OBIECTIVUL CURSULUI

Să demonstrăm că statistica este o știință

importantă și utilă, cu o gamă largă de aplicații
pentru științele sociale și nu numai. Dar și rolul
cheie pe care îl joacă statistica în gândirea critică,
fie la clasă, la serviciu sau în viața de zi cu zi.

Importanța Statisticii în procesul cunoaşterii 1

 CE ESTE STATISTICA?

• Statistica este știința datelor. Presupune colectarea, clasificarea,

rezumarea, organizarea, analizarea și interpretarea datelor
numerice și categoriale.
• Statistica înseamnă „descrieri numerice” pentru majoritatea
oamenilor. Ratele lunare ale șomajului, rata de eșec a companiilor
nou-înființate și proporția de femei ca directori executivi într-o
anumită industrie reprezintă toate descrieri statistice ale unor seturi
mari de date colectate despre un anumit fenomen.

Importanța Statisticii în procesul cunoaşterii 2

• Adesea, datele sunt selectate dintr-un set mai mare de date care
au caracteristici pe care dorim să le estimăm. Numim acest proces
de selecție drept eșantionare;
• Exemplu: Puteți colecta vârstele unui eșantion de clienți ai unei
companii de servicii de streaming video pentru a estima vârsta
medie a tuturor clienților companiei. Apoi, puteți utiliza estimarea
pentru a direcționa reclamele companiei către grupa de vârstă
adecvată. Observați că statistica implică două procese diferite: (1)
descrierea setului de date și (2) tragerea de concluzii (efectuarea de
estimări, decizii etc.) despre seturile de date bazate pe eșantionare.

Importanța Statisticii în procesul cunoaşterii 3

• Așadar, aplicațiile statisticii pot fi împărțite în două mari domenii:
statistica descriptivă și statistica inferențială;
• Statistica descriptivă utilizează metode numerice și grafice pentru
a explora datele, adică pentru a căuta modele într-un set de date,
pentru a rezuma informațiile dintr-un set de date și pentru a
prezenta informațiile într-o formă convenabilă pentru utilizator;
• Statistica inferenţială utilizează datele din cadrul eşantionului
pentru a face estimări, lua decizii, face predicţii sau alte generalizări
despre un set mai mare de date.

Importanța Statisticii în procesul cunoaşterii 4

 ELEMENTE FUNDAMENTALE ALE STATISTICII:
POPULAȚIE ȘI EȘANTION
• O populație este un set de unități (de obicei persoane, obiecte, tranzacții
sau evenimente) pe care suntem interesați să le studiem.
• În studierea unei populații, ne concentrăm pe una sau mai multe
caracteristici ale populației. Spre ex. vârsta, sexul, venitul și/sau numărul
de ani de studii ale persoanelor aflate în șomaj în prezent în Statele
Unite.
• Populațiile pot include: (1) toți angajații din România; (2) toți contabilii
înregistrați din Sibiu; (3) toți cei care au achiziționat o anumită marcă de
telefon mobil; (4) toate mașinile produse anul trecut de o anumită linie
de asamblare; (5) întregul stoc de piese de schimb la unitatea de
întreținere a Mercedes; (6) toate vânzările efectuate la vitrina unui
restaurant McDonald’s într-un anumit an; și (7) ansamblul tuturor
accidentelor care au loc pe o anumită porțiune de autostrada în timpul
unei perioade de vacanță.
Importanța Statisticii în procesul cunoaşterii 5
• Observați că primele trei exemple de populație (1–3) sunt seturi
(grupuri) de oameni, următoarele două (4–5) sunt seturi de obiecte,
următorul (6) este un set de tranzacții, iar ultimul (7) este un set de
evenimente.
• Un eșantion este un subset al unităților unei populații;
• Să presupunem că o companie este auditată pentru erori de
facturare. În loc să examineze toate cele 15.472 de facturi produse
de companie într-un anumit an, un auditor poate selecta și examina
un eșantion de doar 100 de facturi. Dacă este interesat de variabila
„starea erorii facturii”, el ar înregistra (măsura) starea (eroare sau
nicio eroare) a fiecărei facturi eșantionate.

