. Analiza unei serii statistice unidimensionale, folosind

3. Analiza unei serii statistice bidimensionale.

5. Estimarea parametrilor unei populaţii

7. Indicatori ai seriilor de timp

 20% - Notă seminar;

 40% - Examen grilă susținut din materia temelor 4-7.

1.1. Rolul statisticii în economie

 Statistica descriptivă: vizează descrierea stării și

 Statistica inferențială: vizează estimarea caracteristicilor

- volumul unei populaţii se notează cu N.

 sunt elementele componente ale unei populaţii statistice.

b. Scala ordinală presupune ca atribuirea de coduri numerice

Ex.: greutatea, înălțimea.

 Anuarul Statistic al României (INS). www.insse.ro

 Sursa de date statistice la nivel european: Oficiul Statistic al

c. Anchete prin sondaj

 să se definească unitatea statistică şi variabila de grupare .

 să se precizeze tipul variabilei studiate.

2. Atunci când se dispune de valorile luate de una sau mai multe

Conf.univ.dr. Viorica Chirilă

1. Prezentarea seriei (distribuţiei) statistice

- exprimă ponderea unităţilor statistice cumulate “până

3.1. Indicatori ai tendinţei centrale (mărimi medii)

- Mod de calcul în cazul seriilor simple şi seriilor cu frecvenţe

2. Media este o mărime normală: suma abaterilor valorilor

Interpretare: Cele mai multe unităţi înregistrează valoarea

2. Serii cu frecvenţe diferite

Arată forma unei distribuții:

h. Reprezentarea diagramei “box-plot” sau “box-and-whiskers”

Analysis weighted by NRSTUD

Indicatori sintetici ai dispersiei:

Varianţa este întotdeauna pozitivă, nu are unitate de măsură

3. Abaterea standard (s)

4. Coeficientul de variaţie (v)

6. Coeficientul de variaţie interquartilic

Asimetria poate fi apreciată:

2. Prelucrarea seriei statistice folosind metode grafice

3. Indicatori ai statisticii descriptive

2.2. Variabilă calitativă

Figura 1. Distribuţia studenţilor unei grupe

2. Indicatori ai tendinţei centrale

2. Indicatori ai tendinţei centrale

3.3. Distribuţia după o variabilă cantitativă şi o variabilă

- este definită pentru fiecare valoare yj

(X / Y = y j ) : (xi, nij ), i = 1,..., m si j valoare fixă

◼ Frecvenţe absolute condiţionate: nij, cu i, respectiv j

◼ Frecvenţe relative parţiale:

◼ Frecvenţe relative condiţionate

3.9. Media varianțelor de grupă- măsoară influența totală a

3.11. Varianţa generală

- Să se afle varianța care cuantifica diferențele dintre domeniile

Domeniul de activitate xj n.j

Să se afle media generala, media varianţelor de grupă si varianta intergrupe.

s 2 = s X2 − sx2j = 16 − 4,69 = 11,31

Recensământul populației şi locuințelor, ca metodă de culegere a datelor

Identificați variabilele continue:

Vârsta Urban Rural

b. 54.5% dintre persoanele din mediul urban au pana in 45 de ani, inclusiv. A

c. 10 persoane din mediul rural au peste 35 de ani, inclusiv

Educational Level (years) 20

a. Populația femeilor este mai omogena decât a bărbaților

Vârsta Urban Rural