Importanța Statisticii în procesul cunoaşterii 6

Populație Eșantion Auditorul poate fi interesat doar să descrie rata
de eroare din eșantionul de 100 de facturi. Mai
probabil, totuși, va dori să folosească
informațiile din eșantion pentru a face inferențe
despre populația tuturor celor 15.472 de facturi.
Folosește informațiile conținute în eșantion
pentru a afla despre populația mai mare.
Astfel, din eșantionul de 100 de facturi,
auditorul poate estima numărul total de facturi
care conțin erori în populația de 15.472 de
facturi. Inferența auditorului cu privire la
calitatea facturilor firmei poate fi utilizată
pentru a decide dacă să modifice operațiunile
de facturare ale firmei.
Importanța Statisticii în procesul cunoaşterii 7
 RESURSE BIBLIOGRAFICE

McClave, J. T., Benson, P. G., & Sincich, T. (2022).

Statistics for business and economics, 14th
Edition. Pearson Education.

Importanța Statisticii în procesul cunoaşterii 8

 TIPURI DE DATE:
CANTITATIVE & CALITATIVE

Toate datele (și, prin urmare, variabilele pe care le măsurăm) pot fi

clasificate ca unul dintre cele două tipuri generale: cantitative și
calitative.

A. Datele cantitative sunt măsurate pe o scală numerică. Datele

cantitative pot fi subclasificate fie ca interval, fie ca raport.
Pentru datele raport, originea (adică, valoarea 0) este un număr
semnificativ (punct de start). Dar originea nu are sens pentru
datele interval.

27/11/2023 Obținerea, sistematizarea şi prezentarea datelor statistice 1

Următoarele sunt exemple de date cantitative:
1. Temperatura (în grade Celsius) la care fiecare unitate dintr-o
probă de 20 de bucăți de plastic rezistent la căldură începe să se
topească;
2. Rata actuală a șomajului (măsurată ca procent) pentru fiecare
județ din țară;
3. Scorurile unui eșantion de 150 de absolvenți de MBA la GMBT (un
examen de admitere standardizat, cu scoruri între 200 – 800);
4. Numărul de femei angajate ca director executiv în fiecare
companie din eșantionul de 75 de companii din sectorul Tech.

27/11/2023 Obținerea, sistematizarea şi prezentarea datelor statistice 2

B. Datele calitative nu pot fi măsurate pe o scală numerică; ele pot fi
clasificate doar pe categorii. Datele calitative pot fi subclasificate fie
nominale, fie ordinale. Categoriile unui set de date ordinale pot fi
clasificate sau ordonate, dar categoriile unui set de date nominale nu
pot fi ordonate.

Următoarele sunt exemple de date calitative:

1. Genul (masculin, feminin) într-un eșantion de 50 de directori
generali;
2. Starea defectuoasă (defect sau nu) a fiecăruia dintre cele 100 de
cipuri de computer fabricate de Intel;

27/11/2023 Obținerea, sistematizarea şi prezentarea datelor statistice 3

Următoarele sunt exemple de date calitative:
3. Dimensiunea unei mașini (subcompactă, compactă, sedan sau full-
size) închiriată de fiecare călător dintr-un eșantion de 30 de
observații;
4. Clasamentul unui test de gust (cel mai bun, cel mai prost etc.) a
patru mărci de sos dintr-un panel de 10 testări;

Adesea, atribuim valori numerice arbitrare datelor calitative pentru

ușurința analizei. Dar aceste valori numerice atribuite sunt pur și
simplu coduri: nu pot fi adăugate, scăzute, înmulțite sau împărțite. De
exemplu, am putea codifica Masculin = 1, Feminin = 2.

27/11/2023 Obținerea, sistematizarea şi prezentarea datelor statistice 4

 SCALE DE MĂSURARE ALE DATELOR:
NOMINALĂ, ORDINALĂ, INTERVAL ȘI RAPORT

1. Scala nominală:
 formă de măsurare a categoriei de variabile calitative;
 ordinea nu contează!
Din cele patru exemple de date calitative exemplificate anterior, (1)
și (2) sunt nominale.

27/11/2023 Obținerea, sistematizarea şi prezentarea datelor statistice 5

2. Scala ordinală:
 formă de măsurare a categoriei de variabile calitative
 utilizată pentru clasificare/ranking;
 ordinea contează!
 diferențele nu poti fi măsurate
Din cele patru exemple de date calitative exemplificate anterior, (3)
și (4) sunt ordinale.

27/11/2023 Obținerea, sistematizarea şi prezentarea datelor statistice 6

3. Scala interval:
 formă de măsurare a categoriei de variabile cantitative
 ordinea contează!
 diferențele poti fi măsurate (cu excepția rapoartelor)
 nu conține “0” ca punct de start
Din cele patru exemple de date cantitative exemplificate anterior, (1)
și (3) sunt interval.

27/11/2023 Obținerea, sistematizarea şi prezentarea datelor statistice 7

4. Scala raport:
 formă de măsurare a categoriei de variabile cantitative
 ordinea contează!
 diferențele sunt măsurabile (inclusive rapoartele)
 conține “0” ca punct de start
Din cele patru exemple de date cantitative exemplificate anterior, (2)
și (4) sunt interval.

27/11/2023 Obținerea, sistematizarea şi prezentarea datelor statistice 8

 COLECTAREA DATELOR

Odată stabilit tipul de date - cantitative sau calitative - potrivite

pentru problema în cauză, datele trebuie colectate. În general, datele
pot fi obținute în trei moduri diferite:
1. Date dintr-o sursă publicată
2. Date dintr-un experiment proiectat
3. Date dintr-un studiu observațional (de exemplu, un sondaj)

Indiferent de metoda de colectare a datelor folosită, este probabil ca

datele să fie un eșantion de la o anumită populație. Dacă dorim să
aplicăm statistici inferenţiale, trebuie să obţinem un eşantion
reprezentativ.

27/11/2023 Obținerea, sistematizarea şi prezentarea datelor statistice 9

 DE CE ESTE IMPORTANTĂ STATISTICA DESCRIPTIVĂ?

Cele mai importante două funcții ale statisticii

descriptive sunt:
 Comunicarea informațiilor;
 Sprijinirea raționamentul despre date

Când utilizăm seturi mari de date, devine esențial

să folosim sumarizarea acestora.

27/11/2023 Obținerea, sistematizarea şi prezentarea datelor statistice 10

Exemplu:

În ianuarie 1986, naveta spațială Challenger s-a destrămat la scurt

timp după decolare. Accidentul a fost cauzat de o piesă care nu a fost
proiectată să zboare la temperatura neobișnuit de rece de 29 de
grade F la lansare:
Iată temperaturile de lansare ale primelor 25 de misiuni ale navetei
(în grade F): 66, 70, 69, 80, 68, 67, 72, 70, 70, 57, 63, 70, 78, 67, 53, 67,
75, 70, 81, 76, 79, 75, 76, 58, 29.

SAU

27/11/2023 Obținerea, sistematizarea şi prezentarea datelor statistice 11

 Histogramă
Valoare Frecvență
29 1
53 1
57 1
58 1
63 1
66 1

Frecvență
67 3
68 1
69 1
70 5
72 1
75 2
76 2
78 1
79 1
80 1
81 1
Total 25 Temperatură

27/11/2023 Obținerea, sistematizarea şi prezentarea datelor statistice 12

• Așadar, este bine să folosim un rezumat grafic
pentru a comunica informațiile, deoarece
oamenii preferă să se uite la imagini mai
degrabă decât la numere;
• Există multe moduri de a vizualiza datele.
Natura datelor și scopul vizualizării determină
ce metodă să alegem.

27/11/2023 Obținerea, sistematizarea şi prezentarea datelor statistice 13

 În cazul Histrogramei, suprafețele blocurilor sunt
proporționale cu frecvența;
Diagrama circulară (Pie Chart) permite mai ușor să vedem
ce pondere din total îi corespunde unei categorii.
Diagrama circulară (Sectoarele de activitate din SUA)

27/11/2023 Obținerea, sistematizarea şi prezentarea datelor statistice 14

 Când datele sunt cantitative (adică numere), atunci
acestea ar trebui să fie plasate pe o linie numerică. Acest
lucru se datorează faptului că ordonarea și distanța dintre
numere transmit informații importante, spre exemplu
graficul de tip bare de mai jos (Bar Graph)
Grafic de tip bare (Vânzări lunare, în mil. $)

27/11/2023 Obținerea, sistematizarea şi prezentarea datelor statistice 15

 RESURSE BIBLIOGRAFICE

McClave, J. T., Benson, P. G., & Sincich, T. (2022).

Statistics for business and economics, 14th
Edition. Pearson Education.
Stanford Course, Introduction to Statistics (2023)

27/11/2023 Obținerea, sistematizarea şi prezentarea datelor statistice 16

 MEDIE, MEDIANĂ, MODUL ȘI AMPLITUDINE:
DATE NEGRUPATE
Media(� 𝒙𝒙) unui set de date este suma observațiilor împărțită la
numărul observațiilor din setul de date.
∑ 𝑥𝑥𝑖𝑖 𝑥𝑥1 + 𝑥𝑥2 + 𝑥𝑥3 + ⋯ 𝑥𝑥𝑖𝑖
𝑥𝑥̅ = =
𝑛𝑛 𝑛𝑛
Mediana (m) unui set de date este numărul din mijloc atunci când
observațiile sunt aranjate în ordine crescătoare (sau descrescătoare):
• dacă n (nr. de observații) este impar, atunci m este numărul din
𝑛𝑛+1
mijlocul setului de date (m = observație);
2
• dacă n (nr. de observații) este par, atunci m este media celor două
𝑛𝑛
numere din mijlocul setului de date (m = observație).
2

Indicatori ai tendinței centrale 1

Modulul (M) este observația care apare cel mai frecvent în setul de
date.
Amplitudinea (A) unui set de date este diferența dintre valorile
maxime și minime.
𝐴𝐴 = 𝑥𝑥𝑚𝑚𝑚𝑚𝑚𝑚 − 𝑋𝑋𝑚𝑚𝑚𝑚𝑚𝑚

Aplicație: Luați în considerare scorurile obținute de 10 elevi la un test

de matematică, după cum sunt prezentate mai jos și calculați media,
mediana, modulul și amplitudinea setului de date:
55 36 95 75 60 42 25 78 75 62

Indicatori ai tendinței centrale 2

Observațiile sunt sub formă de date negrupate.
Prima dată aranjăm observațiile în ordine crescătoare astfel:
25 36 42 55 60 62 75 75 78 95

25+36+42+55+60+62+75+75+78+95
𝒙𝒙) =
Media(� = 60,3 scorul mediu
10
Mediana (m) = n fiind 10 (observații) => n = par, atunci m = media
observațiilor din mijlocului setului de date, respectiv:
60+62
m= = 61
2
Modulul (M) = 75, observația care apare cel mai frecvent (de 2 ori),
setul de date este unimodal!
Amplitudinea (A) = 95 – 25 = 70
Indicatori ai tendinței centrale 3
Prezentarea datelor în ordine crescătoare și descrescătoare poate fi
consumatoare de timp dacă sunt seturi mari de date. În
reprezentarea tabelară a datelor negrupate, sunt necesare două
atribute, cum ar fi observațiile și frecvența.

Aplicație: Luați în considerare notele obținute de 19 elevi la un test

de statistică, după cum sunt prezentate mai jos. Prezentați datele sub
formă tabelară, determinați (1) frecvențele absolute și relative,
(2) frecvențele absolute cumulate crescător și descrescător, (3)
frecvențele relative cumulate crescător și descrescător, (4) mediana,
modulul și amplitudinea setului de date.
2 4 8 6 2 9 5 9 4 8 2 9
8 2 4 8 9 9 5
Indicatori ai tendinței centrale 4
 Frecvența Frecvența relativă
Frecvența Frecvența Frecvența absolută
Note Frecvența relativă cumulată
absolută (𝒇𝒇𝒊𝒊 ) absolută cumulată cumulată
(𝒙𝒙𝒊𝒊 ) relativă (𝒇𝒇𝒇𝒇𝒊𝒊) cumulată descrescător
(Numărul de elevi) crescător (𝒇𝒇𝒇𝒇𝒊𝒊 ) descrescător (𝒇𝒇𝒇𝒇𝒊𝒊 )
crescător (𝒇𝒇𝒇𝒇𝒇𝒇𝒊𝒊 ) (𝒇𝒇𝒇𝒇𝒇𝒇𝒊𝒊)
2 4 21,05% 4 19 21,05% 100%
4 3 15,79% 7 15 36,84% 78,95%
5 2 10,53% 9 12 47,37% 63,16%
6 1 5,26% 10 10 52,63% 52,63%
8 4 21,05% 14 9 73,68% 47,37%
9 5 26,32% 19 5 100% 26,32%
Total 19 100%

Indicatori ai tendinței centrale 5

 2+2+⋯
𝒙𝒙) =
Media (� = 5,94 nota medie
19
∑ 𝑓𝑓𝑖𝑖 ×𝑥𝑥𝑖𝑖 2×4+4×3+5×2+6×1+8×4+9×5
�=
sau 𝒙𝒙 = = 5,94 nota medie
𝑛𝑛 19

Mediana (m) = n fiind 19 (observații) => n = impar, atunci m = este

numărul din mijlocul setului de date:

m=6

Modulul (M) = 9, observația care apare cel mai frecvent (1 dată),

setul de date este unimodal!

Amplitudinea (A) = 9 – 2 = 7

Indicatori ai tendinței centrale 6

 MEDIE, MEDIANĂ, MODUL ȘI AMPLITUDINE:
DATE GRUPATE

Gruparea datelor prin reprezentarea fiecărei observații în intervale,

astfel încât aceste grupuri să prezinte o modalitate mai bună de a
rezuma datele și de a observa anumite caracteristici esențiale ale
datelor.
Gruparea datelor pe intervale:
1. Stabilim numărul de intervale
1 + 𝑙𝑙𝑙𝑙𝑙𝑙2 𝑛𝑛, 𝑑𝑑𝑑𝑑𝑑𝑑𝑑 𝑛𝑛 ≤ 30;
𝑘𝑘 = �
1 + 3,322 × 𝑙𝑙𝑙𝑙𝑛𝑛 , 𝑑𝑑𝑑𝑑𝑑𝑑𝑑 𝑛𝑛 > 30
k = numărul de intervale

Indicatori ai tendinței centrale 7

2. Determinăm mărimea intervalelor de grupare
𝐴𝐴
ℎ=
𝑘𝑘

𝐴𝐴 = 𝑥𝑥𝑚𝑚𝑚𝑚𝑚𝑚 − 𝑥𝑥𝑚𝑚𝑚𝑚𝑚𝑚

h = mărimea intervalelor
A = amplitudinea
𝑥𝑥𝑚𝑚𝑚𝑚𝑚𝑚 = valoarea maximă din setul de date
𝑥𝑥𝑚𝑚𝑚𝑚𝑚𝑚 = valoarea minimă din setul de date

Indicatori ai tendinței centrale 8

 ∑ 𝑓𝑓𝑖𝑖 ×𝑥𝑥�𝑖𝑖
𝒙𝒙) =
Media (� ∑ 𝑓𝑓𝑖𝑖
; 𝑥𝑥�𝑖𝑖 = valoarea medie a intervalului i
∑ 𝑓𝑓𝑖𝑖
−𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐
2
Mediana (m) = 𝑙𝑙𝑚𝑚 + ( ) × 𝐶𝐶
𝑓𝑓𝑚𝑚
Se identifică intervalul median
𝑙𝑙𝑚𝑚 = limita inferioară a intervalului median
𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 = frecvențele cumulate până la intervalul median
𝑓𝑓𝑚𝑚 = frecvența intervalului median
C = mărimea intervalului median
𝑙𝑙𝑖𝑖 +𝑙𝑙𝑠𝑠
C= − 𝑙𝑙𝑚𝑚
2
𝑙𝑙𝑖𝑖 = limita inferioară a intervalului median
𝑙𝑙𝑠𝑠 = limita superioară a intervalului median
Indicatori ai tendinței centrale 9
 ∆1
Modulul (M) = 𝑙𝑙𝑚𝑚 + ( ) × 𝐶𝐶
∆1 +∆2
Se identifică intervalul modal
𝑙𝑙𝑚𝑚 = limita inferioară a intervalului modal
∆1 = diferența între frecvența intervalului modal și frecvența
intervalului inferior celui modal
∆2 = diferența între frecvența intervalului modal și frecvența
intervalului superior celui modal
C = mărimea intervalului modal
𝑙𝑙𝑖𝑖 +𝑙𝑙𝑠𝑠
C= − 𝑙𝑙𝑚𝑚
2
𝑙𝑙𝑖𝑖 = limita inferioară a intervalului modal
𝑙𝑙𝑠𝑠 = limita superioară a intervalului modal
Indicatori ai tendinței centrale 10
 Compania Marja profitului net (%)
Adobe Inc 30,5
Advanced Micro Devices Inc 19,2
Aplicație: Allied Electronics Corporation Ltd 0,9
Amazon.com Inc 7,1
În tabelul alăturat se află Apple Inc
ASM International NV
25,9
28,6
datele companiilor din Clearfield Inc 14,4
DATA MODUL Produktion und Vertrieb von elektronischen Systemen AG 4,1
sectorul Tech, respectiv Datatec Ltd 0,7
EACO Corp 3,5
Marja profitului net (%) din Econocom Group SE 2,9

anul financiar 2021. Electro-Sensors Inc

Fair Isaac Corp
4,8
29,8
Grupați datele pe Fiserv Inc
Fortec Elektronik AG
8,2
5,0
intervale, construiți tabelul GA Express Inc
Genasys Inc
4,6
1,5
frecvențelor, calculați Gigaset AG 0,2
Indra Sistemas SA 4,2
media, modulul și mediana Meta Platforms Inc 33,4
Microsoft Corp 36,7
datelor grupate. Oracle Corp 15,8
Salesforce Inc 5,5
SAP SE 18,9
Schulte-Schlagbaum AG 3,9
Telefonaktiebolaget LM Ericsson 9,8
VMware Inc 14,2

Indicatori ai tendinței centrale 11

Stabilim numărul de intervale
n < 30 de observații => k = 1 + 𝑙𝑙𝑙𝑙𝑙𝑙2 𝑛𝑛
k = 1 + 𝑙𝑙𝑙𝑙𝑙𝑙2 27 = 5,7 ~ 6 intervale

Mărimea intervalelor de grupare

𝐴𝐴 36,5
ℎ= = = 6,398 ~ 6,5
𝑘𝑘 5,7
𝐴𝐴 = 𝑥𝑥𝑚𝑚𝑚𝑚𝑚𝑚 − 𝑥𝑥𝑚𝑚𝑚𝑚𝑚𝑚 = 36,7 – 0,2 = 36,5

Setul de date va fi grupat în 6 intervale, având mărimea intervalului

de 6,5.

Indicatori ai tendinței centrale 12

 0+6,5
𝑥𝑥�0−6,5 = = 3,25
2
6,5+13
𝑥𝑥�6,5−13 = = 9,75 Interval 𝒇𝒇𝒊𝒊 �𝒊𝒊
𝒙𝒙 �𝒊𝒊
𝒇𝒇𝒊𝒊 × 𝒙𝒙
2
0-6,5 13 3,25 42,25
13+19,5
𝑥𝑥�13−19,5 = = 16,25 6,5-13 3 9,75 29,25
2
19,5+26 13-19,5 5 16,25 81,25
𝑥𝑥�19,5−26 = = 22,75 19,5-26 1 22,75
2 22,75
26+32,5 26-32,5 3 29,25 87,75
𝑥𝑥�26−32,5 = = 29,25
2 32,5-39 2 35,75 71,50
32,5+39
𝑥𝑥�32,5−39 = = 35,75 TOTAL 27 334,75
2
334,75
Media (𝑥𝑥)̅ = = 12,39814815
27
aprox. 12,4 media marjei profitului net

Indicatori ai tendinței centrale 13

Interval 𝒇𝒇𝒊𝒊 �𝒊𝒊
𝒙𝒙 �𝒊𝒊
𝒇𝒇𝒊𝒊 × 𝒙𝒙
0-6,5 13 3,25 42,25
Intervalul median, n = 27, impar,
6,5-13 3 9,75 29,25 atunci m = (27+1)/2 = 14, a 14-a
13-19,5 5 16,25 81,25 observație se află în intervalul 6,5-13
19,5-26 1 22,75 22,75 6,5+6,5
26-32,5 3 29,25 𝑙𝑙𝑚𝑚 = = 6,5
87,75 2
32,5-39 2 35,75 71,50 ∑ 𝑓𝑓𝑖𝑖 27
= = 13,5
TOTAL 27 334,75 2 2

∑ 𝑓𝑓𝑖𝑖
𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 = 13 2
−𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐
Mediana (m) = 𝑙𝑙𝑚𝑚 + ( ) × 𝐶𝐶
𝑓𝑓𝑚𝑚 = 3 𝑓𝑓𝑚𝑚
13,5−13
C=
13+13
- 6,5 = 6,5 m = 6,5 + ( ) × 6,5
3
2
m = 7,583 aprox. 7,58 (se află în intervalul
6,5-13)
Indicatori ai tendinței centrale 14
Interval 𝒇𝒇𝒊𝒊 �𝒊𝒊
𝒙𝒙 �𝒊𝒊
𝒇𝒇𝒊𝒊 × 𝒙𝒙 Intervalul modal este 0-6,5 fiind
0-6,5 13 3,25 42,25 intervalul cu frecvența cea mai mare
6,5-13 3 9,75 29,25 (𝑓𝑓𝑖𝑖 = 13).
13-19,5 5 16,25 81,25 𝑙𝑙𝑚𝑚 = 0
19,5-26 1 22,75 22,75
26-32,5 3 29,25 87,75
∆1 = 13 – 0 = 13
32,5-39 2 35,75 71,50 ∆2 = 13 – 3 = 10
TOTAL 27 334,75 6,5+6,5
C= = 6,5
2
∆1
Modulul (M) = 𝑙𝑙𝑚𝑚 + ( ) × 𝐶𝐶
∆1 +∆2
13
M=0+ ( ) × 6,5
13+10
m = 3,67 (se află în intervalul (0-6,5)
Indicatori ai tendinței centrale 15
 RESURSE BIBLIOGRAFICE

McClave, J. T., Benson, P. G., & Sincich, T. (2022).

Statistics for business and economics, 14th
Edition. Pearson Education.
Caraganciu, A. (2020). Statistică, Editura ULBS.

Indicatori ai tendinței centrale 16